Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

新一代股神也看好機器人 / Physical AI 賽道了。 我把鏈上剩下的 SOL 都拿去買 CodecFlow 放著了,不然拿著 SOL也是一直跌,就當長期投資看好的賽道了😂 Codec 大概是我看到目前幣圈機器人賽道中最優質項目了。 不是單純蹭 AI Agent 敘事,而是真的在做 Robotics 的底層執行層,讓 AI 不只會聊天、會思考,而是能夠在模擬環境、桌面環境,甚至未來的實體機器人裡執行任務。 團隊本身對 Robot 開發經驗很深,基本上有新的Robot技術他們也第一時間做嘗試整合進codec核心,團隊也和 Hugging Face LeRobot 生態有合作關係(LeRobot 目前算是開源機器人學習裡很重要的方向) 我也去玩了一下 Codec 最近做的 SimArena,SimArena 簡單講就是讓你可以直接在瀏覽器裡建立機器人模擬環境、跑任務、收集資料,甚至接到後續訓練流程,確實滿好玩的,雖然v1感覺還是有點難上手,但我還是模擬操作了近期很夯的狗狗機器人跟G1 機器人。 團隊也說很多大學和 bootcamp 已經開始用 SimArena 了,一般搞模擬基本上要搞好幾週的環境設定,現在 2-3 小時就能跑起來,也算是把機器人開發的門檻打下來了。 這樣一直在Build的優質項目才3M,我感覺還是有點低估了。 Always DYOR。

23,301 görüntüleme • 2 ay önce •via X (Twitter)

