Человекообразные универсальные роботы быстро выходят из научной фантастики в реальность. Постоянное снижение затрат на оборудование, рост капитальных вложений и технологические прорывы в области подвижности и операционных возможностей — три основных фактора, которые продолжают смешиваться и активно推动ают следующую значительную итерацию платформ в области вычислений.
Несмотря на то, что вычислительные мощности и аппаратное обеспечение становятся все более коммерческими, предоставляя преимущества в снижении затрат для инженерии роботов, отрасль по-прежнему ограничена узким местом в данных для обучения.
Reborn является одним из немногих проектов, использующих децентрализованный физический искусственный интеллект (DePAI) для краудсорсинга высокоточных движений и синтетических данных, а также для создания базовых моделей роботов, что ставит его в уникально выгодное положение в продвижении развертывания гуманоидных роботов. Проект возглавляется командой основателей с глубокими техническими знаниями, члены которой имеют академический опыт исследований и профессорские должности в таких учреждениях, как Университет Калифорнии в Беркли, Корнельский университет, Гарвардский университет и компания Apple, что демонстрирует как выдающийся академический уровень, так и способность к практической реализации инженерных решений.
Человекообразные роботы: от научной фантастики до передовых приложений
Коммерциализация робототехники не является новой концепцией. Знакомый многим робот-пылесос iRobot Roomba, выпущенный в 2002 году, или недавняя популярность домашних роботов, таких как камера для домашних животных Kasa, являются примерами устройств с одной функцией. С развитием искусственного интеллекта роботы эволюционируют от однофункциональных машин к многофункциональным формам, предназначенным для работы в открытых условиях.
Человекообразные роботы будут постепенно усовершенствоваться в течение следующих 5-15 лет, начиная с базовых задач, таких как уборка и приготовление пищи, и в конечном итоге смогут выполнять более сложные работы, такие как услуги при приеме, пожаротушение и даже хирургические операции.
Недавние разработки превращают гуманоидных роботов из научной фантастики в реальность.
Рыночные тенденции: более 100 компаний занимаются humanoid-роботами (такими как Tesla, Yushu Technology, Figure AI, Clone, Agile и др.).
Аппаратные технологии успешно преодолели ужасную долину: новые поколения гуманоидных роботов демонстрируют естественные и плавные движения, что позволяет им взаимодействовать с людьми в реальной среде. В частности, скорость ходьбы робота Yushu H1 достигает 3,3 метра в секунду, что значительно превышает среднюю скорость человека в 1,4 метра в секунду.
(Примечание: Теория жуткой долины (The Uncanny Valley) — это психологическая теория, описывающая эмоциональную реакцию человека на не-человеческие сущности, такие как роботы, куклы, виртуальные образы и т. д.)
Новая парадигма затрат на гуманоидных роботов: ожидается, что к 2032 году они будут ниже уровня зарплат рабочей силы в США.
Проблемы развития: обучающие данные из реального мира
Несмотря на очевидные позитивные факторы в области гуманоидных роботов, низкое качество данных и их нехватка все еще препятствуют их широкомасштабному развертыванию.
Другие технологии искусственного интеллекта, такие как технологии автономного вождения, уже в значительной степени решают проблемы с данными с помощью камер и датчиков, установленных на существующих автомобилях. Например, системы автономного вождения, такие как Tesla и Waymo, могут генерировать миллиарды миль реальных данных о вождении на дорогах. На этом этапе развития Waymo, когда автомобили выходят на дороги, на пассажирском сиденье находится реальный оператор для проведения обучения в реальном времени.
Тем не менее, потребители, скорее всего, не примут существование «роботизированных нянь». Роботы должны обладать высокими показателями производительности прямо из коробки, что делает сбор данных перед развертыванием жизненно важным. Все обучение должно быть завершено до начала коммерческого производства, и масштаб и качество данных по-прежнему остаются постоянной проблемой.
Хотя каждый режим обучения имеет свои единицы измерения (например, большие языковые модели используют токены, генераторы изображений используют видеопары — текст, а робототехника использует фрагменты движения), сравнение ниже четко показывает количественное различие, с которым сталкиваются доступные данные в робототехнике:
Объем данных для обучения GPT-4 превышает 150 триллионов текстовых маркеров.
Midjourney и Sora используют миллиарды помеченных видеотекстовых пар.
В сравнении с этим, самый большой набор данных о роботах содержит всего около 2,4 миллиона записей взаимодействия.
