İnsan biçimli robotların ihtiyaç duyduğu veriler maliyet etkin, ölçeklenebilir ve birleştirilebilir olmalıdır ve Kripto Varlıklar için Token teşvik modeli, şu anda en acil ihtiyaç duyulan boşluğu doldurabilir.
Yazı: @brezshares
Derleme: AididiaoJP, Foresight Haber
Arka Plan Özeti
Genel insansı Botlar, bilim kurgu romanlarından ticari gerçeğe hızla geçiyor. Donanım maliyetlerindeki düşüş, sermaye yatırımlarındaki artış ve hareketlilik ile esneklikteki ilerlemeler sayesinde, AI hesaplama alanı bir sonraki büyük dönüşüm değişimini hazırlıyor.
AI bulut bilişim ve donanım altyapısının giderek yaygınlaşmasına rağmen, robot mühendisliğine düşük maliyetli bir üretim ortamı sağlamakta, bu alan hâlâ eğitim verilerinin yetersizliği ile sınırlı kalmaktadır.
Reborn, DePAI'yi kullanarak merkeziyetsiz yüksek kaliteli hareket ve sentez verileri elde etmeyi ve Botlar için temel modeller geliştirmeyi deniyor. Proje üyeleri, Kaliforniya Üniversitesi, Berkeley, Cornell Üniversitesi, Harvard Üniversitesi ve Apple gibi yerlerden geliyor.
İnsan Robotları: Bilim Kurgu'dan Gerçekliğe
Botlar ticaretinin yeni bir kavram olmadığı, örneğin 2002 yılında piyasaya sürülen iRobot Roomba elektrikli süpürgesi veya son yıllarda popüler olan Kasa evcil hayvan kameraları gibi, ancak genellikle yalnızca tek bir işlev tasarımına sahip olduğu görülmektedir. Yapay zeka teknolojisinin gelişmesiyle birlikte, botlar giderek tek işlevli makinelerden çok işlevli cihazlara dönüşmekte ve yapılandırılmamış ortamlarda çalışabilen akıllı varlıklar haline gelmektedir.
Gelecek 5 ile 15 yıl içinde, insansı robotlar temel temizlik, yemek pişirme gibi görevlerden, yavaş yavaş kapıcı hizmetleri, yangın söndürme ve kurtarma hatta cerrahi gibi karmaşık alanlara genişleyecek. Aşağıdaki üç büyük trendde, vizyon yavaş yavaş gerçekliğe dönüşüyor:
Pazarın hızlı genişlemesi: Dünya genelinde 100'den fazla şirket, Tesla, Unitree, Figure, Clone, Agile gibi tanınmış şirketler de dahil olmak üzere, insansı robot geliştirme çalışmalarına katılıyor.
Donanım teknolojisi "korkunç vadi"yi aşıyor: Yeni nesil insansı robotlar akıcı ve doğal hareket edebiliyor, insanlarla zengin etkileşimde bulunabiliyor. Örneğin, Unitree H1'in yürüyüş hızı 3.3 metre / saniye ile insan ortalaması olan 1.4 metre / saniyeyi çok aşıyor.
İş gücü maliyetlerinin yeni paradigması: 2032 yılına kadar, insansı robotların işletme maliyetlerinin ABD'deki ortalama iş gücü maaş seviyesinin altına düşmesi bekleniyor.
Darboğaz: Gerçek dünya eğitim verilerinin kıtlığı
İnsan şeklindeki robotlar alanının geniş bir geleceği olmasına rağmen, büyük ölçekli dağıtım yapılabilmesi için hala eğitim verilerinin kalitesine ve ölçeğine bağlı kalacaktır.
Diğer AI alanları (örneğin, otonom sürüş) veri sorununu araç içi kameralar ve sensörler aracılığıyla çözmüştür. Örneğin, Tesla ve Waymo, otonom sürüş sistemlerini büyük miktarda gerçek sürüş verisi ile eğitmektedir. Waymo, araçların yolda gerçek zamanlı eğitim almasını sağlamakta ve eğitim süresince ön koltukta bir robot eğitmen bulundurmaktadır.
Ancak tüketicilerin botları kullanırken veri sağlamaya istekleri zayıf, tüketicilerin "robot bakıcı" varlığını tolere etmeleri pek olası değil. Bu nedenle, insansı robotların fabrikadan çıkmadan önce yüksek performansa sahip olmaları gerekiyor, bu da dağıtım öncesi veri toplama sürecini kritik bir zorluk haline getiriyor.
