🌸 Contact for work: t.me/Quaocchoo Y-axis Contributor @axisrobotics OG @zama
- Tweets 47,513
- Following 5,610
- Followers 9,172
- Likes 43,445
Pinned Tweet
Có một thứ em nghĩ sẽ quyết định ai có lợi thế trong cuộc đua Physical AI: khả năng biến thất bại của robot thành dữ liệu để lần sau làm tốt hơn.
Một robot gắp hụt món đồ, va vào vật cản hay xử lý sai khi vị trí đồ vật thay đổi. Với một hệ thống thông thường, đó là lỗi cần sửa. Nhưng với một data engine được thiết kế đúng, mỗi lần thất bại còn có thể là tín hiệu cho biết model đang thiếu kinh nghiệm ở đâu.
Vấn đề không chỉ là thu thập thêm dữ liệu. Quan trọng hơn là biết robot sai ở tình huống nào, cần bổ sung trải nghiệm gì và làm sao đưa dữ liệu mới trở lại quá trình huấn luyện.
Đây là điểm em thấy đáng theo dõi ở @axisrobotics
Hướng đi của Axis không chỉ dừng ở việc để cộng đồng tạo trajectories. Khi kết hợp dữ liệu con người điều khiển robot, simulation và quá trình đánh giá policy, mục tiêu lớn hơn là tạo ra một vòng lặp: dữ liệu giúp huấn luyện model, model được kiểm tra, những điểm yếu được phát hiện rồi trở thành cơ sở cho dữ liệu tiếp theo.
Nếu vòng lặp này hoạt động hiệu quả, lợi thế sẽ không chỉ nằm ở số lượng dữ liệu đang sở hữu, mà còn ở tốc độ hệ thống học được từ những gì chưa làm tốt.
Hãy nhìn vào bài toán kinh tế. Nếu mỗi lần robot gặp một tình huống mới đều cần kỹ sư can thiệp thủ công, chi phí mở rộng sẽ rất lớn. Nhưng nếu những tình huống đó có thể được ghi nhận, tái tạo, huấn luyện và kiểm chứng theo một quy trình có thể lặp lại, việc cải thiện robot có cơ hội trở nên hiệu quả hơn theo thời gian.
Dĩ nhiên, có dữ liệu thất bại không đồng nghĩa model sẽ tự động tiến bộ. Dữ liệu phải đúng, đủ chất lượng và thực sự giải quyết được điểm yếu của policy. Đây cũng chính là phần khó nhất mà các hệ thống Physical AI cần chứng minh.
Với em, thesis dài hạn của Axis nằm ở đây: không chỉ xây một nơi để robot học, mà hướng tới một hệ thống giúp quá trình học của robot ngày càng có mục tiêu hơn.
Nếu làm được điều đó ở quy mô lớn, mỗi lần triển khai robot có thể không còn là một dự án bắt đầu lại từ đầu, mà trở thành cơ hội để cải thiện những lần triển khai tiếp theo.
Trong cuộc đua Physical AI, model nào thông minh hơn hôm nay chưa chắc đã giữ lợi thế mãi mãi. Em muốn theo dõi hệ thống nào có khả năng học nhanh hơn từ thực tế, và biến những bài học đó thành lợi thế tích lũy.
Đó mới là cuộc chơi dài hạn mà em quan tâm ở Axis.
158
4
195
1,902
Các bác đang cày @axisrobotics nhớ kiểm tra lại mục ký trajectory nhé. Snapshot sẽ được chụp lúc 12:00 UTC ngày 18/10, nên đừng để những đóng góp đã hoàn thành bị bỏ lỡ chỉ vì chưa ký on-chain.
Điểm quan trọng trong thông báo lần này là toàn bộ Axis Points sẽ được tính vào chung một reward pool cho pre-TGE airdrop, bao gồm cả points kiếm được từ Binance Wallet và chương trình liên minh BitRobot. Vì vậy, bác nào tham gia nhiều chương trình cũng nên kiểm tra kỹ lịch sử đóng góp và hoàn tất việc ký trước thời hạn.
Một mốc cần nhớ nữa:
Trước snapshot: các đóng góp đã ký và được ghi nhận trước thời điểm chốt sẽ được tính vào pool phần thưởng pre-TGE.
