Baovy06
Baovy06
• 在雷雨中守護，月出時收割果實。 • 位置決定一切。 • 波浪前的平靜，堅定地站在圖表前。
1,020關注中
1,065粉絲
動態
動態
. @Trumpprisonsol 這款“黑色幽默”監獄管理遊戲正在 Solana 上引起強烈關注
如果大家喜歡既娛樂、又帶有 meme 風格、又混亂的遊戲，那麼 Trump Prison 絕對是不容錯過的名字
這是一款帶有諷刺風格的監獄管理模擬遊戲，靈感來自 2025–2026 年期間最熱門的病毒事件和知名人物。從角色設計到遊戲玩法都相當“瘋狂”，完全是網路 meme 的風格
雖然遊戲尚未正式開放，但該項目已經有超過 13,000 名全球社群用戶提前註冊，足見其吸引力之大。
📅 遊戲開放時間：
• 早期體驗：5 月 15 日 20:00（越南時間）
→ 僅限前 1,000 名玩家
• 5 月 16 日：
→ 正式公開
→ $CELL 代幣也將同步啟動
🎮 遊戲玩法如何運作？
遊戲連結：
玩家將通過以下方式建立自己的“監獄帝國”：
• 開包獲得 Warden（監獄長）
• 抽卡獲得 Prisoner（囚犯）
• 購買 Cell（牢房）
然後組合：
1 名 Warden + 1 名 Prisoner 放入 1 個 Cell 開始挖掘 $CELL
牢房越多，挖掘產量越高。玩家也可以擴展牢房鏈以增加收益。
此外：
• Warden 和 Prisoner 都可以用 $CELL 升級
• 升級越高 → 挖掘速度和效率越強
📌 遊戲中的每日活動：
為了讓囚犯穩定運作，每天玩家需要：
• 用 $CELL 購買食物和飲水
• 維持囚犯的能量
還有：
早晨簽到：
13:00 – 17:00（越南時間）
晚間簽到：
01:00 – 04:00（越南時間）
特別的是：
每天必須開啟牢房 1 小時，讓囚犯參加集體活動 😂
🔥 最值得注意的是代幣銷毀機制：
遊戲中使用的 $CELL 有 70% 將被永久銷毀。
包括：
• 購買食物和能量
• 升級 Warden
• 升級 Prisoner
這意味著：
玩家活動越頻繁 → 被銷毀的 $CELL 越多 → 供應越來越稀缺 👀
遊戲看起來既 meme 又娛樂，但運作機制相當完整，對喜歡管理遊戲和資源挖掘的人來說很容易上癮 😆
今天是我在 @axisrobotics 的第5天，隨著我在這裡的時間越久，我越能真正欣賞這個項目。
對我來說，決定長期留在任何項目中有兩件非常重要的事：
首先，社群必須活躍且充滿熱情
一個強大的項目不僅僅是技術，還有背後的人。我非常喜歡 Axis 的地方是，團隊和社群成員總是一起互動，每天討論項目，互相幫助完成任務，並分享資訊。感覺大家是真心在一起打造，而不是只是耕作後就離開 🤣
第二，項目需要有明確的路線圖。
Axis 給我的感覺是團隊對打造產品和長期願景非常認真。當然還有很多地方需要改進，但團隊每天都在持續更新和優化。
這大概就是為什麼我決定全心全意投入這個項目
我真心希望 Axis 未來不會讓我或社群失望。
關於任務，我看到很多人擔心他們的任務顯示「完成」但仍無法簽署他們的錢包。根據我自己的經驗，我認為大家只要再多等一點，不要慌張 ❤️
我的一些任務也懸而未決好幾天，我還以為它們完全壞了。但今天，我所有待處理的任務終於成功簽署了。
這證明團隊真的很努力修復系統，改善用戶體驗，並每天持續開發項目。早期階段的項目總會有問題，但最重要的是團隊如何回應和改進。現在，我認為 Axis 在這方面做得相當不錯
GN @Nasun_io
休息了一段時間後，我最近又回來查看這個項目
我注意到一件事是團隊做了不少改變，整體方向現在感覺更清晰了。
Nasun 目前正在打造一個基於 Move 的 Layer 1 生態系，專注於三大主要領域：
Pado → 去中心化金融平台
Baram → 鏈上 AI 系統
Gen Sol → 科幻遊戲、電影及娛樂生態系
我覺得有趣的是，團隊並不僅僅專注於去中心化金融或 AI 的單一領域。
相反，他們試圖將多個領域結合成一個生態系，以創造更連貫的用戶體驗。
閱讀了路線圖後，我認為 Nasun 的願景相當雄心勃勃。
除了區塊鏈，該項目還計劃擴展到 AI 基礎設施、計算網絡和娛樂生態系。
目前，該項目仍處於早期階段，但他們的排行榜活動已開始為 X 社群帶來更多活躍度
如果團隊繼續朝正確方向發展，我認為 Nasun 有望成為 AI + 區塊鏈領域值得關注的項目
Baovy06 已轉發
Axis Weekly
上週，我們在完整的機器人數據循環中取得了進展，包括任務生成、模擬基礎設施、模型訓練和故障恢復。
主要更新：
- 任務生成：我們改進了 TaskGen，增強了自動檢查器生成能力、更強的多體現支持，以及更高效的領域隨機化，以在減少手動設計工作的同時擴大任務多樣性。
- 模擬基礎設施：我們持續改進 MuJoCo 的驗證/重播和場景變體工作流程，包括修復數據收集、多資產場景、重複加載/下載、初始狀態、遠程操作、逆向運動學（IK）和夾爪控制等方面的問題。
- 模型訓練：我們確認新的隨機任務在有足夠數據的情況下是可學習的。在目前的實驗中，500 個示範成功產生了可執行的策略，而 100 個示範則不足以達成。
- 故障恢復：我們開始構建一個從故障中恢復的流程，用於收集和分類抓取過程中夾爪失敗及接近失敗的狀態，未來將支持更強健的恢復策略學習。
深入了解本週的進展🧵