Загрузка видео...

Не удалось загрузить видео

На главную

[⁎ ⁎滑鼠車車Q版V皮委託試開⁎ ⁎] 期待看到更多車車一起來組車隊 ☆可以偵測滑鼠左右鍵,在你按左右鍵時他會一起按 ☆待機時會冒泡泡睡覺 ☆包含6種按鍵表情與1款掉錢動圖 ☆可偵測歪嘴吐舌(iOS偵測限定) 建模師:蛙返(蛙返 ) 繪師:伊登狐狸(本狐) 委託表單下收,請詳閱後再填單⬇️

16,187 просмотров • 1 год назад •via X (Twitter)

Комментарии: 11

Фото профиля 伊登狐狸
伊登狐狸1 год назад

下方是委託表單,請詳閱價格、內容與注意事項!! 目前為試開先收2名,超額不加收! 後續加開會另外通知

Фото профиля 伊登狐狸
伊登狐狸1 год назад

也放一下在直播上使用的樣子:

Фото профиля Page to Pixel Publishing
Page to Pixel Publishing2 лет назад

Boost, surf, and weave your way through The Art of Flight, an arcade game about flying multiple ships at the same time. With solo, local co-op, and a leaderboard, there are tons of ways to play. Wishlist on Steam today!

Фото профиля アキ
アキ1 год назад

@wanghao_art 超級可愛! 謝謝蛙返老師 也謝謝伊登老師把伊登狐狸畫這麼可愛✨ ✨ ✨

Фото профиля 鋁人-adam
鋁人-adam1 год назад

@wanghao_art 這是什麼可愛的東西!!

Фото профиля 伊登狐狸
伊登狐狸1 год назад

@wanghao_art 是滑鼠車車✨✨把滑鼠也能運用進模型裡,終於實現了🥳

Фото профиля 宮砂😈映像制作【花遊ㄉ嗶】
宮砂😈映像制作【花遊ㄉ嗶】1 год назад

@wanghao_art 想看伊登甩尾過彎

Фото профиля 鈴讚
鈴讚1 год назад

@wanghao_art 超可愛!!!按按鍵好靈活XD

Фото профиля 伊登狐狸
伊登狐狸1 год назад

@wanghao_art 謝謝鈴讚😚💓💓 上次玩遊戲攻擊的時候所有人都看得到我在狂按猛按XD

Фото профиля 松鼠
松鼠1 год назад

@wanghao_art 超級可愛!!!!

