Дані, необхідні для гуманоїдних роботів, повинні бути економічно вигідними, масштабованими та комбінованими, а модель стимулювання токенів криптоактивів може заповнити найгострішу прогалину.
Написав: @brezshares
Укладач: AididiaoJP, Foresight News
Фоновий підсумок
Універсальні гуманоїдні роботи швидко переходять з науково-фантастичної літератури в комерційну реальність. Завдяки зниженню вартості апаратного забезпечення, різкому збільшенню капіталовкладень та прогресу в русі та гнучкості, в галузі обчислень штучного інтелекту назріває наступний великий етап трансформаційних змін.
Хоча AI хмарні обчислення та апаратні засоби стають все більш поширеними, забезпечуючи недороге виробниче середовище для інженерії Ботів, ця сфера все ще обмежена недостатньою кількістю навчальних даних.
Reborn намагається використовувати DePAI для децентралізованого високоякісного руху та синтетичних даних, а також створити базову модель Ботів. Члени проекту походять з Каліфорнійського університету в Берклі, Корнельського університету, Гарвардського університету та компанії Apple.
Людські роботи: від наукової фантастики до реальності
Комерціалізація Ботів не є новою концепцією, наприклад, робота-пилососа iRobot Roomba, випущеного в 2002 році, або популярної в останні роки камери для домашніх тварин Kasa, але зазвичай вони мають лише одне функціональне призначення. З розвитком технологій штучного інтелекту Боти поступово еволюціонують з однофункціональних машин у багатофункціональні пристрої, здатні працювати в неструктурованих середовищах.
Протягом наступних 5 до 15 років, людино-подібні роботи поступово розширять свої можливості від базових завдань, таких як прибирання та приготування їжі, до складних сфер, таких як готельне обслуговування, пожежогасіння та навіть хірургічні операції. У трьох основних тенденціях бачення поступово стає реальністю:
Швидке розширення ринку: в світі вже більше 100 компаній займаються розробкою гуманоїдних роботів, включаючи такі відомі компанії, як Tesla, Unitree, Figure, Clone, Agile та ін.
Технологічний прорив у «страшній долині»: нове покоління гуманоїдних роботів має плавні та природні рухи, здатні до багатого взаємодії з людьми. Наприклад, швидкість ходьби Unitree H1 досягає 3,3 метри на секунду, що значно перевищує середню швидкість людини в 1,4 метри на секунду.
Нова парадигма витрат на робочу силу: очікується, що до 2032 року витрати на експлуатацію гуманоїдних роботів будуть нижчими за рівень заробітної плати звичайної робочої сили в США.
Вузьке місце: брак навчальних даних з реального світу
Незважаючи на великі перспективи в сфері гуманоїдних ботів, якщо мова йде про масове впровадження, все ще існують обмеження щодо якості та обсягу навчальних даних.
Інші сфери ШІ (як-от автономне водіння) вже вирішили проблеми з даними за допомогою автомобільних камер і датчиків. Наприклад, Tesla та Waymo тренують свої автономні системи водіння на основі величезних обсягів реальних даних водіння. Waymo може дозволити автомобілям проводити навчання в реальному часі на дорозі і під час навчання призначати роботизованого тренера на пасажирському місці.
Проте споживачі мають слабку готовність надавати дані під час використання Ботів, і їм навряд чи вдасться терпіти існування «роботизованих нянь». Тому гуманоїдні роботи повинні мати високу продуктивність вже на етапі випуску, що робить збір даних перед розгортанням ключовим викликом.
Хоча кожен режим навчання має свої одиниці виміру, масштаб даних для навчання Ботів має порядкову різницю з іншими сферами штучного інтелекту:
GPT-4: навчальні дані містять понад 15 трильйонів текстів.
Midjourney/Sora: залежить від десятків мільярдів помічених відео - текстових пар.
Боти даних: максимальний обсяг лише близько 2,4 мільйона фрагментів руху.
Ця різниця пояснює, чому технології Ботів ще не створили справжню базову модель, адже дані взагалі не можна зібрати. Традиційні методи збору даних важко задовольнити потреби:
Симуляційне навчання: низька вартість, але нестача маловідомих випадків з реального світу (тобто «Sim2Real розрив»).
Мережеве відео: відсутні дані про зворотний зв'язок з зусиллями або дані про тілесне сприйняття, необхідні для навчання Ботів.
Реальні дані збору: потрібне дистанційне управління людиною, вартість однієї машини перевищує 40 тисяч доларів і важко масштабувати.
