Interpretación del nuevo camino en el espacio de Descentralización: conceptos clave, principales proyectos y desarrollo futuro

Autor: cookies

Compilado por: ShenChao TechFlow

Con el continuo desarrollo de la tecnología Web3, la Red de Inteligencia Espacial Descentralizada (Decentralized Spatial Intelligence Network, DeSPIN) se está convirtiendo en un campo de gran interés. Al analizar y utilizar datos visuales del mundo real, DeSPIN no solo proporciona soluciones innovadoras para la construcción de mapas, la planificación urbana y la robótica, sino que también abre un nuevo modelo económico de «Contribuir para Ganar» (Contribute-to-Earn). Este artículo analizará en detalle los conceptos centrales de DeSPIN, los principales protocolos y su dirección futura.

¿Qué es DeSPIN?

La inteligencia espacial (Spatial Intelligence) es una técnica que extrae información analizando los datos visuales del mundo real. Su núcleo radica en combinar la información geográfica con el contexto ambiental, proporcionando así apoyo a la toma de decisiones humanas. La red de inteligencia espacial descentralizada (DeSPIN) combina esta técnica con la blockchain y la filosofía descentralizada de Web3, formando un ecosistema abierto y compartido. Imagina que puedes ganar dinero compartiendo fotos de carreteras tomadas en la vida cotidiana, o registrando datos ambientales en centros comerciales y calles. Este modelo no solo reduce la barrera de entrada para la recolección de datos, sino que también incentiva a los usuarios comunes a contribuir al desarrollo de la inteligencia espacial.

Antes de comprender las aplicaciones específicas de DeSPIN, necesitamos dominar el marco básico de la inteligencia espacial. La inteligencia espacial se compone de cuatro partes fundamentales:

• Recolección de datos: recopilación de datos mediante redes de sensores (como cámaras, GPS) y dispositivos de Internet de las cosas (como teléfonos móviles, computadoras portátiles).
• Procesamiento y análisis de datos: utilizar técnicas de aprendizaje automático para procesar metadatos geográficos, identificar patrones en los datos y construir una base de datos de consultas espaciales.
• Representación del conocimiento: vincular datos con el contexto ambiental a través de mapeo semántico para proporcionar a los usuarios información geográfica visual.
• Sistema de soporte de decisiones: construir modelos de predicción espacial para proporcionar servicios a los usuarios, como la optimización de rutas, la evasión de obstáculos, etc.

Protocolo principal en el ámbito de DeSPIN

En la actualidad, han surgido una serie de protocolos innovadores en el campo de DeSPIN, centrados en diferentes escenarios de aplicación. Aquí hay ocho proyectos a tener en cuenta:

1.Hivemapper

Hivemapper es un protocolo de construcción de mapas descentralizado que utiliza un modelo de “Conducir para Ganar” (Drive-2-Earn). Los usuarios informan en tiempo real sobre problemas en las carreteras a través de una aplicación móvil, mientras que los conductores recopilan datos mediante cámaras de tablero instaladas en sus vehículos. Estos datos son procesados por algoritmos de IA para generar mapas, y su precisión se verifica mediante aprendizaje reforzado con retroalimentación humana (RLHF). Hivemapper ofrece mapas de cobertura, donde los usuarios pueden ver qué áreas han sido mapeadas y acceder a los datos a través de una API. Los contribuyentes de datos pueden recibir recompensas en tokens $HONEY, que se pueden utilizar para comprar datos de mapas u otros servicios.

2.NATIX Network

NATIX Network es un protocolo de economía de mapas descentralizado que se centra en la recopilación de datos de carreteras a través de dispositivos móviles y cámaras de tablero, y adopta un modelo de “ganar conduciendo”. Su tecnología central VX360 admite la recopilación de datos panorámicos de 360 grados, y los datos recopilados pueden utilizarse para desarrollar funciones de asistencia al conductor, como la optimización de la conducción autónoma. Actualmente, NATIX Network ha cubierto 171 países, con más de 223,000 conductores registrados y una distancia total mapeada de 131 millones de kilómetros. Los contribuyentes de datos y los nodos de la red pueden recibir recompensas en tokens $NATIX, lo que fomenta aún más el desarrollo del ecosistema.

Hivemapper y NATIX se dedican a construir mapas de mayor calidad mediante datos viales colaborativos. Los posibles escenarios de aplicación de estos datos son muy amplios, y se incluyen principalmente los siguientes aspectos:

• Optimización del tráfico urbano: a través del análisis de datos de carretera recolectados en tiempo real, se puede mejorar la gestión del flujo de tráfico, reducir la congestión y aumentar la eficiencia en los desplazamientos.
• Monitoreo de las condiciones de la carretera: detectar y reportar a tiempo daños en la carretera, obstáculos u otros problemas potenciales, lo que ayuda a mantener la seguridad y fiabilidad de la infraestructura.
• Detección de delitos y comportamientos violentos: el uso de datos de mapas junto con algoritmos de IA puede ayudar a identificar y localizar comportamientos anómalos, brindando apoyo a la seguridad pública.

Estas aplicaciones no solo mejoran la funcionalidad de los mapas, sino que también aportan un valor práctico a la gestión urbana y la seguridad social.