Sau snapshot: các đóng góp mới sẽ được tính vào pool Community Contributor Reward 6% dành cho giai đoạn post-TGE.
Em nghĩ đây là lúc nên rà soát lại toàn bộ trajectories của mình, kiểm tra trạng thái xác minh và ký những phần còn thiếu. Làm task đều đặn đã tốn công rồi, đừng để thiếu bước cuối cùng mà ảnh hưởng đến quyền lợi của mình.
Deadline: 12:00 UTC ngày 18/10 - tương đương 19:00 giờ Việt Nam cùng ngày.
94
6
141
1,324
Nghẹo | DOPE retweeted
Please sign all your trajectories before 12:00 UTC on October 18, when the snapshot will be taken.
All signed contributions recorded before the snapshot count toward the pre-TGE airdrop reward pool. All Axis points feed into a single reward pool, including those earned from the Binance Wallet and BitRobot alliance programs.
Contributions submitted after the snapshot will count toward the 6% post-TGE community contributor reward pool.
266
148
1,044
186,711
Nghẹo | DOPE retweeted
Có một thứ em nghĩ sẽ quyết định ai có lợi thế trong cuộc đua Physical AI: khả năng biến thất bại của robot thành dữ liệu để lần sau làm tốt hơn.
Một robot gắp hụt món đồ, va vào vật cản hay xử lý sai khi vị trí đồ vật thay đổi. Với một hệ thống thông thường, đó là lỗi cần sửa. Nhưng với một data engine được thiết kế đúng, mỗi lần thất bại còn có thể là tín hiệu cho biết model đang thiếu kinh nghiệm ở đâu.
Vấn đề không chỉ là thu thập thêm dữ liệu. Quan trọng hơn là biết robot sai ở tình huống nào, cần bổ sung trải nghiệm gì và làm sao đưa dữ liệu mới trở lại quá trình huấn luyện.
Đây là điểm em thấy đáng theo dõi ở @axisrobotics
Hướng đi của Axis không chỉ dừng ở việc để cộng đồng tạo trajectories. Khi kết hợp dữ liệu con người điều khiển robot, simulation và quá trình đánh giá policy, mục tiêu lớn hơn là tạo ra một vòng lặp: dữ liệu giúp huấn luyện model, model được kiểm tra, những điểm yếu được phát hiện rồi trở thành cơ sở cho dữ liệu tiếp theo.
Nếu vòng lặp này hoạt động hiệu quả, lợi thế sẽ không chỉ nằm ở số lượng dữ liệu đang sở hữu, mà còn ở tốc độ hệ thống học được từ những gì chưa làm tốt.
Hãy nhìn vào bài toán kinh tế. Nếu mỗi lần robot gặp một tình huống mới đều cần kỹ sư can thiệp thủ công, chi phí mở rộng sẽ rất lớn. Nhưng nếu những tình huống đó có thể được ghi nhận, tái tạo, huấn luyện và kiểm chứng theo một quy trình có thể lặp lại, việc cải thiện robot có cơ hội trở nên hiệu quả hơn theo thời gian.
Dĩ nhiên, có dữ liệu thất bại không đồng nghĩa model sẽ tự động tiến bộ. Dữ liệu phải đúng, đủ chất lượng và thực sự giải quyết được điểm yếu của policy. Đây cũng chính là phần khó nhất mà các hệ thống Physical AI cần chứng minh.
Với em, thesis dài hạn của Axis nằm ở đây: không chỉ xây một nơi để robot học, mà hướng tới một hệ thống giúp quá trình học của robot ngày càng có mục tiêu hơn.
Nếu làm được điều đó ở quy mô lớn, mỗi lần triển khai robot có thể không còn là một dự án bắt đầu lại từ đầu, mà trở thành cơ hội để cải thiện những lần triển khai tiếp theo.
Trong cuộc đua Physical AI, model nào thông minh hơn hôm nay chưa chắc đã giữ lợi thế mãi mãi. Em muốn theo dõi hệ thống nào có khả năng học nhanh hơn từ thực tế, và biến những bài học đó thành lợi thế tích lũy.
Đó mới là cuộc chơi dài hạn mà em quan tâm ở Axis.
