Interpréter le nouvel espace décentralisé de la chaîne d'intelligence : concepts clés, principaux projets et développement futur

Auteur : cookies

Compilation : Shenchao TechFlow

Avec le développement continu de la technologie Web3, le Réseau d’Intelligence Spatiale Décentralisé (Decentralized Spatial Intelligence Network, DeSPIN) devient un domaine de plus en plus en vue. En analysant et en utilisant des données visuelles du monde réel, DeSPIN offre non seulement des solutions innovantes pour la construction de cartes, la planification urbaine et la robotique, mais ouvre également un tout nouveau modèle économique de « Contribution pour Gagner » (Contribute-to-Earn). Cet article détaillera les concepts clés de DeSPIN, ses principaux protocoles et ses orientations de développement futur.

Qu’est-ce que DeSPIN ?

L’intelligence spatiale (Spatial Intelligence) est une technologie qui extrait des informations en analysant les données visuelles du monde réel. Son cœur réside dans la combinaison des informations géographiques et du contexte environnemental, afin de soutenir la prise de décision humaine. Le réseau décentralisé d’intelligence spatiale (DeSPIN) combine cette technologie avec les idées de décentralisation de la blockchain et du Web3, formant un écosystème ouvert et partagé. Imaginez que vous puissiez gagner des revenus en partageant des photos de routes prises dans votre vie quotidienne ou en enregistrant des données environnementales dans des centres commerciaux ou dans la rue. Ce modèle réduit non seulement le seuil d’entrée pour la collecte de données, mais incite également les utilisateurs ordinaires à contribuer au développement de l’intelligence spatiale.

Avant de comprendre les applications concrètes de DeSPIN, nous devons d’abord maîtriser le cadre de base de l’intelligence spatiale. L’intelligence spatiale se compose de quatre parties principales :

• Collecte de données : collecte de données à l’aide de réseaux de capteurs (comme des caméras, GPS) et d’appareils IoT (comme des téléphones, ordinateurs portables).
• Traitement et analyse des données : Utiliser des techniques d’apprentissage automatique pour traiter les métadonnées géographiques, identifier des modèles dans les données et construire une base de données de requêtes spatiales.
• Représentation des connaissances : associer des données au contexte environnemental par le biais de mappage sémantique, afin de fournir aux utilisateurs des informations géographiques visualisées.
• Système d’aide à la décision : construire un modèle de prévision spatiale pour fournir des services d’application aux utilisateurs, tels que l’optimisation des itinéraires, l’évitement des obstacles, etc.

Protocole principal dans le domaine DeSPIN

Actuellement, plusieurs protocoles innovants ont émergé dans le domaine de DeSPIN, chacun se concentrant sur différents cas d’utilisation. Voici huit projets qui méritent d’être suivis :

1.Hivemapper

Hivemapper est un protocole de construction de cartes décentralisé, utilisant le modèle « conduire pour gagner » (Drive-2-Earn). Les utilisateurs rapportent en temps réel les problèmes de route via une application mobile, tandis que les conducteurs collectent des données à l’aide d’une dashcam installée dans leur véhicule. Ces données sont traitées par des algorithmes d’IA pour générer des cartes, et leur précision est vérifiée par un apprentissage par renforcement avec retour d’information humain (RLHF). Hivemapper offre des cartes couvertes, permettant aux utilisateurs de voir quelles zones ont été cartographiées et d’accéder aux données via une API. Les contributeurs de données peuvent recevoir des récompenses en $HONEY, un jeton pouvant être utilisé pour acheter des données cartographiques ou d’autres services.

2.Réseau NATIX

NATIX Network est un protocole économique de carte décentralisé, axé sur la collecte de données routières via des appareils mobiles et des caméras de voiture, et adopte le modèle « conduire pour gagner ». Sa technologie de base VX360 prend en charge la collecte de données panoramiques à 360 degrés, les données collectées pouvant être utilisées pour développer des fonctionnalités d’assistance à la conduite, telles que l’optimisation de la conduite autonome. Actuellement, NATIX Network couvre 171 pays, avec plus de 223 000 conducteurs inscrits et une distance totale de cartographie atteignant 131 millions de kilomètres. Les contributeurs de données et les nœuds du réseau peuvent tous recevoir des récompenses en jetons $NATIX, incitant ainsi davantage au développement de l’écosystème.

Hivemapper et NATIX s’efforcent de construire des cartes de meilleure qualité grâce aux données routières crowdsourcées. Les applications potentielles de ces données sont très vastes, notamment dans les domaines suivants :

• Optimisation du transport urbain : En analysant les données routières collectées en temps réel, il est possible d’améliorer la gestion du flux de trafic, de réduire les embouteillages et d’accroître l’efficacité des déplacements.
• Surveillance des conditions routières : détecter et signaler rapidement les dommages, les obstacles ou d’autres problèmes potentiels, ce qui contribue à la sécurité et à la fiabilité des infrastructures.
• Détection de la criminalité et des comportements violents : l’utilisation de données cartographiques combinées à des algorithmes d’IA peut aider à identifier et à localiser des comportements anormaux, fournissant un soutien à la sécurité publique.

Ces applications non seulement améliorent la fonctionnalité des cartes, mais apportent également une valeur réelle à la gestion urbaine et à la sécurité sociale.