Her ne kadar her eğitim modunun kendine özgü ölçü birimleri olsa da, Botlar için eğitim verilerinin ölçeği diğer AI alanlarında var olan fark, büyüklük sırasına ulaşmaktadır:
GPT-4: Eğitim verileri 15 trilyondan fazla metin içermektedir.
Midjourney/Sora: Milyarlarca etiketlenmiş video - metin çiftine bağımlıdır.
Botlar veri seti: maksimum ölçek yalnızca yaklaşık 2.4 milyon hareket parçası.
Bu fark, şifreleme teknolojisinin neden henüz gerçek bir temel model geliştiremediğini açıklamaktadır, çünkü veriler asla toplanamıyor. Geleneksel veri toplama yöntemleri ihtiyaçları karşılamakta zorlanıyor:
Simülasyon Eğitimi: Düşük maliyetli ama gerçek dünyadan yoksun niş örnekler (yani "Sim2Real boşluğu").
Ağ videosu: Botlar için gerekli olan kuvvet geri bildirimi veya propriosepsiyon verileri eksik.
Gerçek Veri Toplama: Uzaktan manuel kontrol gerektirir, tek bir makinenin maliyeti 40.000 doları aşar ve ölçeklenmesi zordur.
Reborn, merkeziyetsiz bir model aracılığıyla düşük maliyetle ve yüksek verimlilikle gerçek dünya verilerini elde etmeyi, böylece Sim2Real uçurumunu etkili bir şekilde çözmeyi deniyor.
Yeniden Doğmak: DePAI'nin Tam Yığın Çözümü
Reborn, fiziksel AI yazılımı ve veri platformunu dikey entegre bir şekilde inşa etmeye kararlıdır; ana hedefi, insansı robotların veri darboğazını çözmektir, ancak vizyonu bunun çok ötesindedir. Özel donanım, çok modlu simülasyon altyapısı ve temel model geliştirme ile Reborn, akıllı insansı robotlar alanında tam yığın bir itici olmayı hedeflemektedir.
ReboCap: Yığın Dışarıda Yüksek Doğrulukta Hareket Verileri
ReboCap, Reborn tarafından geliştirilen düşük maliyetli hareket yakalama cihazıdır, şu anda 5000'den fazla satılmıştır ve aylık aktif kullanıcı (MAU) sayısı 160.000'e ulaşmıştır.
Reborn, diğer alternatiflere göre ekonomik verimlilik ile veri toplama işlemini gerçekleştirir.
Kullanıcılar, AR/VR oyunları aracılığıyla yüksek kaliteli hareket verileri üretir ve ağ tarafından teşvik edilir. Bu model sadece oyunculara hitap etmekle kalmıyor, aynı zamanda dijital yayıncılar tarafından dijital avatarları gerçek zamanlı olarak sürmek için de kullanılıyor. Bu doğal, döngüsel etkileşim, ölçeklenebilir, düşük maliyetli ve yüksek kaliteli veri oluşturma ile sonuçlanır.
Roboverse: Tekil Çok Modlu Simülasyon Platformu
Roboverse, dağıtık simülasyon ortamlarını birleştirmeyi amaçlayan çok modlu bir simülasyon platformudur. Mevcut robot simülasyon araçları (örneğin MuJoCo, NVIDIA Isaac Lab) farklı işlevlere sahip olup birbirleriyle uyumsuzdur ve bu durum Ar-Ge verimliliğini ciddi şekilde düşürmektedir. Roboverse, simülatör aracılığıyla standartlaştırılmış bir sistem kurarak robot modellerinin geliştirilmesi ve değerlendirilmesi için paylaşılan sanal bir altyapı oluşturmuştur. Birleşik bir geliştirme ve değerlendirme platformu sunarak model uyumluluğunu artırmıştır.
Yeniden Doğuş Temel Modeli (RFM)
Yeniden Doğuş Teknoloji Yığını
Reborn'un tam yığınındaki en kritik bileşen, Reborn Temel Modeli (RFM)dir. RFM, robotlar için tasarlanmış ilk temel modellerden biridir ve DePAI'nın ana altyapısı olmayı hedeflemektedir. Bu, LLM'ye yönelik geleneksel temel modellere benzer; örneğin, OpenAI'nin o4 veya Meta'nın Llama'sı, ancak RFM robotlara yöneliktir.
ReboCap, Roboverse ve RFM, Reborn için güçlü bir koruma oluşturdu. ReboCap'in gerçek verileri ile Roboverse'in simülasyon yeteneklerini birleştirerek, RFM karmaşık sahnelere uyum sağlayan yüksek performanslı modeller eğitebilir ve endüstriyel, tüketici ve araştırma odaklı robotlar için çeşitli uygulamaları destekleyebilir.