158
4
195
1,902
Nghẹo | DOPE retweeted
Một trong những điều đáng chú ý nhất về @axisrobotics gần đây không nằm ở việc dự án đã có bao nhiêu triệu trajectories, mà là Axis đang tìm cách biến dữ liệu thành những kỹ năng robot có thể tái sử dụng.
Đây mới là chỗ em nghĩ nhiều người đang nhìn chưa đủ sâu.
Ngày 7/10, Axis công bố nghiên cứu về giá trị của simulation data trong huấn luyện robot ngoài đời thực. Với cùng 10 mẫu dữ liệu thực cho mỗi nhiệm vụ, tỷ lệ thành công trung bình trên robot thật tăng từ 16,7% lên 85,8% khi kết hợp với dữ liệu mô phỏng được chọn lọc. Trong khi đó, dùng toàn bộ kho simulation data chỉ đưa kết quả lên 25,8%. Thí nghiệm giới hạn ở 3 nhiệm vụ và điều kiện ánh sáng tiêu chuẩn, nhưng vẫn cho thấy một điểm rất đáng suy nghĩ: thêm dữ liệu chưa chắc tốt bằng chọn đúng dữ liệu.
Trước đó, Axis cũng chia sẻ hướng đi từ hàng nghìn trajectories sang một thư viện kỹ năng robot có thể kết hợp với nhau. Các policy chuyên biệt có thể đảm nhiệm từng thao tác, sau đó nối thành chuỗi hành động phức tạp hơn. Một vòng lặp khác còn cho thấy tỷ lệ thành công trên robot thật tăng từ khoảng 22% lên 52% khi policy được triển khai tạo ra dữ liệu thực để huấn luyện phiên bản kế tiếp.
Nếu ghép các mảnh ghép này lại, em thấy thesis của Axis đang rõ dần: không đơn thuần là xây một kho dữ liệu lớn cho Physical AI, mà là xây một data engine có khả năng học từ kết quả của chính những model nó hỗ trợ.
Đây cũng là lý do em không muốn chỉ đánh giá Axis qua leaderboard, points hay số lượng người tham gia. Những thứ đó cho thấy khả năng thu hút cộng đồng, nhưng câu hỏi lớn hơn là dữ liệu được tạo ra có giúp model tốt lên không, kỹ năng có tái sử dụng được không và hiệu quả đó có thể mở rộng sang robot, nhiệm vụ mới hay môi trường thực tế hay không.
Axis đã báo cáo hơn 6 triệu trajectories trong bản September Wrapped, đồng thời mở rộng hướng nghiên cứu về composable skills và self-improving Sim2Real. Những con số này đáng chú ý, nhưng giá trị dài hạn sẽ nằm ở việc biến quy mô dữ liệu thành năng lực robot thực sự.
Với em, đây mới là cuộc chơi đáng theo dõi trong Physical AI: không phải ai có dataset lớn nhất, mà là ai xây được vòng lặp khiến mỗi thế hệ dữ liệu giúp thế hệ robot tiếp theo tốt hơn.
Nếu Axis làm được điều đó ở quy mô lớn, dữ liệu sẽ không còn chỉ là tài nguyên đầu vào. Nó có thể trở thành lợi thế tích lũy theo thời gian.
195
8
208
1,678
Nghẹo | DOPE retweeted
TGE của @axisrobotics sắp tới rồi. Nhìn lại quãng thời gian vừa qua, từ cày task trên Hub, làm Pre/Post-training đến theo dõi bảng Kaito, em nghĩ nhiều bác ở đây cũng có cảm giác vừa mong chờ vừa tò mò giống em.
Nhưng nói thật, điều khiến em chú ý ở Axis không chỉ là airdrop hay $AXIS sẽ có giá bao nhiêu khi lên sàn.
Axis đang nhắm vào một bài toán mà Physical AI sớm muộn cũng phải giải: dữ liệu để robot học từ thế giới thực.
LLM có Internet để học, còn robot thì không có sẵn một kho trải nghiệm vật lý khổng lồ như vậy. Muốn robot biết cầm nắm, di chuyển, xử lý tình huống và tự cải thiện khi mắc lỗi, cần rất nhiều dữ liệu đúng với từng nhiệm vụ. Đây mới là phần khó mà Axis muốn xây dựng hạ tầng để giải quyết.
