Tingnan ang paglalakbay ni @PrismaXai mula sa ideya patungo sa katotohanan: isang epiko ng walang sawang pagpupursige. Nagsimula ito sa malinaw na pagkagalit. Ang robotics hardware ay nagiging mas mabuti na. Ang mga braso ay naging mas mahusay. Ang humanoid ay nagsimulang maglakad. Ang mga demo ay tila nakakatutok. Ngunit ang mga modelong nakabatay dito ay patuloy na nagugutom sa real-world data. Mataas na kalidad na mga demonstrasyon ng tunay na mga gawain, sa mga maingay na kapaligiran, sa iba’t ibang robot. Alam ito ng lahat. Kakaunti lamang ang nagtatayo ng infrastructure upang solusyunan ito sa malaking saklaw. Dalawang founder na may komplementarong background ay nagsimulang ituring ito bilang pangunahing problema, hindi bilang isang side quest. Ang isa ay dala ang malalim na karanasan sa robotics mula sa MIT labs, DARPA challenges, at maagang humanoid work. Ang isa pa ay dala ang ekspertisya sa decentralized systems at incentive design. Kasama nila, nakita nila ang nawawalang piraso: hindi isang ibang model, kundi ang layer na nag-uugnay sa tao, robot, at data upang maging posible ang pagkakaroon ng talino na tumataas. Nagsimula sila sa pagsasembli at nanatiling nakatuon. Habang ang mas malawak na AI world ay tumatakbo para sa mas malalaking language models at mga nakakagulat na synthetic datasets, sila ay patuloy na nagtrabaho sa hindi nakakagulat na gawain: paano kumuha ng totoong teleoperation data nang maaasahan, paano istrakturahin ang incentive upang ang mga operator ay magkontribusyon ng mataas na kalidad na mga episode, at paano gawing kapaki-pakinabang ang data para sa physical AI teams kesa sa isang pribadong lab na silo. Ang paglabas sa pagsasembli ay ang unang publikong hakbang. Ipinresenta nila ang PrismaX bilang base layer para sa AI robotics, nag-uugnay sa data, teleoperation, at models. Ang teorya ay simpleng: lumikha ng mga istandard at mekanismo upang maging maaaring iskalin ang visual robotics data gaya ng text data para sa language models. At gawin ito nang paraan na ibabalik ang halaga sa mga taong nagpapagawa ng data. Pagkatapos ay ipinakilala nila ang teleoperations platform. Biglang maaari na ng sinuman na mag-log in at mag-control ng real robot arms nang layo. Hindi ito isang perpektong autonomous na hinaharap. Ito ay isang praktikal na human-in-the-loop system na nagsimula nang magpapagawa ng totoong training data habang ipinapatotohanan ang konsepto ng tao at robot na nagtatrabaho nang magkasama. Ang pag-launch na ito ay naging pundasyon para sa lahat ng sumunod. Ang hirap ay dumating sunod: pagpapalit sa ideya bilang isang buhay na network. Nilikha nila ang operator side upang makakita ang mga tao sa pamamagitan ng pagkuha ng araw-araw na gawain gamit ang first-person video o pagpapatakbo ng teleop sessions sa hardware. Mga pamantayan sa kalidad, proseso ng pagsusuri, at totoong bayad. Ang pagpupursige ay nangangahulugan ng pagwawasto sa latency, pagpapabuti ng reliability ng session, pagpapalawak ng suporta sa robot, at pagpapalawak kung paano kinokontrol ang data upang maging talagang gamitin para sa model training. Sa haba ng panahon, pinabuting ang posisyon. Ang nagsimula bilang base layer ay naging service layer para sa physical AI. Hindi lamang kumuha ng data, kundi gawing searchable, customizable, at available on demand. Self-serve access para sa mga builder at researcher. Custom production para sa mga team na kailangan ng partikular na gawain, scene, at embodiment. Mga partnership sa mga lab. Pagkakaibigan sa mas malawak na robotics ecosystem sa pamamagitan ng mga event at programa. Hindi isang linear o madaling proseso ang lahat nito. Mga quirks ng hardware, scaling ng operator, quality control, paggawa ng ekonomiks para sa parehong data consumers at producers. Bawat hakbang ay nangailangan ng pagpapanatili sa orihinal na obserbasyon: ang bottleneck ay ang real-world data at ang coordination layer dito. Habang iba ay tumatakbo para sa pure autonomy demos o pure software plays, pinanatili ni PrismaX ang pagtatayo ng hindi nakakagulat na infrastructure na ginagawa posible ang autonomy sa hinaharap. Ngayon, ang service layer ay totoo at gumagana. Nakikita na ang robotics data. Ang network ay nagbabayad sa mga contributor para magturo sa mga robot. Maaari nang kuhanin ng mga team ang proven demonstrations kesa magsimula mula sa zero bawat beses. Ang flywheel ng robots na nagpapagawa ng data na nagpapabuti sa talino na nagpapahintulot sa mas kayang robot ay hindi na teoretikal. Ito ang anyo ng pagpupursige sa physical AI. Hindi isang solong breakthrough announcement. Isang serye ng maingat na hakbang: kilalanin ang totoong hadlang, itayo ang coordination layer, ipakilala ang mga tool, i-refine ang mga istandard, at patuloy na magpatuloy hanggang maging infrastructure na maaaring gamitin ng iba pang team. Ginawa ni PrismaX ang matigas na obserbasyon tungkol sa kakulangan ng data bilang isang gumagana service layer. Ang natitirang industriya ay patuloy pa ring nagtataya kung paano susundin ito.
Don VitoI-share

Source:Ipakita ang original
Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito.
Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.
