Los datos necesarios para los robots humanoides deben ser rentables, escalables y combinables, y el modelo de incentivos de token de activos cripto puede llenar la brecha más urgente en la actualidad.
Escrito por: @brezshares
Compilado por: AididiaoJP, Foresight News
Resumen de antecedentes
Los robots humanoides generales están rápidamente pasando de la ciencia ficción a la realidad comercial. Gracias a la disminución de los costos de hardware, el aumento de la inversión de capital y los avances en movimiento y flexibilidad, el campo de la computación AI está gestando la próxima gran transformación.
Aunque la computación en la nube de IA y las instalaciones de hardware se están volviendo cada vez más populares, proporcionando un entorno de fabricación de bajo costo para la ingeniería de Bots, este campo aún se ve limitado por la falta de datos de entrenamiento.
Reborn intenta utilizar DePAI para realizar movimientos de alta fidelidad descentralizados y datos sintéticos, y construir modelos básicos de Bots. Los miembros del proyecto provienen de la Universidad de California en Berkeley, la Universidad de Cornell, la Universidad de Harvard y Apple.
Robots humanoides: de la ciencia ficción a la realidad
La comercialización de robots no es un concepto nuevo, como la aspiradora iRobot Roomba lanzada en 2002, o la popular cámara para mascotas Kasa en años recientes, pero generalmente tienen un diseño de función única. Con el desarrollo de la tecnología de inteligencia artificial, los robots están evolucionando gradualmente de máquinas de función única a dispositivos multipropósito, y son capaces de operar como agentes en entornos no estructurados.
En los próximos 5 a 15 años, los Bots humanoides se expandirán gradualmente de tareas básicas como la limpieza y la cocina a campos más complejos como el servicio de conserjería, la lucha contra incendios e incluso la cirugía. En las siguientes tres grandes tendencias, la visión se convierte poco a poco en realidad:
Expansión rápida del mercado: más de 100 empresas en todo el mundo ya están dedicadas al desarrollo de robots humanoides, incluidas conocidas empresas como Tesla, Unitree, Figure, Clone, Agile, entre otras.
Avances tecnológicos en hardware que superan el "valle inquietante": la nueva generación de Bots humanoides se mueve de manera fluida y natural, pudiendo interactuar de forma rica con los humanos. Por ejemplo, la velocidad de caminata del Unitree H1 alcanza los 3.3 metros por segundo, superando con creces el promedio humano de 1.4 metros por segundo.
Nueva parámetro de costo laboral: Se espera que para 2032, el costo operativo de los robots humanoides sea inferior al nivel salarial de la mano de obra promedio en Estados Unidos.
Cuello de botella: escasez de datos de entrenamiento del mundo real
A pesar de que el campo de los Robots humanoides tiene un gran potencial, su implementación a gran escala aún estará limitada por la calidad y la cantidad de los datos de entrenamiento.
Otros campos de IA (como la conducción autónoma) han resuelto problemas de datos a través de cámaras y sensores montados en vehículos. Por ejemplo, Tesla y Waymo entrenan sus sistemas de conducción autónoma con grandes cantidades de datos de conducción real. Waymo puede permitir que los vehículos se entrenen en tiempo real en la carretera y asignar un entrenador robot en el asiento del pasajero durante el entrenamiento.
Sin embargo, la disposición de los consumidores a proporcionar datos de manera activa al usar Bots es débil, y es poco probable que los consumidores toleren la existencia de "niñeras robots". Por lo tanto, los robots humanoides deben contar con un alto rendimiento desde la fábrica, lo que convierte la recolección de datos antes del despliegue en un desafío clave.
Aunque cada modo de entrenamiento tiene su propia unidad de escala, la escala de los datos de entrenamiento de Bots alcanza una diferencia de órdenes de magnitud en comparación con otros campos de IA:
GPT-4: los datos de entrenamiento incluyen más de 15 billones de textos.
Midjourney/Sora: Dependiendo de miles de millones de videos etiquetados - pares de texto.
Bots de datos: el tamaño máximo es de aproximadamente 2.4 millones de fragmentos de movimiento.
Esta diferencia explica por qué la tecnología de Bots aún no ha establecido un verdadero modelo base, ya que los datos simplemente no se pueden recopilar. Los métodos tradicionales de recopilación de datos tienen dificultades para satisfacer la demanda:
Entrenamiento de simulación: costos bajos pero falta de casos de nicho del mundo real (es decir, "la brecha Sim2Real").
Video en línea: falta de datos de retroalimentación de fuerza o de percepción del cuerpo necesarios para el aprendizaje de Bots.
Recolección de datos reales: requiere control remoto manual, el costo de una sola máquina supera los 40,000 dólares y es difícil de escalar.
Reborn intenta obtener datos del mundo real de manera económica y eficiente a través de un modelo descentralizado, resolviendo así eficazmente el problema de la brecha Sim2Real.
Reborn: Solución de pila completa de DePAI
Reborn se dedica a construir una plataforma de software y datos de IA física verticalmente integrada, cuyo objetivo principal es resolver el cuello de botella de datos de los robots humanoides, pero la visión va mucho más allá de eso. A través de hardware propietario, infraestructura de simulación multimodal y desarrollo de modelos básicos, Reborn aspira a ser un impulsor de pila completa en el campo de los robots humanoides inteligentes.
ReboCap: datos de movimiento de alta fidelidad de crowdsourcing
ReboCap es un dispositivo de captura de movimiento de bajo costo desarrollado por Reborn, que actualmente ha vendido más de 5000 unidades y tiene 160,000 usuarios activos mensuales (MAU).
Reborn logra la recolección de datos con una eficiencia económica superior a otras alternativas.
Los usuarios generan datos de movimiento de alta fidelidad a través de juegos de AR/VR y reciben incentivos en la red. Este modelo no solo atrae a los jugadores de videojuegos, sino que también es utilizado por los streamers digitales para impulsar en tiempo real avatares virtuales digitales. Esta interacción cíclica natural completa la generación de datos de manera escalable, de bajo costo y con alta fidelidad.
Roboverse: plataforma de simulación multimodal unificada
Roboverse es una plataforma de simulación multimodal, diseñada para unificar entornos de simulación dispersos. Actualmente, las herramientas de simulación de robots (como MuJoCo, NVIDIA Isaac Lab) tienen funciones diversas pero son incompatibles entre sí, lo que afecta gravemente la eficiencia del desarrollo. Roboverse establece un sistema estandarizado a través de simuladores, creando una infraestructura virtual compartida para el desarrollo y la evaluación de modelos de robots. Al proporcionar una plataforma unificada de desarrollo y evaluación, mejora la compatibilidad de los modelos.
Reborn modelo básico (RFM)
Reborn pila de tecnología
El componente más clave de Reborn Full Stack es el Modelo Básico de Reborn (RFM). RFM es uno de los primeros modelos básicos diseñados específicamente para Bots, con el objetivo de convertirse en la infraestructura central de DePAI. Esto es similar a los modelos básicos tradicionales orientados a LLM, como el o4 de OpenAI o el Llama de Meta, pero RFM está orientado a Bots.
ReboCap, Roboverse y RFM han construido una poderosa ventaja competitiva para Reborn. Al combinar los datos reales de ReboCap con la capacidad de simulación de Roboverse, RFM puede entrenar modelos de alto rendimiento que se adaptan a escenarios complejos, lo que permite aplicaciones diversas en robots industriales, de consumo y de investigación.
Reborn está impulsando la comercialización de tecnología, actualmente está colaborando con Galbot y Noematrix en un proyecto piloto de pago, y ha establecido asociaciones estratégicas con Yushu Technology, Booster Robotics, Swiss Mile y Agile Robots. El mercado de robots humanoides en China está creciendo rápidamente, representando aproximadamente el 32.7% de la cuota de mercado global. Cabe destacar que Yushu Technology posee más del 60% de la cuota del mercado global de robots simuladores, siendo uno de los fabricantes de robots humanoides en China que planea producir más de 1000 unidades para 2025.
Activos Cripto en DePAI
La encriptación está permitiendo a DePAI implementar una pila vertical completa.
Reborn es el proyecto líder en el campo de DePAI
El proyecto DePAI asegura una expansión abierta, combinable y sin permisos a través de incentivos de Token, logrando así un modelo eficiente de recolección de datos descentralizada y de incentivos.
Reborn aún no ha emitido Token, pero la economía de Token podría acelerar la adopción masiva de Reborn. Una vez que el mecanismo de incentivos del Token esté en marcha, se espera que la participación en la red crezca rápidamente:
Incentivos de Token: Los usuarios que compran ReboCap pueden obtener recompensas en token, mientras que la empresa de Bots paga para obtener datos, formando un ciclo positivo.
Minería de casos marginales: a través de un mecanismo de incentivos dinámico, se alienta a los usuarios a contribuir con datos de casos marginales de alto valor, cerrando la brecha Sim2Real.
El volante de crecimiento DePAI de Reborn
Los datos son la clave
La verdadera ventaja competitiva de los robots humanoides radica en los datos y modelos. Específicamente, se refiere a la escala, calidad y diversidad de los datos inteligentes utilizados para entrenar estas máquinas.
