PrismaX (@PrismaXai) — ang service layer para sa physical AI 🦾 Hindi na ang robotics hardware ang bottleneck. Ang mga dextrous arms, humanoid, at mobile platforms ay nasa ilalim na. Ang tunay na hadlang ay ang data: marami, mataas na kalidad, at real-world demonstrations na nagpapahintulot sa vision-language-action (VLA) models na mag-generalize sa labas ng mga lab script. Ang PrismaX ay nag-uugnay sa nawawalang layer sa pagitan ng tao, robot, at models. 🔍 Ang problema Ang physical intelligence ay lumalago sa pamamagitan ng interaksyon, hindi lamang sa mas magagandang arkitektura. Nag-aaral ang isang robot sa isang gawain sa pamamagitan ng pagmamasid kung paano ito ginagawa ng isang tao sa ilalim ng tunay na pagkakaiba-iba (mga bagay, ilaw, layout ng escena, kaliwang o kanang kamay, pagbabalik mula sa pagkabigo). Ang pagkuha ng mga episode na ito sa malaking iskala ay mahirap: • Ang teleoperation ay nangangailangan ng mga kasanayang operator + access sa hardware • Ang egocentric capture ay nangangailangan ng consistent na protokol • Ang raw video ay walang halaga kung walang mahigpit na quality filters Ang karamihan sa mga lab ay o sobrang kaunti ang pagkuha o nagtatayo ng one-off pipelines na hindi nagkakaroon ng compound effect. ⚙️ Ano ang binubuo ng PrismaX Isang open coordination layer na nagpapalit ng human demonstration sa reusable training data. • 🎮 Teleoperation — ang mga operator ay kumokontrol ng mga real robot arms nang malayo (browser/VR) at nagbuo ng action-aligned trajectories • 👁️ Egocentric capture — first-person video ng araw-araw na manipulasyon (headset o camera). Walang kinakailangang robot • ✅ Quality standard — bawat episode ay iskore bago ito pumasok sa data bank (synced views, resolution, format, task completion, clean trajectories). Community validators → senior review → expert final call • 📦 Data bank + on-demand collection — searchable na teleop at egocentric episodes sa iba’t ibang tasks, scenes, at robot types. Off-the-shelf sets ay agad na ipinapadala; custom collection ay magsisimula sa loob ng ilang araw 📊 Kasalukuyang sukat (limited release) 120k+ na iniresbeng episode · 1,700+ na deployed scenarios · ~5,000 oras na kapasidad bawat buwan · $1M+ na binayad sa mga contributor 🔄 Ang loop Ang mga robot ay nakikipag-interaksyon → ang interaksyon ay naging scored demonstrations → ang demonstrations ay nagtuturo ng mga policy → mas magagandang policy ay lumalawak sa set ng mga gawain na值得 kolektahin. Ang PrismaX ay nasa gitna upang maging shared ang data flywheel, hindi nakasara sa loob ng isang lab lamang. 👥 Sino ang nakikilahok • Ang mga operator ay kikita sa pamamagitan ng pagkuha ng valid na teleop sessions o egocentric clips (VLA Foundry) • Ang mga validator ay kikita sa pamamagitan ng pag-skor ng episode batay sa published standard • Ang mga owner ng robot ay rehistrado ang hardware at nag-aambag ng fleet data • Ang mga builder (mga researcher → enterprise) ay nakakakuha ng data bank at custom sets sa pamamagitan ng Discover / Researcher / Enterprise tiers (API + browser download) 💰 Sinuportahan ni a16z crypto CSX ($11M seed, 2025) kasama ang Stanford Blockchain Builder Fund, Symbolic, Volt, at iba pa. Itinatag ni Bayley Wang at Chyna Qu. San Francisco. Host ng RoboCon. Ang Physical AI ay hardware-rich at data-poor. Ang PrismaX ay ang infrastructure na nagpapresyo, nagpapamantala, at nagpapalawak ng mga demonstration na talagang ginagamit ng models para mag-train. 👉 https://t.co/VEeXW5HaWU