Этот разрыв объясняет, почему технологии робототехники еще не достигли уровня действительно базовой модели, как это сделано с крупными языковыми моделями, и ключевым моментом является то, что база данных еще не завершена.
Традиционные методы сбора данных не могут удовлетворить потребности в масштабировании данных для обучения гуманоидных роботов. Существующие методы включают в себя:
Симуляция: низкие затраты, но отсутствие реальных границ сцен (пропасть между симуляцией и реальностью)
Интернет-видео: невозможно предоставить необходимые для обучения роботов ощущения тела и среду обратной связи по силе.
Данные из реального мира: хотя они точны, для их обработки требуется дистанционное управление и ручная замкнутая операция, что приводит к высоким затратам (более 40 000 долларов за робота) и отсутствию масштабируемости.
Обучение моделей в виртуальной среде имеет низкую стоимость и высокую масштабируемость, но эти модели часто сталкиваются с трудностями при развертывании в реальном мире. Эта проблема называется разрывом между виртуальным и реальным (Sim2Real).
Например, роботы, обученные в смоделированной среде, могут легко поднимать объекты с идеальным освещением и ровной поверхностью, но когда они сталкиваются с беспорядочной средой, неровными текстурами или различными непредвиденными обстоятельствами, которые люди привычно встречают в реальном мире, они часто оказываются бездействующими.
Reborn предлагает экономически эффективный и быстрый способ краудсорсинга реальных данных, способствуя улучшению обучения роботов и решению проблемы "разрыва между симуляцией и реальностью" (Sim2Real).
Reborn: Полный стек децентрализованного AI
Reborn строит вертикально интегрированную программную и данные платформу для приложений с эмбодированным интеллектуальным робототехникой. Основная цель компании заключается в решении проблемы узких мест данных в области гуманоидных роботов, но ее видение намного шире. Благодаря собственной разработке аппаратного обеспечения, многомодальной симуляционной инфраструктуры и базовых моделей, Reborn станет полностековым драйвером для достижения эмбодированного интеллекта.
Платформа Reborn построена на быстро расширяющейся экосистеме игр дополненной и виртуальной реальности, начиная с запатентованного потребительского устройства захвата движения под названием «ReboCap». Пользователи могут предоставлять высококачественные спортивные данные в обмен на онлайн-поощрения и вознаграждения для содействия устойчивому развитию платформы. На сегодняшний день Reborn продала более 5 000 устройств ReboCap, имеет 160 000 активных пользователей в месяц и установила четкую траекторию роста, чтобы к концу года превысить 2 миллиона пользователей.
Reborn поддерживает сбор данных, эффективность которого значительно превосходит другие решения.
Примечательно, что этот рост полностью обусловлен естественным развитием: пользователи привлекаются развлекательностью самой игры, а стримеры используют ReboCap для реализации захвата движений цифровых образов в реальном времени. Этот спонтанно сформировавшийся положительный цикл обеспечивает масштабируемое, низкозатратное и высококачественное производство данных, что позволяет набору данных Reborn стать обучающим ресурсом, который стремятся использовать ведущие компании в области робототехники.
Второй уровень программного стека ReBorn — это Roboverse: многомодальная платформа данных, объединяющая фрагментированные симуляционные среды. В настоящее время область симуляции сильно расколота, например, инструменты такие как Mujoco и NVIDIA Isaac Lab действуют независимо друг от друга, хотя у каждого есть свои преимущества, но они не могут взаимодействовать. Эта раздробленность замедляет процесс разработки и усугубляет разрыв между симуляцией и реальностью. Roboverse, стандартизируя множество симуляторов, создает общую виртуальную инфраструктуру для разработки и оценки моделей роботов. Эта интеграция поддерживает согласованное тестирование, значительно повышая масштабируемость и обобщающие возможности системы.
Roboverse обеспечивает бесшовное сотрудничество. Первый собирает данные из реального мира в больших масштабах, второй создает симуляционную среду для обучения моделей, и оба вместе демонстрируют истинную силу распределенной физической интеллектуальной сети Reborn. Платформа создает экосистему разработчиков физического искусственного интеллекта, которая выходит за пределы простого получения данных, ее функции уже охватывают области развертывания реальных моделей и коммерческого лицензирования.
Reborn базовая модель
Ключевым компонентом в технологическом стеке Reborn, возможно, является базовая модель Reborn (RFM). Будучи одной из первых базовых моделей для роботов, эта модель создается как основная система новой физической инфраструктуры искусственного интеллекта. Ее позиционирование аналогично традиционным базовым языковым моделям, таким как GPT-4 от OpenAI или Llama от Meta, но ориентировано на область робототехники.
