Axis Robotics indonesia

Skalakan Psyhical AI untuk dunia nyata.
Kecerdasan robot tidak dibangun oleh segelintir orang; ia dibangun oleh semua orang.

Akun Komunitas untuk @axisrobotics

[Axis Robotics indonesia @AxisRoboticsID]

AXIS ROBOTICS INDONESIA 🇮🇩 - First Ambassador Line up

komunitas besar ga lahir dari satu orang, tapi dari orang orang yang visi nya sama, percaya dengan masa depan Physical AI, dan mau grow bareng dalam jangka panjang

hari ini, @axisrobotics resmi memperkenalkan 2 Official Ambassador pertama untuk Indonesia :

@0xryzzu : The Community Builder
@alanaanastasya : The Ecosystem Connector

mereka bakal jadi bagian dari langkah awal Axis Robotics buat bangun dan ngebesarin movement Physical AI di Indonesia 🇮🇩

ga cuma share info, tapi juga bantu :

- connect komunitas
- edukasi member baru
- support ecosystem lokal
- dan grow bareng community

dan yess, ini baru permulaan
Teruslah berkontribusi.
Teruslah membangun.
Teruslah berkembang bersama.

karna ambassador selanjutnya bisa jadi kamu👀
#AxisRoboticsID

[Axis Robotics indonesia @AxisRoboticsID]

@Stevennn77_ @axisrobotics @BitRobotNetwork terimakasih guide nyaa

[Axis Robotics indonesia @AxisRoboticsID]

@Stevennn77_ @base aduhaii

[Axis Robotics indonesia @AxisRoboticsID]

Mesin data robotik kami di @base baru saja mencapai 3 juta lintasan.

1 juta pada 7 Juni. Sekarang 3x.

Dihasilkan oleh lebih dari 123 ribu kontributor di seluruh dunia, dengan kontribusi yang direkam, diverifikasi, dan dihargai di blockchain.

Kami sedang mempercepat AI Fisik pada skala yang belum pernah Anda lihat sebelumnya.

[Axis Robotics indonesia @AxisRoboticsID]

Ini adalah tonggak sejarah bagi robotika.

@DynaRobotics: Dyna-2 adalah model world-action yang dilatih sebelumnya (pre-trained) menggunakan lebih dari 1 juta jam video manusia. Model ini memvalidasi hukum skala (scaling laws) yang jelas dan, untuk pertama kalinya, memungkinkan transfer lintas wujud (cross-embodiment) dari manusia ke robot tanpa memerlukan data robot sama sekali dalam tahap pelatihan awal.

Hal ini sejalan dengan keyakinan kami: data yang bising dan berasal langsung dari dunia nyata akan menghasilkan kebijakan (model/sistem) yang tangguh ketika diterapkan dalam skala besar.

Kami menghasilkan data sudut pandang ego-sentris dan data simulasi dalam skala besar melalui data engine kami. Dan kami sangat antusias untuk menjajaki bagaimana kumpulan data bernilai tinggi dan beragam milik kami dapat membantu mendorong batasan ini lebih jauh lagi.

[Dyna Robotics @DynaRobotics]

Today we are introducing Dyna-2, a world-action model pre-trained on one million hours of human video. At this scale, for the first time, we discovered several new scaling laws:

• world-action models exhibit scaling law on human data across four orders of magnitude, from 1000 to 1,000,000 hours,
• this human data scaling law implied a scaling law on never seen robot data,
• both data and objective matter; world modeling and scaling on video data are essential for cross-embodiment scaling transfer to emerge

🧵

[Axis Robotics indonesia @AxisRoboticsID]

Pembaharuan Produk 🛠️

Dua peningkatan kecil untuk memudahkan pencarian tugas yang tepat:

1⃣ Label dan filter Embodiment: Anda sekarang dapat memfilter tugas berdasarkan embodiment, termasuk Franka, OpenArm V2, dan lainnya.

2⃣ Filter Tetap: Pilihan filter Anda sekarang tetap berada di tempatnya setelah Anda menyelesaikan tugas dan kembali ke daftar tugas.

[Axis Robotics indonesia @AxisRoboticsID]

@axisrobotics 5/
Silakan baca dan pelajari lebih detail riset teknis AXIS V1 melalui tautan resmi berikut:
📄 Paper: https://t.co/hB9r3LqJmd
🌐 Project Page: https://t.co/cQmASM3eDI
💾 Dataset: https://t.co/YSHKfckRKn
💻 Github: https://t.co/wuu8wsOXF5

[Axis Robotics indonesia @AxisRoboticsID]

Riset terbaru dari AXIS V1 baru saja rilis uyy!

Di riset publikasi Axis V1 ini menjawab pertanyaan bahwa kita bisa mengajari robot hanya bermodalkan data simulasi dari ribuan orang yang mungkin datanya tidak sempurna.

Axis menskalakan pengumpulan data robot menggunakan simulasi dengan cost lebih murah dibandingkan menggunakan robot asli tanpa mengurangi tingkat kualitas datanya.

