Вам потрібно багато якісних даних для роботи, але ви не можете просто зібрати дані про робототехніку з Інтернету, оскільки вони потребують досвіду в реальному світі та змінних.
Немає «Інтернету дій роботів».
Тонни команд працюють і вкидають безглузді гроші в гуманоїдів, оскільки це найбільш очевидна індустрія в десятки трильйонів доларів через те, як ефективно вони змінять робочу силу ( більш ефективно, ніж середня заробітна плата в Індії у 50 тис. доларів США кожен ).
Але найбільша гонка, як і ШІ, це:
1. Отримання якісних даних 2. Завдання для навчання
Фундаційні моделі подібні до LLM в ІІ, але замість генерації тексту вони генерують дії для роботів.
Є кілька різних підходів, які команди використовують для навчання завдань: деякі використовують невеликі набори даних з високою точністю з маркуванням, як у Фігурі, а інші йдуть за методом "розпилювати і молитися" з величезними моделями.
Метою є надання роботам широких, попередньо навчених загальних знань та можливості узагальнювати в рамках завдань і середовищ.
Замість того, щоб програмувати робота для кожного завдання, ви навчаєте величезну модель на різноманітних даних (відео людей, симуляції, демонстрації реальних роботів, зображення з текстовими описами завдань тощо), і модель вчиться усвідомленню фізичного світу.
Ви можете потім вимагати від робота зробити щось ( через команду або приклад ), і «знання» основної моделі активується, щоб впоратися з цим, як ви можете запитати ChatGPT про будь-що.
Отже, велика розрив для багатьох з цих компаній буде в галузі навчання завдань, вони наразі глибоко зосереджені на стороні даних (світових симуляцій, синтетичних даних, траєкторій роботів, відео з людьми тощо), оскільки їм потрібно взаємодіяти ідеально з реальним світом, але не так багато розробок щодо того, що роботи/гуманоїди можуть насправді робити.
Nvidia є лідером одного з ключових фундаментальних моделей (Issac GR00T), які вони повністю відкрили. Вони вже мають команди третіх сторін, які будують на основі цього та значно покращують ефективність (фактично створили програму для гуманоїдів, щоб прибрати кімнату з мінімальними змінами у даних фундаментальних моделей ).
Отже, велике перетинання між крипто, штучним інтелектом та робототехнікою, ймовірно, буде в цій сфері навчання завдань (, як магазин додатків для робототехніки ), оскільки провідні базові моделі вже стають відкритими, і, ймовірно, будуть великі моделі стимулів для незалежних розробників, щоб вони могли вносити свій внесок та створювати цікаві програми/завдання для гуманоїдів.
В кінці року/на початку наступного року буде багато прогресу та розвитку у масовій культурі, коли я думаю, що робототехніка матиме свій момент "chatgpt" (Елон активно просуває свої нові гуманоїдні моделі, вірусні відео гуманоїдів, які виконують реальні завдання, інтуїтивні інвестиції, звільнення робочої сили тощо).
Я можу пообіцяти, що я не помиляюся в цій ідеї, вона відчувається ідентично до ШІ у 2023 році. Справа лише в тому, коли, а не якщо.
Не ігноруйте одне з найінноваційніших технологічних досягнень, що сталися в нашому житті, і не ігноруйте $CODEC, який є єдиною доступною грою на перетині цього тренду.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Робототехніка працює досить подібно до ШІ.
Вам потрібно багато якісних даних для роботи, але ви не можете просто зібрати дані про робототехніку з Інтернету, оскільки вони потребують досвіду в реальному світі та змінних.
Немає «Інтернету дій роботів».
Тонни команд працюють і вкидають безглузді гроші в гуманоїдів, оскільки це найбільш очевидна індустрія в десятки трильйонів доларів через те, як ефективно вони змінять робочу силу ( більш ефективно, ніж середня заробітна плата в Індії у 50 тис. доларів США кожен ).
Але найбільша гонка, як і ШІ, це:
1. Отримання якісних даних
2. Завдання для навчання
Фундаційні моделі подібні до LLM в ІІ, але замість генерації тексту вони генерують дії для роботів.
Є кілька різних підходів, які команди використовують для навчання завдань: деякі використовують невеликі набори даних з високою точністю з маркуванням, як у Фігурі, а інші йдуть за методом "розпилювати і молитися" з величезними моделями.
Метою є надання роботам широких, попередньо навчених загальних знань та можливості узагальнювати в рамках завдань і середовищ.
Замість того, щоб програмувати робота для кожного завдання, ви навчаєте величезну модель на різноманітних даних (відео людей, симуляції, демонстрації реальних роботів, зображення з текстовими описами завдань тощо), і модель вчиться усвідомленню фізичного світу.
Ви можете потім вимагати від робота зробити щось ( через команду або приклад ), і «знання» основної моделі активується, щоб впоратися з цим, як ви можете запитати ChatGPT про будь-що.
Отже, велика розрив для багатьох з цих компаній буде в галузі навчання завдань, вони наразі глибоко зосереджені на стороні даних (світових симуляцій, синтетичних даних, траєкторій роботів, відео з людьми тощо), оскільки їм потрібно взаємодіяти ідеально з реальним світом, але не так багато розробок щодо того, що роботи/гуманоїди можуть насправді робити.
Nvidia є лідером одного з ключових фундаментальних моделей (Issac GR00T), які вони повністю відкрили. Вони вже мають команди третіх сторін, які будують на основі цього та значно покращують ефективність (фактично створили програму для гуманоїдів, щоб прибрати кімнату з мінімальними змінами у даних фундаментальних моделей ).
Отже, велике перетинання між крипто, штучним інтелектом та робототехнікою, ймовірно, буде в цій сфері навчання завдань (, як магазин додатків для робототехніки ), оскільки провідні базові моделі вже стають відкритими, і, ймовірно, будуть великі моделі стимулів для незалежних розробників, щоб вони могли вносити свій внесок та створювати цікаві програми/завдання для гуманоїдів.
В кінці року/на початку наступного року буде багато прогресу та розвитку у масовій культурі, коли я думаю, що робототехніка матиме свій момент "chatgpt" (Елон активно просуває свої нові гуманоїдні моделі, вірусні відео гуманоїдів, які виконують реальні завдання, інтуїтивні інвестиції, звільнення робочої сили тощо).
Я можу пообіцяти, що я не помиляюся в цій ідеї, вона відчувається ідентично до ШІ у 2023 році. Справа лише в тому, коли, а не якщо.
Не ігноруйте одне з найінноваційніших технологічних досягнень, що сталися в нашому житті, і не ігноруйте $CODEC, який є єдиною доступною грою на перетині цього тренду.