Стек технологий Reborn
Три основных компонента технологической платформы Reborn (платформа данных ReboCap, система симуляции Roboverse и механизм лицензирования моделей RFM) совместно создают прочный вертикально интегрированный защитный барьер. Объединив краудсорсинговые данные о движении с мощной системой симуляции и системой лицензирования моделей, Reborn может обучать базовые модели, обладающие способностью к обобщению в различных сценариях. Эта модель может поддерживать разнообразные роботизированные приложения в промышленности, потребительском секторе и научных исследованиях, обеспечивая универсальное развертывание на основе обширных и разнообразных данных.
Reborn активно продвигает процесс коммерциализации своих технологий, запустив платные пилотные проекты с Galbot и Noematrix, а также установив стратегические партнерские отношения с Unitree, Booster Robotics, Swiss Mile и Agile Robots. Рынок гуманоидных роботов в Китае переживает быстрый рост, составляя около 32,7% от мирового рынка. Примечательно, что компания Yushu Technology занимает более 60% доли на мировом рынке четвероногих роботов и является одним из шести китайских производителей, планирующих произвести более 1000 (гуманоидных роботов) в 2025 году.
Роль технологий криптовалют в стекe физических технологий искусственного интеллекта
Криптографические технологии создают полный вертикальный стек для искусственного интеллекта в физическом мире.
Reborn является ведущим проектом криптовалюты с эмбодированной искусственной интеллектом
Хотя эти проекты принадлежат разным уровням физического искусственного интеллекта, у них есть одна общая черта: сто процентов из них являются проектами DePAI. DePAI создает открытую, совместимую и децентрализованную механизм расширения через токенизированные стимулы, что именно эта инновация делает децентрализованное развитие физического искусственного интеллекта реальностью.
Reborn еще не выпускала токены, и органический рост ее бизнеса еще более ценен. Когда механизм стимулирования токенов будет официально запущен, участие в сети ускорится, что станет ключевой частью эффекта маховика DePAI: пользователи смогут получать поощрения от команды проекта при покупке аппаратных устройств Reborn (коллекционеров ReboCap), а компании, занимающиеся исследованиями и разработками роботов, будут выплачивать вознаграждения держателям ReboCap, и этот двойной стимул побудит больше людей покупать и использовать устройства ReboCap. В то же время проектная группа будет динамически стимулировать сбор ценных настраиваемых поведенческих данных, чтобы более эффективно преодолевать технологический разрыв между моделированием и реальными приложениями (Sim2Real).
Reborn 的 DePAI Флайер работает
«Час ChatGPT» в области робототехники не будет инициирован самими компаниями-роботами, поскольку развертывание аппаратного обеспечения гораздо сложнее, чем программного. Взрывной рост технологий робототехники естественным образом ограничен стоимостью, доступностью оборудования и сложностью развертывания, тогда как эти препятствия в чисто цифровом программном обеспечении, таком как ChatGPT, попросту отсутствуют.
Переломный момент для человекоподобных роботов заключается не в том, насколько впечатляющим является прототип, а в том, насколько цена снизится до доступного для широкой публики уровня, как это было с популяризацией смартфонов или компьютеров. Когда стоимость снижается, аппаратное обеспечение становится лишь билетом для входа, а настоящее конкурентное преимущество заключается в данных и моделях: конкретнее, в масштабе, качестве и разнообразии интеллектуальных движений, используемых для обучения машины.
Заключение
Революцию в области роботизированных платформ не остановить, но, как и все платформы, ее масштабное развитие неотделимо от поддержки данных. Reborn — это ставка на то, что криптовалюта может заполнить самый важный пробел в стеке робототехники с искусственным интеллектом: ее решение для данных роботов, DePAI, является экономически эффективным, высокомасштабируемым и модульным. В то время как робототехника является следующим рубежом ИИ, Reborn превращает широкую общественность в «майнеров» данных о действиях. Точно так же, как большие языковые модели должны поддерживаться текстовыми маркерами, гуманоидные роботы должны обучаться с помощью массивных последовательностей действий. С Reborn мы прорвемся через последнее узкое место и осуществим скачок от научной фантастики к реальности для человекоподобных роботов.
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».
Человекообразные Боты+Криптоактивы: Reborn как создать DePAI маховик?