Фото профиля 伊登狐狸
伊登狐狸1 год назад

@wanghao_art 謝謝松鼠喜歡💜✨

Похожие видео

時隔三年揭密特斯拉 AI 核武器:不只「端到端」,解密征服物理世界的「神經網路模擬器」 距離上一次特斯拉舉行 AI Day 分享科技樹經過三年,一般猜測因為由於分享得太過仔細,導致於中國同行在相關技術上,突然打藥般地往前跨越一些,也或許是看了懂車帝的評測之後,馬誼郎覺得對手差太遠,只好再讓大家看一下特斯拉具體的做法。 建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了,請記得協助按讚分享。 本次由特斯拉 AI 負責人 Ashok Elluswamy 登台,在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享,這場演講的核心,不只是宣揚其數據護城河,而是揭示一個殘酷的事實:傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個 「微型電車難題」:車輛應駛過一個大水坑,還是冒險駛入對向車道?傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著,他展示第二個場景:AI 如何區分「一群要過馬路的雞」(需要耐心等待)與「一群只是想待著的鵝」(可以倒車繞行)。 「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出,這些充滿細微權衡與意圖判讀的情境,根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺,註定失敗。特斯拉的答案是徹底拋棄這種分工,轉而採用單一大型神經網路,實現從「像素輸入」到「駕駛動作輸出」的 端到端(End-to-End) 決策。 這個系統不再依賴工程師的規則,而是直接從海量的人類駕駛數據中,學習那些無法言傳的「價值偏好」。這是一場關於 典範轉移 的豪賭,賭注是未來所有機器人的作業系統。 駕馭維度災難:從「數據瀑布」到「二階效應」的預判 轉向端到端範式,意味著一場更艱鉅的挑戰:維度災難(Curse of Dimensionality)。Ashok Elluswamy 揭示的數字是殘酷的:特斯拉的系統必須在即時狀態下,將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達 二十億個輸入標記——壓縮到僅僅兩個輸出標記:轉向與加速。在如此極端的資訊壓縮過程中,模型極易產生「虛假的相關性」,錯把噪音當成訊號。 這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」(Elluswamy 證實車隊每天能產生500年駕駛時長),特斯拉的解方不是盲目儲存,而是 精煉。系統利用特定的觸發條件或小型神經網路,主動「挖掘」那些最稀有、最關鍵的 邊緣案例(corner cases)。 這些罕見情境(例如前方車輛的詭異動態、路面上的非典型障礙物)是訓練AI的最高價值養分,也是傳統模組化系統最容易崩潰的地方。 用高品質的邊緣數據餵養端到端模型,其回報是驚人的 預判能力。 在一個展示影片中,前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身,而在於 時機。系統並非在偵測到「碰撞風險」時才反應,而是在偵測到前車「即將失控」的瞬間就已啟動煞車。 「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對,開始進行煞車。這是系統需要模擬的二階效應。」 這種對 二階效應 的建模,是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統,會等待碰撞發生、速度劇變後才緊急煞車,導致更危險的後果。而端到端AI透過學習海量的真實物理互動,理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」,從而做出超越人類反應的主動安全決策。 破解黑盒子:端到端系統的「可解讀性」 端到端AI長期以來最大的罩門,在於其「黑盒子」特性。如果一個單一網路決定所有事,當它犯錯時,工程師該如何除錯? 特斯拉的回應是:端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重 輔助任務(auxiliary tasks)。雖然模型最終的 唯一 目的是輸出控制指令,但在訓練過程中,工程師會「提示」它同時預測各種「可解讀的中間標記」(interpretable intermediate tokens),藉此打開黑盒子,窺探模型的「內心世界」。 這就像在考核一個駕駛員時,除了看他是否能開到終點(控制任務),還會隨機提問他「剛才路過的交通標誌是什麼?」、「左側行人的意圖為何?」(輔助任務)。 特斯拉展示的「生成式高斯潑濺(Generative Gaussian Splatting)」技術變體,便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化,且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內,利用車輛的即時影像,快速生成高解析度的3D語意場景。這使得工程師能以3D視角,直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至,模型還能生成自然語言,解釋自己「為何」在此時選擇減速或轉向。 這些輔助任務就像鷹架,在模型建構階段提供支撐與 可解讀性,確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟,這些鷹架在即時駕駛中可以被簡化甚至關閉,只保留最高效的「像素到動作」路徑,確保系統擁有可預測的 確定性延遲。 終極試煉場:用「神經網路世界模擬器」發動閉環戰爭 「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言,即便擁有龐大的數據和可解讀的工具,端到端AI仍面臨最後一道關卡:評估。原因是「開迴路(open loop)」測試的侷限性。在開迴路中,模型只是觀看一段歷史影像並「預測」它會怎麼做,這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮,但「實際上路時可能表現就沒那麼好了」。因為在真實世界中,AI的 每一個動作(例如輕微的轉向)都會反過來改變整個世界的後續狀態(例如引發後車的反應),產生連鎖反應。 你無法在現實世界中反覆測試最危險的邊緣案例。那麼,該如何安全、高效地驗證AI在極端情況下的連鎖反應? 特斯拉的答案,是其當前最核心的戰略武器:神經網路世界模擬器。 這不是傳統意義上由工程師和美術師打造的電玩遊戲(如GTA)。特斯拉的模擬器本身,就是一個基於真實世界數據「學習」而來的 生成式AI。它以車輛過去的「狀態與動作」配對為養分,學會「在特定動作下,世界(包含所有八個攝影機的畫面)會如何演變」。 這個模擬器強大到令人畏懼: 高度一致性: 它可以同時生成八個攝影機、每秒高幀率的5K影像流,且所有畫面(例如鄰車的輪圈細節、遠處紅綠燈的變化)在跨攝影機視角下保持完美一致。 可控性: 這是關鍵。它不僅是播放影片,而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤,整個世界會即時、合理地反饋。 對抗性生成: 工程師可以在這個模擬器中「人工創造」新的危險。例如,調取一段過往的正常行車記錄,然後對模擬器下指令:「讓那輛原本直行的車,在特定時間點突然切入我的車道」。 這個世界模擬器,讓特斯拉得以發動一場低成本、高效率的 閉環(closed-loop)戰爭。他們不再需要冒著風險上路測試,而是可以在這個神經網路生成的「數位孿生世界」中,進行數百萬次高強度的 強化學習 與 對抗性測試,最終目標是實現「超人般的表現」(superhuman performance)。 終局:從Cyber Cab到Optimus,征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時,許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示,這一切只是序幕。 Cyber Cab(自動駕駛計程車)的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流,但這筆錢的最終用途,並非停留在交通領域。 「我們為自動駕駛開發的這套技術,也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後,展示了這套「世界模擬器」同樣在Optimus(人形機器人)身上運作的畫面,這證實了特斯拉的真正野心:它所打造的,根本不是一個「自動駕駛系統」,而是一個可擴展的、通用的 物理世界AI引擎。 汽車,只是這個AI引擎的第一個載體。它擁有輪子,能在結構化的道路上移動,是收集物理世界互動數據(包含光影、天氣、人類行為)最理想、最低成本的工具。而人形機器人Optimus,則是這個引擎的下一個載體。 特斯拉已經全力押注在機器人技術上。這場圍繞 端到端典範 與 神經網路模擬器 的豪賭,其目標遠非賣出更多的汽車,而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭,只是這場更大戰役的第一個灘頭堡。