Reborn, teknolojik ticareti ilerletiyor ve şu anda Galbot ve Noematrix ile ücretli pilot projeler üzerinde çalışıyor. Ayrıca, YuTree Technology, Booster Robotics, Swiss Mile ve Agile Robots ile stratejik ortaklıklar kurdu. Çin insansı robot pazarı hızla büyüyor ve küresel pazar payının yaklaşık %32.7'sini oluşturuyor. Dikkat çekici olan, YuTree Technology'nin küresel simülasyon robot pazarının %60'ından fazlasını elinde bulundurması ve 2025 yılına kadar 1000'den fazla birim üretmeyi planlayan Çinli insansı robot üreticilerinden biri olmasıdır.
Kripto Varlıklar DePAI'de Ne İşe Yarar
Şifreleme teknolojisi, DePAI için tam bir dikey yığın gerçekleştiriyor.
Reborn, DePAI alanındaki lider projedir
DePAI projesi, açık, birleştirilebilir ve izinsiz genişlemeyi güvence altına almak için Token teşvikleri aracılığıyla verimli merkeziyetsiz veri toplama ve teşvik modelini gerçekleştirmiştir.
Reborn henüz Token yayımlamadı, ancak Token ekonomisi Reborn'un kitlesel benimsenmesini hızlandırabilir. Token teşvik mekanizması devreye girdiğinde, ağ katılımının hızla artması bekleniyor:
Token teşviki: Kullanıcılar ReboCap satın aldıklarında token ödülleri kazanır, bot şirketleri ise verileri almak için ödeme yapar, böylece olumlu bir döngü oluşur.
Kenar Durumları Madenciliği: Dinamik teşvik mekanizmaları aracılığıyla, kullanıcıları yüksek değerli kenar durumları verileri katkıda bulunmaya teşvik ederek Sim2Real boşluğunu doldurma.
Reborn'un DePAI Büyüme Uçurumu
Veriler Anahtardır
İnsan biçimli robotların gerçek rekabet avantajı veriler ve modellerdir. Özellikle bu makineleri eğitmek için kullanılan akıllı veri ölçeği, kalitesi ve çeşitliliğidir.
İnsan biçimli robotların "ChatGPT Anı" donanım şirketleri tarafından yönlendirilmeyecek, çünkü donanım dağıtımı yüksek maliyetler, uzun süreler gibi içsel zorluklarla karşı karşıya. Robot teknolojisinin virüs gibi yayılması esasen maliyetler, donanımın kullanılabilirliği ve lojistik karmaşıklıklar tarafından kısıtlanırken, ChatGPT gibi saf dijital yazılımlar bu tür kısıtlamalardan etkilenmeyecek.
Temel Sonuç: Veri, zaferin anahtarıdır.
Gerçek bir dönüm noktası, maliyetlerin düşmesinin ardından verilerle model avantajlarının birleşiminden gelecektir. İnsan biçimli robotların ihtiyaç duyduğu veriler maliyet etkin, ölçeklenebilir ve birleştirilebilir niteliktedir, ayrıca Kripto Varlıklar için Token teşvik modeli mevcut en acil açığı kapatabilir. Reborn, Kripto Varlıklar Token teşvik modeli aracılığıyla sıradan insanları "hareket verisi madencileri" haline getiriyor.
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Kripto Varlıklar'ın insan biçimli Botlar alanındaki rolü
Yazı: @brezshares
Derleme: AididiaoJP, Foresight Haber
Arka Plan Özeti
Genel insansı Botlar, bilim kurgu romanlarından ticari gerçeğe hızla geçiyor. Donanım maliyetlerindeki düşüş, sermaye yatırımlarındaki artış ve hareketlilik ile esneklikteki ilerlemeler sayesinde, AI hesaplama alanı bir sonraki büyük dönüşüm değişimini hazırlıyor.
AI bulut bilişim ve donanım altyapısının giderek yaygınlaşmasına rağmen, robot mühendisliğine düşük maliyetli bir üretim ortamı sağlamakta, bu alan hâlâ eğitim verilerinin yetersizliği ile sınırlı kalmaktadır.
Reborn, DePAI'yi kullanarak merkeziyetsiz yüksek kaliteli hareket ve sentez verileri elde etmeyi ve Botlar için temel modeller geliştirmeyi deniyor. Proje üyeleri, Kaliforniya Üniversitesi, Berkeley, Cornell Üniversitesi, Harvard Üniversitesi ve Apple gibi yerlerden geliyor.