Điểm em muốn theo dõi sau TGE là liệu những gì cộng đồng đang đóng góp có thể chuyển thành nguồn dữ liệu chất lượng, phục vụ huấn luyện robot và tạo ra nhu cầu thực tế cho hệ sinh thái hay không. Vì cuối cùng, số lượng task hay điểm thưởng chỉ là một phần của câu chuyện. Giá trị dài hạn phải đến từ thứ mạng lưới tạo ra được, chứ không thể chỉ đến từ sự chú ý của cộng đồng.
Về $AXIS, tokenomics đã bắt đầu hé lộ hướng đi: 61,08% tổng cung dành cho Network, bao gồm hệ sinh thái và phần thưởng contributor; tổng cung cố định 1 tỷ token, không lạm phát. Staking và governance cũng nằm trong định hướng được đề xuất, dù điều khoản cụ thể vẫn cần chờ công bố. Những con số này đáng để theo dõi, nhưng chưa đủ để kết luận token sẽ hoạt động tốt đến đâu.
Em đã dành thời gian đồng hành với Axis đến đây, nên tất nhiên cũng mong chờ ngày TGE. Nhưng thay vì chỉ chăm chăm nhìn chart lúc mở giao dịch, em muốn xem sau đó đội ngũ sẽ ship gì, đối tác được triển khai ra sao và mạng lưới dữ liệu có tiếp tục phát triển hay không.
TGE có thể tạo ra sự chú ý trong vài ngày. Còn để giữ được sự chú ý đó, Axis cần chứng minh được giá trị của mình trong nhiều tháng, thậm chí nhiều năm.
Chúc các bác đã đồng hành từ sớm đều có kết quả xứng đáng. Giờ thì cùng chờ xem chương tiếp theo của Axis sẽ diễn ra thế nào.
Bác kỳ vọng điều gì nhất ở $AXIS sau TGE: giá token, phần thưởng contributor hay những bước tiến thực tế của Physical AI?
Rank #340 on @KaitoAI
Bảng xếp hạng Kaito của @axisrobotics đã có rồi. Em đang ở Top 340, với mindshare 0.08%.
Không phải vị trí cao nhất, nhưng đủ để nhìn lại lý do mình chọn dành thời gian cho Axis: đây không đơn thuần là một cuộc đua points hay một chiến dịch cần đăng bài mỗi ngày.
AI có thể ngày càng thông minh trong môi trường số, nhưng đưa trí tuệ đó ra ngoài đời thực là một câu chuyện khác. Robot cần dữ liệu về cách cầm nắm, di chuyển, xử lý tình huống và cả những lần thất bại. Không có dữ liệu phù hợp, model mạnh đến đâu cũng khó biến thành một cỗ máy thực sự hữu ích.
Đó là góc nhìn khiến em chú ý đến Axis Robotics. Dự án đang xây dựng hạ tầng dữ liệu cho Physical AI, kết nối quá trình tạo dữ liệu, huấn luyện và cải thiện hiệu suất robot. Những hướng triển khai với dữ liệu mô phỏng và đối tác trong lĩnh vực robotics cho thấy câu chuyện này không chỉ dừng ở việc thu hút cộng đồng, mà còn hướng đến bài toán ứng dụng thực tế.
Còn với Kaito, mindshare là cách đo mức độ chú ý mà cộng đồng dành cho dự án. Nhưng em nghĩ điều đáng chờ đợi hơn là sự chú ý ấy có chuyển hóa thành người đóng góp thực sự, dữ liệu hữu ích và tiến bộ công nghệ hay không.
#AxisRobotics #PhysicalAI
172
6
192
1,706
lets go
Time to submit your wallet for reward distribution.
Do it here: rarelist.io/profile
Add it once for current and future campaigns.
@streamoors is wrapping up soon. The USDT prize pool + airdrop will go to the winners.
13
2
37
584
Me and the boyz speedrunning our way to Kardashev II. @beffjezos gets it. Push civilizational acceleration forward with @projectspherexy
PS//KA8BUJ
6
1
21
337
f
Own your cells. Harvest their energy.
Early entries are being recorded: projectsphere.xyz
2
1
11
308
In Web3, finding projects worth paying attention to is not always about chasing the latest hype. Sometimes, it’s about staying curious, following the builders, and giving new ideas enough time to show what they can become.
