Данные, необходимые для человекоподобных Ботов, должны быть экономически эффективными, масштабируемыми и компонуемыми, а модель стимулов токенов Криптоактивов может заполнить наиболее острый дефицит на данный момент.
Автор: @brezshares
Составитель: AididiaoJP, Новости Форсайта
Фоновый обзор
Универсальные гуманоидные роботы быстро переходят от научной фантастики к коммерческой реальности. Благодаря снижению стоимости аппаратного обеспечения, резкому увеличению капитальных вложений и прогрессу в области движений и гибкости, в области вычислений ИИ назревает новый этап значительных преобразований.
Хотя облачные вычисления AI и аппаратные средства становятся все более распространенными, обеспечивая низкозатратную производственную среду для робототехники, эта область по-прежнему ограничена нехваткой обучающих данных.
Reborn пытается использовать DePAI для децентрализованного высокоточного движения и синтетических данных, а также строит базовую модель Ботов. Члены проекта происходят из Университета Калифорнии в Беркли, Корнельского университета, Гарвардского университета и компании Apple.
Человекообразные Боты: от научной фантастики к реальности
Коммерциализация роботов не является новой концепцией, например, пылесос iRobot Roomba, выпущенный в 2002 году, или популярная в последние годы камера для домашних животных Kasa, но они обычно имеют только одну функциональную конструкцию. С развитием технологий искусственного интеллекта роботы постепенно превращаются из однозначных функциональных машин в многофункциональные устройства и становятся агентами, способными работать в неструктурированных средах.
В течение следующих 5–15 лет человекоподобные Боты будут постепенно расширять свои функции от базовых задач, таких как уборка и кулинария, до более сложных областей, таких как услуги консьержа, пожаротушение и даже хирургия. В следующих трех основных тенденциях видение постепенно становится реальностью:
Быстрое расширение рынка: более 100 компаний по всему миру занимаются разработкой человекоподобных роботов, включая такие известные компании, как Tesla, Unitree, Figure, Clone, Agile и другие.
Технический прорыв в области аппаратного обеспечения «Долина страха»: новое поколение человекоподобных Ботов движется плавно и естественно, способно взаимодействовать с людьми. Например, скорость ходьбы Unitree H1 достигает 3.3 метра в секунду, что значительно превышает среднюю скорость человека в 1.4 метра в секунду.
Новая парадигма затрат на рабочую силу: ожидается, что к 2032 году затраты на эксплуатацию гуманоидных роботов будут ниже уровня заработной платы обычного работника в США.
Узкое место: нехватка реальных данных для обучения
Несмотря на широкие перспективы в области человекоподобных Ботов, если речь идет о масштабном развертывании, это все еще будет ограничено качеством и объемом обучающих данных.
Другие области ИИ (такие как автономное вождение) уже решили проблемы с данными с помощью бортовых камер и датчиков. Например, Tesla и Waymo обучают свои системы автономного вождения на основе огромного объема реальных данных о вождении. Waymo может проводить обучение автомобилей в реальном времени на дороге и во время обучения размещать робота-тренера на пассажирском сиденье.
Однако потребители неохотно предоставляют данные при использовании ботов, и маловероятно, что они будут терпеть существование «роботов-помощников». Поэтому человекоподобные роботы должны иметь высокую производительность уже на этапе производства, что делает сбор данных до развертывания ключевым вызовом.
Хотя каждая модель тренировки имеет свои единицы измерения, масштаб данных тренировки Ботов имеет разрыв в порядке величины по сравнению с другими областями ИИ:
GPT-4: Обучающие данные содержат более 15 триллионов текстов.
Midjourney/Sora: Зависит от миллиардов аннотированных видео - текстовых пар.
Боты набор данных: максимальный масштаб составляет всего около 2,4 миллиона фрагментов движений.
Это различие объясняет, почему технологии Ботов еще не создали настоящую базовую модель, поскольку данные просто невозможно собрать. Традиционные методы сбора данных не могут удовлетворить требования:
Симуляционное обучение: низкие затраты, но отсутствие нишевых примеров из реального мира (то есть «разрыв Sim2Real»).
Сетевое видео: отсутствуют данные о силовой обратной связи или данные о теле, необходимые для обучения Ботов.
Сбор реальных данных: требуется ручное удаленное управление, стоимость одной машины превышает 40 тысяч долларов и трудно масштабируется.
