AniekemeUmoh

A Diferença Entre Saber Nadar e Estar Realmente na Água
Um sistema de #IA pode consumir milhões de exemplos sobre natação. Ele consegue aprender as técnicas, estudar os movimentos, entender a física e descrever exatamente o que um nadador deve fazer.
Então você o coloca na água e, de repente, o conhecimento encontra a realidade.
▪︎ A resistência da água.
▪︎ A perda de equilíbrio.
▪︎ O timing de cada movimento.
▪︎ A necessidade de ajustar quando o corpo não se move exatamente como era esperado.
Esses detalhes são difíceis de capturar apenas com informação, e é exatamente essa mesma lacuna que e

As demandas da robótica industrial são fundamentalmente diferentes
Quando a maioria das pessoas ouve a palavra robótica, muitas vezes imagina uma máquina feita para ajudar em casa: um robô aspirador navegando pela sala, um assistente doméstico respondendo a comandos ou um dispositivo de consumo executando um conjunto limitado de tarefas predefinidas.
Essas aplicações são importantes, mas representam apenas uma parte do que a robótica pode se tornar.
Um robô operando em uma fábrica, instalação nuclear, usina de energia, central logística ou local de inspeção perigoso enfrenta um tipo de desafio

A IA corporificada não consegue aprender apenas com a internet; veja o porquê 👇
A internet deu à IA acesso a uma quantidade extraordinária de informações; imagens, vídeos, texto, instruções, documentação técnica, etc.
Ainda assim, um robô pode consumir tudo isso e ainda ter dificuldades com algo tão simples quanto pegar um objeto desconhecido. O motivo é simples: conhecer o mundo físico é diferente de vivenciá-lo.
Um vídeo pode mostrar uma pessoa levantando um copo, mas não captura totalmente a pressão necessária para segurá-lo, a distribuição de peso, o pequeno ajuste feito quando o copo com

Os robôs do conhecimento não conseguem baixar
Um robô pode ser treinado com milhões de imagens mostrando uma mão segurando uma xícara, o que ainda não ensina a quantidade exata de força necessária para segurar um copo frágil sem esmagá-lo ou deixá-lo escorregar.
É aqui que começa a parte mais difícil da inteligência incorporada. Alguns conhecimentos são difíceis de escrever, fazer upload ou extrair de um conjunto de dados. Eles vivem dentro da interação entre um corpo e o mundo físico.
→ Equilíbrio é saber como deslocar o peso quando a superfície muda.
→ Pegada é perceber quanta força um objet

Aqui está por que eu acho: 𝗗𝗲𝗰𝗲𝗻𝘁𝗿𝗮𝗹𝗶𝘇𝗮𝗱 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 𝗣𝗼𝗱𝗲𝗺 𝗔𝗰𝗲𝗹𝗲𝗿𝗮𝗿 𝗥𝗼𝗯𝗼𝘁𝗶𝗰𝘀 𝗙𝗮𝘀𝘁𝗲𝗿 𝗧𝗵𝗮𝗻 𝗖𝗲𝗻𝘁𝗿𝗮𝗹𝗶𝘇𝗮𝗱 𝗖𝗼𝗺𝗽𝗮𝗻𝗶𝗲𝘀
Uma empresa de robótica pode construir um robô impressionante, mas o problema mais difícil é dar a esse robô experiência suficiente no mundo real para que ele se torne genuinamente capaz.
A inteligência física é formada por meio da interação. Um robô precisa ser exposto a ambientes, objetos, movimentos, operadores, erros e situações inesperadas diferentes. Coletar essa experiência em escala é onde as abordagens centr

Falando sobre a engenharia por trás do recurso de Texto-para-CAD de @StrikeRobot_ai!
Um dos obstáculos mais ignorados na robótica é construir os mundos digitais nos quais os robôs precisam aprender — e posso dizer, em alguma medida, que isso é mais complicado do que construir um robô de verdade.
Tradicionalmente, criar um modelo CAD exige softwares especializados, conhecimento técnico e horas de engenharia cuidadosa. Se você não sabe modelar em CAD, transformar uma ideia em um ativo 3D utilizável muitas vezes significa entregar esboços a um designer, aguardar por várias revisões e torcer para

Inglaterra, você tinha um trabalho 🏴

𝕀𝕟𝕤𝕡𝕚𝕣𝕖 𝕒𝕟𝕕𝕠: 𝔼𝕤𝕥𝕒𝕟𝕕𝕠 𝕟𝕠 𝔸𝕞𝕡𝕝𝕒 𝕒 𝔻𝕒𝕕𝕒 𝕕𝕖 𝕃𝕒𝕞𝕓𝕕𝕒 𝕕𝕖 @InvLambda: 𝕋𝕣𝕒𝕟𝕤𝕗𝕠𝕣𝕞𝕒𝕟𝕕𝕠 𝕒 𝔻𝕖𝕩𝕥𝕖𝕣𝕚𝕕𝕒𝕕𝕖 𝕙𝕦𝕞𝕒𝕟𝕒 𝕖𝕞 𝕀𝕟𝕥𝕖𝕝𝕚𝕘𝕖𝕟𝕔𝕚𝕒 𝕖𝕞 𝕊𝕚𝕤𝕥𝕖𝕞𝕒 𝔽í𝕤𝕚𝕔𝕠
A IA aprendeu a ler, escrever e raciocinar treinando em quantidades enormes de dados digitais, mas a #AI incorporada enfrenta um desafio bem diferente. Ela não precisa apenas entender informações, precisa entender interação.
Um #robô pode identificar um objeto, mas isso não o ensina automaticamente como agarrá-lo sem esmagar, recuperar quando escorrega ou ajustar seu