El "Momento ChatGPT" de los robots humanoides no estará dominado por las empresas de hardware, ya que el despliegue de hardware enfrenta desafíos inherentes como altos costos y largos ciclos. La propagación viral de la tecnología robótica está esencialmente limitada por los costos, la disponibilidad del hardware y la complejidad logística, mientras que el software puramente digital como ChatGPT no está sujeto a tales limitaciones.
Conclusión clave: los datos son la clave para ganar
El verdadero punto de inflexión vendrá de los datos y las ventajas de los modelos tras la reducción de costos. Los datos necesarios para los robots humanoides son rentables, escalables y combinables, mientras que el modelo de incentivos de tokens de Activos Cripto puede llenar la brecha más urgente en la actualidad. Reborn convierte a las personas comunes en "mineros de datos de movimiento" a través del modelo de incentivos de tokens de Activos Cripto.
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Activos Cripto en el ámbito de los Bots.
Escrito por: @brezshares
Compilado por: AididiaoJP, Foresight News
Resumen de antecedentes
Los robots humanoides generales están rápidamente pasando de la ciencia ficción a la realidad comercial. Gracias a la disminución de los costos de hardware, el aumento de la inversión de capital y los avances en movimiento y flexibilidad, el campo de la computación AI está gestando la próxima gran transformación.
Aunque la computación en la nube de IA y las instalaciones de hardware se están volviendo cada vez más populares, proporcionando un entorno de fabricación de bajo costo para la ingeniería de Bots, este campo aún se ve limitado por la falta de datos de entrenamiento.
Reborn intenta utilizar DePAI para realizar movimientos de alta fidelidad descentralizados y datos sintéticos, y construir modelos básicos de Bots. Los miembros del proyecto provienen de la Universidad de California en Berkeley, la Universidad de Cornell, la Universidad de Harvard y Apple.
Robots humanoides: de la ciencia ficción a la realidad
La comercialización de robots no es un concepto nuevo, como la aspiradora iRobot Roomba lanzada en 2002, o la popular cámara para mascotas Kasa en años recientes, pero generalmente tienen un diseño de función única. Con el desarrollo de la tecnología de inteligencia artificial, los robots están evolucionando gradualmente de máquinas de función única a dispositivos multipropósito, y son capaces de operar como agentes en entornos no estructurados.
En los próximos 5 a 15 años, los Bots humanoides se expandirán gradualmente de tareas básicas como la limpieza y la cocina a campos más complejos como el servicio de conserjería, la lucha contra incendios e incluso la cirugía. En las siguientes tres grandes tendencias, la visión se convierte poco a poco en realidad:
Cuello de botella: escasez de datos de entrenamiento del mundo real
A pesar de que el campo de los Robots humanoides tiene un gran potencial, su implementación a gran escala aún estará limitada por la calidad y la cantidad de los datos de entrenamiento.
Otros campos de IA (como la conducción autónoma) han resuelto problemas de datos a través de cámaras y sensores montados en vehículos. Por ejemplo, Tesla y Waymo entrenan sus sistemas de conducción autónoma con grandes cantidades de datos de conducción real. Waymo puede permitir que los vehículos se entrenen en tiempo real en la carretera y asignar un entrenador robot en el asiento del pasajero durante el entrenamiento.
Sin embargo, la disposición de los consumidores a proporcionar datos de manera activa al usar Bots es débil, y es poco probable que los consumidores toleren la existencia de "niñeras robots". Por lo tanto, los robots humanoides deben contar con un alto rendimiento desde la fábrica, lo que convierte la recolección de datos antes del despliegue en un desafío clave.
Aunque cada modo de entrenamiento tiene su propia unidad de escala, la escala de los datos de entrenamiento de Bots alcanza una diferencia de órdenes de magnitud en comparación con otros campos de IA:
Esta diferencia explica por qué la tecnología de Bots aún no ha establecido un verdadero modelo base, ya que los datos simplemente no se pueden recopilar. Los métodos tradicionales de recopilación de datos tienen dificultades para satisfacer la demanda:
Reborn intenta obtener datos del mundo real de manera económica y eficiente a través de un modelo descentralizado, resolviendo así eficazmente el problema de la brecha Sim2Real.
Reborn: Solución de pila completa de DePAI
Reborn se dedica a construir una plataforma de software y datos de IA física verticalmente integrada, cuyo objetivo principal es resolver el cuello de botella de datos de los robots humanoides, pero la visión va mucho más allá de eso. A través de hardware propietario, infraestructura de simulación multimodal y desarrollo de modelos básicos, Reborn aspira a ser un impulsor de pila completa en el campo de los robots humanoides inteligentes.
