Robotika bekerja cukup mirip dengan AI.

Anda memerlukan banyak data berkualitas tinggi untuk beroperasi, kecuali Anda tidak bisa hanya mengambil data robotika dari internet karena itu membutuhkan pengalaman dan variabel dunia nyata.

Tidak ada "Internet aksi robot."

Banyak tim yang bekerja dan mengeluarkan uang yang sangat besar untuk humanoid karena mereka adalah industri triliun dolar yang paling jelas karena seberapa efisien mereka akan mengubah angkatan kerja (lebih efisien daripada upah rata-rata India sebesar $50k USD masing-masing).

Tapi perlombaan terbesar, seperti AI adalah:

1. Mendapatkan data berkualitas
2. Tugas pelatihan

Model dasar mirip dengan LLM dalam AI, tetapi alih-alih menghasilkan teks, mereka menghasilkan tindakan untuk robot.

Ada beberapa pendekatan berbeda yang diambil tim untuk pelatihan tugas, beberapa menggunakan dataset kecil dengan fidelitas tinggi yang dilabeli seperti Gambar dan lainnya menggunakan pendekatan spray and pray dengan model besar.

Tujuannya adalah untuk memberikan robot pemahaman umum yang luas dan kemampuan untuk menggeneralisasi di berbagai tugas dan lingkungan.

Alih-alih memprogram robot untuk setiap tugas, Anda melatih model raksasa pada data yang beragam (video manusia, simulasi, demo robot nyata, gambar dengan deskripsi teks tentang tugas, dll), dan model tersebut belajar memahami dunia fisik secara terintegrasi.

Anda kemudian dapat meminta robot untuk melakukan sesuatu ( melalui perintah atau contoh ), dan "pengetahuan" model dasar mulai berfungsi untuk menangani hal itu, seperti cara Anda dapat menanyakan apa saja kepada ChatGPT.

Jadi ketidakcocokan besar bagi banyak perusahaan ini akan terjadi di area pelatihan tugas, mereka saat ini sangat fokus pada sisi data (simulasi dunia, data sintetis, trajektori robot, video manusia, dll) karena mereka membutuhkannya untuk berinteraksi dengan sempurna dengan dunia nyata tetapi tidak ada banyak pengembangan tentang apa yang sebenarnya bisa dilakukan oleh robot/humanoid.

Nvidia memimpin salah satu model dasar kunci (Issac GR00T) yang telah mereka sumber terbuka sepenuhnya. Mereka sudah memiliki tim pihak ketiga yang membangun di atas ini dan secara signifikan meningkatkan efisiensinya (pada dasarnya membuat program untuk humanoid membersihkan sebuah ruangan dengan sedikit perubahan pada data model dasar ).

Jadi tumpang tindih besar antara crypto x ai x robotika kemungkinan besar akan terletak di sektor pelatihan tugas ( seperti App Store robotika ) karena model-model dasar terkemuka sudah mulai bersifat open source dan kemungkinan akan ada model insentif besar bagi pengembang indie untuk berkontribusi dan membangun program/tugas keren untuk humanoid.

Akan ada banyak perkembangan dan pengembangan utama yang akan datang pada akhir tahun/awal tahun depan di mana saya pikir robotika akan memiliki momen "chatgpt"-nya (Elon dengan keras mempromosikan model humanoid barunya, video viral humanoid yang melakukan tugas dunia nyata, uang intuisi mengalir masuk, tenaga kerja yang di-PHK, dll ).

Saya bisa berjanji kepada Anda bahwa saya tidak salah tentang ide ini, terasa identik dengan AI di tahun 2023. Ini hanya masalah kapan, bukan jika.

Jangan abaikan salah satu kemajuan teknologi paling inovatif yang terjadi dalam hidup kita dan jangan abaikan $CODEC yang merupakan satu-satunya permainan yang tersedia di persimpangan tren ini.