Спільне сприйняття та відчуття простору – це те, що це виправить.

Епічне бачення просторового позиціонування, якщо ви розробник доповненої реальності, подивіться це, ДВІЧІ. Не надто технічна, а про бачення того, як повинні працювати наші додатки. Більше не потрібно починати користувача з нуля, усі 3D-активи залишаються там, де вони зупинилися востаннє, об'єднуючи їх у простір для м'яса.

Останнім часом я часто чув таке: «Ми тренували нашого робота на одному об'єкті, і він перетворився на новий об'єкт – ці нові моделі VLA божевільні!» Давайте поговоримо про те, що насправді відбувається в цій частині «А» (дія) вашої моделі VLA. Візія та мовна складові? Вони неймовірні. Попередньо навчені на даних масштабу Інтернету, вони розуміють об'єкти, просторові відносини та інструкції щодо завдань краще, ніж будь-коли. А що стосується діяльної складової? Це все ще вивчено з нуля на ваших конкретних демонстраціях роботів. Реальність така: ваша модель VLA має уявлення про те, як виглядає викрутка і що означає «закрутити гвинт». Але фактична рухова схема для «обертання зап'ястя з одночасним тиском вниз»? Це випливає з ваших 500 демонстрацій роботів. Що це означає для «узагальнення»:   • Узагальнення зору: миттєво впізнає нові об'єкти (завдяки попередньому навчанню)   • Узагальнення мови: Розуміє інструкції з нових завдань (завдяки попередньому навчанню)   • Узагальнення дій: все ще обмежується руховими патернами, які спостерігаються під час навчання роботів Попросіть того ж робота «відкрутити кришку від пляшки», і він не вийде, тому що: • Vision: розпізнає пляшку та кришку • Мова: Розуміє "відкрутити" • Дія: Так і не вивчив схему мотора «крутити під час тяги» Гірка правда про моделі VLA: «VL» дає неймовірне розуміння з нульовим пострілом. «А», як і раніше, вимагає демонстрації з урахуванням конкретного завдання. Ми розв'язали проблему сприйняття та міркування. Ми не розв'язали проблему узагальнення моторів.

«Аугментація посміхається амбітним» - @caydengineer 🧵

Ми створюємо новий інтернет для робототехніки та XR, щоб зробити фізичний світ доступним для штучного інтелекту. У цьогорічному відео State of the Auki Network ми висвітлюємо деякі з дивовижних речей, які вже будуються на децентралізованій мережі сприйняття машин:

Auki Labs створює реальну павутину: протокол просторових обчислень, який дозволяє штучному інтелекту та роботам переглядати, запитувати та взаємодіяти з фізичним світом так само безперешкодно, як браузери роблять це з цифровою мережею.

У 2009 році Чарлі Роуз запитав Дженсена Хуанга про порівняння Nvidia проти Intel. Виробники чіпів не конкурували безпосередньо, але Дженсен сказав, що GPU проти CPU — це «битва за душу» обчислень, і графічні процесори стануть «більш актуальними» з часом. Intel коштувала $100 млрд, а Nvidia – $4 млрд. Сьогодні Intel коштує $107 млрд, а Nvidia коштує в ~1,000 разів більше – $4,4 трлн.

Дрон доставки з посилкою щойно пролетів повз моє вікно в Шеньчжені.

Моя дворічна дитина випадково штовхає мене в горіхи в ліжку. Я: Ой, це боляче. Не штовхай мене в вічко. Він: Ти можеш дмухнути в піпі Паппи, мамо? Який чемпіон.

«Я знав потенціал штучного інтелекту, доповненої реальності, роботів і так далі, але не думав, що це вже тут і зараз!» -Клієнт Fortune Europe 300, який бачить Аукі наживо у своєму закладі