Alıntı tweetteki maliyet avantajı güzel de asıl soru şu. Bu değer kimin cebine gidecek? G1'in 8.976 dolarlık döküm tablosu cevabı veriyor. Önce tabloyu okuyalım. Maliyetin yarısından fazlası aktüatörde. Kollar, bacaklar ve bel yaklaşık 5.100 ila 5.800 dolar. İçindekiler basit ve tekrar eden parçalar. Planet dişli, BLDC motor, enkoder, sürücü, rulman. Bir G1'de 90 civarı rulman var. Birinci katman bir tuzak. Bu dökümü gören çoğu kişinin ilk refleksi, "demek bu parçaları yapan şirketleri toplamalıyım" demek olur. Oysa asıl yanılgı tam bu noktada çünkü Unitree'nin varlık sebebi bu listeyi ucuzlatmak. Yani kendi tedarikçisinin değerini bilerek aşağı çekiyor. Motoru, dişliyi, hatta LiDAR ve kamerayı içselleştirmeye geçti. Bu tablo aslında neyin emtialaşmak üzere olduğunun haritası. Planet dişli ve BLDC motor satan bağımsız oyuncular tam da bu yüzden kırılgan. İkinci katman daha incelikli çünkü aktüatör ucuzladıkça payı da küçülür, yani bugün maliyetin yüzde 60'ı olan bu kalem stratejinin başarısıyla giderek erir. Para ise deflasyona direnen, standart tezgahta üretilemeyen yerde kalır. Tablodaki tek parça en pahalı bileşen olan Nvidia Jetson tam da bunu gösteriyor, 700 ila 770 dolar. Robot filolarına 5G ve cihaz içi yapay zeka çipi sağlayan Qualcomm da aynı kategoride, ama bu kalem jeopolitik bir çatalda duruyor, çünkü Çin'in çip kısıtları onu hem en kırılgan hem de yerli alternatifler için en açık fırsat haline getiriyor. Benzer bir dinamik hassas rulmanda da var, zira bir robota 90 adet giriyor ve özellikle çapraz silindirik rulman kolay kopyalanmayan bir metalurji birikimi istiyor. Bu yüzden Schaeffler, SKF ve Timken, strainwave redüktörde ise Harmonic Drive, zor yerlileşen oyuncular olarak öne çıkıyor. Aynı mantık nadir toprak mıknatısta da geçerli, çünkü her robot bir elektrikli arabanın iki üç katı manyetik malzeme içeriyor ve MP Materials gibi isimler bu girdinin tam kapısında oturuyor. Üçüncü katman bu tabloda hiç görünmüyor, çünkü dipnottaki "eller hariç" ifadesi aslında işin tamamını tek satırda özetliyor. Oysa sektör analizlerine göre dexterous el, bir insansı robotun maliyetinin yüzde 31'ine kadar çıkabiliyor ve tek başına en büyük kalem. İşin püf noktası şu. El henüz çözülmediği için aşağı çekecek bir öğrenme eğrisi de yok. Yani en yüksek katma değerin olduğu yer, aynı zamanda deflasyonun en az vurduğu yer. Üstelik el bir donanım meselesinden çok yazılım meselesi. Değeri AI yeteneğine kilitli olduğu için kolay kolay emtialaşmıyor. Anahtar parçalar taktil sensör ve minyatür tahrik, ama oyuncuların çoğu hala özel şirket. Doğrudan yatırım yapılacak temiz bir halka açık isim henüz az. Gözden kaçan bir nokta da, bu tablonun bir donanım listesi olması ve işletme tarafını hiç göstermemesi. Modeldeki 11 dolarlık teleoperasyon ve yüzde 15 servis sözleşmesi, hiçbir parça listesinde yer almayan ama her ay geri dönen bir gelir. Donanım sıfır marja koşarken asıl kalıcı kâr, robotu yöneten yazılım ve otonomi katmanında birikecek. Halka açık tarafta bunun en net proxy'si yine Nvidia, çünkü Isaac ve simülasyonla robotların eğitildiği zemini elinde tutuyor.

Kutulama tamam. Bundan bir önce cihazda rotary enkoder vardı. Bunda 3 push buton. WPM arttırma ve azaltma, mod arası geçiş ve #iambic - #straight manipleler arası geçiş için. TP4056 modül ve 18650 pil de eklendi. Yavaştan PCB'ye doğru evrilecek bu kurulum.

fajny post, kilka rzeczy zmieniłem bo nawet nie wiedziałem że są źle (enkoder miałem dobry jak coś)

Naravno, svaka normalna kuća ima barem 1 okvir od karbona, 4 beskontaktna motora, ESC, kontroler leta, FPV kameru, enkoder, bateriju(LiPo/Li-ion) 66Wh, 10 km optičkog kabela, optički primopredajnik, mehanizam za odmotavanje, 3D printer i inženjera elektrotehnike i informatike. 🤡

Lineer hareket eden parçayı niye koyduklarını anlamadım. Döner kapı zaten dairesel hareket yapar? Şafta bağlı enkoder ile yumuşak hareket daha kolay olurdu bence.

(2/4) Czy Qwen-Image 2.0 wie, kim był papież Polak? Postanowiłem przenalizować, jak nowy model od Alibaby radzi sobie z polskim i muszę powiedzieć, że jest… średnio. Na pierwszy rzut promptowanie po polsku: "Wygeneruj obraz przedstawiający papieża Polaka jedzącego kremówke" Chodzi o sprawdzenie, czy rozumie po polsku, ale czy też zna kontekst kulturowy. Widać średnio. Papież się zgadza, kremówka też, ale nie jest Jan Paweł II. Trudno się dziwić, jak za enkoder robi Qwen3-VL 8B. W tak małych wagach ciężko upchąnąc tyle wiedzy o świecie dlatego ważne są projekty takie jak #Bielik Więc promptować po polsku można, ale nie ma co liczyć że model zrozumie kontekst kulturowy

(1/3) Chińczycy wypuścili konkurencję dla Nano Banana Pro, którą można odaplić lokalnie za darmo! Qwen-Image 2.0, nowy model od Alibaby, to prawdziwa rewolucja w świecie otwartych modeli generowania obrazów. Model łączy w jednej architekturze generowanie i edycję obrazów, coś, co do tej pory wymagało osobnych modeli (Qwen-Image-Edit i Qwen-Image-Layered) Przy zaledwie 7B parametrów osiąga wyniki porównywalne z Nano Banana Pro od Google na benchmarkach Image Arena. Nano Banana Pro/Gemini 3 Pro - 1050 GPT image 1.5 - 1043 Qwen Image 2.0 - 1029 Różnica jest więc niewielka ,a 7B paramertów można odpalić bez problemu przyzwoitej karcie z 16GB Vramu albo nawet na procesorze (ale oczywiście wolniej) Kluczowe możliwości: - Natywna rozdzielczość 2K (2048×2048) - Obsługa promptów do 1000 tokenów - Szybkość dzięki lekkiej architekturze Jak działa model? Pod maską kryje się enkoder z Qwen3-VL (8B) połączony z dekoderem dyfuzyjnym (7B). Dzięki temu model "rozumie" tekst na głębokim poziomie i generuje obrazy z precyzyjnym układem typograficznym. Gdzie przetestować? Na razie dostępny przez API (Alibaba Cloud) i za darmo na chat qwen . Wag nie są jeszcze publicznie dostępne , ale znając Qwena, to kwestia czasu. Jeśli potwierdzą się rankingi Alibaby, to będziemy mieli pierwszy otwarty model imagegen/edit klasy frontier w rozmiarze nadającym się do uruchomienia lokalnie. 🔥

(3/3) Specyficzna budowa T5Gemma 2 sprawia, że modele te błyszczą tam, gdzie standardowe czaty GPT miewają problemy - przy małych zasobach na konkretnych zdaniach. Po pierwsze: Multimodalność. Ponieważ Enkoder "widzi" cały wsad naraz, doskonale radzi sobie z łączeniem tekstu i obrazu. W badaniach model 1B parametrów osiągał wyniki zbliżone do znacznie większych modeli w zadaniach takich jak opisywanie obrazów czy odpowiadanie na pytania wizualne (Visual QA). Dzieje się tak, bo model ma dedykowaną część (enkoder) wyłącznie do analizy danych wejściowych, co pozwala na lepsze "zrozumienie" obrazka przed próbą jego opisania. Po drugie: Długi kontekst i Retrieval (wyszukiwanie). Enkoder-dekoder jest naturalnie stworzony do zadań typu "znajdź igłę w stogu siana". Dzięki temu, że Enkoder przetwarza tekst wejściowy niezależnie od generowania odpowiedzi, model znacznie lepiej radzi sobie z wyciąganiem faktów z bardzo długich dokumentów (we wspomnianym oknie 128k). To sprawia, że T5Gemma 2 jest idealną bazą nie tylko do generowania tekstu, ale też do tworzenia systemów embeddingowych – czyli silników, które zamieniają tekst na liczby w celu przeszukiwania baz danych. Google wprost sugeruje, że te modele mogą stanowić fundament dla nowej generacji wydajnych asystentów, którzy działają lokalnie (on-device), a mimo to potrafią precyzyjnie analizować duże ilości danych.

