{
  "trx_id": "d70e2c4f3434475ac54783acbfe70571780602dc",
  "block": 105203346,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-04-15T06:32:45",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "armaiax",
      "vesting_shares": "5441.473695 VESTS"
    }
  ]
}

{
  "trx_id": "a65c86ed6b94596978ab79fa5542ef7abd100b26",
  "block": 102591048,
  "trx_in_block": 1,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-14T05:50:39",
  "op": [
    "vote",
    {
      "voter": "spam-filter",
      "author": "armaiax",
      "permlink": "respuesta-el-guardian-del-laberinto-adaptativo-un-reto-de-ia",
      "weight": 100
    }
  ]
}

{
  "trx_id": "eabecbdc1ebc59203098d76ce9e98ab96c9f2a73",
  "block": 102590998,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-14T05:48:09",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "tag",
      "author": "armaiax",
      "permlink": "respuesta-el-guardian-del-laberinto-adaptativo-un-reto-de-ia",
      "title": "Respuesta: \"El Guardián del Laberinto Adaptativo: Un reto de IA\"",
      "body": "1. Elige tu \"Cerebro\" A) ML-Agents (Unity). Porque está integrado directamente con el motor, es especializado para aprendizaje por refuerzo en entornos virtuales y permite entrenar al avatar interactuando con el entorno en tiempo real.\n\n2. El Mapa de Datos El entorno debe enviar:\n\nPosición (x, y) del avatar y del objetivo (paquete).\n\nDistancias a obstáculos en varias direcciones (como un radar).\n\nEstado de los sensores (colisión inminente sí/no).\n\nVelocidad y dirección actual del avatar.\n\n3. El Sistema de Premios \n\nPremio: +100 por recoger un paquete.\n\nCastigo: -50 por chocar.\n\nInactividad: Restar -1 por segundo sin movimiento, y otorgar un pequeño premio (+10) por avanzar hacia el objetivo.\n\nPreguntas de Reflexión (Evaluación diagnóstica):\n\nDiferenciación conceptual: Los scripts con if-else son reglas fijas; la IA aprende y se adapta a situaciones nuevas.\n\nPercepción de entorno: Datos como coordenadas, distancias a obstáculos, y detección de colisiones, procesados como vectores de entrada para la red neuronal.\n\nSelección de herramientas: Criterios clave: compatibilidad con el motor, documentación, rendimiento (bajo costo computacional) y facilidad de integración.\n\nProceso de aprendizaje: Un entorno para IA suele incluir mecanismos de simulación acelerada, generación aleatoria de escenarios y sistema de recompensas automático.\n\nMantenimiento y pruebas: Verificar primero los datos de entrada (sensores), luego revisar la función de recompensa, y finalmente la física del entorno (colisiones).\n\nImpacto de la incertidumbre: Usar lógica difusa o redes neuronales con salidas probabilísticas, evaluando múltiples factores (ej. batería, distancia) de forma continua.",
      "json_metadata": "{\"tags\":[\"tag\"],\"app\":\"steemit/0.2\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "b5a2a8ef8c6f020d962e6b83f26391371e9eb017",
  "block": 102590946,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-14T05:45:33",
  "op": [
    "custom_json",
    {
      "required_auths": [],
      "required_posting_auths": [
        "armaiax"
      ],
      "id": "follow",
      "json": "[\"reblog\",{\"account\":\"armaiax\",\"author\":\"frexus\",\"permlink\":\"el-guardian-del-laberinto-adaptativo-un-reto-de-ia\"}]"
    }
  ]
}

{
  "trx_id": "f7a634b71c83ba8638806302fff72c9ee89f56b3",
  "block": 102590906,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-14T05:43:33",
  "op": [
    "delete_comment",
    {
      "author": "armaiax",
      "permlink": "t8uaj8"
    }
  ]
}

