Людські роботи: від науково-фантастичної мрії до реальних застосувань
Людоподібні універсальні боти швидко перетворюються з наукової фантастики на реальність. Зниження витрат на апаратуру, збільшення капітальних інвестицій та технологічні прориви в гнучкості рухів і операційних можливостях – ці три фактори спільно сприяють новому етапу значних змін у сфері обчислень.
Хоча обчислювальні потужності та апаратне забезпечення стають дедалі більш доступними, що приносить переваги в зниженні витрат для робототехніки, ця галузь все ще стикається з викликами, пов'язаними з обмеженнями тренувальних даних. У цьому контексті деякі проєкти почали використовувати децентралізований фізичний штучний інтелект (DePAI) для краудсорсингу високоточних рухів та синтетичних даних, а також для створення базових моделей роботів. Це надає їм унікальну перевагу у сприянні впровадженню гуманоїдних роботів.
Від однієї функції до багатофункціональної форми
Комерціалізація робототехніки не є новим явищем. Відомі нам домашні пристрої, такі як боти для прибирання та камери для домашніх тварин, є однорідними функціональними роботами. Завдяки прогресу в штучному інтелекті, роботи еволюціонують у багатофункціональні форми, щоб відповідати більш складним умовам роботи в відкритому середовищі.
Очікується, що в найближчі 5-15 років гуманоїдні Боти поступово перейдуть від виконання базових завдань до здатності виконувати складні роботи, такі як обслуговування клієнтів, пожежогасіння та навіть хірургічні операції.
Ринкові динаміка та технологічні прориви
Наразі понад 100 компаній активно працюють у сфері гуманоїдних роботів. Нове покоління гуманоїдних роботів демонструє плавні та природні рухи, що дозволяє їм здійснювати людську взаємодію в реальному середовищі. Деякі роботи можуть пересуватися зі швидкістю до 3,3 метра на секунду, що значно перевищує середню швидкість людини в 1,4 метра на секунду.
Крім того, витрати на людських Боти постійно знижуються. Очікується, що до 2032 року їх витрати будуть нижчими за рівень зарплат в США.
Перешкоди розвитку: навчальні дані з реального світу
Хоча в сфері гуманоїдних роботів існує безліч позитивних факторів, недостатня якість даних і проблеми з їх дефіцитом все ще заважають їх масштабному впровадженню. У порівнянні з технологією автономного водіння, гуманоїдні роботи стикаються з більшими викликами у зборі даних.
Споживачі навряд чи приймуть існування "Ботів-нянь", що означає, що роботи повинні мати високі показники продуктивності відразу після розпакування. Таким чином, збір даних перед впровадженням стає вкрай важливим. Всі навчання мають бути завершені до комерційного виробництва, а масштаб і якість даних залишаються постійною проблемою.
Наразі найбільший набір даних про Боти містить лише близько 2,4 мільйона записів взаємодії, що є величезним розривом в порівнянні з 15 трильйонами текстових маркерів GPT-4 або десятками мільярдів пар відео та тексту, що використовуються Midjourney і Sora. Ця неповнота даних пояснює, чому технології Ботів ще не досягли справжніх базових моделей, як це зробили великі мовні моделі.
Новий метод подолання інформаційного вузького місця
Традиційні методи збору даних не можуть задовольнити масштабні вимоги до даних для навчання人形机器人. Симуляція є дешевою, але їй не вистачає реальних граничних сцен, інтернет-відео не може надати необхідні сенсорні відчуття та середовище для зворотного зв'язку, тоді як дані з реального світу, хоч і точні, є дорогими та не мають можливості масштабування.
Щоб вирішити цю проблему, деякі проекти запропонували нові рішення. Створюючи вертикально інтегровану програмне забезпечення та дані для застосувань, орієнтованих на втілені інтелектуальні Боти, ці проекти мають на меті вирішити проблему вузького місця в даних у сфері гуманоїдних роботів.
Повноцінне рішення
Це повноцінне рішення зазвичай включає в себе власні споживчі пристрої захоплення руху, екосистеми ігор доповненої та віртуальної реальності, багатомодальні платформи даних та основні моделі Боти. Користувачі обмінюють високо точні дані руху на мережеві винагороди, сприяючи безперервному розвитку платформи.
Цей метод не тільки здатний здійснювати масштабний збір даних з реального світу, але й може створювати симуляційне середовище для навчання моделей, демонструючи справжню силу розподіленої фізичної інтелектуальної мережі. Ця платформа розробляє екосистему розробників фізичного штучного інтелекту, що виходить за межі простого збору даних, а її функціональність вже поширилася на реальне розгортання моделей та комерційні ліцензії.