Reborn намагається отримати дані з реального світу з низькими витратами та високою ефективністю через децентралізовану модель, ефективно вирішуючи проблему Sim2Real.
Reborn: Повноцінне рішення DePAI
Reborn прагне створити вертикально інтегровану фізичну платформу штучного інтелекту та даних з основною метою вирішення вузького місця даних гуманоїдних роботів, але бачення виходить далеко за ці межі. Завдяки власному обладнанню, інфраструктурі мультимодального моделювання та розробці фундаментальних моделей, Reborn прагне стати повноцінним інструментом у галузі інтелектуальних гуманоїдних роботів.
ReboCap: краудсорсингові високоякісні спортивні дані
ReboCap є низькобюджетним пристроєм для захоплення руху, розробленим Reborn, наразі продано понад 5000 одиниць, а кількість активних користувачів на місяць (MAU) досягла 160 000.
!
Reborn забезпечує збір даних з економічною ефективністю, що перевершує інші альтернативи.
Користувачі генерують високоякісні дані про рух через AR/VR ігри та отримують мережеві винагороди. Ця модель не лише приваблює гравців, але й використовується цифровими ведучими для реального часу віртуальних образів. Цей природний циклічний взаємозв'язок завершує масштабовану, економічно вигідну та високоякісну генерацію даних.
Roboverse: єдина мультимодальна платформа симуляції
Roboverse є мультимодальною платформою симуляції, спрямованою на об'єднання розрізнених симуляційних середовищ. Поточні інструменти симуляції роботів (такі як MuJoCo, NVIDIA Isaac Lab) мають різні функції, але не є сумісними, що серйозно уповільнює ефективність розробки. Roboverse встановлює стандартизовану систему через симулятори, створюючи спільну віртуальну інфраструктуру для розробки та оцінки моделей роботів. Завдяки наданню єдиної платформи для розробки та оцінки покращено сумісність моделей.
Reborn Базова Модель (RFM)
!
Reborn технічний стек
Reborn найбільш ключовим компонентом стеку є базова модель Reborn (RFM). RFM є однією з перших базових моделей, спеціально розроблених для Ботів, і має на меті стати основною інфраструктурою DePAI. Це схоже на традиційні базові моделі, орієнтовані на LLM, такі як o4 від OpenAI або Llama від Meta, але RFM орієнтована на Ботів.
ReboCap, Roboverse та RFM створили потужний захист для Reborn. Поєднуючи реальні дані ReboCap з симуляційними можливостями Roboverse, RFM може навчати високопродуктивні моделі, що адаптуються до складних сцен, які можуть підтримувати різноманітні застосування в промислових, споживчих та дослідницьких роботах.
Reborn просуває комерціалізацію технологій, наразі співпрацює з Galbot та Noematrix для проведення платних пілотних проєктів, а також встановлює стратегічні партнерства з YuShu Technology, Booster Robotics, Swiss Mile та Agile Robots. Ринок гуманоїдних роботів в Китаї швидко зростає, становлячи приблизно 32.7% світової частки ринку. Варто зазначити, що YuShu Technology займає понад 60% світового ринку симуляційних роботів і є одним із китайських виробників гуманоїдних роботів, які планують виробництво понад 1000 одиниць до 2025 року.
Шифрування активів у DePAI
Шифрувальні технології реалізують повний вертикальний стек для DePAI.
!
Reborn є провідним проєктом у сфері DePAI
Проект DePAI забезпечує відкриту, комбіновану та бездозвільну масштабованість за допомогою стимулювання токенів, що дозволяє досягти ефективного децентралізованого збору даних та моделі стимулювання.
Reborn ще не випустив токени, але токеноміка може прискорити масове впровадження Reborn. Як тільки механізм стимулювання токенів запрацює, очікується, що участь у мережі швидко зросте:
Токенні винагороди: користувачі, які купують ReboCap, отримують токенні винагороди, тоді як компанія-робот отримує дані за плату, що створює позитивний цикл.
Видобуток крайніх випадків: за допомогою динамічного механізму стимулювання заохочуються користувачі до внесення даних про високоворстні крайні випадки, щоб заповнити розрив Sim2Real.
!
Реборн з DePAI зростаюче колесо
Дані є ключовими
Справжня конкурентна перевага гуманоїдних Боти полягає в даних та моделях. Конкретно кажучи, це масштаб, якість і різноманітність інтелектуальних даних, які використовуються для навчання цих машин.
Час «ChatGPT» людських Ботів не буде контролюватися апаратними компаніями, оскільки впровадження апаратного забезпечення стикається з такими вродженими викликами, як висока вартість і тривалий термін виконання. Вірусне поширення технології Ботів в основному обмежене витратами, доступністю апаратного забезпечення та складністю логістики, тоді як чисте цифрове програмне забезпечення, таке як ChatGPT, не підлягає таким обмеженням.
Основний висновок: Дані є вирішальним фактором
Справжня точка перелому виникне з переваг даних і моделей після зниження витрат. Дані, необхідні для людських роботів, є економічно вигідними, масштабованими та комбінованими, тоді як модель стимулювання токенів криптоактивів може заповнити найбільш нагальну прогалину на сьогодні. Reborn перетворює звичайних людей на «майнерів спортивних даних» за допомогою моделі стимулювання токенів криптоактивів.
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Криптоактиви в сфері гуманоїдних Ботів
Написав: @brezshares
Укладач: AididiaoJP, Foresight News
Фоновий підсумок
Універсальні гуманоїдні роботи швидко переходять з науково-фантастичної літератури в комерційну реальність. Завдяки зниженню вартості апаратного забезпечення, різкому збільшенню капіталовкладень та прогресу в русі та гнучкості, в галузі обчислень штучного інтелекту назріває наступний великий етап трансформаційних змін.
Хоча AI хмарні обчислення та апаратні засоби стають все більш поширеними, забезпечуючи недороге виробниче середовище для інженерії Ботів, ця сфера все ще обмежена недостатньою кількістю навчальних даних.
Reborn намагається використовувати DePAI для децентралізованого високоякісного руху та синтетичних даних, а також створити базову модель Ботів. Члени проекту походять з Каліфорнійського університету в Берклі, Корнельського університету, Гарвардського університету та компанії Apple.
Людські роботи: від наукової фантастики до реальності
Комерціалізація Ботів не є новою концепцією, наприклад, робота-пилососа iRobot Roomba, випущеного в 2002 році, або популярної в останні роки камери для домашніх тварин Kasa, але зазвичай вони мають лише одне функціональне призначення. З розвитком технологій штучного інтелекту Боти поступово еволюціонують з однофункціональних машин у багатофункціональні пристрої, здатні працювати в неструктурованих середовищах.
Протягом наступних 5 до 15 років, людино-подібні роботи поступово розширять свої можливості від базових завдань, таких як прибирання та приготування їжі, до складних сфер, таких як готельне обслуговування, пожежогасіння та навіть хірургічні операції. У трьох основних тенденціях бачення поступово стає реальністю:
Вузьке місце: брак навчальних даних з реального світу
Незважаючи на великі перспективи в сфері гуманоїдних ботів, якщо мова йде про масове впровадження, все ще існують обмеження щодо якості та обсягу навчальних даних.
Інші сфери ШІ (як-от автономне водіння) вже вирішили проблеми з даними за допомогою автомобільних камер і датчиків. Наприклад, Tesla та Waymo тренують свої автономні системи водіння на основі величезних обсягів реальних даних водіння. Waymo може дозволити автомобілям проводити навчання в реальному часі на дорозі і під час навчання призначати роботизованого тренера на пасажирському місці.
Проте споживачі мають слабку готовність надавати дані під час використання Ботів, і їм навряд чи вдасться терпіти існування «роботизованих нянь». Тому гуманоїдні роботи повинні мати високу продуктивність вже на етапі випуску, що робить збір даних перед розгортанням ключовим викликом.
Хоча кожен режим навчання має свої одиниці виміру, масштаб даних для навчання Ботів має порядкову різницю з іншими сферами штучного інтелекту:
Ця різниця пояснює, чому технології Ботів ще не створили справжню базову модель, адже дані взагалі не можна зібрати. Традиційні методи збору даних важко задовольнити потреби:
Reborn намагається отримати дані з реального світу з низькими витратами та високою ефективністю через децентралізовану модель, ефективно вирішуючи проблему Sim2Real.
Reborn: Повноцінне рішення DePAI
Reborn прагне створити вертикально інтегровану фізичну платформу штучного інтелекту та даних з основною метою вирішення вузького місця даних гуманоїдних роботів, але бачення виходить далеко за ці межі. Завдяки власному обладнанню, інфраструктурі мультимодального моделювання та розробці фундаментальних моделей, Reborn прагне стати повноцінним інструментом у галузі інтелектуальних гуманоїдних роботів.
