𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

🧭 Theo dõi ngay— 🇻🇳🤝🇦🇨🇦🇩🇦🇪🇦🇫🇦🇬✨ trước khi những nơi này không còn là bí mật nữa. 🌄 ✈️ Ít phô trương, 🌍 nhiều trải nghiệm hơn Joined July 2022

Tweets

1K
Followers

5K
Following

4K
Likes

1K

Sydney (✱,✱) @Nguyn31760998

10 hours ago

Simulation - Tại sao simulation có thể multiply real-world data? @axisrobotics x @KaitoAI Mình nghĩ từ “multiply” ở đây rất đáng chú ý. Simulation không có nghĩa là thay thế real-world data. Nó giống một bộ khuếch đại: lấy những experience đắt đỏ từ robot thật, sau đó mở rộng chúng thành nhiều training scenarios hơn. 1. Real-world data rất giá trị — nhưng cực kỳ đắt: Muốn robot học một task ngoài đời, chúng ta cần: Robot thật Con người teleoperate Không gian vật lý Camera & sensors Thời gian vận hành Xử lý failure Bảo trì hardware Và quan trọng nhất: Mỗi trajectory chỉ xảy ra một lần trong một môi trường cụ thể. Ví dụ bạn có một demonstration robot gắp một chiếc cốc. Real-world data cho chúng ta một experience rất thật. Nhưng nếu muốn có thêm: 100 vị trí chiếc cốc 50 loại bàn 20 điều kiện ánh sáng nhiều camera angle nhiều object khác nhau → Chi phí collection tăng lên rất nhanh. 2. Simulation thay đổi economics của data: Thay vì thu thập tất cả variation ngoài đời, ta có thể lấy một experience có giá trị rồi đưa nó vào simulation. Sau đó thay đổi: Scene ↓ Object ↓ Layout ↓ Camera ↓ Lighting ↓ Physical conditions Một trajectory có thể trở thành một distribution of experiences. Đây chính là ý nghĩa của multiply. Không phải: 1 real trajectory = 1 synthetic trajectory. Mà là: Một real-world behavior có thể trở thành seed để tạo ra rất nhiều training variations. 3. Nhưng randomization không phải cứ “đổi màu” là xong: Đây là điểm mình thấy quan trọng nhất. Nếu chỉ randomize hình ảnh: Background khác → Lighting khác → Texture khác thì dataset nhìn có vẻ diverse nhưng robot chưa chắc học được điều gì mới. Simulation phải giữ được: Physical Consistency Ví dụ thay đổi vị trí chiếc cốc thì: robot state phải phù hợp object state phải phù hợp trajectory phải replay được contact phải hợp lý physics không được phá vỡ task Nếu không, chúng ta chỉ đang tạo ra synthetic noise. Vì vậy bài toán thực sự là: Tăng diversity nhưng không làm mất semantics và physics của demonstration. 4. Đây chính là điểm Axis đang tập trung: Axis V1 sử dụng simulation để mở rộng robot data qua nhiều chiều: Scene + Object + Layout + Camera + Lighting + Embodiment + Physical Conditions Sau đó dữ liệu được validation và replay trong simulation để đảm bảo trajectory vẫn có ý nghĩa vật lý. Điều này tạo ra một pipeline khá thú vị: Real-world / Web Experience ↓ Simulation Reconstruction ↓ Randomization ↓ Validation ↓ Large-scale Training Data Thay vì phải thu thập từng variation bằng robot thật, simulation giúp mở rộng distribution với chi phí thấp hơn rất nhiều. 💡 Insight: Simulation không tạo ra “real data giả”. Nó tạo ra: nhiều cách khác nhau để robot trải nghiệm cùng một skill. Và đây mới là thứ Physical AI cần. Robot không chỉ cần biết: “Làm thế nào để gắp chiếc cốc này?” Nó cần học: “Làm thế nào để gắp một object trong nhiều hoàn cảnh khác nhau?” Đó là sự khác biệt giữa memorization và generalization. 🔥 Và khi kết hợp với Axis V2 thì câu chuyện còn thú vị hơn V1: Data → Simulation → Training V2: Data → Training → Robot → Failure → Human Correction → New Data Khi ghép hai thứ lại: Real-world data → Simulation multiply → More diverse training → Better policy → Real-world deployment → Failure feedback → New training data Đây chính là Compounding Data Engine. Connect X với Kaito/Yaps: s.kaito.ai/jd7nwhO #AxisRobotics #PhysicalAI #Robotics #Simulation #AI #Kaito

