注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 axisroboticsph
axisroboticsph 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 axisroboticsph 的推特
【@axisrobotics 刚上了 Signal Boost 活动,顺手就能拿积分和 OG 徽章】 领取指南⬇️ 1️⃣打开链接: 2️⃣进 Portfolio → Connect X & Follow 3️⃣绑定 X 并关注 @axisrobotics → 点 Verify 🎁 完成后获得:+1 Axis Point + Signal Boost OG Badge 📣 创作者别错过 @KaitoAI Katalyst 活动: 🔗 参与链接: ✅拿出 $AXIS 总供应量的 0.25% 给创作者 Top 1–100:0.10% | Top 101–500:0.10% | Kaito Stakers:0.05% TGE 100% 解锁 Epoch 1:2026/8/19 – 9/18
显示更多
0
11
14
2
转发到社区
.@axisrobotics 上线了积分系统 积分每两周(一个周期)计算并分配。 每个周期于 UTC 时间周五 00:00 结束 积分将于下周一 UTC 时间 12:00 发放 以下几个因素决定了你的积分分配 1⃣任务量:你完成多少个有效任务 2⃣难度:你完成的任务难度等级 3⃣评分:每个有效、已签名的提交的质量 4⃣多样性:你的任务涵盖不同场景和技能的广度 5⃣推荐:你的直接邀请者产生的真实产出 ✅🔗: 在2026年7月28日 UTC 15:59:59 之前签名的有效贡献, 将获得一次性追溯积分授予 您的 Discord 角色和获得的徽章将不会转换为积分
显示更多
发现 @axisrobotics 有个设计我现在挺喜欢:用户做成功,不代表这条数据就自动成了正确答案。 浏览器把采集门槛压低以后,数据来得很快,但人会停顿、乱调、绕路,也会有脚本和异常操作。 Axis 前面已经把验证从简单动作回放升级到更严格的状态回放,任务完成以后还要过验证,V2 里也会先让机器人自己跑,人只在需要的时候接管。 这件事放在机器人训练里很重要。 人类演示天然带噪声。一个人最后把东西放进盒子,只能证明任务完成了,不能证明他中间每一步都值得机器人照着学。 Axis 后面的纠错实验其实已经碰到这个问题:完整模仿人类操作会把停顿、犹豫和多余动作一起带进去,所以人工贡献更像一批“候选数据”,还得继续验证哪些部分能留下。 这样再看 Axis 的社区规模,人数只是前半段。 几十万人可以把数据生产速度拉起来,但最后送进模型的东西,必须经得住回放、验证和训练结果。
显示更多
0
31
31
0
转发到社区
Axis @axisrobotics 最近又把任务机制往前推进了一步。 截至 8 月底,平台已经积累了 470 万条有效 Trajectories。 当数据积累达到这个规模后,下一阶段的核心挑战已经不只是持续扩大数据量,而是如何筛选和管理高价值数据。 尤其是那些复杂、高难度、容易失败的任务,应该由具备稳定能力的贡献者来完成,才能保证采集到的数据真正具备训练价值。 Axis 给出的解决方案,就是 Challenger Program。 简单理解,就是把一部分高难机器人任务单独锁起来,只开放给历史表现更稳定的贡献者。 每周会从过去的贡献记录里筛一批白名单,开放大约 20—50 个高难任务。 这部分奖励也更高: 完成一个 Challenger 任务,可以拿普通任务 2—3 倍 Axis Points。 但这个白名单不是看你某一天突然爆肝了多少。 Axis 看的是更长期的表现: 做过多少种不同任务、Pre-training 和 Post-training 有没有持续参与、验证通过率稳不稳,以及同一个任务里能不能长期保持在表现更好的一批里面。 所以一直刷最简单的任务,或者偶尔跑出一次高分,未必有用。 我个人还是挺喜欢这个机制的。 因为机器人训练数据真正有价值的,从来不只是数量。 尤其高难任务,如果全部扔进公共池,最后很容易收回来一堆数量很好看、但训练时不敢直接用的数据。 现在 Axis 相当于开始把贡献者也分层: 普通任务继续开放,让新人熟悉;真正值钱的难题,交给已经证明过自己的人。 这其实也说明,Axis 正从“全民采数据”慢慢走向更细的 数据质量管理。 白名单是每周刷新。如果 Portfolio 里的 Seek the Unseen 徽章亮了,就代表已经进入 Challenger。 高难任务每周一 16:00 SGT 放出,数量有限,先到先得。 UU们,快来和我一起参与吧: @KaitoAI #kaito#
显示更多
0
112
54
0
转发到社区
@Quaocchoo @axisrobotics 总结得太到位了!很多人只看到了刷 Task 领 Points 的表象,却忽略了背后的 Data Engine 逻辑