Автор: brianbreslow, Hypersphere Ventures
Перевод: Тим, PANews
Исполнительное резюме
Человекообразные универсальные роботы быстро выходят из научной фантастики в реальность. Постоянное снижение затрат на оборудование, рост капитальных вложений и технологические прорывы в области подвижности и операционных возможностей — три основных фактора, которые продолжают смешиваться и активно推动ают следующую значительную итерацию платформ в области вычислений.
Несмотря на то, что вычислительные мощности и аппаратное обеспечение становятся все более коммерческими, предоставляя преимущества в снижении затрат для инженерии роботов, отрасль по-прежнему ограничена узким местом в данных для обучения.
Reborn является одним из немногих проектов, использующих децентрализованный физический искусственный интеллект (DePAI) для краудсорсинга высокоточных движений и синтетических данных, а также для создания базовых моделей роботов, что ставит его в уникально выгодное положение в продвижении развертывания гуманоидных роботов. Проект возглавляется командой основателей с глубокими техническими знаниями, члены которой имеют академический опыт исследований и профессорские должности в таких учреждениях, как Университет Калифорнии в Беркли, Корнельский университет, Гарвардский университет и компания Apple, что демонстрирует как выдающийся академический уровень, так и способность к практической реализации инженерных решений.
Человекообразные роботы: от научной фантастики до передовых приложений
Коммерциализация робототехники не является новой концепцией. Знакомый многим робот-пылесос iRobot Roomba, выпущенный в 2002 году, или недавняя популярность домашних роботов, таких как камера для домашних животных Kasa, являются примерами устройств с одной функцией. С развитием искусственного интеллекта роботы эволюционируют от однофункциональных машин к многофункциональным формам, предназначенным для работы в открытых условиях.
Человекообразные роботы будут постепенно усовершенствоваться в течение следующих 5-15 лет, начиная с базовых задач, таких как уборка и приготовление пищи, и в конечном итоге смогут выполнять более сложные работы, такие как услуги при приеме, пожаротушение и даже хирургические операции.
Недавние разработки превращают гуманоидных роботов из научной фантастики в реальность.
Рыночные тенденции: более 100 компаний занимаются humanoid-роботами (такими как Tesla, Yushu Technology, Figure AI, Clone, Agile и др.).
Аппаратные технологии успешно преодолели ужасную долину: новые поколения гуманоидных роботов демонстрируют естественные и плавные движения, что позволяет им взаимодействовать с людьми в реальной среде. В частности, скорость ходьбы робота Yushu H1 достигает 3,3 метра в секунду, что значительно превышает среднюю скорость человека в 1,4 метра в секунду.
(Примечание: Теория жуткой долины (The Uncanny Valley) — это психологическая теория, описывающая эмоциональную реакцию человека на не-человеческие сущности, такие как роботы, куклы, виртуальные образы и т. д.)
Новая парадигма затрат на гуманоидных роботов: ожидается, что к 2032 году они будут ниже уровня зарплат рабочей силы в США.
Проблемы развития: обучающие данные из реального мира
Несмотря на очевидные позитивные факторы в области гуманоидных роботов, низкое качество данных и их нехватка все еще препятствуют их широкомасштабному развертыванию.
Другие технологии искусственного интеллекта, такие как технологии автономного вождения, уже в значительной степени решают проблемы с данными с помощью камер и датчиков, установленных на существующих автомобилях. Например, системы автономного вождения, такие как Tesla и Waymo, могут генерировать миллиарды миль реальных данных о вождении на дорогах. На этом этапе развития Waymo, когда автомобили выходят на дороги, на пассажирском сиденье находится реальный оператор для проведения обучения в реальном времени.
Тем не менее, потребители, скорее всего, не примут существование «роботизированных нянь». Роботы должны обладать высокими показателями производительности прямо из коробки, что делает сбор данных перед развертыванием жизненно важным. Все обучение должно быть завершено до начала коммерческого производства, и масштаб и качество данных по-прежнему остаются постоянной проблемой.
Хотя каждый режим обучения имеет свои единицы измерения (например, большие языковые модели используют токены, генераторы изображений используют видеопары — текст, а робототехника использует фрагменты движения), сравнение ниже четко показывает количественное различие, с которым сталкиваются доступные данные в робототехнике:
Объем данных для обучения GPT-4 превышает 150 триллионов текстовых маркеров.
Midjourney и Sora используют миллиарды помеченных видеотекстовых пар.