That’s what makes exploring @projectspherexy and @streamoors interesting. Every project has its own direction, its own community, and its own way of approaching the space. The important part is looking beyond the surface and paying attention to what develops along the way.
I’ve learned that not every project needs to dominate the timeline to be worth watching. Consistency, community participation, and a clear vision can be just as interesting as a big announcement. Of course, time will tell which projects can turn their ambitions into something meaningful.
For now, I’m happy to keep exploring, learning, and following the journey.
No need to chase every narrative. Sometimes, the better move is to pay attention, stay involved, and let the builders do their work.
Keeping @projectspherexy and @streamoors on the radar. 👀
@rarelistio
134
1
133
614
The next big crypto narrative might not be about what AI can create, but about what happens when AI can own attention.
Think about it: the internet has spent decades turning human attention into an asset. Creators build audiences, platforms monetize engagement, and communities determine which personalities become culturally relevant.
Now imagine AI streamers entering that economy with their own identities and tokens. That’s the interesting angle behind @streamoors . The real opportunity isn’t simply automating content; it’s exploring whether AI personalities can build communities people genuinely care about.
Meanwhile, @projectspherexy is playing a different game: getting people to rally around a vision of accelerating civilization toward Kardashev Type II. Its challenge is turning an enormous idea into sustained community participation.
Here’s the deeper connection:
The next internet economy may be shaped by two scarce resources: attention and collective belief.
AI can make content abundant. Crypto can coordinate ownership and incentives. But neither can manufacture lasting cultural relevance on its own.
That’s what I’ll be watching: not just the narratives these projects attract, but whether they can turn curiosity into participation and participation into something that lasts.
Because in crypto, getting attention is easy compared with giving people a reason to stay.
@rarelistio
94
93
525
One thing I’ve learned after watching crypto for years: the projects that matter aren’t always the ones chasing the loudest narrative. They’re the ones building around a shift that people haven’t fully priced in yet.
That’s why @projectspherexy and @streamoors are interesting to me, for very different reasons.
Project Sphere taps into a much bigger question: how do we accelerate civilization toward Kardashev Type II? It’s an ambitious vision, but the interesting part is whether a community can turn that vision into sustained participation rather than just another narrative.
Streamoors takes a more immediate angle. AI streamers with their own identities and tokens on Solana raise an intriguing possibility: what happens when AI-generated content stops being just entertainment and starts becoming the center of an onchain community?
Here’s the connection I see 👇
Sphere is thinking about the scale of civilization. Streamoors is experimenting with the scale of digital attention.
Both touch on a deeper crypto thesis: technology creates the possibility, but communities determine whether it becomes culturally relevant.
The real mindshare opportunity isn’t simply mentioning these projects early. It’s understanding the problems they’re trying to solve, following how they execute, and forming an informed view before the broader market catches on.
Narratives come and go. Real adoption is what makes them stick. 🧠
@rarelistio
90
85
505
Ngày mới năng lượng nhé anh em
TGE sát đít rồi anh em chuẩn bị đếm cua chưa
Sơ qua tokenomic thì tokenomics của $AXIS là một thiết kế "Low Float - High Control" được may đo rất cẩn thận cho narrative Physical AI.
Campaign bên @KaitoAI cũng sắp end nên anh em tranh thủ nhé.
Rank #340 on @KaitoAI
Bảng xếp hạng Kaito của @axisrobotics đã có rồi. Em đang ở Top 340, với mindshare 0.08%.
Không phải vị trí cao nhất, nhưng đủ để nhìn lại lý do mình chọn dành thời gian cho Axis: đây không đơn thuần là một cuộc đua points hay một chiến dịch cần đăng bài mỗi ngày.
AI có thể ngày càng thông minh trong môi trường số, nhưng đưa trí tuệ đó ra ngoài đời thực là một câu chuyện khác. Robot cần dữ liệu về cách cầm nắm, di chuyển, xử lý tình huống và cả những lần thất bại. Không có dữ liệu phù hợp, model mạnh đến đâu cũng khó biến thành một cỗ máy thực sự hữu ích.