Reborn пытается получить данные из реального мира с низкими затратами и высокой эффективностью через децентрализованную модель, тем самым эффективно решая проблему разрыва Sim2Real.
Reborn: Полностековое решение DePAI
Reborn стремится создать вертикально интегрированную платформу программного обеспечения и данных для физического ИИ, основной целью которой является решение проблем с данными гуманоидных роботов, но видение выходит далеко за рамки этого. За счет использования специализированного оборудования, многомодальной симуляционной инфраструктуры и разработки базовых моделей, Reborn нацелен на то, чтобы стать всеобъемлющим двигателем в области интеллектуальных гуманоидных роботов.
ReboCap: краудсорсинговые высокоточные данные о движении
ReboCap — это устройство захвата движения низкой стоимости, разработанное компанией Reborn. В настоящее время продано более 5000 единиц, а количество активных пользователей в месяц (MAU) достигло 160000.
!
Reborn достигает сбора данных с экономическими преимуществами по сравнению с другими альтернативами.
Пользователи генерируют высококачественные данные о движении через AR/VR игры и получают сетевые стимулы. Эта модель привлекла не только игроков, но и цифровых стримеров, использующих её для управления цифровыми виртуальными персонажами в реальном времени. Этот естественный цикл взаимодействия завершает масштабируемую, низкозатратную и высококачественную генерацию данных.
Roboverse является многомодальной платформой симуляции, целью которой является объединение разрозненных симуляционных сред. В настоящее время инструменты симуляции роботов (такие как MuJoCo, NVIDIA Isaac Lab) имеют различные функции, но не совместимы друг с другом, что серьезно замедляет эффективность разработки. Roboverse устанавливает стандартизированные правила через симулятор, создавая общую виртуальную инфраструктуру для разработки и оценки моделей роботов. Предоставляя единую платформу для разработки и оценки, повышается совместимость моделей.
Reborn Базовая модель (RFM)
!
Reborn технологический стек
Reborn Полноценный стек включает в себя ключевой компонент — базовая модель Reborn (RFM). RFM является одной из первых базовых моделей, специально разработанных для Ботов, и предназначена стать основной инфраструктурой DePAI. Это похоже на традиционные базовые модели, ориентированные на LLM, такие как o4 от OpenAI или Llama от Meta, но RFM ориентирована на Ботов.
ReboCap, Roboverse и RFM создали мощный защитный барьер для Reborn. Объединив реальные данные ReboCap с симуляционными возможностями Roboverse, RFM может обучать высокопроизводительные модели, адаптированные к сложным сценариям, поддерживающие разнообразные приложения промышленных, потребительских и исследовательских роботов.
Reborn активно продвигает коммерциализацию технологий и в настоящее время работает над платными пилотными проектами с Galbot и Noematrix, а также установил стратегические партнерские отношения с Yushu Technology, Booster Robotics, Swiss Mile и Agile Robots. Рынок гуманоидных роботов в Китае быстро растет и составляет около 32,7% от мирового рынка. Стоит отметить, что Yushu Technology занимает более 60% доли на мировом рынке симуляционных роботов и является одним из китайских производителей гуманоидных роботов, планирующих произвести более 1000 единиц к 2025 году.
Роль криптоактивов в DePAI
Шифрование технологии реализует полный вертикальный стек для DePAI.
!
Reborn является ведущим проектом в области DePAI
Проект DePAI обеспечивает открытую, компонуемую и безразрешительную масштабируемость через стимулы токенов, что позволяет создать эффективную модель децентрализованного сбора данных и стимулов.
Reborn еще не выпустил токены, но экономика токенов может ускорить массовое принятие Reborn. Как только механизм стимулов токена будет запущен, ожидается, что участие в сети быстро возрастет:
Токенные стимулы: пользователи, покупая ReboCap, могут получить токеновые награды, а компания Боты оплачивает получение данных, образуя положительный цикл.
Поиск пограничных случаев: с помощью динамического механизма стимулов поощрять пользователей вносить данные о высокоценных пограничных случаях, заполняя разрыв Sim2Real.
!
Ростовой маховик DePAI от Reborn
Данные — это ключ
Конкурентное преимущество гуманоидных Ботов заключается в данных и моделях. Конкретно, это масштаб, качество и разнообразие интеллектуальных данных, используемых для обучения этих машин.
Человекообразные Боты «ChatGPT момент» не будут контролироваться аппаратными компаниями, поскольку развертывание аппаратного обеспечения сталкивается с такими неотъемлемыми вызовами, как высокая стоимость и длительные сроки. Вирусное распространение робототехники в основном ограничено стоимостью, доступностью аппаратного обеспечения и логистической сложностью, в то время как такие чисто цифровые программные решения, как ChatGPT, не подвержены таким ограничениям.
Ключевые выводы: данные являются ключом к победе
Настоящая точка поворота будет достигнута благодаря снижению затрат на данные и преимущества моделей. Данные, необходимые для человекоподобных роботов, должны быть экономически эффективными, масштабируемыми и комбинируемыми, а модель стимулов токенов криптоактивов может заполнить наиболее острый дефицит в настоящее время. Reborn превращает обычных людей в «горняков спортивных данных» с помощью модели стимулов токенов криптоактивов.
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Криптоактивы в области человекоподобных Ботов
Автор: @brezshares
Составитель: AididiaoJP, Новости Форсайта
Фоновый обзор
Универсальные гуманоидные роботы быстро переходят от научной фантастики к коммерческой реальности. Благодаря снижению стоимости аппаратного обеспечения, резкому увеличению капитальных вложений и прогрессу в области движений и гибкости, в области вычислений ИИ назревает новый этап значительных преобразований.
Хотя облачные вычисления AI и аппаратные средства становятся все более распространенными, обеспечивая низкозатратную производственную среду для робототехники, эта область по-прежнему ограничена нехваткой обучающих данных.
Reborn пытается использовать DePAI для децентрализованного высокоточного движения и синтетических данных, а также строит базовую модель Ботов. Члены проекта происходят из Университета Калифорнии в Беркли, Корнельского университета, Гарвардского университета и компании Apple.
Человекообразные Боты: от научной фантастики к реальности
Коммерциализация роботов не является новой концепцией, например, пылесос iRobot Roomba, выпущенный в 2002 году, или популярная в последние годы камера для домашних животных Kasa, но они обычно имеют только одну функциональную конструкцию. С развитием технологий искусственного интеллекта роботы постепенно превращаются из однозначных функциональных машин в многофункциональные устройства и становятся агентами, способными работать в неструктурированных средах.
В течение следующих 5–15 лет человекоподобные Боты будут постепенно расширять свои функции от базовых задач, таких как уборка и кулинария, до более сложных областей, таких как услуги консьержа, пожаротушение и даже хирургия. В следующих трех основных тенденциях видение постепенно становится реальностью:
Узкое место: нехватка реальных данных для обучения
Несмотря на широкие перспективы в области человекоподобных Ботов, если речь идет о масштабном развертывании, это все еще будет ограничено качеством и объемом обучающих данных.
Другие области ИИ (такие как автономное вождение) уже решили проблемы с данными с помощью бортовых камер и датчиков. Например, Tesla и Waymo обучают свои системы автономного вождения на основе огромного объема реальных данных о вождении. Waymo может проводить обучение автомобилей в реальном времени на дороге и во время обучения размещать робота-тренера на пассажирском сиденье.
Однако потребители неохотно предоставляют данные при использовании ботов, и маловероятно, что они будут терпеть существование «роботов-помощников». Поэтому человекоподобные роботы должны иметь высокую производительность уже на этапе производства, что делает сбор данных до развертывания ключевым вызовом.
Хотя каждая модель тренировки имеет свои единицы измерения, масштаб данных тренировки Ботов имеет разрыв в порядке величины по сравнению с другими областями ИИ:
Это различие объясняет, почему технологии Ботов еще не создали настоящую базовую модель, поскольку данные просто невозможно собрать. Традиционные методы сбора данных не могут удовлетворить требования:
Reborn пытается получить данные из реального мира с низкими затратами и высокой эффективностью через децентрализованную модель, тем самым эффективно решая проблему разрыва Sim2Real.
Reborn: Полностековое решение DePAI
Reborn стремится создать вертикально интегрированную платформу программного обеспечения и данных для физического ИИ, основной целью которой является решение проблем с данными гуманоидных роботов, но видение выходит далеко за рамки этого. За счет использования специализированного оборудования, многомодальной симуляционной инфраструктуры и разработки базовых моделей, Reborn нацелен на то, чтобы стать всеобъемлющим двигателем в области интеллектуальных гуманоидных роботов.
