我認為原因在於：去中心化網路可以比中心化公司更快加速機器人能力發展

一家機器人公司能打造出令人印象深刻的機器人，但更難的問題是讓這台機器人累積到足夠的真實世界經驗，從而真正具備能力。
物理智慧是透過互動形成的。機器人需要接觸不同的環境、物體、動作、操作人員、錯誤以及意外狀況。以規模化方式收集這些經驗，正是中心化做法開始面臨嚴重限制之處。
單一公司可用的工程師數量、機器人、地點與每日工時是有限的，但去中心化網路可以擴大朝同一「智慧層」努力的貢獻者人數；而 @InvLambda 正在利用的就是這個機會。
透過其遙操作網路，人們可以從不同地點參與機器人操作，運用自身技能產生有價值的真實世界互動資料。單一操作人員貢獻一段作業。規模不斷成長的網路可以貢獻數千段。
優勢不只是更多參與者，而是經驗的多樣性。
不同的操作人員會以不同方式處理任務。他們做出不同的決策、面對不同條件時的反應也不同，並且在穿行物理環境的過程中發展出獨特策略。這種多樣性，能比起僅由單一組織嚴格控管、且受限於單一作業的方式，為具身 AI 的訓練創造更廣泛的資料集。
網路也讓回饋迴路更有效率：
𝗛𝗨𝗺𝗮𝗻 𝗼𝗽𝗲𝗿𝗮𝘁𝗼𝗿𝘀 → 𝗥𝗼𝗯𝗼𝘁 𝗶𝗻𝘁𝗲𝗿𝗮𝗰𝘁𝗶𝗼𝗻 → 𝗠𝘂𝗹𝘁𝗶𝗺𝗼𝗱𝗮𝗹 𝗱𝗮𝘁𝗮 → 𝗔𝗜 𝘁𝗿𝗮𝗶𝗻𝗶𝗻𝗴 → 𝗕𝗲𝘁𝘁𝗲𝗿 𝗿𝗼𝗯𝗼𝘁𝗶𝗰 𝘀𝘆𝘀𝘁𝗲𝗺𝘀
隨著更多真實世界的互動進入流程，智慧層會變得更豐富。
這個模型也會改變哪些人能參與機器人開發。
你不一定需要在機器人實驗室內工作才有機會為物理 AI 的發展做出貢獻。透過遙操作，人類的靈巧操控與決策能力可以成為用來訓練下一代智慧機器的基礎設施。
這就是 Inverted Lambda 更深層的意義；團隊正朝著一個世界努力，在那個世界裡機器人的智慧不再由一小群彼此隔離運作的團隊所開發。一個全球性的遙操作人類網路，能貢獻機器學習所需的經驗，而隨之產生的資料也會對更廣泛的具身 #AI 生態系變得愈發有價值。
中心化公司仍會持續打造硬體、模型與應用，但去中心化網路可以協助提供同樣重要的東西，那就是：
"𝚃𝚑𝚎 𝚜𝚌𝚊𝚕𝚎 𝚘𝚏 𝚑𝚞𝚖𝚊𝚗 𝚎𝚡𝚙𝚎𝚛𝚒𝚎𝚗𝚌𝚎 𝚛𝚎𝚚𝚞𝚒𝚛𝚎𝚍 𝚝𝚘 𝚖𝚊𝚔𝚎 𝚛𝚘𝚋𝚘𝚝𝚜 𝚝𝚛𝚞𝑙𝚢 𝚒𝚗𝚝𝚎𝚕𝚕𝚒𝚐𝚎𝚗𝚝 𝚒𝚗 𝚝𝚑𝚎 𝚙𝚑𝚢𝚜𝚒𝚌𝚊𝚕 𝚠𝚘𝚛𝚕𝚍."
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach