THE JEV GUIDE · CURATED EDITION
Wiadomości premierowe, wyjaśnienia, demo i projekty społeczności wokół TypeSafe Jev, uporządkowane według tematów. Każdy wpis prowadzi do źródła na X.
Selekcja redakcyjna · Niepełna · Aktualizowana ręcznie
01 / EXPLORE
0 means awaiting a verified post
Autor pyta, czy ktoś używa modeli w stylu Jev do dynamicznych systemów sterowania, i chce sprawdzić, czy taki model potrafi zbalansować odwrócone wahadło.
Na hackathonie PromptQL „Rebuild With Jev” zespół w 90 minut sprawdził, czy Jev od TypeSafe AI może nadzorować robota w czasie rzeczywistym, i wygrał.
Post prezentujący robota śmieciowego sterowanego przez Jev, nazwanego Jev-wersją robota-kaczki, z linkiem weryfikacyjnym. Link
Automata Room testuje Jev jako decydenta dla humanoida Unitree G1. Zadanie: przenieść 4 skrzynie pojedynczo na regał i wrócić do wejścia; mniej i krótsze przejazdy dają lepszy wynik.
Jamieson Becker zauważa, że model #Jev jest wystarczająco mały i szybki, by działać na robocie pola walki, a nawet grać w DOOM, i skłania do refleksji nad w pełni autonomicznymi robotami w rzeczywistości.
Przedstawia symulator drona Jev stworzony na Jev Hackathon, wykorzystujący Jev do podejmowania decyzji i określania sygnałów sterujących, w tym automatyczne przełączanie między trybami czuwania, startu, normalnego lotu, omijania przeszkód i zestrzelenia.
Autor chce spróbować, by Jev podejmował decyzje o prowadzeniu, biorąc pod uwagę obecny trend.
Użytkownik zauważa, że Jev obsługuje już 15 autonomicznych dronów jednocześnie, więc prowadzenie jednego samochodu byłoby dla niego łatwe.
Autor dzieli się hybrydą bio-robota wykorzystującą Jev jako warstwę decyzyjną między symulowanym układem nerwowym a fizycznym ruchem robota.
Robert podłączył Jev do robota bioinspirowanego działającego na symulowanym układzie nerwowym: aktywność neuronowa trafia do Jev, Jev podejmuje szybką decyzję, a ta decyzja przekłada się na ruch fizyczny.
Autor dał Jevowi dostęp do nieopublikowanego modelu świata i lokalnego modelu segmentacji, aby przetestować autonomiczną jazdę bez widzenia. Wyniki przypominają Crazy Taxi, ale zaskakująco działają.
Deweloper próbuje sterować ramieniem tylko za pomocą JEV, bez wstępnie wytrenowanych danych, polityki czy LLM, używając dwóch warstw do wykrywania stanów silnika i obiektu, i zauważa, że JEV obecnie nie obsługuje wejścia obrazu.