ReboCap: краудсорсинговые высокоточные данные о движении
ReboCap — это устройство захвата движения низкой стоимости, разработанное компанией Reborn. В настоящее время продано более 5000 единиц, а количество активных пользователей в месяц (MAU) достигло 160000.
!
Reborn достигает сбора данных с экономическими преимуществами по сравнению с другими альтернативами.
Пользователи генерируют высококачественные данные о движении через AR/VR игры и получают сетевые стимулы. Эта модель привлекла не только игроков, но и цифровых стримеров, использующих её для управления цифровыми виртуальными персонажами в реальном времени. Этот естественный цикл взаимодействия завершает масштабируемую, низкозатратную и высококачественную генерацию данных.
Roboverse: Унифицированная многомодальная симуляционная платформа
Roboverse является многомодальной платформой симуляции, целью которой является объединение разрозненных симуляционных сред. В настоящее время инструменты симуляции роботов (такие как MuJoCo, NVIDIA Isaac Lab) имеют различные функции, но не совместимы друг с другом, что серьезно замедляет эффективность разработки. Roboverse устанавливает стандартизированные правила через симулятор, создавая общую виртуальную инфраструктуру для разработки и оценки моделей роботов. Предоставляя единую платформу для разработки и оценки, повышается совместимость моделей.
Reborn Базовая модель (RFM)
!
Reborn технологический стек
Reborn Полноценный стек включает в себя ключевой компонент — базовая модель Reborn (RFM). RFM является одной из первых базовых моделей, специально разработанных для Ботов, и предназначена стать основной инфраструктурой DePAI. Это похоже на традиционные базовые модели, ориентированные на LLM, такие как o4 от OpenAI или Llama от Meta, но RFM ориентирована на Ботов.
ReboCap, Roboverse и RFM создали мощный защитный барьер для Reborn. Объединив реальные данные ReboCap с симуляционными возможностями Roboverse, RFM может обучать высокопроизводительные модели, адаптированные к сложным сценариям, поддерживающие разнообразные приложения промышленных, потребительских и исследовательских роботов.
Reborn активно продвигает коммерциализацию технологий и в настоящее время работает над платными пилотными проектами с Galbot и Noematrix, а также установил стратегические партнерские отношения с Yushu Technology, Booster Robotics, Swiss Mile и Agile Robots. Рынок гуманоидных роботов в Китае быстро растет и составляет около 32,7% от мирового рынка. Стоит отметить, что Yushu Technology занимает более 60% доли на мировом рынке симуляционных роботов и является одним из китайских производителей гуманоидных роботов, планирующих произвести более 1000 единиц к 2025 году.
Роль криптоактивов в DePAI
Шифрование технологии реализует полный вертикальный стек для DePAI.
!
Reborn является ведущим проектом в области DePAI
Проект DePAI обеспечивает открытую, компонуемую и безразрешительную масштабируемость через стимулы токенов, что позволяет создать эффективную модель децентрализованного сбора данных и стимулов.
Reborn еще не выпустил токены, но экономика токенов может ускорить массовое принятие Reborn. Как только механизм стимулов токена будет запущен, ожидается, что участие в сети быстро возрастет:
!
Ростовой маховик DePAI от Reborn
Данные — это ключ
Конкурентное преимущество гуманоидных Ботов заключается в данных и моделях. Конкретно, это масштаб, качество и разнообразие интеллектуальных данных, используемых для обучения этих машин.
Человекообразные Боты «ChatGPT момент» не будут контролироваться аппаратными компаниями, поскольку развертывание аппаратного обеспечения сталкивается с такими неотъемлемыми вызовами, как высокая стоимость и длительные сроки. Вирусное распространение робототехники в основном ограничено стоимостью, доступностью аппаратного обеспечения и логистической сложностью, в то время как такие чисто цифровые программные решения, как ChatGPT, не подвержены таким ограничениям.
Ключевые выводы: данные являются ключом к победе
Настоящая точка поворота будет достигнута благодаря снижению затрат на данные и преимущества моделей. Данные, необходимые для человекоподобных роботов, должны быть экономически эффективными, масштабируемыми и комбинируемыми, а модель стимулов токенов криптоактивов может заполнить наиболее острый дефицит в настоящее время. Reborn превращает обычных людей в «горняков спортивных данных» с помощью модели стимулов токенов криптоактивов.