How to Make a Cloud Read a Drone's Mind (and Cut Data Usage by 94%)

Why Do Connected Machines Waste So Much Bandwidth? Imagine a friend riding the bus who calls every second. "Still on the bus." Most remote machines stream steady readings to the cloud many times a second. Most say the same thing: nothing new. The network pays full price for zero news.

A delivery drone, warehouse robot, or wind turbine all send redundant data. Before diving deep, a disclaimer: measurements were simulator generated, not from a real drone. Using Cart Pole, a tiny simulated cart with a pole, only a few numbers are sent.

The core principle remains the same. What was built is a simple way to send only the surprises. By the end, you will know what a world model is, how two copies keep a remote machine and the cloud in sync, how to build it in PyTorch, and how much data it really saved.

A world model is a program that imagines it is a neural network that has learned to predict what happens next. You hand it the current situation and the action being taken. It hands you back the situation one moment later.

The model learns by watching examples, not from a physics textbook. It can feed its own answer back as the next situation and imagine the future with no real machine involved. One detail matters: the model sees only two numbers—where the cart is and how far the pole is tilted.

It never sees speeds. To work out speed, it remembers where things were a moment ago via a small sixty-four number memory, like a scribbled note passed from one moment to the next. The test bed is Cart Pole, one of the oldest toy problems in AI.

A cart slides along a rail with a pole balanced on top. The cart follows a planned path to test the model's ability to predict state changes efficiently.

لماذا تستهلك الآلات المتصلة مقدارًا هائلًا من النطاق الترددي؟ تخيل صديقًا يركب على الحافلة ويتصل كل ثانية. "لا يزال على مبرد الحافلة." معظم الآلات عن بُعد تبثق قراءات ثابتة إلى السحابة عدة مرات في الثانية. معظمهم يقولون الشيء نفله: لا شيء جديد. الشبكة تدفع الثمن الكامل مقابل صفر أخبار. طائرة تسليم، روبوت مستودع، أو توربين رياح ترسل جميعها بيانات مكررة. قبل الغوص في التفاصيل، إخلاء مسؤولية: كانت القياسات تم إنشاؤها بواسطة محاكي، وليس من طائرة حقيقية. باستخدام Cart Pole، عربة صغيرة محاكاة مع عمود، يتم إرسال بعض الأرقام فقط. المبدأ الأساسي يبقى نفسه. ما تم بناؤه هو طريقة بسيطة لإرسال المفاجآت فقط. بحلول نهاية هذه المقالة، ستعرف ماذا يعني نموذج عالمي، كيف يحافظ نسختان على مزامنة آلة عن بُعد والسحابة، كيف تبنيه في PyTorch، وكم كم البيانات التي وفرتها حقًا. نموذج عالمي هو برنامج يتخيل أنه شبكة عصبية تعلمت أن تتنبأ بما سيحدث next. تقدم له الوضع الحالي والإجراء الذي يتم اتخاذه. إنه يعيد لك الوضع بعد لحظة. يتعلم النموذج من خلال مشاهدة أمثلة، وليس من كتاب فيزياء. يمكنه إرسال إجابته الخاصة مرة أخرى كالوضع التالي وتخيل المستقبل دون أي آلة حقيقية مشاركة. تفاصيل مهمة: النموذج يرى فقط رقمين—أين تقع العربة ومدى ميلان العمود. لا يرى أبدًا السرعات. لحساب السرعة، يتذكر أين كانت الأشياء قبل لحظة باستخدام ذاكرة صغيرة من 64 رقمًا، مثل ملاحظة مكتوبة بسرعة تمر من لحظة إلى أخرى. منصة الاختبار هي Cart Pole، إحدى أقدم المشاكل اللعبية في الذكاء الاصطناعي. العربة تتزلج على شبر مع عمود متوازن في الأعلى. تتبع العربة مسارًا مخطط له لاختبار قدرة النموذج على التنبؤ بتغييرات الحالة بشكل فعال.

