区块链日记 | 买美股上WEEX (@Steam_Diary123) “今天继续给 AXIS 补作业～ 自己玩了几天 @axisrobotics 今天来说说具体怎么操作👇 AIX” — TopicDigg
区块链日记 | 买美股上WEEX
@Steam_Diary123
加入 November 2021
0 正在关注 0 粉丝
今天继续给 AXIS 补作业～
自己玩了几天 @axisrobotics 今天来说说具体怎么操作👇
AIXS 的操作其实不复杂，核心就是控制机械臂完成任务。
进入任务后，先别急着动，先看清 Goal、Steps 和 Goal Reference，确认要抓什么、放到哪里。
多步骤任务一定要按顺序做，如果分不清画面里的物体，可以直接左键点击查看名称和描述（可以用翻译）
实际操作主要可以通过鼠标和键盘进行。
鼠标适合拖动和调整视角，而最实用的功能就是直接双击目标物体，机械臂会自动靠近目标，再通过键盘进行位置和角度的微调，不需要从很远的地方一点点移动过去。
键盘主要用于精准控制：
↑ ↓ ← →：前后左右移动
E / D：上升 / 下降
Q / W：滚转（Roll，左右倾斜）
A / S：俯仰（Pitch，前后倾斜）
Z / X：偏航（Yaw，左右扭转）
Space：按住闭合夹爪，松开打开
C：双臂任务切换机械臂
N = 保存检查点
B = 回到检查点。
比较顺手的操作流程是：双击目标 → 自动靠近 → 微调位置和角度 → 抓取 → 先抬高 → 移动 → 最后下降放置。
抓东西时不要直接冲过去，最好先从物体上方慢慢调整。
抓到之后也不要贴着桌面直接横移，先抬高，再移动到目标区域，最后慢慢放下，可以减少碰撞和反复修正。
完成关键步骤后可以按 N 保存，如果后面的操作失误，直接按 B 回退，不需要整个任务重新开始。长任务和多步骤任务会特别好用。
完成后也别忘了去 Portfolio → History 检查并完成签名，整个流程才算真正完成。
链接：
@KaitoAI
显示更多
最近看大家都在写 Kaito 上的 Axis，我也顺便去研究了一下 @axisrobotics 到底在做什么。
其实我觉得 Physical AI 有一个很现实的问题：机器人要变聪明，首先得有数据可以学习。
LLM 可以直接学习互联网上几十年来积累的大量文字、图片和视频。
但机器人没有这么方便，到现在没有一个地方可以让机器人直接学习，比如人类是怎么拿东西的、怎么开门的、怎么整理物品的，甚至做错之后应该怎么纠正。
这就是 Axis 想解决的问题，它想做的是帮机器人收集更多训练数据。
传统方式是让人在实验室里操作真实机器人来收集数据。
但这样又贵又慢，而且一个实验室能收集的场景也有限。
Axis 就换了一个思路：让更多人一起来收集数据。
你可以在电脑上控制模拟机械臂完成任务；也可以用手机记录人类真实的第一视角动作。
如果机器人模型做错了，人类还能接手完成任务，告诉它正确应该怎么做。
最后就形成一个循环：收集数据 → 训练机器人 → 发现哪里做不好 → 再专门收集这部分数据。
所以 Axis 说自己是 Compounding Data Engine（复合数据引擎）。
白话一点就是：数据越多 → 机器人越聪明 → 越能发现自己哪里不会 → 再收集这些数据 → 继续变聪明。
数据不是收集一次就没用了，而是可以不断帮下一轮模型进步。
如果未来 LLM 是靠互联网数据发展起来的，那机器人未来可能也需要一个属于自己的“数据互联网”。
我理解 Axis 想做的，就是帮 Physical AI 建这个东西。
而最近 @axisrobotics 也开启了 @KaitoAI 的 Katalyst 活动。
这是 Kaito 首个 token-based campaign，奖励池为 0.25% $AXIS，TGE 时 100% 解锁。
Epoch 1 已经开启，并持续至 9 月 18 日 12:00 UTC。
每个 Epoch 最多可以发 10 条 Axis 相关内容，但只计算表现最好的 6 条。
活动我后面再单独研究一下具体参与方法，有兴趣的可以一起来写👉
显示更多
