（+微:hywyysxs）
120万亿🚜Token🤣💀，背后是日夜📒轰鸣的GPU集🤜群和天文数字的电👨👧👦🇫🇮费👲。这就是双面探🐻🧘♀️针台（doubl🏟🤫e-sided 🍰🛷probe📽📦r）要解🛋决的问题👨🍳🇻🇳。我希望美🇸🇨国政府和 🗡Anth🌇🥨ropic👴 能够解决好这🥭🐛件事💦🧠。
ETH苏黎世🔱的研究团队训练🥝🆘了一个神经🥽网络模拟器，让🕙机器人在"脑海"👨👦👦里预演动作，然🚟🗿后直接部署到真实↘👩❤️👩硬件上🐿🏠。无论是手机或电🛥👺脑，此前📏内存的预设配🐍🕉置基本处在🧙♀️⚪了一个相对稳定🌲的状态，但与内🇳🇷🛏存价格上涨的原🎗因相同，🥤🥦人工智🚝🏀能需求🚃⌨的产生，拉动🎇了端侧AI👚🔁在运算时🧘♀️▪同样需要更🇨🇳😝多内存进行保障，🐌😏更大的🥎内存就意味着🎥能够运👽🦢行更大参数量的模☦型，从而拥有了更👩🦰👨👩👧👦聪明的端侧AI表👈🇦🇷现🔪。
这套名为🏮RWM🦇🐂（Rob🇪🇸oti😞🇻🇳c World 🌝🇱🇷Model💱）的框架，核心🚹☁是让机器人通🇬🇸🇦🇬过神经网络精👩👩👧👦💤确预测未来🦸♂️☺几秒内的运动轨迹🦊、关节状态💍🇻🇺、接触力等物🚋理量🍅🇸🇰。“这是好🧚♂️🇦🇩事，让我们♈尽可能早的避🇮🇳🌂免去做一些必定🎹会被模型淹没的事✅🎠。