কেন সংযুক্ত মেশিনগুলি এত বেশি ব্যান্ডউইথ ব্যবহার করে? একজন বন্ধুকে যিনি বাসে এবং প্রতি সেকেন্ড একটি কল করেন ভাবুন। "এখনও বাসে।" অধিকাংশ দূরবর্তী মেশিনগুলি এক সেকেন্ডে ক্লাউডে ধ্রুবীকৃত পাঠ পাঠায়। অধিকাংশই একই কথা বলে: কোনো নতুন কিছু নয়। নেটওয়ার্ক শূন্য খবরের জন্য পূর্ণ মূল্য পরিশোধ করে। একটি ডেলিভারি ড্রোন, ওয়্যারহাউস রোবট বা পবন টারবাইন সবই অপ্রয়োজনীয় ডেটা পাঠায়। গভীর যাওয়ার আগে, একটি অস্বীকরণ: পরিমাপগুলি সিমুলেটর দ্বারা তৈরি করা হয়েছিল, বাস্তব ড্রোন থেকে নয়। Cart Pole ব্যবহার করে, একটি ছোট সিমুলেটেড কার্ট পোল সহ, কেবল কয়েকটি সংখ্যা পাঠানো হয়। মৌলিক সিদ্ধান্ত একই থাকে। যা নির্মিত হয়েছে তা হল শুধুমাত্র অদ্ভুত পাঠানোর একটি সহজ উপায়। শেষ পর্যন্ত, আপনি জানবেন যে একটি ওয়ার্ল্ড মডেল কী, কিভাবে দুটি প্রতি একটি দূরবর্তী মেশিন এবং ক্লাউডকে সমন্বয়িত রাখে, কীভাবে PyTorch-এ এটি নির্মাণ করবেন এবং এটি সত্যিই কত ডেটা বাঁচিয়েছে। একটি ওয়ার্ল্ড মডেল একটি প্রোগ্রাম যা ভাবে যে এটি একটি নিউরাল নেটওয়ার্ক যা শিখে নিয়েছে পরবর্তীতে কী ঘটবে তা ভবিষ্যদ্বাণী করতে। আপনি এটি বর্তমান অবস্থা এবং নেওয়া হচ্ছে এমন কাজ দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে দিয়ে

¿Por qué las máquinas conectadas desperdician tanta banda ancha? Imagina un amigo que va en autobús y llama cada segundo. "Aún en el autobús." La mayoría de las máquinas remotas transmiten lecturas constantes a la nube muchas veces por segundo. La mayoría dicen lo mismo: nada nuevo. La red paga el precio completo por cero noticias.

Un dron de entrega, un robot de almacén o una turbina eólica envían datos redundantes. Antes de profundizar, un descargo de responsabilidad: las mediciones fueron generadas por un simulador, no por un dron real. Usando Cart Pole, un pequeño carrito simulado con un poste, solo se envían unos pocos números.

El principio fundamental sigue siendo el mismo. Lo que se construyó es una forma sencilla de enviar solo las sorpresas. Al final, sabrás qué es un modelo mundial, cómo dos copias mantienen sincronizada una máquina remota y la nube, cómo construirlo en PyTorch y cuántos datos realmente ahorra.

Un modelo mundial es un programa que se imagina que es una red neuronal que ha aprendido a predecir qué sucede a continuación. Le das la situación actual y la acción que se está tomando. Te devuelve la situación un momento después.

El modelo aprende observando ejemplos, no de un libro de física. Puede alimentar su propia respuesta como la siguiente situación e imaginar el futuro sin que esté involucrada ninguna máquina real. Un detalle importa: el modelo solo ve dos números: dónde está el carrito y cuánto está inclinado el poste.

Nunca ve velocidades. Para calcular la velocidad, recuerda dónde estaban las cosas un momento antes mediante una pequeña memoria de sesenta y cuatro números, como una nota garabateada que se pasa de un momento al siguiente. El entorno de prueba es Cart Pole, uno de los problemas de juguete más antiguos en IA.

Un carrito se desliza a lo largo de una barra con un poste equilibrado encima. El carrito sigue una ruta planificada para probar la capacidad del modelo para predecir cambios de estado de manera eficiente.

Pourquoi les machines connectées gaspillent-elles autant de bande passante ? Imaginez un ami qui prend le bus et appelle toutes les secondes. "Toujours dans le bus." La plupart des machines distantes diffusent des relevés constants vers le cloud plusieurs fois par seconde. La plupart disent la même chose : rien de nouveau. Le réseau paie le prix plein pour zéro nouvelles.

Un drone de livraison, un robot d'entrepôt ou une éolienne envoient tous des données redondantes. Avant d'approfondir, un avertissement : les mesures ont été générées par un simulateur, et non par un vrai drone. En utilisant Cart Pole, un petit chariot simulé avec un poteau, seuls quelques chiffres sont envoyés.

Le principe fondamental reste le même. Ce qui a été construit est une façon simple d'envoyer uniquement les surprises. À la fin, vous saurez ce qu'est un modèle mondial, comment deux copies maintiennent synchronisées une machine distante et le cloud, comment le construire dans PyTorch, et combien de données il économise réellement. Un modèle mondial est un programme qui s'imagine qu'il s'agit d'un réseau de neurones qui a appris à prédire ce qui va se passer ensuite.

Vous lui donnez la situation actuelle et l'action en cours. Il vous rend la situation un moment plus tard. Le modèle apprend en regardant des exemples, pas à partir d'un manuel de physique.

Il peut nourrir sa propre réponse comme la situation suivante et imaginer l'avenir sans qu'aucune machine réelle ne soit impliquée. Un détail compte : le modèle ne voit que deux chiffres — où se trouve le chariot et dans quelle mesure le poteau est penché. Il n'a jamais vu de vitesses.

Pour calculer la vitesse, il se souvient où les choses étaient un moment auparavant grâce à une petite mémoire de soixante-quatre chiffres, comme une note griffonnée qui passe d'un moment à l'autre. Le banc d'essai est Cart Pole, l'un des plus anciens problèmes-jouets en IA. Un chariot glisse le long d'un rail avec un poteau équilibré sur le dessus.