ReboCap: datos de movimiento de alta fidelidad de crowdsourcing
ReboCap es un dispositivo de captura de movimiento de bajo costo desarrollado por Reborn, que actualmente ha vendido más de 5000 unidades y tiene 160,000 usuarios activos mensuales (MAU).
Reborn logra la recolección de datos con una eficiencia económica superior a otras alternativas.
Los usuarios generan datos de movimiento de alta fidelidad a través de juegos de AR/VR y reciben incentivos en la red. Este modelo no solo atrae a los jugadores de videojuegos, sino que también es utilizado por los streamers digitales para impulsar en tiempo real avatares virtuales digitales. Esta interacción cíclica natural completa la generación de datos de manera escalable, de bajo costo y con alta fidelidad.
Roboverse: plataforma de simulación multimodal unificada
Roboverse es una plataforma de simulación multimodal, diseñada para unificar entornos de simulación dispersos. Actualmente, las herramientas de simulación de robots (como MuJoCo, NVIDIA Isaac Lab) tienen funciones diversas pero son incompatibles entre sí, lo que afecta gravemente la eficiencia del desarrollo. Roboverse establece un sistema estandarizado a través de simuladores, creando una infraestructura virtual compartida para el desarrollo y la evaluación de modelos de robots. Al proporcionar una plataforma unificada de desarrollo y evaluación, mejora la compatibilidad de los modelos.
Reborn modelo básico (RFM)
Reborn pila de tecnología
El componente más clave de Reborn Full Stack es el Modelo Básico de Reborn (RFM). RFM es uno de los primeros modelos básicos diseñados específicamente para Bots, con el objetivo de convertirse en la infraestructura central de DePAI. Esto es similar a los modelos básicos tradicionales orientados a LLM, como el o4 de OpenAI o el Llama de Meta, pero RFM está orientado a Bots.
ReboCap, Roboverse y RFM han construido una poderosa ventaja competitiva para Reborn. Al combinar los datos reales de ReboCap con la capacidad de simulación de Roboverse, RFM puede entrenar modelos de alto rendimiento que se adaptan a escenarios complejos, lo que permite aplicaciones diversas en robots industriales, de consumo y de investigación.
Reborn está impulsando la comercialización de tecnología, actualmente está colaborando con Galbot y Noematrix en un proyecto piloto de pago, y ha establecido asociaciones estratégicas con Yushu Technology, Booster Robotics, Swiss Mile y Agile Robots. El mercado de robots humanoides en China está creciendo rápidamente, representando aproximadamente el 32.7% de la cuota de mercado global. Cabe destacar que Yushu Technology posee más del 60% de la cuota del mercado global de robots simuladores, siendo uno de los fabricantes de robots humanoides en China que planea producir más de 1000 unidades para 2025.
Activos Cripto en DePAI
La encriptación está permitiendo a DePAI implementar una pila vertical completa.
Reborn es el proyecto líder en el campo de DePAI
El proyecto DePAI asegura una expansión abierta, combinable y sin permisos a través de incentivos de Token, logrando así un modelo eficiente de recolección de datos descentralizada y de incentivos.
Reborn aún no ha emitido Token, pero la economía de Token podría acelerar la adopción masiva de Reborn. Una vez que el mecanismo de incentivos del Token esté en marcha, se espera que la participación en la red crezca rápidamente:
El volante de crecimiento DePAI de Reborn
Los datos son la clave
La verdadera ventaja competitiva de los robots humanoides radica en los datos y modelos. Específicamente, se refiere a la escala, calidad y diversidad de los datos inteligentes utilizados para entrenar estas máquinas.
El "Momento ChatGPT" de los robots humanoides no estará dominado por las empresas de hardware, ya que el despliegue de hardware enfrenta desafíos inherentes como altos costos y largos ciclos. La propagación viral de la tecnología robótica está esencialmente limitada por los costos, la disponibilidad del hardware y la complejidad logística, mientras que el software puramente digital como ChatGPT no está sujeto a tales limitaciones.
Conclusión clave: los datos son la clave para ganar
El verdadero punto de inflexión vendrá de los datos y las ventajas de los modelos tras la reducción de costos. Los datos necesarios para los robots humanoides son rentables, escalables y combinables, mientras que el modelo de incentivos de tokens de Activos Cripto puede llenar la brecha más urgente en la actualidad. Reborn convierte a las personas comunes en "mineros de datos de movimiento" a través del modelo de incentivos de tokens de Activos Cripto.