(2/3) Jak to działa? Aby zrozumieć, dlaczego to podejście jest skuteczne, trzeba wyjaśnić fundamentalną różnicę w działaniu tych systemów. Modele takie jak GPT są oparte o dekodery i działają w trybie autoregresywnym. Oznacza to, że generując każde kolejne słowo, "widzą" tylko to, co zostało wygenerowane wcześniej. Działają trochę jak osoba, która improwizuje przemówienie na bieżąco – musi przewidywać przyszłość, patrząc tylko w przeszłość. Dlatego też may klasyczny podział na "system", "user" i "assistant" - model widzi to jako jedną sekwencje i potrzebuje specjalnych tokenów żeby odróżnić co jest wejściem albo wyjściem. Architektura Enkoder-Dekoder, zastosowana w T5Gemma 2, rozdziela ten proces na dwa etapy. Mamy tu Enkoder, który pełni rolę "czytelnika". Przetwarza on cały tekst wejściowy (lub obraz) jednocześnie, korzystając z tak zwanej atencji dwukierunkowej. Oznacza to, że każde słowo w zdaniu "widzi" zarówno słowa przed nim, jak i po nim. Enkoder buduje pełną, głęboką reprezentację (zrozumienie) treści, zanim cokolwiek zostanie napisane. Dopiero potem do akcji wkracza Dekoder. Otrzymuje on skompresowaną "wiedzę" od Enkodera i na tej podstawie generuje odpowiedź. Dzięki temu model, zanim zacznie pisać, ma już pełny obraz sytuacji. W T5Gemma 2 zastosowano dodatkowo usprawnienia, takie jak współdzielenie wag (tied embeddings) czy "merged attention", co pozwala zredukować liczbę parametrów i przyspieszyć działanie modelu, zachowując zalety tego głębszego przetwarzania.

(1/3) Choć LLMy są obecnie zdominowane przez architekturę GPT jak widać Google nie odpuszcza z modelami typu enkoder-dekoder... i może dobrze! O co chodzi? Google wzięło swoje udane modele Gemma 3 i przerobiło je na architekturę T5. Wyniki są bardzo ciekawe. Okazuje się, że modele T5Gemma 2 o wielkościach 270M, 1B i 4B nie tylko dorównują swoim odpowiednikom "decoder-only", ale w zadaniach multimodalnych i wymagających długiego kontekstu (nawet do 128 tysięcy tokenów) często je przewyższają. To ważny sygnał dla branży, że ślepe podążanie wyłącznie ścieżką wytyczoną przez GPT może nie być optymalne dla każdego zastosowania, zwłaszcza gdy zależy nam na wydajności mniejszych modeli.

Je v tom ESP32-S3, 2.4" LCD s ST7789, 2x MAX98357 a 2x 3W 4ohm repro od @laska_kit. Vepredu vlevo je enkoder, uprostred tlacitka ktera funguji jako rychla volba kanalu a vpravo je potenciometer s vypinacem na ovladani hlasitosti. Pokusim se to dat behem svatku na Printables 😉

Cewka zasilana prądem zmiennym → zmienne pole magnetyczne → indukuje prąd w metalowej tarczy / ścieżkach → elektronika odczytuje te zmiany. I to dokładnie może się dziać. 👉 Dlaczego AC, a nie DC? Prąd stały nie zmienia pola magnetycznego, więc nic by nie indukował. Prąd zmienny lub impulsowy tworzy pole, które „przecina” metal tarczy, indukując: prądy wirowe, zmiany fazy, zmiany amplitudy. Elektronika potem analizuje te zmiany i określa położenie pokrętła. 👉 Co to może być za system? Prawdopodobne opcje: 1. Enkoder indukcyjny (LVDT, RVDT albo prostsza wersja) Cewka tworzy pole. Metalowa tarcza z wycięciami / ścieżkami wpływa na pole. Układ odczytuje zmiany. 2. Czujnik o efekcie prądów wirowych Bardzo stabilny i trwały (brak styków). Precyzyjny przy obrotach. 3. Transformator obrotowy Wykorzystuje sprzężenie indukcyjne między uzwojeniami i tarczą. 👉 Te dziwne ścieżki? Jeśli tarcza ma niestandardowe kształty, owalne „pętle”, segmenty, to mogą one: modulować natężenie indukcji, zmieniać impedancję widzianą przez cewkę, tworzyć różne fazy sygnału dla określenia kierunku i kąta. Podsumowanie👇 🔧 To prawdopodobnie indukcyjny enkoder obrotowy, gdzie cewka pracuje na AC i indukuje sygnały w tarczy o specjalnym wzorze ścieżek.

Muszę wspomnieć o tym, jak komuś w starożytnym Egipcie zeszło cięcie. Albo zmęczenie niewolnika, albo się ustawiający laser silnik liniowy zepsuł. Ewentualnie enkoder (biczujący).

