Roboverse は、分散したシミュレーション環境を統一することを目的としたマルチモーダルシミュレーションプラットフォームです。現在のロボットシミュレーションツール（MuJoCo、NVIDIA Isaac Labなど）は機能が異なり互換性がないため、研究開発の効率を大幅に低下させています。Roboverse はシミュレーターを通じて標準化された制度を設定し、ロボットモデルの開発と評価のための共有仮想インフラを作成しました。統一された開発と評価のプラットフォームを提供することにより、モデルの互換性を向上させています。
暗号資産が人形ボット分野における役割
執筆者: @brezshares
コンパイラ: AididiaoJP, Foresight News
背景の概要
汎用人型ボットが急速にSF小説から商業現実へと移行しています。ハードウェアコストの低下、資本投入の急増、運動と柔軟性の進歩のおかげで、AI計算分野は次の大きな変革の波を迎えようとしています。
AI クラウドコンピューティングとハードウェア施設がますます普及し、ロボット工学に低コストの製造環境を提供しているが、この分野は依然としてトレーニングデータの不足に制約されている。
RebornはDePAIを利用して、分散型の高忠実度運動と合成データを試み、ボットの基礎モデルを構築します。このプロジェクトのメンバーはカリフォルニア大学バークレー校、コーネル大学、ハーバード大学、そしてアップル社などから来ています。
人型ボット：SFから現実へ
ボットの商業化は新しい概念ではなく、例えば 2002 年に発売された iRobot Roomba 掃除機や近年人気の Kasa ペットカメラが挙げられますが、これらは通常、単一の機能設計しか持っていません。人工知能技術の進展に伴い、ボットは単機能の機械から多目的デバイスへと進化し、非構造化環境で動作できるエージェントへと成長しています。
今後5年から15年の間に、ヒューマノイドロボットは基本的な清掃や料理などのタスクから、徐々にコンシェルジュサービス、消防救助、さらには外科手術などの複雑な分野に拡大していくでしょう。以下の3つの主要なトレンドの中で、ビジョンが徐々に現実になっています：
ボトルネック：現実世界のトレーニングデータの不足
人型ボットの分野は広がりを見せているが、大規模な展開を行うには、トレーニングデータの質と規模に依存する。
他のAI分野（自動運転など）は、車載カメラやセンサーを通じてデータの問題を解決しています。たとえば、テスラやWaymoは、大量の実際の運転データを使って自動運転システムを訓練しています。Waymoは、車両が道路上でリアルタイムで訓練を行い、訓練中に助手席にボットのコーチを配置することを可能にしています。
しかし、消費者はボットを使用する際にデータを積極的に提供する意欲が低く、「ボットナニー」の存在を許容する可能性は低い。そのため、ヒューマンロボットは出荷時に高性能を備えている必要があり、これが展開前のデータ収集における重要な課題となる。
ただし、各トレーニングモードにはそれぞれのスケール単位がありますが、ボットのトレーニングデータのスケールは他のAI分野に存在するギャップに対して桁違いです。
この違いは、なぜボット技術が真の基盤モデルを確立していないのかを示しています。データを収集することが根本的にできないからです。従来のデータ収集方法は、ニーズを満たすのが難しいです：
Rebornは、分散型モデルを通じて低コスト・高効率でリアルワールドデータを取得し、Sim2Realギャップ問題を効果的に解決しようとしています。
Reborn：DePAI のフルスタックソリューション
Rebornは、物理AIソフトウェアとデータプラットフォームの垂直統合を構築することに尽力しており、その核心的な目標は人型ロボットのデータボトルネックを解決することですが、そのビジョンはそれにとどまりません。独自のハードウェア、多モーダルシミュレーションインフラストラクチャ、基盤モデルの開発を通じて、Rebornはインテリジェントな人型ロボット分野のフルスタック推進者となることを目指しています。
ReboCap：クラウドソーシングによる高精度の運動データ
ReboCapはRebornが開発した低コストのモーションキャプチャデバイスで、現在5000台以上が販売され、月間アクティブユーザー（MAU）は16万人に達しています。
!
