Du er sannsynligvis ikke kul nok til å jobbe med @danmonaghanz tbh

Hvem vinner AI-løpet? 🧠 Stargate/OpenAI vil bruke 500 milliarder dollar på databehandling. Elon Musk bruker 1 milliard dollar. Er han fattig eller dum? Eller skjønner han at AI trenger sensorer og data mer enn den trenger GPUer? Den som gjør den virkelige verden tilgjengelig for AI vil vinne AI-løpet. Hvis vi får det riktig, kan det være DePIN og @Intercognitive i stedet for Elon Musk eller noen av de store sentraliserte aktørene.

Fra ArC, iPhone-kinokamerasimulatoren jeg har ledet i noen år, til sanntids punktskyskanning, Gaussisk splats, her er mitt siste AR-arbeid og prototyper. Alltid åpen for prosjekter som presser AR og filmskaping. #ARKit #ios #VirtualProduction #photogrammetry

Felles persepsjon og romfølelse er det som vil fikse dette.

Episk visjon for romlig posisjonering, hvis du er en Augmented Reality-utvikler, se denne, TO ganger. Ikke for teknologisk, det handler om visjonen om hvordan appene våre *skal fungere. Du trenger ikke lenger å starte brukeren fra bunnen av, alle 3D-ressurser forblir der de slapp sist, og smelter dem sammen til kjøttrommet.

Jeg har hørt dette mye i det siste: "Vi trente roboten vår på ett objekt, og det generaliserte til et nytt objekt - disse nye VLA-modellene er sprø!" La oss snakke om hva som faktisk skjer i den «A»-delen (Action) av VLA-modellen din. Visjons- og språkkomponentene? De er utrolige. De er forhåndsopplært på data i internettskala, og forstår objekter, romlige relasjoner og oppgaveinstruksjoner bedre enn noensinne. Men handlingskomponenten? Det lærer du fortsatt fra bunnen av på dine spesifikke robotdemonstrasjoner. Her er virkeligheten: VLA-modellen din har internettskala forståelse av hvordan en skrutrekker ser ut og hva "stram skruen" betyr. Men det faktiske motoriske mønsteret for å "rotere håndleddet mens du bruker trykk nedover"? Det kommer fra dine 500 robotdemoer. Hva dette betyr for "generalisering":   • Synsgeneralisering: Gjenkjenner nye objekter umiddelbart (takket være forhåndsopplæring)   • Språkgeneralisering: Forstår nye oppgaveinstruksjoner (takket være forhåndsopplæring)   • Handlingsgeneralisering: Fortsatt begrenset til motoriske mønstre sett under robottrening Be den samme roboten om å "skru av flaskekorken", og den mislykkes fordi: • Visjon: Gjenkjenner flaske og kork • Språk: Forstår "skru av" • Handling: Har aldri lært motormønsteret "vri mens du trekker" Den harde sannheten om VLA-modeller: «VL» gir deg en utrolig nullskuddsforståelse. "A" krever fortsatt oppgavespesifikke demonstrasjoner. Vi har knekt persepsjons- og resonnementproblemet. Vi har ikke knekt problemet med motorisk generalisering.

"Augmentation smiler på det ambisiøse" - @caydengineer 🧵

Vi bygger et nytt internett for robotikk og XR, for å gjøre den fysiske verden tilgjengelig for AI. I årets State of the Auki Network-video fremhever vi noen av de fantastiske tingene som allerede bygges på det desentraliserte maskinpersepsjonsnettverket:

Auki Labs bygger det virkelige nettet: en romlig databehandlingsprotokoll som lar AI og roboter surfe, spørre og samhandle med den fysiske verden like sømløst som nettlesere gjør med det digitale nettet.

I 2009 spurte Charlie Rose Jensen Huang om Nvidia vs. Intel. Brikkeprodusentene konkurrerte ikke direkte, men Jensen sa at GPU vs. CPU var en "kamp om sjelen" til databehandling og GPUer ville være "mer relevante" med tiden. Intel var verdt 100 milliarder dollar og Nvidia var på 4 milliarder dollar. I dag er Intel på 107 milliarder dollar mens Nvidia er verdt ~1,000 ganger mer til 4,4 billioner dollar.