В сравнении с этим, самый большой набор данных о роботах содержит всего около 2,4 миллиона записей взаимодействия.
Этот разрыв объясняет, почему технологии робототехники еще не достигли уровня действительно базовой модели, как это сделано с крупными языковыми моделями, и ключевым моментом является то, что база данных еще не завершена.
Традиционные методы сбора данных не могут удовлетворить потребности в масштабировании данных для обучения гуманоидных роботов. Существующие методы включают в себя:
Симуляция: низкие затраты, но отсутствие реальных границ сцен (пропасть между симуляцией и реальностью)
Интернет-видео: невозможно предоставить необходимые для обучения роботов ощущения тела и среду обратной связи по силе.
Данные из реального мира: хотя они точны, для их обработки требуется дистанционное управление и ручная замкнутая операция, что приводит к высоким затратам (более 40 000 долларов за робота) и отсутствию масштабируемости.
Обучение моделей в виртуальной среде имеет низкую стоимость и высокую масштабируемость, но эти модели часто сталкиваются с трудностями при развертывании в реальном мире. Эта проблема называется разрывом между виртуальным и реальным (Sim2Real).
Например, роботы, обученные в смоделированной среде, могут легко поднимать объекты с идеальным освещением и ровной поверхностью, но когда они сталкиваются с беспорядочной средой, неровными текстурами или различными непредвиденными обстоятельствами, которые люди привычно встречают в реальном мире, они часто оказываются бездействующими.
Reborn предлагает экономически эффективный и быстрый способ краудсорсинга реальных данных, способствуя улучшению обучения роботов и решению проблемы "разрыва между симуляцией и реальностью" (Sim2Real).
Reborn: Полный стек децентрализованного AI
Reborn строит вертикально интегрированную программную и данные платформу для приложений с эмбодированным интеллектуальным робототехникой. Основная цель компании заключается в решении проблемы узких мест данных в области гуманоидных роботов, но ее видение намного шире. Благодаря собственной разработке аппаратного обеспечения, многомодальной симуляционной инфраструктуры и базовых моделей, Reborn станет полностековым драйвером для достижения эмбодированного интеллекта.
Платформа Reborn построена на быстро расширяющейся экосистеме игр дополненной и виртуальной реальности, начиная с запатентованного потребительского устройства захвата движения под названием «ReboCap». Пользователи могут предоставлять высококачественные спортивные данные в обмен на онлайн-поощрения и вознаграждения для содействия устойчивому развитию платформы. На сегодняшний день Reborn продала более 5 000 устройств ReboCap, имеет 160 000 активных пользователей в месяц и установила четкую траекторию роста, чтобы к концу года превысить 2 миллиона пользователей.
Reborn поддерживает сбор данных, эффективность которого значительно превосходит другие решения.
Примечательно, что этот рост полностью обусловлен естественным развитием: пользователи привлекаются развлекательностью самой игры, а стримеры используют ReboCap для реализации захвата движений цифровых образов в реальном времени. Этот спонтанно сформировавшийся положительный цикл обеспечивает масштабируемое, низкозатратное и высококачественное производство данных, что позволяет набору данных Reborn стать обучающим ресурсом, который стремятся использовать ведущие компании в области робототехники.
Второй уровень программного стека ReBorn — это Roboverse: многомодальная платформа данных, объединяющая фрагментированные симуляционные среды. В настоящее время область симуляции сильно расколота, например, инструменты такие как Mujoco и NVIDIA Isaac Lab действуют независимо друг от друга, хотя у каждого есть свои преимущества, но они не могут взаимодействовать. Эта раздробленность замедляет процесс разработки и усугубляет разрыв между симуляцией и реальностью. Roboverse, стандартизируя множество симуляторов, создает общую виртуальную инфраструктуру для разработки и оценки моделей роботов. Эта интеграция поддерживает согласованное тестирование, значительно повышая масштабируемость и обобщающие возможности системы.
Roboverse обеспечивает бесшовное сотрудничество. Первый собирает данные из реального мира в больших масштабах, второй создает симуляционную среду для обучения моделей, и оба вместе демонстрируют истинную силу распределенной физической интеллектуальной сети Reborn. Платформа создает экосистему разработчиков физического искусственного интеллекта, которая выходит за пределы простого получения данных, ее функции уже охватывают области развертывания реальных моделей и коммерческого лицензирования.