ReboCap: краудсорсингові високоякісні спортивні дані
ReboCap є низькобюджетним пристроєм для захоплення руху, розробленим Reborn, наразі продано понад 5000 одиниць, а кількість активних користувачів на місяць (MAU) досягла 160 000.
!
Reborn забезпечує збір даних з економічною ефективністю, що перевершує інші альтернативи.
Користувачі генерують високоякісні дані про рух через AR/VR ігри та отримують мережеві винагороди. Ця модель не лише приваблює гравців, але й використовується цифровими ведучими для реального часу віртуальних образів. Цей природний циклічний взаємозв'язок завершує масштабовану, економічно вигідну та високоякісну генерацію даних.
Roboverse: єдина мультимодальна платформа симуляції
Roboverse є мультимодальною платформою симуляції, спрямованою на об'єднання розрізнених симуляційних середовищ. Поточні інструменти симуляції роботів (такі як MuJoCo, NVIDIA Isaac Lab) мають різні функції, але не є сумісними, що серйозно уповільнює ефективність розробки. Roboverse встановлює стандартизовану систему через симулятори, створюючи спільну віртуальну інфраструктуру для розробки та оцінки моделей роботів. Завдяки наданню єдиної платформи для розробки та оцінки покращено сумісність моделей.
Reborn Базова Модель (RFM)
!
Reborn технічний стек
Reborn найбільш ключовим компонентом стеку є базова модель Reborn (RFM). RFM є однією з перших базових моделей, спеціально розроблених для Ботів, і має на меті стати основною інфраструктурою DePAI. Це схоже на традиційні базові моделі, орієнтовані на LLM, такі як o4 від OpenAI або Llama від Meta, але RFM орієнтована на Ботів.
ReboCap, Roboverse та RFM створили потужний захист для Reborn. Поєднуючи реальні дані ReboCap з симуляційними можливостями Roboverse, RFM може навчати високопродуктивні моделі, що адаптуються до складних сцен, які можуть підтримувати різноманітні застосування в промислових, споживчих та дослідницьких роботах.
Reborn просуває комерціалізацію технологій, наразі співпрацює з Galbot та Noematrix для проведення платних пілотних проєктів, а також встановлює стратегічні партнерства з YuShu Technology, Booster Robotics, Swiss Mile та Agile Robots. Ринок гуманоїдних роботів в Китаї швидко зростає, становлячи приблизно 32.7% світової частки ринку. Варто зазначити, що YuShu Technology займає понад 60% світового ринку симуляційних роботів і є одним із китайських виробників гуманоїдних роботів, які планують виробництво понад 1000 одиниць до 2025 року.
Шифрування активів у DePAI
Шифрувальні технології реалізують повний вертикальний стек для DePAI.
!
Reborn є провідним проєктом у сфері DePAI
Проект DePAI забезпечує відкриту, комбіновану та бездозвільну масштабованість за допомогою стимулювання токенів, що дозволяє досягти ефективного децентралізованого збору даних та моделі стимулювання.
Reborn ще не випустив токени, але токеноміка може прискорити масове впровадження Reborn. Як тільки механізм стимулювання токенів запрацює, очікується, що участь у мережі швидко зросте:
!
Реборн з DePAI зростаюче колесо
Дані є ключовими
Справжня конкурентна перевага гуманоїдних Боти полягає в даних та моделях. Конкретно кажучи, це масштаб, якість і різноманітність інтелектуальних даних, які використовуються для навчання цих машин.
Час «ChatGPT» людських Ботів не буде контролюватися апаратними компаніями, оскільки впровадження апаратного забезпечення стикається з такими вродженими викликами, як висока вартість і тривалий термін виконання. Вірусне поширення технології Ботів в основному обмежене витратами, доступністю апаратного забезпечення та складністю логістики, тоді як чисте цифрове програмне забезпечення, таке як ChatGPT, не підлягає таким обмеженням.
Основний висновок: Дані є вирішальним фактором
Справжня точка перелому виникне з переваг даних і моделей після зниження витрат. Дані, необхідні для людських роботів, є економічно вигідними, масштабованими та комбінованими, тоді як модель стимулювання токенів криптоактивів може заповнити найбільш нагальну прогалину на сьогодні. Reborn перетворює звичайних людей на «майнерів спортивних даних» за допомогою моделі стимулювання токенів криптоактивів.