A percepção compartilhada e o senso de espaço é o que vai consertar isso.

Visão épica para posicionamento espacial, se você é um desenvolvedor de Realidade Aumentada, assista a isso, DUAS VEZES. Não muito técnico, é sobre a visão de como nossos aplicativos *devem funcionar. Chega de começar o usuário do zero, todos os ativos 3D permanecem de onde pararam, fundindo-os no espaço da carne.

Eu ouvi muito isso recentemente: "Nós treinamos nosso robô em um objeto e ele se generalizou para um novo objeto - esses novos modelos VLA são loucos!" Vamos falar sobre o que realmente está acontecendo nessa parte "A" (Ação) do seu modelo VLA. Os componentes Visão e Linguagem? Eles são incríveis. Pré-treinados em dados em escala de internet, eles entendem objetos, relações espaciais e instruções de tarefas melhor do que nunca. Mas o componente Ação? Isso ainda é aprendido do zero em suas demonstrações específicas de robôs. Aqui está a realidade: seu modelo VLA tem compreensão em escala de internet de como é uma chave de fenda e o que significa "apertar o parafuso". Mas o padrão motor real para "girar o pulso enquanto aplica pressão para baixo"? Isso vem de suas demonstrações de 500 robôs. O que isso significa para "generalização":   • Generalização da visão: Reconhece novos objetos instantaneamente (graças ao pré-treino)   • Generalização da linguagem: Compreende as novas instruções de tarefas (graças ao pré-treinamento)   • Generalização da ação: ainda limitado aos padrões motores observados durante o treinamento do robô Peça a esse mesmo robô para "desparafusar a tampa da garrafa" e ele falhará porque: • Visão: Reconhece o frasco e a tampa • Idioma: Entende "desaparafusar" • Ação: Nunca aprendi o padrão do motor "torcer ao puxar" A dura verdade sobre os modelos VLA: O "VL" oferece uma incrível compreensão zero-shot. O "A" ainda requer demonstrações específicas da tarefa. Nós resolvemos o problema da percepção e do raciocínio. Não resolvemos o problema da generalização motora.

"O aumento sorri para os ambiciosos" - @caydengineer 🧵

Estamos construindo uma nova internet para robótica e XR, para tornar o mundo físico acessível à IA. No vídeo State of the Auki Network deste ano, destacamos algumas das coisas incríveis que já estão sendo construídas na rede descentralizada de percepção de máquina:

A Auki Labs está construindo a web do mundo real: um protocolo de computação espacial que permite que a IA e os robôs naveguem, consultem e interajam com o mundo físico tão perfeitamente quanto os navegadores fazem com a web digital.

Em 2009, Charlie Rose perguntou a Jensen Huang sobre Nvidia vs. Intel. Os fabricantes de chips não estavam competindo diretamente, mas Jensen disse que GPU vs. CPU era uma "batalha pela alma" da computação e as GPUs seriam "mais relevantes" com o tempo. A Intel valia US$ 100 bilhões e a Nvidia valia US$ 4 bilhões. Hoje, a Intel está em US$ 107 bilhões, enquanto a Nvidia vale ~ 1.000 vezes mais, em US$ 4,4 trilhões.

Um drone de entrega carregando um pacote acabou de passar pela minha janela em Shenzhen.

Meu filho de dois anos acidentalmente me chuta nas nozes na cama. Eu: Ai, isso doeu. Não me chute na espiada. Ele: Você pode explodir o peepe de Pappa, mamãe? Que campeão.

"Eu conhecia o potencial da IA, Realidade Aumentada, robôs e assim por diante, mas não achava que já estivesse aqui e agora!" -Cliente da Fortune Europe 300, vendo Auki ao vivo em seu local