头雁

看看机器人的智能咋来的，多少宝妈，老奶奶们在辛勤的劳作。据说这活每天都挺辛苦。现在是有多少智能就有多少含老人和宝妈量（这类小规模工作室在中国很多，切分散） https://t.co/c169HfpWFx

一款新型的神经网络，仅用29个逻辑门就能玩马里奥，基于逻辑门的神经网络模型技术。 具体原理： 「逻辑门神经网络」——不是普通神经网络那种浮点乘加，而是 AND / OR / XOR 这类门电路。训练时把门放松成可微分形式，学完再收成真正的离散电路。 逻辑门输出只有 0 和 1，中间没有平滑斜坡，所以不能用“求导”那套办法训练。这样就有平滑曲线，可以求导。 学完再把每个节点「拍死」成一种真的 AND/OR/XOR。训练时不直接用真门（无法微分的原因），换成「软门」：输入先当成 0 到 1 的小数（像概率） AND 近似成乘法：a⋅ba \cdot ba \cdot b OR 近似成：a+b…

苏黎世联邦理工学院刚刚开源了他们2026年机器人学习课程的全部内容。 不是 MOOC。是真正的课程。幻灯片、讲座录音、编程作业、GitHub 仓库。 课程内容从模仿学习和强化学习一直到视觉-语言-动作模型以及机器人领域的预训练基础模型。 特邀讲座来自 Physical Intelligence 的联合创始人。Diffusion Policy 的创造者。 Pieter Abbeel。Dieter Fox。 12 周。【免费。无需注册】。 https://t.co/f2T6frtcJI

机器人的数据都从哪里来呢？ 互联网上视频数据： 大量的互联网上的人类行动任务数据。这类数据规模庞大，但是噪音大，数据没有和机器人本体对齐，主要是应用于早期的预训练环节。 遥操类数据： 人通过主臂，VR，动作捕捉手套等设备，实时控制真实的机器人本体进行数据采集。但数据采集成高高，只能适用于本体的机器人训练，他适合真机验证和后训练。 仿真环境数据： simulation data：在虚拟的物理引擎中生成机器人训练的数据。这类数据优势是相对成本低，可规模化，适合于训练，策略验证和危险场景测试。这类代表企业向 @axisrobotics，主要是采用web3模式的众包物理AI数据引擎。他们主要是两…

Robinhood 应该是个开始，越来越多这类金融企业开始上链了。前有coinbase，后面还有下一个是arc链。