Reborn базовая модель
Ключевым компонентом в технологическом стеке Reborn, возможно, является базовая модель Reborn (RFM). Будучи одной из первых базовых моделей для роботов, эта модель создается как основная система новой физической инфраструктуры искусственного интеллекта. Ее позиционирование аналогично традиционным базовым языковым моделям, таким как GPT-4 от OpenAI или Llama от Meta, но ориентировано на область робототехники.
Стек технологий Reborn
Три основных компонента технологической платформы Reborn (платформа данных ReboCap, система симуляции Roboverse и механизм лицензирования моделей RFM) совместно создают прочный вертикально интегрированный защитный барьер. Объединив краудсорсинговые данные о движении с мощной системой симуляции и системой лицензирования моделей, Reborn может обучать базовые модели, обладающие способностью к обобщению в различных сценариях. Эта модель может поддерживать разнообразные роботизированные приложения в промышленности, потребительском секторе и научных исследованиях, обеспечивая универсальное развертывание на основе обширных и разнообразных данных.
Reborn активно продвигает процесс коммерциализации своих технологий, запустив платные пилотные проекты с Galbot и Noematrix, а также установив стратегические партнерские отношения с Unitree, Booster Robotics, Swiss Mile и Agile Robots. Рынок гуманоидных роботов в Китае переживает быстрый рост, составляя около 32,7% от мирового рынка. Примечательно, что компания Yushu Technology занимает более 60% доли на мировом рынке четвероногих роботов и является одним из шести китайских производителей, планирующих произвести более 1000 (гуманоидных роботов) в 2025 году.
Роль технологий криптовалют в стекe физических технологий искусственного интеллекта
Криптографические технологии создают полный вертикальный стек для искусственного интеллекта в физическом мире.
Reborn является ведущим проектом криптовалюты с эмбодированной искусственной интеллектом
Хотя эти проекты принадлежат разным уровням физического искусственного интеллекта, у них есть одна общая черта: сто процентов из них являются проектами DePAI. DePAI создает открытую, совместимую и децентрализованную механизм расширения через токенизированные стимулы, что именно эта инновация делает децентрализованное развитие физического искусственного интеллекта реальностью.
Reborn еще не выпускала токены, и органический рост ее бизнеса еще более ценен. Когда механизм стимулирования токенов будет официально запущен, участие в сети ускорится, что станет ключевой частью эффекта маховика DePAI: пользователи смогут получать поощрения от команды проекта при покупке аппаратных устройств Reborn (коллекционеров ReboCap), а компании, занимающиеся исследованиями и разработками роботов, будут выплачивать вознаграждения держателям ReboCap, и этот двойной стимул побудит больше людей покупать и использовать устройства ReboCap. В то же время проектная группа будет динамически стимулировать сбор ценных настраиваемых поведенческих данных, чтобы более эффективно преодолевать технологический разрыв между моделированием и реальными приложениями (Sim2Real).
Reborn 的 DePAI Флайер работает
«Час ChatGPT» в области робототехники не будет инициирован самими компаниями-роботами, поскольку развертывание аппаратного обеспечения гораздо сложнее, чем программного. Взрывной рост технологий робототехники естественным образом ограничен стоимостью, доступностью оборудования и сложностью развертывания, тогда как эти препятствия в чисто цифровом программном обеспечении, таком как ChatGPT, попросту отсутствуют.
Переломный момент для человекоподобных роботов заключается не в том, насколько впечатляющим является прототип, а в том, насколько цена снизится до доступного для широкой публики уровня, как это было с популяризацией смартфонов или компьютеров. Когда стоимость снижается, аппаратное обеспечение становится лишь билетом для входа, а настоящее конкурентное преимущество заключается в данных и моделях: конкретнее, в масштабе, качестве и разнообразии интеллектуальных движений, используемых для обучения машины.
Заключение
Революцию в области роботизированных платформ не остановить, но, как и все платформы, ее масштабное развитие неотделимо от поддержки данных. Reborn — это ставка на то, что криптовалюта может заполнить самый важный пробел в стеке робототехники с искусственным интеллектом: ее решение для данных роботов, DePAI, является экономически эффективным, высокомасштабируемым и модульным. В то время как робототехника является следующим рубежом ИИ, Reborn превращает широкую общественность в «майнеров» данных о действиях. Точно так же, как большие языковые модели должны поддерживаться текстовыми маркерами, гуманоидные роботы должны обучаться с помощью массивных последовательностей действий. С Reborn мы прорвемся через последнее узкое место и осуществим скачок от научной фантастики к реальности для человекоподобных роботов.