TRUNG_DZ

I DON’T KNOW WHO YOU ARE BUT IF YOU FOLLOW ME I WILL MAKE YOU RICH

910Urmărire

888urmăritori

Flux

O politică de robot poate eșua chiar și atunci când a mai văzut această sarcină. Motivul este adesea starea pe care o întâmpină în timpul îndeplinirii sarcinii. Imaginează-ți o politică antrenată să ridice un obiect dintr-o poziție fixă. În timpul implementării, obiectul este ușor deplasat. Robotul poate ajunge în locația greșită, poate face o mișcare greșită și poate continua să ia decizii bazate pe acea greșeală. Aici simpla colectare a unor demonstrații mai reușite poate să nu fie suficientă. Ceea ce contează este colectarea datelor din situațiile în care politica chiar întâmpină dificultăți. Axis V2 introduce acest lucru prin sarcini post-antrenament. O politică instruită încearcă mai întâi sarcina. Când comportamentul său nu merge bine, un contributor uman preia controlul, corectează robotul și poate apoi să readucă controlul la politică. Traiectoria rezultată conține ceva ce demonstrațiile obișnuite s-ar putea să nu surprindă la fel de clar: Unde politica a eșuat – > cum a corectat-o un om Aceasta se leagă direct de ideea de DAgger (Agregare a seturilor de date). În loc să construiască un set de date doar din demonstrații colectate independent de politică, abordările de tip DAgger folosesc implementările proprii ale politicii pentru a identifica stările în care este nevoie de îndrumare suplimentară a experților. Avantajul este că datele de antrenament pot deveni tot mai concentrate pe punctele slabe ale politicii. De exemplu: Politica inițială -> stare necunoscută -> acțiune incorectă -> intervenție umană -> date de corecție Acea corecție poate deveni apoi parte din următoarea iterație de antrenament. Distincția importantă este că post-antrenamentul nu este pur și simplu o altă modalitate de a controla un robot. Este un mecanism pentru colectarea datelor conduse de defecte. Pentru AI fizic, acest lucru creează un cerc vicios interesant: politica determină care state sunt dificile, intervenția umană asigură corectarea, iar acele corecții pot deveni date noi de antrenament. Axis construiește V2 în jurul acestei abordări în buclă închisă, cu corecții controlate de oameni care fac parte din pipeline-ul post-antrenament. Întrebarea mai mare este dacă această buclă poate scala menținând în același timp o calitate utilă a datelor. Aceasta este una dintre problemele cheie din spatele roboților la scară largă după antrenament. #Robotics $AXIS @axisrobotics

32 -> 6.700 -> 38.700 -> 108.600 -> 250.800 Optimul a fost să elimine o secvență de numere: 32 -> 6.700 -> 38.700 -> 108.600 -> 250.800 La început, par repere aleatorii. Dar, pe baza materialelor @get_optimum disponibile până acum, există un indiciu puternic în spatele a ceea ce reprezintă acestea. Secvența apare alături de RLNC → Data Propagation → mump2p → Flexnodes, iar numerele ulterioare sunt etichetate explicit ca Flexnodes în materialele vizuale. Așadar, teoria ta că aceste numere sunt conectate la Flexnodes este susținută de materialele disponibile. Totuși, nu există suficiente date pentru a verifica că toate cele cinci numere sunt numărători oficiale ale Flexnodurilor active în anumite momente, în special cele 32 inițiale. Materialul sursă asociază explicit 6.700, 38.700, 108.600 și 250.800 cu Flexnode, în timp ce sensul lui 32 nu este confirmat în sursa recuperată. Acea incertitudine este, de fapt, ceea ce face secvența interesantă. Flexnode-urile reprezintă o parte esențială a arhitecturii mai largi a Optimum. mump2p folosește RLNC pentru a codifica date blockchain în informații codificate care pot circula prin rețea. Dar propagarea mai rapidă depinde și de capacitatea suficientă de rețea și de noduri bine poziționate pentru a muta eficient aceste informații. Aici intervin Flexnode-urile. Optimum descrie Flexnodes ca o rețea globală de noduri care pot contribui cu lățime de bandă pentru a accelera propagarea datelor. Pe termen lung, rețeaua este destinată să se extindă dincolo de un grup mic de operatori de infrastructură, permițând potențial unui set mult mai larg de dispozitive conectate la internet să contribuie cu lățime de bandă. Aceasta creează o structură pe două fețe: Validatorii, constructorii și relayerii creează cerere pentru o propagare mai rapidă a datelor. Flexnodurile furnizează lățimea de bandă distribuită și capacitatea de accelerare. Privită prin această lentilă, secvența: 6.700 → 38.700 → 108.600 → 250.800 Nu înseamnă doar un număr mai mare. Sugerează o rețea care ar putea fi încadrată în jurul unei singure idei centrale: Participanții mai distribuiți pot crea o capacitate mai distribuită. Și asta se leagă direct de teza mai largă a lui Optimum. Scalarea tradițională înseamnă adesea adăugarea unei infrastructuri mai puternice. Optimum explorează o altă direcție: Adăugați mai mulți participanți pentru a crește capacitatea. RLNC asigură stratul de programare. Mump2P îl aplică pentru propagarea rapidă a blockchain-ului. Flexnode-urile oferă infrastructura de rețea distribuită care poate ajuta la transferul acestor informații codificate. Așadar, dacă aceste numere reprezintă într-adevăr creșterea rețelei Flexnode, întrebarea interesantă nu este simplu: "De ce a ajuns numărul la 250.800?" Este: "Ce poate deveni o rețea cu atât de multe surse potențiale de lățime de bandă distribuită?" Pentru că modelul pe termen lung al Optimum nu este doar despre a face un blockchain mai rapid. Este vorba despre construirea unei rețele în care lățimea de bandă distribuită devină ea însăși infrastructură. 32 a fost începutul unei secvențe. 250.800 ar putea arăta scala rețelei pe care Optimum încearcă să o construiască. #optimum @aqccapital @ada_pegasus