{
  "trx_id": "d5522bb695bd3ef5b479d71ebd360ae2bbaa6e80",
  "block": 102590889,
  "trx_in_block": 1,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-14T05:42:42",
  "op": [
    "comment",
    {
      "parent_author": "frexus",
      "parent_permlink": "el-guardian-del-laberinto-adaptativo-un-reto-de-ia",
      "author": "armaiax",
      "permlink": "t8uaj8",
      "title": "",
      "body": "1. Elige tu \"Cerebro\" A) ML-Agents (Unity). Porque está integrado directamente con el motor, es especializado para aprendizaje por refuerzo en entornos virtuales y permite entrenar al avatar interactuando con el entorno en tiempo real.\n\n2. El Mapa de Datos El entorno debe enviar:\n\nPosición (x, y) del avatar y del objetivo (paquete).\n\nDistancias a obstáculos en varias direcciones (como un radar).\n\nEstado de los sensores (colisión inminente sí/no).\n\nVelocidad y dirección actual del avatar.\n\n3. El Sistema de Premios \n\nPremio: +100 por recoger un paquete.\n\nCastigo: -50 por chocar.\n\nInactividad: Restar -1 por segundo sin movimiento, y otorgar un pequeño premio (+10) por avanzar hacia el objetivo.\n\nPreguntas de Reflexión (Evaluación diagnóstica):\n\nDiferenciación conceptual: Los scripts con if-else son reglas fijas; la IA aprende y se adapta a situaciones nuevas.\n\nPercepción de entorno: Datos como coordenadas, distancias a obstáculos, y detección de colisiones, procesados como vectores de entrada para la red neuronal.\n\nSelección de herramientas: Criterios clave: compatibilidad con el motor, documentación, rendimiento (bajo costo computacional) y facilidad de integración.\n\nProceso de aprendizaje: Un entorno para IA suele incluir mecanismos de simulación acelerada, generación aleatoria de escenarios y sistema de recompensas automático.\n\nMantenimiento y pruebas: Verificar primero los datos de entrada (sensores), luego revisar la función de recompensa, y finalmente la física del entorno (colisiones).\n\nImpacto de la incertidumbre: Usar lógica difusa o redes neuronales con salidas probabilísticas, evaluando múltiples factores (ej. batería, distancia) de forma continua.",
      "json_metadata": "{\"app\":\"steemit/0.2\"}"
    }
  ]
}

{
  "trx_id": "e5af1085d7f655c9edb382b3c8ebf249af032a0a",
  "block": 102556341,
  "trx_in_block": 4,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-13T00:51:18",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "armaiax",
      "vesting_shares": "16430.593186 VESTS"
    }
  ]
}

{
  "trx_id": "89564489ded8c6081789a0f15c8482476e603a6b",
  "block": 102553321,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-12T22:19:48",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "armaiax",
      "vesting_shares": "17419.000000 VESTS"
    }
  ]
}

{
  "trx_id": "f82c9f0f82af400dd5f13e12c9bcf0dc5fd77fa0",
  "block": 102553320,
  "trx_in_block": 1,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-12T22:19:45",
  "op": [
    "create_claimed_account",
    {
      "creator": "steemcurator01",
      "new_account_name": "armaiax",
      "owner": {
        "weight_threshold": 1,
        "account_auths": [],
        "key_auths": [
          [
            "STM5e8j3c76f4RGbrViP9Tpq27Bi79wXYSvu6pseojRR1EAixbXpv",
            1
          ]
        ]
      },
      "active": {
        "weight_threshold": 1,
        "account_auths": [],
        "key_auths": [
          [
            "STM71EAKiC3byVqtzqqVjTvrFt4TavHYNT2rfYgdrFhiHf8xnS2QV",
            1
          ]
        ]
      },
      "posting": {
        "weight_threshold": 1,
        "account_auths": [],
        "key_auths": [
          [
            "STM538BEhaan6TU9zFbS3ajjAXc4hccx8uarmHtsrs7sacaKLo9Qf",
            1
          ]
        ]
      },
      "memo_key": "STM6JVmCcmR3udenMqoK4dxhTqsFFfN3TiHUAv4LtGrkibtbonmzS",
      "json_metadata": "{}",
      "extensions": []
    }
  ]
}