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

這是我第一次聽到 Jim Fan 的演講,非常幽默有趣,然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了,好好活著,各位。 在 AI 領域,我們常聽說圖靈測試(Turing Test)是衡量機器能否展現與人類無異對話能力的里程碑。如今,大型語言模型(LLM)似乎已悄悄地通過了這個測試,但大家對其突破已習以為常,甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出,當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」(just yet another Tuesday),這反映了我們對文字世界 AI 的標準已大幅提高。 然而,當我們將目光轉向現實世界,讓機器人進行物理操作時,會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念:「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是:如果你回家後,看到雜亂的房間被整理得乾淨俐落,甚至還準備了一頓浪漫的燭光晚餐,而你無法分辨這是由真人還是機器人完成的,那代表這個機器人通過了物理圖靈測試。 但現實呢?看看那些連站起來都困難的人形機器人,或是嘗試為主人做早餐卻搞得一團亂的機器手臂(雖然辨識出牛奶值得給 A-,但湯匙餵食的確是 VIP 等級的體驗),我們離「物理圖靈測試」還差得很遠。 實體 AI 的最大瓶頸:資料飢渴症 為什麼物理圖靈測試如此困難? Jim Fan 點出了核心問題:資料。LLM 研究人員抱怨網際網路資料快被用完,稱其為 AI 的「化石燃料」。但對機器人學家來說,我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」(teleoperation)方式收集,也就是由真人穿戴感應裝置來遠端控制機器人,手把手地教它完成任務(例如從烤麵包機拿出麵包再淋上蜂蜜)。 這種方式極度沒效率,Jim Fan 將其比喻為燃燒「人類燃料」(human fuel),比化石燃料還稀缺,每天每個機器人頂多運作 24 小時,而且真人會累,機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模,形成了一個巨大的資料瓶頸。 模擬世界的核能:突破資料荒的救星 要突破這個瓶頸,唯一的出路是「模擬 (Simulation)」,找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略: 模擬 1.0:數位分身 (Digital Twin) 概念:在虛擬世界中建立機器人和環境的一對一精確拷貝。 方法:利用高效能的向量化物理引擎,可以在單一 GPU 上模擬上萬個環境,速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術,在模擬時隨機改變重力、摩擦力、物體重量等參數,迫使 AI 在各種條件下都能執行任務。 優勢:極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上,無需微調。例如,訓練機械手在模擬中轉筆,訓練機器狗在球上平衡,訓練人形機器人行走(10 年訓練量在 2 小時模擬完成)。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。 限制:數位分身需要人工精確建模,建立複雜環境耗時費力,模擬的多樣性仍然受限於人工設定的範圍。 模擬 2.0:數位表親 (Digital Cousin) 概念:開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝,但能產生足夠多樣的環境和場景,「像數位分身的表親」。 方法:利用 3D 生成模型生成場景中的各種物品(如家具),使用擴散模型(Diffusion Model)生成紋理貼圖,利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子,可以生成大規模、包含日常任務的模擬場景,除了機器人本身,其他幾乎都是生成的。 優勢:顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作,然後將軌跡變異、擴展到更多生成的環境中,實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界,但「足夠接近」。 限制:相較於 1.0,運行速度可能較慢,仍部分依賴傳統渲染管線。 模擬 3.0 (世界模型 / 擴散模型):數位遊牧者 (Digital Nomad) 概念:直接利用生成式模型(特別是影片擴散模型)來模擬物理世界的互動,擺脫對傳統物理引擎的依賴。 方法:以大量真實世界影片(數百萬段網路影片)訓練影片擴散模型,使其學會模擬各種複雜的物理現象(如流體、軟體變形)。 NVIDIA 的研究表明,只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型,就能讓模型學會模擬機器人的精確互動。 優勢:極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動,不受傳統物理引擎的限制(例如模擬機器人彈烏克麗麗,即便硬體不支援,模型也能「畫」出來)。 這就像讓機器人漫遊在影片模型的「夢境空間」(dream space)——一個壓縮了海量網路影片的多元宇宙,實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間,影片生成模型在物理真實度上(例如變形麵條)的進步,就超越了傳統圖學 30 年的發展。 速度:目前運行可能較慢,但具備隨算力呈指數級成長的巨大潛力。 具身縮放定律與 GR00T N1 Jim Fan 總結,傳統模擬(1.0)的速度快但受限於多樣性,而生成式模擬(2.0/3.0)雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合,將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著,對 AI 算力的需求只會越來越大,那些認為算力問題會迎刃而解的人需要再三思考。 藉由這些模擬技術產生的海量資料,NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」,能接收圖像和語言指令,並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例,它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源,NVIDIA 也計劃將未來的模型開源,以普及「實體 AI」。 物理 API:通往新世界的入口 實體 AI 的最終目標,是實現「物理 API (Physical API)」。想像一下,就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣,物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API,你可以讓軟體直接控制物理致動器,改變物理世界的狀態。 這將催生全新的經濟模式和應用場景: 物理提示 (Physical Prompting):不再只用文字,而是結合視覺和語言等方式更直觀地教導和指示機器人。 物理應用商店和技能經濟 (Physical App Store & Skill Economy):米其林大廚不必親自下廚,他可以「教導」機器人他的獨家烹飪技巧,並將這個技能作為服務販售,讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調,未來「每一個會移動的東西都將是自主的」。總有一天,你回家會看到乾淨的沙發和燭光晚餐,伴侶對你微笑而不是責備你沒做家事——而那一天,我們通過物理圖靈測試的時刻,很可能就像 LLM 通過圖靈測試一樣,在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