Криптографічні технології створюють повний вертикальний стек для штучного інтелекту фізичного світу. Завдяки токенізованим стимулам по всьому технологічному стеку ці проекти створюють відкриті, комбіновані, бездозвільні механізми розширення, що робить можливим децентралізований розвиток фізичного штучного інтелекту.
Після офіційного запуску механізму стимулювання токенів, очікується подальше підвищення участі в мережі. Користувачі, які купують обладнання, отримують стимулювання від проекту, компанії з розробки Ботів виплачують винагороду за внесок власникам обладнання, і цей подвійний стимул спонукатиме більше людей брати участь у зборі даних. Одночасно проект буде динамічно стимулювати збір кастомізованих поведінкових даних з високою цінністю, щоб більш ефективно подолати технологічний розрив між симуляцією та реальними застосуваннями.
Перспективи на майбутнє
Сфера робототехніки може не пережити «момент ChatGPT» через компанії-роботи, оскільки розгортання апаратного забезпечення значно складніше, ніж програмного. Бурхливий розвиток робототехніки природно обмежений витратами, доступністю апаратного забезпечення та складністю розгортання.
Точка повороту для гуманоїдних ботів полягає не в тому, наскільки вражаючим є прототип, а в тому, що вартість знижується до доступного для мас, як це було з поширенням смартфонів або комп'ютерів. Коли вартість знижується, апаратура стане квитком на ринок, справжня конкурентна перевага полягатиме в даних та моделях: конкретно, у масштабах, якості та різноманітті рухового інтелекту, що використовується для навчання ботів.
З розвитком революції платформ Ботів, підтримка даних стане ключовою. Рішення децентралізованого фізичного штучного інтелекту (DePAI) має надію заповнити найважливіший пробіл у технологічному стеку робототехніки, прокладаючи шлях від наукової фантастики до реальності для гуманоїдних роботів.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Розвиток гуманоїдних роботів досяг значного прориву. DePAI може вирішити проблему з даними.
Людські роботи: від науково-фантастичної мрії до реальних застосувань
Людоподібні універсальні боти швидко перетворюються з наукової фантастики на реальність. Зниження витрат на апаратуру, збільшення капітальних інвестицій та технологічні прориви в гнучкості рухів і операційних можливостях – ці три фактори спільно сприяють новому етапу значних змін у сфері обчислень.
Хоча обчислювальні потужності та апаратне забезпечення стають дедалі більш доступними, що приносить переваги в зниженні витрат для робототехніки, ця галузь все ще стикається з викликами, пов'язаними з обмеженнями тренувальних даних. У цьому контексті деякі проєкти почали використовувати децентралізований фізичний штучний інтелект (DePAI) для краудсорсингу високоточних рухів та синтетичних даних, а також для створення базових моделей роботів. Це надає їм унікальну перевагу у сприянні впровадженню гуманоїдних роботів.
Від однієї функції до багатофункціональної форми
Комерціалізація робототехніки не є новим явищем. Відомі нам домашні пристрої, такі як боти для прибирання та камери для домашніх тварин, є однорідними функціональними роботами. Завдяки прогресу в штучному інтелекті, роботи еволюціонують у багатофункціональні форми, щоб відповідати більш складним умовам роботи в відкритому середовищі.
Очікується, що в найближчі 5-15 років гуманоїдні Боти поступово перейдуть від виконання базових завдань до здатності виконувати складні роботи, такі як обслуговування клієнтів, пожежогасіння та навіть хірургічні операції.
Ринкові динаміка та технологічні прориви
Наразі понад 100 компаній активно працюють у сфері гуманоїдних роботів. Нове покоління гуманоїдних роботів демонструє плавні та природні рухи, що дозволяє їм здійснювати людську взаємодію в реальному середовищі. Деякі роботи можуть пересуватися зі швидкістю до 3,3 метра на секунду, що значно перевищує середню швидкість людини в 1,4 метра на секунду.
Крім того, витрати на людських Боти постійно знижуються. Очікується, що до 2032 року їх витрати будуть нижчими за рівень зарплат в США.
Перешкоди розвитку: навчальні дані з реального світу
Хоча в сфері гуманоїдних роботів існує безліч позитивних факторів, недостатня якість даних і проблеми з їх дефіцитом все ще заважають їх масштабному впровадженню. У порівнянні з технологією автономного водіння, гуманоїдні роботи стикаються з більшими викликами у зборі даних.