Đó là góc nhìn khiến em chú ý đến Axis Robotics. Dự án đang xây dựng hạ tầng dữ liệu cho Physical AI, kết nối quá trình tạo dữ liệu, huấn luyện và cải thiện hiệu suất robot. Những hướng triển khai với dữ liệu mô phỏng và đối tác trong lĩnh vực robotics cho thấy câu chuyện này không chỉ dừng ở việc thu hút cộng đồng, mà còn hướng đến bài toán ứng dụng thực tế.
Còn với Kaito, mindshare là cách đo mức độ chú ý mà cộng đồng dành cho dự án. Nhưng em nghĩ điều đáng chờ đợi hơn là sự chú ý ấy có chuyển hóa thành người đóng góp thực sự, dữ liệu hữu ích và tiến bộ công nghệ hay không.
#AxisRobotics #PhysicalAI
142
1
133
1,282
Rank #340 on @KaitoAI
Bảng xếp hạng Kaito của @axisrobotics đã có rồi. Em đang ở Top 340, với mindshare 0.08%.
Không phải vị trí cao nhất, nhưng đủ để nhìn lại lý do mình chọn dành thời gian cho Axis: đây không đơn thuần là một cuộc đua points hay một chiến dịch cần đăng bài mỗi ngày.
AI có thể ngày càng thông minh trong môi trường số, nhưng đưa trí tuệ đó ra ngoài đời thực là một câu chuyện khác. Robot cần dữ liệu về cách cầm nắm, di chuyển, xử lý tình huống và cả những lần thất bại. Không có dữ liệu phù hợp, model mạnh đến đâu cũng khó biến thành một cỗ máy thực sự hữu ích.
Đó là góc nhìn khiến em chú ý đến Axis Robotics. Dự án đang xây dựng hạ tầng dữ liệu cho Physical AI, kết nối quá trình tạo dữ liệu, huấn luyện và cải thiện hiệu suất robot. Những hướng triển khai với dữ liệu mô phỏng và đối tác trong lĩnh vực robotics cho thấy câu chuyện này không chỉ dừng ở việc thu hút cộng đồng, mà còn hướng đến bài toán ứng dụng thực tế.
Còn với Kaito, mindshare là cách đo mức độ chú ý mà cộng đồng dành cho dự án. Nhưng em nghĩ điều đáng chờ đợi hơn là sự chú ý ấy có chuyển hóa thành người đóng góp thực sự, dữ liệu hữu ích và tiến bộ công nghệ hay không.
#AxisRobotics #PhysicalAI
Axis Community AMA: Những thông tin quan trọng bác cần nắm trước TGE
Trong buổi AMA cộng đồng ngày 10/9, @axisrobotics đã giải đáp nhiều câu hỏi liên quan đến airdrop, Kaito Epoch 2, điểm thưởng và việc liên kết tài khoản. Có một số thông tin bác nên kiểm tra sớm để tránh bỏ lỡ quyền lợi của mình.
1. Discord Role Airdrop – đừng quên liên kết Hub
Các vai trò Discord đủ điều kiện liên quan đến X, Y, Z cần được liên kết với Hub trước TGE. Nếu hoàn tất sau TGE, bác sẽ vĩnh viễn mất quyền nhận airdrop vai trò lần này. Airdrop cho Discord Role chiếm 0,02% tổng nguồn cung token; riêng Top 10 và Little Prince không nằm trong đợt airdrop này. OG cũng không có điểm thưởng cộng thêm.
2. Airdrop và tokenomics
Airdrop dành cho Discord Role và người tham gia Kaito dự kiến mở khóa 100% tại TGE. Khi claim, người dùng chỉ cần trả phí gas thông thường, không có khoản phí độc quyền bổ sung. Tỷ lệ quy đổi điểm sang token và thứ tự phát hành airdrop với token bán công khai vẫn chưa được chốt cuối cùng.
3. Kaito Epoch 2 – cơ hội cuối trước TGE
Epoch 2 dự kiến kết thúc vào ngày 18/10, và đây là vòng hoạt động cuối cùng trước TGE. Thông tin về hạn nộp ngày 11/10 được xác nhận là có lỗi, vì vậy bác đừng nhầm mốc này với ngày kết thúc chiến dịch. Bảng xếp hạng dự kiến được công bố vào ngày 9/10 hoặc thứ Hai tuần sau. Theo chia sẻ tại AMA, mức độ cạnh tranh hiện tại vẫn tương đối thấp, nên các tài khoản nhỏ vẫn có cơ hội lọt Top 500.
