Todos estamos a favor de la interoperabilidad.

¡Haz bridge a Wanchain L1 sin tarifas de bridge! 🌉 ¡Transfiere a Wanchain L1 antes que a tu cadena de destino para ahorrar en comisiones! ¡Haz clic, haz bridge y ahorra! ¡Zarpemos! 🌊⛵ 🚀 👉 bridge.wanchain.org

I love BridgeFI 💙 #Wanchain wanchain:native 💎🔥🚀

📊 Todos los rendimientos de #Wanchain · en un mismo lugar. 💰🔥🚀 👉 wanyield.link 👈 P. D.: Un sitio web creado por la comunidad y para la comunidad. 💙 #BridgeFi #crypto #crosschain #Web3

⛵️ Cómo generar Ganancias con BridgeFi 🌉💰🚀 🏦 Staking de xWAN ⟢ Obtén ganancias de todas las transacciones que pasan por WanBridge. ⟢ Recibe rendimientos en $BTC, $ETH y stablecoins. ⟢ Haz staking de #BTC, #ETH y stablecoins para ganar más xWAN. ⟢ APRs actuales de hasta el 71%. ⚙️ Nodos PoS/Bridge ⟢ Genera rendimientos (APRs) al montar tu propio nodo. ⟢ Haz staking en un nodo para obtener ingresos pasivos. 💵 Bridge-To-Earn (Transferir para ganar) ⟢ Recibe recompensas por transferir tus activos entre cadenas (cross-chain). 🌐 Wanchain L1 ⟢ Obtén rendimientos en el ecosistema DeFi nativo de #Wanchain. 🏝️ Descubre otras blockchains ⟢ Transfiere activos a otras cadenas para generar rendimientos en otros ecosistemas. 💡 Inspirado en: @Wanchain_Intern

¡La propuesta WCP-001 está generando un gran interés! 🔥 Aquí tienes el cronograma 🗳️ 📖 Revisión y votación: del 15 al 29 de septiembre 📊 Resultados: 29 y 30 de septiembre ⚙️ Implementación (si se aprueba): del 1 al 7 de octubre Consulta la propuesta, comparte tus comentarios y emite tu voto. 👉 governance.wanchain.org

De DeFi a AI. De RWAs a la próxima narrativa. Cada nueva era de Web3 hace que una cosa sea más importante: interoperabilidad.

Axis Robotics llega a Medellín 🇨🇴 Nos unimos a AI After Hours Rooftop Edition, organizado por Visible Builders. Una noche dedicada a la inteligencia artificial y conexiones entre builders locales e internacionales. Presentaremos ¿Cómo aprende un robot? Y una breve introducción a la IA física, cómo se genera y entrena la data detrás de los robots. Más información y registro ⚡️ luma.com/orpa42bz

🚨 RADAR MARKETERO: PIZZA DAO VS LA BLOCKA Dos comunidades, dos estrategias y una batalla por demostrar quién entiende mejor el marketing Web3. En este episodio conversamos con @stevevaltart & @stevevaltart sobre comunidad, marketing, creatividad y todo lo que hay detrás de construir una marca que realmente conecte. 🎙️ @Pizza_DAO vs @lablockatoon ¿Quién tiene el mejor radar marketero? 👀 🔴 ¡EN VIVO! ⏰Viernes 04 - 7pm GMT-5 👉 Síguenos y acompáñanos en la conversación por nuestro canal de Youtube

En LATAM también se habla de IA Física y Robótica ⚡️ Crea con Axis es un concurso para creadores de contenido en latinoamérica que quieran aprender sobre IA Física, explorar el Axis Hub y contar su experiencia en español. $200 USD en premios + merch para 5 ganadores 🏆 🗓️ Tienes hasta el 15 de septiembre para participar, todos los detalles del concurso en el próximo tweet.

gm! Volvimos con los artículos en @marketersweb3 💜 👇

¿Cómo evaluar si un proyecto Web3 tiene buen marketing? #2 Y aquí está la diferencia clave: Audiencia ≠ comunidad

Gracias a Dios 🙏🏻 por otro año más de vida 🥳

¿Se puede emprender, liderar proyectos, construir en Web3 y ser mamá al mismo tiempo? Este Jueves de Minting Moments conversamos con Elizabeth Pacheco (@elizabeths_14 ) Country Lead de @P2Pdotme_Ecu , sobre maternidad, tecnología, liderazgo.👇

Enseñarle una tarea nueva a un robot normalmente requiere cientos de demostraciones hechas por personas controlándolo a mano. Y si se trata de adaptar un modelo grande a un robot completamente nuevo, el costo se dispara todavía más: hardware especializado, operadores entrenados, meses de trabajo de ingeniería. Con el robot de doble brazo de @boosterobotics, probamos si la simulación puede aliviar ese problema, en dos niveles: 🔹 Nivel 1: una tarea específica ¿Ayuda combinar simulación con solo unas pocas demostraciones reales? Sí. Con apenas 10 demostraciones reales, el robot no lograba tocar el objeto correctamente ni una sola vez (0 de 20 intentos). Al agregar 50 trayectorias simuladas, el robot logró hacer contacto en 17 de 20 intentos. 🔹 Nivel 2: un modelo más general ¿Sirve la data acumulada de varias tareas para darle al robot una base de conocimiento reutilizable? También sí. Después de entrenar un modelo con esa base, y ajustarlo con solo 30 demostraciones por tarea, superó a un modelo que había usado el doble de demostraciones (14 de 16 aciertos, contra 10 de 16, en pruebas simuladas). Incluso antes de ajustarlo a una tarea específica, ese modelo ya se acercaba al objetivo casi 3 veces mejor que antes (el margen de error bajó de 17.27 cm a 5.78 cm). 🔹¿Qué significa esto? Que no siempre se necesita muchísima data real para que un robot aprenda bien. La simulación, generada a gran escala, puede llenar ese vacío. Este trabajo corre sobre Axis Suite, nuestra solución de IA física para distintos tipos de robots. Los contribuidores de la comunidad generan esta data de simulación en Axis Hub, reduciendo la necesidad de data real para tareas específicas, y a la vez alimentando modelos capaces de generalizar entre distintos tipos de robots. Lee el blog completo: axisrobotics.ai/blogs/blog/a…