Sydney (✱,✱) @Nguyn31760998

a day ago

AXIS Dataset V1 — 83.9 → 88.8 LIBERO-Plus nói lên điều gì? @axisrobotics x @KaitoAI Mình nghĩ không nên chỉ nhìn con số +4.9 điểm rồi kết luận “Axis có dataset tốt”. Điều đáng chú ý hơn nằm ở vì sao performance tăng và nó nói gì về bài toán data của Physical AI.

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

Sydney (✱,✱) @Nguyn31760998

Sydney (✱,✱) @Nguyn31760998

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

Hoang Nhu Lam @nhulamhoang

Hoang Nhu Lam @nhulamhoang

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

Louis B @Louisb_crypto

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

Link.eth @linh180796

Hairo (✱,✱) @haiwed3

𝙆𝙔𝙍𝙊 🇻🇳 @KyroDaily

Sweet Poison @sweetpoizon13

Smaphogia💎✨ @smaphogia

貞子の月光浴 @sadakodesuyo

Brenda Koncept @brendakoncept

Pili, Pinas!🇵🇭 @pili_pinas__

Cloud ☁️🌨️ @cloud56i

Jasmine Queen 👑 @mahiiiqueen92

sad man @ChibuzorOrbjj0

Alice AI @SilentTears_x

Earth 🌎🌍 @mrdavid0009

♥︎𝓜𝓮s𝔄ra... @Dhxzeea

Dunia Sibuk @sibuknya_dunia

TUNBORZY FX @Tunborzy001

Ranuka @missRanuka95

Fan Josh/MCFC Ng @ManCityFan_NG

Hóng Biến Đườn... @CaoDuong8388

Dr. Koena Moabelo �... @Koena_za

𝒦𝒴 🦋 @Its_MissKy

Hero Malakar @Hero04351

kiyosaki @luxionce

Anniecomplex© @anniecomplex01

당중독 @dangjungdo1122

Joannah😇 @trxubl3_mak3r

kani @kaniurs32

XZ 星展 @xingzhanAI

CHAPE Art @CHAPEP_Z

Pfeifer @its_osb

Sara Mary 🇬🇧 @saniyafatma1278

Thomas Moore @TomMoore2

Callie @Callie_yyz

Aniقah @Ink_And_Thought

Nzolo @ndlondlwana

Filmy Today @Filmy_Today

Sr.Sinha @AdhirSinha

𝐁𝐞𝐣𝐨𝐲 ... @Arifxt10

Retired But Not Tired @PlannedUnc

Athena Robertson @Athena_Robertso

나야 @kim1301111

John Stones @JohnStonesdqlw

Everyday Smile @everydaysm2026

Halkın Kurtuluş Gaz... @solcumedyahaber

M&Bear🧸 @graciasMBear

KangKang | CBH @KangKang_DD1

小狐狸🦊 @leexhq

ben 10 @Benzzzz1benc3ms

Space Mysteries @SpaceMysteriesX

Wilson @Myselfwilson

Zeshan @Zeshan0x0

¡brah¡makcev¡z @akceviiz

Filmy Today @Filmy_Today

당중독 @dangjungdo1122

kiyosaki @luxionce

Dr. Koena Moabelo �... @Koena_za

Fan Josh/MCFC Ng @ManCityFan_NG

♥︎𝓜𝓮s𝔄ra... @Dhxzeea