fox hsiao

19,553 görüntüleme • 1 yıl önce

「泰泰機智的軍中生活」更新 節目中的泰亨哥和現實中的泰亨哥一模一樣。(是一個表裡如一的人) 👤泰亨哥在入伍前其實有先錄好一些節目。 其中一個就是大家都知道的《Running Man》。 後來我們在訓練所待了幾個星期之後,有一天正在看電視,結果:「咦?這不是《Running Man》嗎?」結果泰亨哥出現在節目裡了。 我們就問:「這是怎麼回事啊?」 泰亨哥就說:「啊,那是幾週前錄好的《Running Man》,今天播出而已。」 於是大家就一起看了。結果真的非常有趣。 更讓我驚訝的是,電視上看到的泰亨哥,和現實生活中的泰亨哥,根本一模一樣。 看了之後我才發現:「原來他在鏡頭前和私底下真的是同一個人啊。」 有些人可能在節目上很努力表現,但私底下又是另一個樣子。可是泰亨哥不一樣。 不管是在節目裡還是在現實中,他的個性、言行舉止都完全一樣。 那時候我更加深刻地感受到:「啊,這位哥真的是表裡如一的人。」 一直都很正向、很有幽默感,也很愛開玩笑。 後來時間慢慢過去,大概到了 12 月 30 日吧。 泰亨哥的生日是 12 月 30 日。 那時候我就想:「至少想替他慶祝一下生日啊。」可是訓練所裡其實沒有什麼東西能送。 我的置物櫃裡只有在 PX(軍中福利社)買的一些零食,而且都是很小包的那種。 所以我就在零食上寫了:「泰亨哥,生日快樂。」然後放在那裡。 我當時還擔任夜間巡查勤務(불침번)。 半夜值勤的時候,必須巡視我們第一、第二、第三生活館,確認所有人的人數。 於是我就趁著巡查時,把那包寫著生日祝福的零食放到泰亨哥睡覺的位置旁邊、靠近頭邊的地方。 放好之後,我再假裝若無其事地完成巡查離開。 後來泰亨哥跟我說:「你放的那個寫著訊息的零食,我有看到。」「我也很好地吃掉了,謝謝你。」 這就是當時發生的一個小故事。

V Taiwan Team 🇹🇼

38,885 görüntüleme • 2 ay önce

(民進黨委員們向場外抗爭民眾道謝) 謝謝你們 其實在今天早上一開始的時候 我們就設定了,我們要想辦法把戰線給拉長 因為只有在戰線拉長的狀況下 外在聲援的能量才能逐步的滾大 但有一點出乎大家意料的事情 是這個外在聲援的能量其實 我想可能都比大家想的都還要來的大 人數真的比我們原本想的多、非常多 甚至從這一開始其實在聚集前 9點就已經有兩三百人那到中午 我記得看到今天將近有三千人 後來到傍晚 那個雨真的是打在身上都會痛的雨 但大家並沒有因為那場雨而離開 果然是在雨停了 以後那個人數更是快速的大量的聚集 甚至一直到 我想大家都知道最後到了三萬人 我現在講到這個數字 還是覺得很震驚 我們今天的策略 我認為是有效的 所以最後今天一整天下來 其實藍白的通過的條數還是非常少 其實現在還留了可能三十幾條 四十條的條文還沒處理 所以最後我們跟黨團的成員一起 上到天橋跟大家謝謝打招呼的時候 我看到這麼多的群眾 我其實有一種很深的感覺 是其實這個幾乎是看不見底的人龍 已經長成一個大型的民主教室 除了謝謝大家以外 我其實有一個很深的感受是 我覺得民進黨面對或面向這樣 一個新世代的民主力量 其實我們也是需要一起學習的 我們更需要在這樣子的力量前面 我們也需要更謙卑 這是我今天最深最深的感受