Споживачі навряд чи приймуть існування "Ботів-нянь", що означає, що роботи повинні мати високі показники продуктивності відразу після розпакування. Таким чином, збір даних перед впровадженням стає вкрай важливим. Всі навчання мають бути завершені до комерційного виробництва, а масштаб і якість даних залишаються постійною проблемою.
Наразі найбільший набір даних про Боти містить лише близько 2,4 мільйона записів взаємодії, що є величезним розривом в порівнянні з 15 трильйонами текстових маркерів GPT-4 або десятками мільярдів пар відео та тексту, що використовуються Midjourney і Sora. Ця неповнота даних пояснює, чому технології Ботів ще не досягли справжніх базових моделей, як це зробили великі мовні моделі.
Новий метод подолання інформаційного вузького місця
Традиційні методи збору даних не можуть задовольнити масштабні вимоги до даних для навчання人形机器人. Симуляція є дешевою, але їй не вистачає реальних граничних сцен, інтернет-відео не може надати необхідні сенсорні відчуття та середовище для зворотного зв'язку, тоді як дані з реального світу, хоч і точні, є дорогими та не мають можливості масштабування.
Щоб вирішити цю проблему, деякі проекти запропонували нові рішення. Створюючи вертикально інтегровану програмне забезпечення та дані для застосувань, орієнтованих на втілені інтелектуальні Боти, ці проекти мають на меті вирішити проблему вузького місця в даних у сфері гуманоїдних роботів.
Повноцінне рішення
Це повноцінне рішення зазвичай включає в себе власні споживчі пристрої захоплення руху, екосистеми ігор доповненої та віртуальної реальності, багатомодальні платформи даних та основні моделі Боти. Користувачі обмінюють високо точні дані руху на мережеві винагороди, сприяючи безперервному розвитку платформи.
Цей метод не тільки здатний здійснювати масштабний збір даних з реального світу, але й може створювати симуляційне середовище для навчання моделей, демонструючи справжню силу розподіленої фізичної інтелектуальної мережі. Ця платформа розробляє екосистему розробників фізичного штучного інтелекту, що виходить за межі простого збору даних, а її функціональність вже поширилася на реальне розгортання моделей та комерційні ліцензії.
! [Гуманоїдний робот + криптовалюта: як Reborn будує маховик DePAI?] ](https://img-cdn.gateio.im/webp-social/moments-6141c7f6e1234bedbc593c2e1c7d30df.webp)
Роль технологій криптовалют
Криптографічні технології створюють повний вертикальний стек для штучного інтелекту фізичного світу. Завдяки токенізованим стимулам по всьому технологічному стеку ці проекти створюють відкриті, комбіновані, бездозвільні механізми розширення, що робить можливим децентралізований розвиток фізичного штучного інтелекту.
Після офіційного запуску механізму стимулювання токенів, очікується подальше підвищення участі в мережі. Користувачі, які купують обладнання, отримують стимулювання від проекту, компанії з розробки Ботів виплачують винагороду за внесок власникам обладнання, і цей подвійний стимул спонукатиме більше людей брати участь у зборі даних. Одночасно проект буде динамічно стимулювати збір кастомізованих поведінкових даних з високою цінністю, щоб більш ефективно подолати технологічний розрив між симуляцією та реальними застосуваннями.
Перспективи на майбутнє
Сфера робототехніки може не пережити «момент ChatGPT» через компанії-роботи, оскільки розгортання апаратного забезпечення значно складніше, ніж програмного. Бурхливий розвиток робототехніки природно обмежений витратами, доступністю апаратного забезпечення та складністю розгортання.
Точка повороту для гуманоїдних ботів полягає не в тому, наскільки вражаючим є прототип, а в тому, що вартість знижується до доступного для мас, як це було з поширенням смартфонів або комп'ютерів. Коли вартість знижується, апаратура стане квитком на ринок, справжня конкурентна перевага полягатиме в даних та моделях: конкретно, у масштабах, якості та різноманітті рухового інтелекту, що використовується для навчання ботів.
З розвитком революції платформ Ботів, підтримка даних стане ключовою. Рішення децентралізованого фізичного штучного інтелекту (DePAI) має надію заповнити найважливіший пробіл у технологічному стеку робототехніки, прокладаючи шлях від наукової фантастики до реальності для гуманоїдних роботів.