İnsan Robotları: Bilim Kurgu'dan Gerçekliğe
Botlar ticaretinin yeni bir kavram olmadığı, örneğin 2002 yılında piyasaya sürülen iRobot Roomba elektrikli süpürgesi veya son yıllarda popüler olan Kasa evcil hayvan kameraları gibi, ancak genellikle yalnızca tek bir işlev tasarımına sahip olduğu görülmektedir. Yapay zeka teknolojisinin gelişmesiyle birlikte, botlar giderek tek işlevli makinelerden çok işlevli cihazlara dönüşmekte ve yapılandırılmamış ortamlarda çalışabilen akıllı varlıklar haline gelmektedir.
Gelecek 5 ile 15 yıl içinde, insansı robotlar temel temizlik, yemek pişirme gibi görevlerden, yavaş yavaş kapıcı hizmetleri, yangın söndürme ve kurtarma hatta cerrahi gibi karmaşık alanlara genişleyecek. Aşağıdaki üç büyük trendde, vizyon yavaş yavaş gerçekliğe dönüşüyor:
Darboğaz: Gerçek dünya eğitim verilerinin kıtlığı
İnsan şeklindeki robotlar alanının geniş bir geleceği olmasına rağmen, büyük ölçekli dağıtım yapılabilmesi için hala eğitim verilerinin kalitesine ve ölçeğine bağlı kalacaktır.
Diğer AI alanları (örneğin, otonom sürüş) veri sorununu araç içi kameralar ve sensörler aracılığıyla çözmüştür. Örneğin, Tesla ve Waymo, otonom sürüş sistemlerini büyük miktarda gerçek sürüş verisi ile eğitmektedir. Waymo, araçların yolda gerçek zamanlı eğitim almasını sağlamakta ve eğitim süresince ön koltukta bir robot eğitmen bulundurmaktadır.
Ancak tüketicilerin botları kullanırken veri sağlamaya istekleri zayıf, tüketicilerin "robot bakıcı" varlığını tolere etmeleri pek olası değil. Bu nedenle, insansı robotların fabrikadan çıkmadan önce yüksek performansa sahip olmaları gerekiyor, bu da dağıtım öncesi veri toplama sürecini kritik bir zorluk haline getiriyor.
Her ne kadar her eğitim modunun kendine özgü ölçü birimleri olsa da, Botlar için eğitim verilerinin ölçeği diğer AI alanlarında var olan fark, büyüklük sırasına ulaşmaktadır:
Bu fark, şifreleme teknolojisinin neden henüz gerçek bir temel model geliştiremediğini açıklamaktadır, çünkü veriler asla toplanamıyor. Geleneksel veri toplama yöntemleri ihtiyaçları karşılamakta zorlanıyor:
Reborn, merkeziyetsiz bir model aracılığıyla düşük maliyetle ve yüksek verimlilikle gerçek dünya verilerini elde etmeyi, böylece Sim2Real uçurumunu etkili bir şekilde çözmeyi deniyor.
Yeniden Doğmak: DePAI'nin Tam Yığın Çözümü
Reborn, fiziksel AI yazılımı ve veri platformunu dikey entegre bir şekilde inşa etmeye kararlıdır; ana hedefi, insansı robotların veri darboğazını çözmektir, ancak vizyonu bunun çok ötesindedir. Özel donanım, çok modlu simülasyon altyapısı ve temel model geliştirme ile Reborn, akıllı insansı robotlar alanında tam yığın bir itici olmayı hedeflemektedir.
ReboCap: Yığın Dışarıda Yüksek Doğrulukta Hareket Verileri
ReboCap, Reborn tarafından geliştirilen düşük maliyetli hareket yakalama cihazıdır, şu anda 5000'den fazla satılmıştır ve aylık aktif kullanıcı (MAU) sayısı 160.000'e ulaşmıştır.
Reborn, diğer alternatiflere göre ekonomik verimlilik ile veri toplama işlemini gerçekleştirir.
Kullanıcılar, AR/VR oyunları aracılığıyla yüksek kaliteli hareket verileri üretir ve ağ tarafından teşvik edilir. Bu model sadece oyunculara hitap etmekle kalmıyor, aynı zamanda dijital yayıncılar tarafından dijital avatarları gerçek zamanlı olarak sürmek için de kullanılıyor. Bu doğal, döngüsel etkileşim, ölçeklenebilir, düşük maliyetli ve yüksek kaliteli veri oluşturma ile sonuçlanır.