fox hsiao

29,516 просмотров • 9 месяцев назад

🌟【小動物軟糖】✨【南牌 Live2D 量販模型】長期販售中!🌟 🍬匿名向南老師的又一力作 ✨ 🌟Q彈可愛的小軟糖小甜筒來囉!🌟 🎉海外購買 & 售後服務由秀幸代理,安心入手沒問題!🎉 【小動物軟糖】無論是動態表現、可愛度還是實用性都超高 ✨ 適合拿來直播、社群互動、特殊企劃……發揮創意超好用! 🔧 模型特色簡介 🔧 🐾 多種可更換物種 → 今天當喵喵,明天汪汪叫,自由切換! 🎨 支援 VTS 內建改色(附專用參數檔,操作簡單不求人!) 💻 多款配件自由搭配 🖊️ 有支援繪圖板、鍵盤滑鼠捕捉的物件 → 適合繪圖直播 & 互動場景! 💰 價格資訊 💰 台幣:NT$499 人民幣:¥108(限 B站/QQ群直購) 📥 付款方式 📥 🔹 台灣銀行或郵局轉帳 🔹 PayPal(需加收 6% 手續費 → NT$528) 📂 購買與領取方式 📂 ✔ 私訊秀幸,閱讀完說明,確認要購買後即可付款 ✔ 付款成功後將邀請進入 DC 專屬頻道領取模型 ✔ DLC 更新、Bug 修正等 皆統一於該頻道釋出! 📌 DLC 機制📌 每累計 100 份銷售 → 免費獲得 1 個 DLC(無上限更新!) 每個 DLC 約含 5~10 個簡單配件/參數 較複雜配件,數量會相應減少 更新周期:半個月~一個月 許願池:可在 DC 群許願區提交需求,老師將酌情考慮 🧸 其實秀幸對這款模型…已經偷偷有了新的構想… 未來可能會有更多驚喜活動,敬請期待!✨ #VTS #VTS模型 #委託 #Live2D模型 #Vtuber #匿名向南 #小動物軟糖 #量販模型

Shushin_L2D接案中

27,987 просмотров • 10 месяцев назад