AniekemeUmoh

Sự khác biệt giữa việc biết bơi và việc thực sự ở trong nước
Một hệ thống #AI có thể tiêu thụ hàng triệu ví dụ về bơi lội. Nó có thể học các kỹ thuật, nghiên cứu chuyển động, hiểu vật lý và mô tả chính xác người bơi cần phải làm gì.
Sau đó, bạn thả nó vào nước và ngay lập tức, tri thức va chạm với thực tế.
▪︎ Sức cản của nước.
▪︎ Mất thăng bằng.
▪︎ Thời điểm của từng chuyển động.
▪︎ Cần điều chỉnh khi cơ thể không di chuyển đúng như dự kiến.
Những chi tiết này rất khó nắm bắt chỉ bằng thông tin; đó cũng là khoảng trống tồn tại trong robot học.
Các bộ dữ liệu quy mô Internet có thể dạy cho một

Nhu cầu của robot công nghiệp về cơ bản khác biệt
Khi hầu hết mọi người nghe đến từ “robotics”, họ thường hình dung một cỗ máy được thiết kế để hỗ trợ ở nhà: robot hút bụi di chuyển qua đồ đạc, trợ lý gia đình phản hồi lệnh, hoặc một thiết bị tiêu dùng thực hiện một tập hợp giới hạn các tác vụ được đặt sẵn.
Những ứng dụng này là quan trọng, nhưng chúng chỉ đại diện cho một phần trong những gì robotics có thể trở thành.
Một robot hoạt động trong nhà máy, cơ sở hạt nhân, nhà máy điện, trung tâm logistics hoặc địa điểm kiểm tra nguy hiểm sẽ phải đối mặt với một nhóm thách thức hoàn toàn khác.
▪︎

AI dạng “thân thể” không thể chỉ học từ Internet; đây là lý do 👇
Internet đã mang đến cho AI quyền truy cập vào một lượng thông tin phi thường; hình ảnh, video, văn bản, hướng dẫn, tài liệu kỹ thuật, v.v.
Tuy nhiên, một robot có thể tiêu thụ tất cả những thứ đó và vẫn gặp khó khăn với những việc tưởng như đơn giản như nhặt một vật thể lạ. Lý do rất đơn giản: hiểu về thế giới vật lý khác với việc trải nghiệm nó.
Một video có thể cho thấy một người nhấc ly, nhưng nó không nắm bắt đầy đủ lực ép cần để cầm chắc, cách phân bổ trọng lượng, chỉnh nhẹ khi ly bắt đầu trượt, hoặc lực cần thiết để đặt x

Các robot tri thức không thể tải xuống
Một robot có thể được huấn luyện trên hàng triệu hình ảnh cho thấy một bàn tay cầm cốc, điều đó vẫn không dạy nó đúng lượng lực cần thiết để giữ một ly thủy tinh mong manh mà không làm nó vỡ hoặc để nó trượt ra.
Đây là nơi phần khó nhất của trí tuệ gắn thân thể bắt đầu. Một số kiến thức rất khó viết ra, tải lên hoặc trích xuất từ một tập dữ liệu. Nó tồn tại bên trong tương tác giữa cơ thể và thế giới vật lý.
→ Cân bằng là biết cách dồn lực cơ thể khi bề mặt thay đổi.
→ Cầm nắm là cảm nhận một vật chịu được bao nhiêu lực.
→ Thời điểm là biết lúc nào cần di

Đây là lý do tôi nghĩ: 𝗗𝗲𝗰𝗲𝗻𝘁𝗿𝗮𝗹𝗶𝘇𝗲𝗱 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 𝗖𝗮𝗻 𝗔𝗰𝗰𝗲𝗹𝗲𝗿𝗮𝘁𝗲 𝗥𝗼𝗯𝗼𝘁𝗶𝗰𝘀 𝗙𝗮𝘀𝘁𝗲𝗿 𝗧𝗵𝗮𝗻 𝗖𝗲𝗻𝘁𝗿𝗮𝗹𝗶𝘇𝗲𝗱 𝗖𝗼𝗺𝗽𝗮𝗻𝗶𝗲𝘀
Một công ty robotics có thể chế tạo một robot ấn tượng, nhưng bài toán khó hơn là cung cấp cho robot đủ kinh nghiệm trong thế giới thực để trở nên thực sự năng lực.
Trí tuệ vật lý được hình thành thông qua tương tác. Một robot cần được tiếp xúc với nhiều môi trường khác nhau, các vật thể, chuyển động, người vận hành, sai lầm và các tình huống bất ngờ. Việc thu thập kinh nghiệm ở quy mô lớn là nơi các cách tiếp cận tậ

Nói về phần kỹ thuật đằng sau tính năng Text-to-CAD của @StrikeRobot_ai!
Một trong những rào cản thường bị bỏ qua nhất trong robotics là xây dựng các thế giới kỹ thuật số mà robot cần học trong đó, và tôi có thể nói rằng, ở một mức độ nào đó, việc này còn phức tạp hơn so với việc chế tạo một robot thực sự.
Theo truyền thống, việc tạo mô hình CAD đòi hỏi phần mềm chuyên dụng, kiến thức kỹ thuật và nhiều giờ kỹ nghệ cẩn thận. Nếu bạn không biết cách tạo mô hình bằng CAD, thì biến một ý tưởng thành một tài sản 3D có thể sử dụng thường đồng nghĩa với việc đưa bản phác thảo cho một nhà thiết kế, ch