Channel
@embodied_ai_rc
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
621subscribers
-1 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002481943148 |
|---|---|
| Type | Channel |
| Username | @embodied_ai_rc |
| Created | Between 1 September 2024 and 31 March 2025— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 13 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 13 August 2026 |
| On Telegram | t.me/embodied_ai_rc |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 13 Aug 2026, 02:03 | 621 | -1 |
| 7 Aug 2026, 01:55 | 622 | no change |
| 6 Aug 2026, 18:32 | 622 | first reading |
20 posts held, back to 18 April 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 4 June 2026. An engagement rate over an empty window would be a number about nothing.
238 reactions across 20 posts, in 11 distinct kinds. The most used accounts for 62.6% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 149 | 62.6% | |
| 👍 | 44 | 18.5% | |
| ❤ | 35 | 14.7% | |
| 😁 | 2 | 0.84% | |
| 🥴 | 2 | 0.84% | |
| 👎 | 1 | 0.42% | |
| 💩 | 1 | 0.42% | |
| 😈 | 1 | 0.42% | |
| 😨 | 1 | 0.42% | |
| 🙏 | 1 | 0.42% | |
| 🤮 | 1 | 0.42% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 238reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 18 April 2025 to 4 June 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
🔥Всем привет! 📆Завтра (05.06) в 17:00 Егор Черепанов, Алексей Староверов и Татьяна Земскова разберут архитектуру и методы обучения и инференса модели RLDX-1 от корейского стартапа RLWRLD и обсудят, почему эту работу уже можно считать заметным вызовым современным VLA-моделям. ⚫️Авторы предлагают VLA-архитектуру для мобильной манипуляции, которая объединяет память на разных уровнях, тактильные сигналы, синтетически…
👍9🔥3😈1
🚀 Открываем приём заявок на Лето с AIRI 2026! Юбилейная Летняя школа по искусственному интеллекту пройдёт в Первом университетском лицее имени Н.И. Лобачевского при МГУ в городе Усть-Лабинск, Краснодарский край. Даты проведения — с 21 июля по 4 августа. На школе вы сможете лично пообщаться с известными учёными в области ИИ и найти единомышленников, зарядиться вдохновением и получить новые знания для будущих исследо…
❤2🙏1
Всем привет!🔥 📆 Завтра (03.04) в 17:00 Татьяна Земскова разберет статью DreamVLA: A Vision-Language-Action Model Dreamed with Comprehensive World Knowledge представленную на NeurIPS 2025, в которой предлагается модель на основе VLA для решения задачи манипуляции, использующая прогнозирование знаний о мире (динамические области пространства, глубину и семантическую сегментацию). Авторы используют связку «восприяти…
❤4👍3🔥3
🔥 Выложили запись клуба с разбором победного решения BEHAVIOR Challenge🔥 VK | YouTube
👍9❤4
Всем привет!🔥 📆 Сегодня (27.02) в 17:00 Артём Латышев расскажет про: Объединение моделей мира и Vision-Language-Action моделей ⚫️Модели мира позволяют агенту предсказывать будущие состояния среды и последствия своих действий, что делает возможным генерацию дополнительного обучающего опыта без взаимодействия с реальным миром, предварительную оценку рисков и повышение устойчивости к ситуациям вне обучающего распреде…
🔥7
Всем привет!🔥 📆 В эту пятницу (06.02) в 17:00 Илья Ларченко и Глеб Зарин, победители BEHAVIOR Challenge, разберут своё решение🔥 Запись: VK | YouTube Задачей в BEHAVIOR Challenge было обучить робота выполнять 50 повседневных задач (от 1 до 15 минут) в реалистичной симуляции используя датасет из 1200 часов ручного управления роботом. Илья и Глеб рассакажут про: ⚫️Безлайн на основе PI0.5 ⚫️Изменения в архитектуре мо…
🔥18
Всем привет!🔥 📆 Сегодня (30.01) в 17:00 Татьяна Земскова и Алексей Староверов проведут: Разбор решений BEHAVIOR-1K Challenge Vision-language-action (VLA) модели показали перспективные результаты в решении базовых задач планирования действий: манипуляции и навигации. Но отдельных робототехнических навыков недостаточно для решения высокоуровневых бытовых задач, требующих последовательного выполнения отдельных подзад…
👍8🔥8❤2
Всем привет!🔥 📆 Сегодня (23.01) в 17:00 Дмитрий Поярков расскажет про: Основные подходы для комбинации оффлайн и онлайн обучения в RL Объединение оффлайн и онлайн обучения нейросетевых моделей позволяют объединить сильные стороны двух подходов. ⚫️Оффлайн-обучение эффективно использует накопленные данные, но склонно к переобучению и потому теряет надёжность при смене условий. ⚫️Онлайн-обучение, действуя в режиме …
🔥12
Всем привет!🔥 📆 В эту пятницу (26.12) в 17:00 Егор Черепанов расскажет про новые статьи по VLA с памятью: ⚫️MemoryVLA — VLA-модель для настольной манипуляции, которая явно запоминает прошлые шаги, потому что многие задачи манипуляции немарковские и «по одному кадру» не решаются. Модель хранит историю в специальной памяти из двух частей: низкоуровневые визуальные детали и высокоуровневое смысловое резюме, извлекает …
🔥12
Всем привет!🔥 📆 Завтра (19.12) в 17:00 Никита Качаев расскажет о двух новых статьях physical intelligence: ⚫️Про метод RECAP [1] для дообучения VLA-моделей при помощи RL на демонстрациях, on-policy траекториях с разряженным сигналом и коррекциях от человека. Разберём извлечение улучшенной стратегии через advantage-conditioning и почему такой метод позволяет заметно повысить качество VLA на long-horizon задачах ⚫️П…
🔥12
Всем привет!🔥 📆 Завтра (05.12) в 17:00 Даниил Зелезецкий расскажет про Подходы к повышению визуальной обобщаемости в задаче обучения с подкреплением Обучаясь на тренировочных средах, вместе с выработкой релевантных навыков агент может запоминать нерелевантную информацию о среде, неожиданное изменение которой спровоцирует падение перфоманса агента. На встрече мы обсудим задачу визуальной обобщаемости, когда нерелев…
🔥6❤5
Всем привет!🔥 📆 Завтра (14.10) в 17:00 Анатолий Онищенко выступит с докладом Память для LLM агентов или агенты для LLM памяти? Стандартные подходы к памяти LLM агента не справляются с непрерывным потоком информации. Задача фильтрации и структурирования этих данных сложна и может решаться как заранее заданными правилами, так и силами отдельного LLM-агента. Мы рассмотрим как различные подходы реализуют память для LL…
❤8🔥5
Showing the 12 most recent of 20 posts we hold for @embodied_ai_rc. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 777,946 of 1,481,243entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 13 August 2026 — this entry's latest reading, not the date you are reading this.
“Embodied AI Reading Club” (@embodied_ai_rc), 621 subscribers as measured 13 August 2026. Telegram Register, tgregister.com/channel/embodied_ai_rc.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.