4. Điểm thưởng, huy hiệu và quyền lợi cộng đồng
Điểm từ hoạt động Binance sẽ được ghi nhận trong tài khoản Axis Hub, không ghi trực tiếp vào Binance Wallet. Huy hiệu hiện chủ yếu thể hiện quá trình hoàn thành nhiệm vụ và mức độ đóng góp; quyền lợi bổ sung cụ thể sau TGE vẫn chưa được công bố. Cơ chế thưởng stablecoin cho những người đóng góp liên tục cũng sẽ được đội ngũ giải thích thêm sau TGE.
5. Lưu ý về tài khoản
Nếu tài khoản X dùng để đăng ký Hub bị khóa, bác cần khôi phục tài khoản trước khi tiếp tục sử dụng các chức năng liên quan. Phương thức đăng nhập vẫn phụ thuộc vào cách đăng ký ban đầu; việc liên kết thêm Discord không tự động thay thế phương thức đăng nhập gốc. Đội ngũ cũng cho biết Discord và X hiện không thể tự hủy liên kết qua Hub. Tài khoản chính chỉ cần liên kết Discord và X, không bắt buộc liên kết Binance Wallet.
Tóm lại, việc nên làm ngay là kiểm tra tài khoản Hub, xác nhận Discord Role đã được liên kết đúng và tiếp tục theo dõi Kaito Epoch 2 trước ngày 18/10. Những chi tiết chưa được công bố chính thức như tỷ lệ quy đổi điểm, quyền lợi huy hiệu và cơ chế thưởng stablecoin vẫn cần chờ cập nhật từ đội ngũ.
Bác nào đang tham gia Axis thì nên rà soát tài khoản sớm, đừng để một bước liên kết bị bỏ sót ảnh hưởng đến quyền lợi của mình.
@axisrobotics
#AxisRobotics #PhysicalAI
177
1
166
4,173
imediately
Not long until launch.
Sign up early at streamoors.fun
AI influencers are evolving into AI streamers for the first time.
Put your freaky character live. Create its own token. Earn fees.
2
2
289
Nghẹo | DOPE retweeted
Ngày mới năng lượng nhé anh em
TGE sát đít rồi anh em chuẩn bị đếm cua chưa
Sơ qua tokenomic thì tokenomics của $AXIS là một thiết kế "Low Float - High Control" được may đo rất cẩn thận cho narrative Physical AI.
Campaign bên @KaitoAI cũng sắp end nên anh em tranh thủ nhé.
Rank #340 on @KaitoAI
Bảng xếp hạng Kaito của @axisrobotics đã có rồi. Em đang ở Top 340, với mindshare 0.08%.
Không phải vị trí cao nhất, nhưng đủ để nhìn lại lý do mình chọn dành thời gian cho Axis: đây không đơn thuần là một cuộc đua points hay một chiến dịch cần đăng bài mỗi ngày.
AI có thể ngày càng thông minh trong môi trường số, nhưng đưa trí tuệ đó ra ngoài đời thực là một câu chuyện khác. Robot cần dữ liệu về cách cầm nắm, di chuyển, xử lý tình huống và cả những lần thất bại. Không có dữ liệu phù hợp, model mạnh đến đâu cũng khó biến thành một cỗ máy thực sự hữu ích.
Đó là góc nhìn khiến em chú ý đến Axis Robotics. Dự án đang xây dựng hạ tầng dữ liệu cho Physical AI, kết nối quá trình tạo dữ liệu, huấn luyện và cải thiện hiệu suất robot. Những hướng triển khai với dữ liệu mô phỏng và đối tác trong lĩnh vực robotics cho thấy câu chuyện này không chỉ dừng ở việc thu hút cộng đồng, mà còn hướng đến bài toán ứng dụng thực tế.
Còn với Kaito, mindshare là cách đo mức độ chú ý mà cộng đồng dành cho dự án. Nhưng em nghĩ điều đáng chờ đợi hơn là sự chú ý ấy có chuyển hóa thành người đóng góp thực sự, dữ liệu hữu ích và tiến bộ công nghệ hay không.
#AxisRobotics #PhysicalAI
142
1
133
1,282