Rebornは他の代替案よりも優れた経済的利益を実現し、データ収集を行います。
ユーザーはAR/VRゲームを通じて高忠実度の運動データを生成し、ネットワーク報酬を得ます。このモデルはゲームプレイヤーを惹きつけるだけでなく、デジタルブロードキャスターがリアルタイムで駆動されるデジタルバーチャルキャラクターに使用しています。この自然な循環的インタラクションは、スケーラブルで低コストかつ高忠実度のデータ生成を実現します。
Roboverse：統一マルチモーダルシミュレーションプラットフォーム
Roboverse は、分散したシミュレーション環境を統一することを目的としたマルチモーダルシミュレーションプラットフォームです。現在のロボットシミュレーションツール（MuJoCo、NVIDIA Isaac Labなど）は機能が異なり互換性がないため、研究開発の効率を大幅に低下させています。Roboverse はシミュレーターを通じて標準化された制度を設定し、ロボットモデルの開発と評価のための共有仮想インフラを作成しました。統一された開発と評価のプラットフォームを提供することにより、モデルの互換性を向上させています。
リボーン・ファンデーション・モデル(RFM)
!
Reborn テクノロジースタック
Reborn の全スタックで最も重要なコンポーネントは Reborn 基礎モデル（RFM）です。RFM は、ロボット向けに設計された初の基礎モデルの一つであり、DePAI のコア基盤となることを目指しています。これは、LLM 向けの従来の基礎モデル、例えば OpenAI の o4 や Meta の Llama に類似していますが、RFM はロボットを対象としています。
ReboCap、Roboverse、RFMはRebornのために強力な防御線を構築しました。ReboCapの実データとRoboverseのシミュレーション能力を組み合わせることで、RFMは複雑なシナリオに適応した高性能モデルを訓練し、産業用、消費者向け、研究用ボットの多様なアプリケーションをサポートできます。
Rebornは技術の商業化を進めており、現在、GalbotとNoematrixと協力して有料の試験プロジェクトを実施し、宇樹科技、Booster Robotics、Swiss Mile、Agile Robotsとの戦略的パートナーシップを結んでいます。中国のヒューマノイドロボット市場は急速に成長しており、世界市場の約32.7%を占めています。注目すべきは、宇樹科技が世界のシミュレーションロボット市場の60%以上のシェアを占めており、2025年には1000台以上の生産を計画している中国のヒューマノイドロボットメーカーの一つであることです。
DePAIにおける暗号通貨の役割
暗号技術は DePAI に完全な垂直スタックを実現しています。
!
RebornはDePAI分野のリーディングプロジェクトです
DePAIプロジェクトは、トークン報酬を通じてオープンで、コンポーザブルで、許可不要の拡張を確保し、高効率の分散型データ収集およびインセンティブモデルを実現しました。
Reborn はまだトークンを発行していませんが、トークンエコノミクスが Reborn の大規模採用を加速する可能性があります。トークンインセンティブメカニズムが稼働すると、ネットワーク参加度が急速に増加することが予想されます。
!
RebornのDePAIグロースフライホイール
データが鍵である
人形ボットの真正な競争優位性はデータとモデルにあります。具体的には、これらの機械を訓練するための知能化データの規模、質、そして多様性です。
人形ボットの「ChatGPT 時刻」はハードウェア会社によって主導されることはなく、ハードウェアの展開は高コストや長期間などの固有の課題に直面しています。ボット技術のウイルス的な普及は本質的にコスト、ハードウェアの可用性、物流の複雑さに制約されており、ChatGPTのような純粋なデジタルソフトウェアはそのような制約を受けません。
コア結論：データは決定的な鍵である
真の転換点は、コスト削減後のデータとモデルの利点から生まれる。人型ボットに必要なデータは、コスト効率、スケーラビリティ、そしてコンビナビリティを持ち、暗号資産のトークンインセンティブモデルが現在最も急務なギャップを埋めることができる。Rebornは暗号資産トークンインセンティブモデルを通じて、一般の人々を「運動データのマイナー」に変える。