Le chariot suit un chemin planifié pour tester la capacité du modèle à prédire les changements d'état de manière efficace.

जुड़ी हुई मशीनें क्यों इतनी बैंडविड्थ बर्बाद करती हैं? कल्पना करें कि आपका एक दोस्त बस में बैठा है और हर सेकंड एक कॉल करता है। "अभी भी बस में हूँ।" अधिकांश दूरस्थ मशीनें बहुत सारे समय एक सेकंड में क्लाउड को स्थिर पढ़ने भेजती हैं। उनमें से अधिकांश एक ही बात कहते हैं: कोई नई बात नहीं। नेटवर्क शून्य खबर के लिए पूरा मूल्य भुगतान करता है। एक डिलीवरी ड्रोन, वेयरहाउस रोबोट या पवन टर्बाइन सभी अतिरिक्त डेटा भेजते हैं। गहराई में जाने से पहले, एक अस्वीकरण: मापदंड सिमुलेटर द्वारा उत्पन्न किए गए थे, एक वास्तविक ड्रोन से नहीं। Cart Pole का उपयोग करके, एक छोटे सिमुलेटेड कार्ट के साथ एक पोल, केवल कुछ संख्याएं भेजी जाती हैं। मूल सिद्धांत एक ही रहता है। जो निर्मित है वह एक सरल तरीका है जिसमें केवल आश्चर्य भेजे जाते हैं। अंत तक, आप जानेंगे कि एक विश्व मॉडल क्या है, दो प्रतियों कैसे एक दूरस्थ मशीन और क्लाउड को समन्वयित रूप से रखते हैं, इसे PyTorch में कैसे बनाएं, और यह वास्तव में कितना डेटा बचाता है। एक विश्व मॉडल एक कार्यक्रम है जो कल्पना करता है कि यह एक न्यूरल नेटवर्क है जो अगला क्या होगा यह भविष्यवाणी करने के लिए सीख चुका है। आप इसे वर्तमान परिस्थिति और कार्रवाई दी जा रही दीजिए। यह आपको अगले क्षण की स्थिति वापस देता है। मॉडल उदाहरणों को देखकर सीखता है, भौतिकी के पाठ्यपुस्तक से नहीं। यह अपने उत्तर को अगली स्थिति के रूप में फीडबैक दे सकता है और बिना किसी वास्तविक मशीन के भविष्य की कल्पना कर सकता है। एक विवरण महत्वपूर्ण है: मॉडल केवल दो संख्याओं को देखता है—कार्ट कहाँ है और पोल कितना झुका हुआ है। यह कभी गति नहीं देखता। गति की गणना करने के लिए, यह एक छोटे से चालीस आठ संख्या की मेमोरी के माध्यम से एक पल के पहले चीजों के स्थान को याद करता है, जैसे एक स्क्रिबल नोट जो एक पल से दूसरे पल तक पास होता है। टेस्ट बेड Cart Pole है, AI में सबसे पुराने खिलौने की समस्याओं में से एक। एक कार्ट एक रेल के साथ एक पोल के साथ संतुलित ऊपर एक पटरी पर स्लाइड करता है। कार्ट मॉडल की भविष्यवाणी क्षमता के प्रदर्शन के लिए एक योजना बनाई गई रूट का पालन करता है।

为什么连接的机器会浪费如此多的带宽？想象一位朋友坐在公交车上，每秒钟都打一个电话。“还是在公交车上。”大多数远程机器每秒钟向云端传输稳定的读数。他们中的大多数人都在说同样的事情：没有什么新消息。网络以完整的价格支付零消息。一架送货无人机、仓库机器人或风力涡轮机都会发送冗余数据。在深入探讨之前，先声明一下：这些测量是由模拟器生成的，而不是来自真实的无人机。使用Cart Pole，即一个带有杆子的小型模拟购物车，只发送了几个数字。核心原理仍然相同。所构建的是一种简单的方法，只发送惊喜。到最后，你将知道什么是世界模型，两个副本如何保持远程机器和云端同步，如何在PyTorch中构建它，以及它真正节省了多少数据。世界模型是一个程序，它想象自己是一张神经网络，这张神经网络已经学会了预测接下来会发生什么。你把当前的情况和正在采取的行动交给它。它把你一个时刻后的情况交还给你。该模型通过观看示例来学习，而不是从物理教科书中学习。它可以将自己的答案反馈作为下一个情况，并在没有真实机器参与的情况下想象未来。一个细节很重要：该模型只看到两个数字——购物车的位置和杆子的倾斜角度。它从来没有看到过速度。为了计算速度，它通过一个小的64数字内存记住了一刻钟前的情况，就像一张从一个时刻传递到下一个时刻的潦草笔记。测试床是Cart Pole，是AI领域最古老的玩具问题之一。购物车沿轨道滑动，杆子竖立在顶上。购物车遵循计划好的路径，以测试模型预测状态变化的效率。