洪申翰 Hung,Sun-Han

100,132 görüntüleme • 2 yıl önce

Thank You Crypto ! 今天生日🎂 想來聊聊自2022入圈的心得 還記得當初我什麼都不懂, 自己研究什麼是區塊鏈 NFT那時候正熱, 什麼Demi-human, 羊駝, 鱷魚 我都有 永遠記得在 Opensea上一直買不到 CryptoPaul幣圈保羅🦉 的貓頭鷹, 狂點到最後終於買到了 🦉 還填表拿到了 Bitman 的NFT白單, 我可是 OG群友 也跟 Dream 夢 一起mint Yolo Cat 白 (沒逃頂的) 其中最讓我開心的就是我是 猴地 The otherside 我是第一個砸的人 嘿嘿 那時候還跟別人借Ape, 提前approve然後掛賣9.9E 那是個美好的年代, 幾乎都有take profit 很幸運在 FTX, Luna 都沒有受傷 那個週期結束後也在台北開了一間咖啡店 ☕️ 2023 當比特幣沒人要的時候, 我還是持續待在幣圈 唯一熱點就是 friendtech FT , 後來我發現了 Moca Network , 當時很努力拿了兩個白單 我也默默撿了一堆便宜的 $ETH 跟NFT 🤫 接下來的事情就是這個周期牛市啟動了 先從跟 @BTCindy_eth 一起搞一魚多吃的各大項目 Blast 啊, 再質押啊 , 存錢啊 接著鏈上開始各種活躍, 迷因幣, BTCfi (NFT呢?!) 我對於迷因幣合約不在行, 所以吃不太到爆擊, 但是我賺我能把握的領域 跟別人比也許不算什麼 但 usualmoney YT 的 17x 爆擊 真的是這輪最大的! 這輪的收益主要就是嘴嚕跟理財還有幣安Alpha了 之後突然哪根筋不對, 覺得差不多了就開始看房子🏠 陸續看了半年就決定買, 也是運氣好出在33-34的時候 但年初貸款真的很難貸, 2.55% 真的還是偏硬.... 影片就是目前剛裝潢好的開箱, 可以更好但我很喜歡 也算是解鎖人生新的體驗了!可以問我裝潢心得哈 把獲利轉換成Web2的東西 對自己跟家人還有愛人好一點, 是非常值得的, 你就會更有動力 繼續麻 牛市結束了嗎?我不知道, 但必須要繼續待在 Web3 只有在這裡活下來 你才能接著下一個 Hype的Project 把握從你認知的領域賺錢 我還是懷念著最初 NFT的那個好時光啊.... Build 社區! 也祝福大家2026能跟我一起麻!!!!

Bruce.moca 布魯斯

15,007 görüntüleme • 8 ay önce

沒有想到有天不擅長唱歌的我 竟然會出COVER!😂 想了想或許是因為有許多話不知道該怎麼說出口 想寄託在歌曲裡面送給大小 孩子們吧! 直播這幾年,一路上來陪伴觀眾們讀書、準備大學、出社會,你們也陪伴我成長、沉澱、向前。 在這些日夜陪伴的時光裡,常常聽到大小孩子們的傾訴,無非是對未來的迷茫以及不知所措。 我該成為什麼樣的人? 我這樣做會成為一個優秀的人嗎? 當某些孩子問我是否讀書就會成為人上人,能否擺脫使他痛苦的原生家庭或生活環境,我想回答是的、但也不是,在某個層面上的社會規則來說,學歷並不是最重要的,但也不是不需要的。 在歌曲中有一段歌詞為『你長大以後,要做個讀書人,嫁個好老公,過幸福的一生。』 但什麼才是讀書人?有些孩子在幸福的環境成長,資訊、資源、眼界與他們認為的普世邏輯,對某些孩子來說可能是這輩子永遠無法了解並深思的道理,也就是因為不了解,當他們站在同一間大學的門口互相問好時,注定也不知道彼此的人生在未來早就奠定了不同的方向吧。 孩子們常問我什麼是幸福,我不知道該怎麼回答,有時候越去思考就越會發現也許無知的人容易得到幸福,但這樣說似乎也不對。 當他們用盡全力攀爬到別人的起跑點時,當他們注定踏上跌跌撞撞的人生,回頭詢問我對他們有什麼期許。 我想了許久,除了為他們的成就感到發自真心的自豪跟快樂,還有許多許多的擔憂,但最後我認為,無論如何,只要在未來的人生中能夠持續感覺自己是個人就好。 希望未來無論頻道內的大小孩子是否各奔東西,無論做著什麼工作,或過著各有滋味的人生。 他們都能在每時每刻,感覺到自己生為人的快樂,能夠真實感覺到自己每一次呼吸,記得自己每一次的大笑與悲傷。 歌詞中的尾端為 『讓我做一個愚蠢的人 避免知識和權力之間的矛盾 讓我做一個低賤的人 用勞碌向資本家交換應得的青春 讓我做一個愚蠢的人 讓我做一個低賤的人』 這個世界太龐大,大到未來可能裝下太多酸甜苦辣的人生與經歷,有些人入口難以下嚥,有些人早已麻痺味蕾。 希望孩子們都能明白,低賤也好愚蠢也好,只要仍然能感覺到自己是個人,活生生的人,那無論是怎麼樣的道路,都是不枉此行的。