3.FrodoBots

FrodoBots est un protocole de collecte de données gamifié par des robots, permettant aux utilisateurs de contrôler à distance des robots terrestres pour collecter des données géographiques, avec plusieurs modes d’opération (comme un contrôleur, un clavier ou un volant de jeu). De plus, les chercheurs peuvent déployer des modèles de navigation AI sur la plateforme pour des tests. Les utilisateurs gagnent des FrodoBot Points (FBPs) en accomplissant des missions de conduite, les points étant liés à la distance et à la difficulté des missions ; plus la distance est longue et plus la difficulté est élevée, plus les points sont nombreux. FrodoBots a été testé dans plusieurs villes et a organisé des compétitions de capacités de navigation entre AI et humains. De plus, FrodoBots a établi un système similaire aux « guildes » appelé Earth Rovers School, permettant aux nouveaux utilisateurs de participer à la collecte de données en louant des Earth Rovers.

4.JoJoWorld

JoJoWorld est un protocole axé sur la collecte de données spatiales 3D, permettant aux utilisateurs de contribuer des données pour aider à entraîner des modèles tridimensionnels. La plateforme fournit des données 3D de haute qualité, utilisées pour créer divers scénarios numériques, adaptés à la réalité virtuelle, à l’urbanisme, et d’autres domaines. Les utilisateurs peuvent également acheter directement ces données 3D pour le développement de modèles numériques personnalisés.

Les quatre protocoles suivants se concentrent également sur la collecte de données spatiales du monde réel, mais leurs domaines d’application sont plus spécifiques, couvrant des scénarios particuliers tels que l’entraînement de modèles de robots. Ces protocoles injectent plus de possibilités dans l’écosystème du réseau d’intelligence spatiale décentralisé (DeSPIN) en se concentrant sur les données de longue traîne et les besoins spécifiques.

5.PrismaXAI

PrismaXAI est un protocole qui collecte des données de scènes spécifiques à travers une perspective à la première personne, adapté aux interactions main-objet, aux mouvements dynamiques et aux rassemblements sociaux complexes. Sa technologie de base, Proof-of-View, garantit l’authenticité des données tout en améliorant l’exactitude des annotations de données grâce à un mécanisme de validation décentralisé. Ce protocole a un potentiel énorme pour l’acquisition de données long tail, offrant un avantage unique pour l’entraînement des modèles.

6.OpenMind AGI

OpenMind AGI se concentre sur la compréhension du monde réel à travers des modèles visuels - linguistiques - d’action (VLAMs). Son système central OM1 est un système d’exploitation multiplateforme capable d’interagir avec des environnements réels dynamiques, particulièrement adapté au développement personnalisé de la robotique. La plateforme collecte des données via des smartphones et des robots, et partage ces données avec les développeurs de robots pour améliorer et innover des scénarios d’application robotique.

7.MeckaAI

MeckaAI est un protocole de formation de modèles d’IA de robots décentralisé, permettant aux utilisateurs d’aider à former des modèles de comportement de robots en téléchargeant des données vidéo. La plateforme propose une application mobile, où les utilisateurs peuvent gagner des points OG Mecka en accomplissant des tâches, incitant ainsi davantage à la contribution de données. MeckaAI s’engage à promouvoir le développement de la technologie robotique par le biais d’un modèle de crowdsourcing, réduisant ainsi le seuil d’accès aux données d’entraînement.

8.Xmaquina DAO

Xmaquina DAO est une organisation autonome décentralisée (DAO) qui soutient des projets de robots open source. Contrairement à d’autres protocoles qui participent directement à l’entraînement des modèles, l’objectif principal de Xmaquina DAO est de soutenir la recherche et l’innovation dans le domaine des robots par le biais de l’allocation des ressources. Son centre d’innovation interne, Deus Lab, se concentre sur la recherche et le développement de technologies robotiques, tandis que MachineDAO décide de l’allocation des ressources à des projets spécifiques par le biais du vote en stakant le jeton $DEUS. Ce modèle fournit un soutien financier au développement open source de la technologie robotique, tout en garantissant la transparence et l’équité de l’allocation des ressources.

La structure organisationnelle de MachineDAO

En raison de la longueur, il y a d’autres protocoles d’application dans des domaines similaires qui ne sont pas développés ici en détail, tels que Alaya_AI, Gata_xyz, KrangHQ, etc., qui méritent également d’être notés.

L’avenir de DeSPIN : de la contribution à la valeur

Bien que DeSPIN en soit encore à ses débuts, son potentiel ne peut être ignoré. Avec le développement de l’IA physique et de l’IA incarnée (Embodied AI), ainsi que l’émergence de nouveaux concepts tels que la flotte de données humaines (Human Data Fleet), DeSPIN a le potentiel de mener une nouvelle révolution technologique.

Une tendance possible est la popularité du modèle « Train-to-Earn » (T2E), où les utilisateurs contribuent à la valeur par les données spatiales obtenues dans leur vie quotidienne et reçoivent des récompenses en fonction de la qualité des données. Par exemple, l’apparition de dispositifs oculaires décentralisés peut considérablement améliorer la précision et la diversité de la collecte de données. Les données capturées par des lunettes intelligentes peuvent non seulement refléter de la manière la plus authentique la façon dont les humains perçoivent le monde, mais aussi collecter de nombreuses données de longue traîne telles que le bruit ambiant et les caractéristiques faciales, offrant ainsi de plus larges possibilités dans le domaine de l’intelligence spatiale.

Cependant, le développement de DeSPIN est également confronté à certains défis, par exemple :

• Validation des données : comment garantir l’authenticité et l’exactitude des données crowdsourcées ?
• Problèmes éthiques : Comment réglementer l’utilisation des données pour éviter les violations de la vie privée et les abus ?
• Acceptabilité de la demande : les institutions traditionnelles sont-elles prêtes à adopter des ensembles de données décentralisés ?

La résolution de ces problèmes déterminera l’orientation future de DeSPIN, nécessitant des recherches et des solutions supplémentaires à l’avenir.