3.FrodoBots

FrodoBots es un protocolo para la recolección de datos gamificada a través de robots, donde los usuarios pueden controlar de forma remota robots terrestres para recoger datos geográficos, soportando múltiples métodos de operación (como controladores, teclado o volante de juego). Además, los investigadores también pueden implementar modelos de navegación de IA en la plataforma para pruebas. Los usuarios ganan puntos FrodoBot (FBPs) al completar tareas de conducción, y los puntos están relacionados con la distancia y la dificultad de las tareas; cuanto mayor sea la distancia y mayor sea la dificultad, más puntos se ganan. FrodoBots ha sido probado en varias ciudades y ha organizado competiciones de habilidades de navegación entre IA y humanos. Además, FrodoBots ha establecido un sistema similar a una “guilda” llamado Earth Rovers School, que permite a los nuevos usuarios participar en la recolección de datos alquilando Earth Rovers.

4.JoJoWorld

JoJoWorld es un protocolo centrado en la recolección de datos espaciales en 3D, donde los usuarios contribuyen con datos para ayudar a entrenar modelos tridimensionales. La plataforma ofrece datos 3D de alta calidad, utilizados para crear diversas escenas digitales, aplicables en áreas como la realidad virtual, la planificación urbana, entre otras. Los usuarios también pueden comprar directamente estos datos 3D para el desarrollo de modelos digitales personalizados.

Los siguientes cuatro protocolos también se centran en la recopilación de datos espaciales del mundo real, pero sus áreas de aplicación son más específicas, abarcando escenarios particulares como el entrenamiento de modelos robóticos. Estos protocolos inyectan más posibilidades en el ecosistema de la red de inteligencia espacial descentralizada (DeSPIN) al enfocarse en datos de cola larga y necesidades específicas.

5.PrismaXAI

PrismaXAI es un protocolo que recopila datos de escenas específicas desde una perspectiva en primera persona, adecuado para interacciones mano-objeto, movimientos dinámicos y reuniones sociales, entre otros escenarios complejos. Su tecnología central, Proof-of-View, garantiza la autenticidad de los datos, mientras que un mecanismo de verificación descentralizado mejora la precisión de la anotación de datos. Este protocolo tiene un gran potencial para la obtención de datos de cola larga, proporcionando ventajas únicas para el entrenamiento de modelos.

6.OpenMind AGI

OpenMind AGI se centra en la comprensión del mundo real a través de modelos de visión - lenguaje - acción (VLAMs). Su sistema central OM1 es un sistema operativo multiplataforma que puede interactuar con entornos reales dinámicos, siendo especialmente adecuado para el desarrollo personalizado de robótica. La plataforma recopila datos a través de teléfonos móviles y robots, y comparte estos datos con los desarrolladores de robots para mejorar e innovar en escenarios de aplicación robótica.

7.MeckaAI

MeckaAI es un protocolo de entrenamiento de modelos de IA de robots descentralizado, donde los usuarios ayudan a entrenar modelos de comportamiento de robots al subir datos de video. La plataforma ofrece una aplicación móvil, y los usuarios pueden ganar OG Mecka Points al completar tareas, incentivando así la contribución de datos. MeckaAI se dedica a promover el desarrollo de la tecnología robótica a través de un modelo de crowdsourcing, reduciendo la barrera de entrada para la obtención de datos de entrenamiento.

8.Xmaquina DAO

Xmaquina DAO es una organización autónoma descentralizada (DAO) que apoya proyectos de robots de código abierto. A diferencia de otros protocolos que participan directamente en el entrenamiento de modelos, el objetivo principal de Xmaquina DAO es apoyar la investigación e innovación en el campo de la robótica a través de la asignación de recursos. Su centro de innovación interno, Deus Lab, se centra en la investigación y el desarrollo de tecnología robótica, mientras que MachineDAO decide a qué proyectos se asignan los recursos mediante la votación con el token en staking $DEUS. Este modelo proporciona apoyo financiero para el desarrollo de la robótica de código abierto, al tiempo que garantiza la transparencia y equidad en la asignación de recursos.

La estructura organizativa de MachineDAO

Debido a limitaciones de espacio, hay algunos protocolos de aplicación en campos similares que no se han detallado aquí, como Alaya_AI, Gata_xyz, KrangHQ, etc., que también merecen atención.

El futuro de DeSPIN: de la contribución al valor

A pesar de que DeSPIN todavía se encuentra en sus primeras etapas, su potencial no debe ser subestimado. Con el desarrollo de la IA física y la IA encarnada (Embodied AI), así como el surgimiento de nuevos conceptos como la Flota de Datos Humanos (Human Data Fleet), se espera que DeSPIN lidere una nueva revolución tecnológica.

Una posible tendencia es la popularización del modelo “Entrenar para Ganar” (Train-to-Earn, T2E), donde los usuarios contribuyen con datos espaciales obtenidos en su vida diaria y reciben recompensas según la calidad de los datos. Por ejemplo, la aparición de dispositivos de gafas descentralizadas puede mejorar enormemente la precisión y diversidad de la recolección de datos. Los datos capturados por las gafas inteligentes no solo reflejan de la manera más auténtica cómo los humanos perciben el mundo, sino que también pueden recopilar muchos ruidos ambientales, características faciales y otros datos de cola larga, lo que brinda mayores posibilidades en el campo de la inteligencia espacial.

Sin embargo, el desarrollo de DeSPIN también enfrenta algunos desafíos, por ejemplo:

• Validación de datos: ¿Cómo asegurar la veracidad y precisión de los datos crowdsourced?
• Cuestiones éticas: ¿Cómo regular el uso de datos para evitar la filtración de privacidad y el abuso?
• Aceptación por parte de la demanda: ¿están dispuestas las instituciones tradicionales a adoptar conjuntos de datos descentralizados?

La solución de estos problemas determinará la dirección futura de DeSPIN, y se necesita investigar y resolver más en el futuro.