洛伊可Royco👉個人勢💪不吃香菜

13,108 görüntüleme • 1 ay önce

原來開電動車可以有這個藉口阿 我也要去買台電動車 為什麼 AI 也需要「驗證機制」 以前我一直覺得 AI 很厲害 結果應該可以直接相信 直到有一天,我在用 AI 做一些分析和決策時 才慢慢意識到一個問題 即便再聰明的 AI,如果沒辦法驗證 它也可能給你錯誤結果 你可能會想 AI 結果錯了也沒關係 自己再檢查就好 可事實是,有些結果是自動被系統執行的 比如金融交易、智能合約、或者自動化操作 錯誤一旦發生,成本可能比人類錯誤高很多 更嚴重的是,普通使用者根本沒有辦法看懂 AI 怎麼算的 也就無法判斷結果可信度 這時候,我開始注意到 Inference Labs 的理念 他們想解決一個基本問題 結果能不能被驗證 換句話說,你不用去信任誰,也不用去理解模型多複雜 只要有一個可驗證的證明,結果就有可信度 對我來說,這種方法讓 AI 使用變得可控 也降低了很多潛在風險 我以前常以為「驗證」只是大公司才做的高級功能 但現在明白了,這其實是每個人都需要的安全網 沒有驗證,就像你在黑暗中走路,不知道哪裡有坑 有了驗證,至少可以確定自己踏在安全的地面上 這種概念很簡單 但在現實世界裡 卻少有人真正落實 所以,對我來說 AI 不只是要準確 更重要的是可驗證 這也是我覺得 Inference 有趣的地方 它提供了一個簡單、實用的機制 讓我們不必再靠盲目相信來使用 AI 信任可以建立,但不靠感覺,而是靠證明

小美哥🕊️|🐬TermMax

305,137 görüntüleme • 7 ay önce

不知不覺,Alpha 已經走過 100 期了。 雖然不能每期都參與到但(有多少能力做多少事)從今年 5 月第一次參與,到現在回頭看,我覺得這是我今年參加過最穩、最值得關注根本(明牌送錢的活動),當然其中還是會有些許風險,可能是在買賣的過程遇到較大的波動(尤其之前突然劇烈波動的KOGE ZKJ 等等!(但還好那時段提前刷完,後面穩定後順勢抄底,真是有驚無險呀! 還記得剛開始的時候,我只是抱著試試看的心態參加。沒想到幾次下來,收益比我想像的還穩定。尤其是那些不需要太多時間成本的項目,真的是「投入有限,收穫超值」。 最讓我有成就感的一次,是最近一次參與的 Alpha。 結算後,我直接用這部分的利潤,給自己買了一副 Apple AirPods Pro 2。 打開包裝、戴上的那一刻,我突然意識到——原來數字世界的收益,也能這麼直接轉換成生活裡的實在幸福感。 更重要的是,Alpha 把項目的部分分配交給了幣安這樣的 T0 級平台。對我們普通用戶來說,這不只是多了一個收益管道,更是多了一份信任和保障。 不必像空投那樣冒著被「項目方畫大餅」的風險,也不必擔心做了辛苦活最後什麼都拿不到。 有人說 Alpha 分走了空投的份額,但在我看來,與其讓不確定的分配落空,不如讓幣安來分,讓更多人真真切切地受益。 幣圈看結果——能賺到錢的,就是好項目。 Alpha,牛! 感謝 币安Binance华语,讓我今年不只是賺到錢,還多了一份生活裡的儀式感。 #币安Alpha百文大赛 #BinanceAlpha

泰德.eth

47,641 görüntüleme • 1 yıl önce