Roboverse: Tekil Çok Modlu Simülasyon Platformu
Roboverse, dağıtık simülasyon ortamlarını birleştirmeyi amaçlayan çok modlu bir simülasyon platformudur. Mevcut robot simülasyon araçları (örneğin MuJoCo, NVIDIA Isaac Lab) farklı işlevlere sahip olup birbirleriyle uyumsuzdur ve bu durum Ar-Ge verimliliğini ciddi şekilde düşürmektedir. Roboverse, simülatör aracılığıyla standartlaştırılmış bir sistem kurarak robot modellerinin geliştirilmesi ve değerlendirilmesi için paylaşılan sanal bir altyapı oluşturmuştur. Birleşik bir geliştirme ve değerlendirme platformu sunarak model uyumluluğunu artırmıştır.
Yeniden Doğuş Temel Modeli (RFM)
Yeniden Doğuş Teknoloji Yığını
Reborn'un tam yığınındaki en kritik bileşen, Reborn Temel Modeli (RFM)dir. RFM, robotlar için tasarlanmış ilk temel modellerden biridir ve DePAI'nın ana altyapısı olmayı hedeflemektedir. Bu, LLM'ye yönelik geleneksel temel modellere benzer; örneğin, OpenAI'nin o4 veya Meta'nın Llama'sı, ancak RFM robotlara yöneliktir.
ReboCap, Roboverse ve RFM, Reborn için güçlü bir koruma oluşturdu. ReboCap'in gerçek verileri ile Roboverse'in simülasyon yeteneklerini birleştirerek, RFM karmaşık sahnelere uyum sağlayan yüksek performanslı modeller eğitebilir ve endüstriyel, tüketici ve araştırma odaklı robotlar için çeşitli uygulamaları destekleyebilir.
Reborn, teknolojik ticareti ilerletiyor ve şu anda Galbot ve Noematrix ile ücretli pilot projeler üzerinde çalışıyor. Ayrıca, YuTree Technology, Booster Robotics, Swiss Mile ve Agile Robots ile stratejik ortaklıklar kurdu. Çin insansı robot pazarı hızla büyüyor ve küresel pazar payının yaklaşık %32.7'sini oluşturuyor. Dikkat çekici olan, YuTree Technology'nin küresel simülasyon robot pazarının %60'ından fazlasını elinde bulundurması ve 2025 yılına kadar 1000'den fazla birim üretmeyi planlayan Çinli insansı robot üreticilerinden biri olmasıdır.
Kripto Varlıklar DePAI'de Ne İşe Yarar
Şifreleme teknolojisi, DePAI için tam bir dikey yığın gerçekleştiriyor.
Reborn, DePAI alanındaki lider projedir
DePAI projesi, açık, birleştirilebilir ve izinsiz genişlemeyi güvence altına almak için Token teşvikleri aracılığıyla verimli merkeziyetsiz veri toplama ve teşvik modelini gerçekleştirmiştir.
Reborn henüz Token yayımlamadı, ancak Token ekonomisi Reborn'un kitlesel benimsenmesini hızlandırabilir. Token teşvik mekanizması devreye girdiğinde, ağ katılımının hızla artması bekleniyor:
Reborn'un DePAI Büyüme Uçurumu
Veriler Anahtardır
İnsan biçimli robotların gerçek rekabet avantajı veriler ve modellerdir. Özellikle bu makineleri eğitmek için kullanılan akıllı veri ölçeği, kalitesi ve çeşitliliğidir.
İnsan biçimli robotların "ChatGPT Anı" donanım şirketleri tarafından yönlendirilmeyecek, çünkü donanım dağıtımı yüksek maliyetler, uzun süreler gibi içsel zorluklarla karşı karşıya. Robot teknolojisinin virüs gibi yayılması esasen maliyetler, donanımın kullanılabilirliği ve lojistik karmaşıklıklar tarafından kısıtlanırken, ChatGPT gibi saf dijital yazılımlar bu tür kısıtlamalardan etkilenmeyecek.
Temel Sonuç: Veri, zaferin anahtarıdır.
Gerçek bir dönüm noktası, maliyetlerin düşmesinin ardından verilerle model avantajlarının birleşiminden gelecektir. İnsan biçimli robotların ihtiyaç duyduğu veriler maliyet etkin, ölçeklenebilir ve birleştirilebilir niteliktedir, ayrıca Kripto Varlıklar için Token teşvik modeli mevcut en acil açığı kapatabilir. Reborn, Kripto Varlıklar Token teşvik modeli aracılığıyla sıradan insanları "hareket verisi madencileri" haline getiriyor.