Mari kita bahas secara keseluruhan 🧵👇

[Axis Robotics indonesia @AxisRoboticsID]

4/
Bagi ekosistem Axis Robotics, temuan ini sangat krusial.
Riset ini menguji dan memvalidasi bahwa data yang terus kita kumpulkan adalah fondasi yang sangat berharga untuk pretraining model AI.

Tesis teknologi kita terbukti, dan ini semakin mengunci kekuatan Product Market Fit (PMF) bisnis Axis di industri robotika.

[Axis Robotics indonesia @AxisRoboticsID]

Mungkin bisa lebih cepat dari yang kalian kira👀

[郡主Christine (✱,✱) @0xsexybanana]

I know that we are constantly top 10, but wen top 5 on Base chain , @axisrobotics @baseapp @base

[Axis Robotics indonesia @AxisRoboticsID]

Fitur "Bulk Sign" sudah live, sekarang kalian bisa melakukan batch sign hanya dengan 1 klik.

[Axis Robotics indonesia @AxisRoboticsID]

Baru di Axis Robotics? Mulai dengan panduan singkat ini tentang Hub kami.

Kami juga telah mengumpulkan beberapa pertanyaan yang sering diajukan dari komunitas kami. 🧵

Baca FAQ lengkap di dokumentasi kami → https://t.co/otcMRIHi7A

[Axis Robotics indonesia @AxisRoboticsID]

Pelatihan Pascaproses

- Apa yang memengaruhi skor pelatihan pascaproses saya?

Skor Anda bergantung pada dua hal:
1. Panjang lintasan – Lintasan yang lebih panjang menerima skor dasar yang lebih rendah. Setelah lintasan mencapai 160 sampel (32 detik), skor dasar menjadi 0.
2. Rasio kendali kebijakan – Semakin banyak kendali kebijakan dan semakin sedikit pengambilalihan manual menghasilkan skor yang lebih tinggi.

- Mengapa lintasan saya dapat ditandatangani tetapi skornya 0?

Karena skor dan verifikasi bersifat independen.
1. Skor mengukur efisiensi (panjang lintasan + rasio kendali kebijakan).
2. Dapat ditandatangani berarti lintasan lulus validasi fisika dan pemeriksa tugas.
Lintasan dapat menyelesaikan tugas dengan sukses tetapi tetap mendapat skor 0. Misalnya, mungkin melebihi 160 sampel, menyebabkan skor dasar menjadi 0, atau skor akhirnya di bawah 1 dan dibulatkan ke bawah menjadi 0 di rantai.

- Berapa banyak pengambilalihan manual yang harus saya gunakan?

Gunakan waktu pengambilalihan minimum yang diperlukan untuk menyelesaikan tugas secara andal.
1. Pengambilalihan yang lebih sedikit umumnya menghasilkan skor yang lebih tinggi.
2. Jangan gunakan anggaran pengambilalihan penuh kecuali diperlukan.
3. Hindari menunggu saat dalam mode pengambilalihan, karena hal itu meningkatkan panjang lintasan.

- Mengapa kebijakan menunjukkan Error alih-alih Ready?

Error berarti kebijakan gagal dimuat. Penyebab umum meliputi:
1. Gagal memuat ONNX atau manifesto kebijakan.
2. Masalah jaringan atau CDN.
3. Masalah cache browser.

- Mengapa slot tugas pelatihan pascaproses terisi begitu cepat?

Slot menghitung entri data yang diserahkan, bukan pengguna unik. Pengajuan ganda dari pengguna yang sama, pengajuan bersamaan pada tugas populer, dan lintasan tertunda yang sementara menahan slot semuanya dapat menyebabkan slot terisi dengan cepat.

- Mengapa lintasan saya ditandai sebagai Gagal?

Alasan paling umum adalah:
1. Pemutaran fisika gagal.
2. Pemeriksa tugas gagal.
3. Lintasan terlalu pendek.
4. Format lintasan tidak valid.
5. Ketidaksesuaian model atau adegan.
6. Masalah infrastruktur sementara.
Kebanyakan kegagalan baru disebabkan oleh validasi fisika atau pemeriksa tugas.

[Axis Robotics indonesia @AxisRoboticsID]

Produksi kecerdasan robot sedang bergerak ke onchain dan ini terjadi di @base , dengan dukungan dari @baseapac @Nibel_eth .

Sejak peluncuran kami pada 24 Maret di Base, lebih dari 110K+ kontributor telah menghasilkan lebih dari 2,5 juta lintasan data.

Siapa pun yang memiliki laptop bahkan anak-anak kini dapat membantu melatih robot dan mendapatkan penghasilan sepanjang prosesnya.

[Axis Robotics @axisrobotics]

The production of robot intelligence is moving onchain—and it’s happening on @base, with support from @baseapac @Nibel_eth.

Since our March 24 launch on Base, 110K+ contributors have produced more than 2.5M data trajectories.

Anyone with a laptop—even kids—can now help train robots and earn along the way.