To i ja się pochwalę - kiedyś zmajstrowałem takie PLC - wygrzebałem to właśnie z szafy bo mi sterownik w jednej chińskiej maszynie nawalił. To bedzie pasowało bo enkoder jest na 5V. Tylko muszę sobie przypomnieć programowanie AVRów ;)

4/x Ale je fakt, ze proxmox me zas znemozni pouzivat HW enkoder/dekoder na video, coz by byla skoda, protoze bych rad vyuzil i Jellyfin na domaci "netflix" platformu, protoze me uz stve jak se vse roztristilo na 10 platforem a kazdej chce "jen 300 mesicne" a stejne tam neni vse

Jest mechanizm uwagi, enkoder i dekoder. Od transformera różni się dodatkową siecią połączeń pamięci krótkoterminowej między neuronami, która zmienia swoje wagi połączeń tak aby wzmacniać wagi tam gdzie neurony odpaliły razem. Prosty kod i jest stabilne. github.com/pathwaycom/bdh/bl…

A jak już przy @endgamegear jesteśmy, to właśnie wleciała nam dostawa OP1 8K v2! Teraz masz wybór, OP1 8K za 229 czy V2😎 ✅Nowy, customowy sensor ✅Lekko poprawiony kształt ✅Natywna obsługa 8000Hz ✅Szybszy czas reakcji przełączników ✅Nowy enkoder 🔗 s.hard-pc.pl/op18kv2

Ovladani dotykem by tam slo asi celkem v pohode pridat, ale ja to chci vic old school, jelikoz to prijde do kuchyne, takze zapinani hlasitost potenciometrem, prepinani oblibenych stanic tlacitky tam bude jeste enkoder na nastavovani v menu a volbu jinych stanic.. 😉

Wyobraź sobie, że coś, o czym marzyłeś latami, nagle zaczyna istnieć na Twoich oczach 🌟 Dzięki przełomowi AI stworzyłem aplikację, o której marzyłem od 12 lat! Od ponad dekady w mojej głowie kiełkował pomysł, który trudno było komukolwiek wyjaśnić. Samo "pokazanie" tego, co miałem w umyśle, bywało za drogie lub zostawiało pytania "jak na tym zarobisz?". A ja chciałem po prostu zobaczyć, „czy to jest TO". Po wielu latach samodzielnie zrealizowałem marzenie – kosztowało mnie to kilka dolarów i mnóstwo fascynującej pracy. W matrixowym stylu wprowadzam ProfileCoder - aplikację, która rewolucjonizuje sposób definiowania idealnego środowiska pracy poprzez precyzyjne kodowanie Twojego "DNA Zawodowego". ✨ Co oferuje ProfileCoder? ✅ Unikalny kod DNA - Twój profil zakodowany w formie emoji i symboli ✅ Pełna ekspresja preferencji - wyrazisz swoje faktyczne potrzeby związane z pracą ✅ Personalizacja warunków - określisz optymalne dla siebie style współpracy ✅ Cyfrowa tożsamość zawodowa - którą możesz udostępniać pracodawcom ✅ Inteligentny matchmaking - usprawnisz poszukiwanie idealnie dopasowanych ofert 💥 Przełom w komunikacji zawodowej Zapiszesz w JEDNEJ LINIJCE KODU kilkanaście razy więcej informacji niż w klasycznym CV! Twój kod łatwo zintegruje się z LinkedIn, mediami społecznościowymi i systemami rekrutacyjnymi. ♻️ Projekt społecznościowy Co dla mnie szczególnie ważne - ProfileCoder to MÓJ PIERWSZY PROJEKT OPEN SOURCE na otwartej licencji. Zależy mi, żeby razem tworzyć nowy, uniwersalny standard! 🔍 Dlaczego to zmienia zasady gry? Wyobraź sobie rekrutację, gdzie zamiast ogólnikowego CV wysyłasz swój kod DNA - pracodawca natychmiast widzi, czy pasujecie do siebie! 👉 Dla pracowników: Koniec z niedopasowanymi ofertami — szukaj pracy, która naprawdę rezonuje z Tobą 👉 Dla firm: Znajduj ludzi, którzy idealnie wpasują się w kulturę organizacji 👉 Dla świata: Mniej frustracji, więcej synergii — ekosystem oparty na autentyczności 👀 Chcesz zobaczyć, jak to działa? Jesteś ciekawy, jak działa enkoder i dekoder? Napisz w komentarzu, co sądzisz o zapisaniu 10x więcej informacji niż w CV w jednej linijce kodu (integrowalnej z LinkedIn, ATS czy nawet Instagramem) — a pokażę Ci, jak to działa JUŻ TERAZ! Uważasz, że to niemożliwe? A może masz pomysł, jak to ulepszyć? Napisz! Jeśli choć jedna osoba uwierzy w tę wizję, wspólnie udowodnimy, że przyszłość jest na wyciągnięcie ręki. P.S. Jeśli pod postem zbierzemy 50 reakcji „TAK" — udostępnię wstępną dokumentację techniczną całego systemu. Liczę na Was! 💪