Humanoïdes : un saut de l'imaginaire à la réalité

Les Bots humanoïdes passent rapidement des œuvres de science-fiction aux applications réelles. La baisse des coûts matériels, l'augmentation des investissements en capital et les percées dans les technologies de mouvement et d'opération propulsent ensemble le domaine de l'informatique vers une nouvelle vague de transformations majeures. Bien que la puissance de calcul et les équipements matériels deviennent de plus en plus accessibles, le manque de données d'entraînement demeure un goulot d'étranglement qui limite le développement de l'industrie.

Dans ce contexte, certains projets commencent à utiliser l'intelligence artificielle physique décentralisée (DePAI) pour crowdsourcer des données de mouvement de haute qualité et des données synthétiques, et construire des modèles de base pour les Bots. Cela crée des conditions favorables pour accélérer le déploiement pratique des humanoïdes.

Bots humanoïdes : d'une fonction unique à polyvalent

La commercialisation de la technologie des Bots n'est pas une nouveauté. Depuis le lancement en 2002 du robot aspirateur iRobot Roomba, jusqu'aux caméras intelligentes pour animaux de compagnie qui ont gagné en popularité ces dernières années, ces appareils à fonction unique sont déjà présents dans des millions de foyers. Avec les progrès de l'intelligence artificielle, les Bots évoluent d'une forme à fonction unique vers une forme multifonctionnelle afin de s'adapter à des environnements ouverts plus complexes.

Au cours des 5 à 15 prochaines années, les robots humanoïdes devraient être progressivement améliorés, passant de tâches de nettoyage et de cuisine de base à des travaux plus complexes tels que les services d'accueil, le sauvetage en cas d'incendie et même la chirurgie.

Les développements récents transforment les Robots humanoïdes de la science-fiction en une réalité à portée de main :

• Tendances du marché : Plus de 100 entreprises se positionnent dans le domaine des Bots.
• Percée technologique : La nouvelle génération de Bots présente des mouvements fluides et naturels, lui permettant d'interagir de manière humanoïde dans des environnements réels. Certains Bots ont atteint une vitesse de marche de 3,3 mètres par seconde, bien supérieure à la vitesse de marche moyenne des humains de 1,4 mètre par seconde.
• Coût prévu : d'ici 2032, le coût des robots humanoïdes devrait être inférieur au niveau de salaire des travailleurs aux États-Unis.

Bouteilles de développement : Données d'entraînement du monde réel

Bien que l'avenir des robots humanoïdes soit prometteur, la qualité et la quantité de données insuffisantes entravent encore leur déploiement à grande échelle.

En comparaison, d'autres technologies d'entités d'intelligence artificielle comme la conduite autonome ont essentiellement résolu les problèmes de données. Par exemple, certains systèmes de conduite autonome ont collecté des milliards de miles de données de conduite sur route réelles grâce à des flottes. Au début de leur développement, ces systèmes étaient également équipés de surveillants humains sur le siège passager pour une formation en temps réel.

Cependant, il est peu probable que les consommateurs acceptent l'existence de "Bots nourrices". Cela signifie que les robots doivent avoir des performances élevées prêtes à l'emploi, ce qui exige que toute la formation soit terminée avant la production commerciale. L'échelle et la qualité des données restent un problème persistant.

Différents types de modèles d'IA ont leurs propres unités de données d'entraînement, comme les modèles de langage de grande taille qui utilisent des tokens, les générateurs d'images qui utilisent des paires vidéo-texte, et la technologie des Bots qui utilise des séquences de mouvement. En comparant l'échelle des données dans différents domaines, on peut clairement voir l'écart de disponibilité des données auquel la technologie des Bots est confrontée :

• La taille des données d'entraînement d'un grand modèle de langage dépasse 15 billions de balises de texte.
• Certaines IA de génération d'images utilisent des milliards de paires de textes vidéo étiquetés.
• En revanche, le plus grand ensemble de données de Bots ne contient qu'environ 2,4 millions d'enregistrements d'interaction.

Cet écart explique pourquoi la technologie des Bots n'a pas encore réalisé de véritables modèles de base comme les grands modèles de langage, la clé résidant dans le fait que la base de données n'est pas encore complète.

Les méthodes traditionnelles de collecte de données peinent à répondre à la demande d'échelle des données d'entraînement des robots humanoïdes :

• Simulation : Coûts bas mais manque de scénarios de frontières réelles (écart entre simulation et réalité)
• Vidéo Internet : ne peut pas fournir les sensations corporelles et l'environnement de retour de force nécessaires à l'apprentissage des Bots.
• Données du monde réel : bien qu'exactes, elles nécessitent un contrôle à distance et une opération de boucle fermée manuelle, ce qui entraîne des coûts élevés et un manque d'évolutivité.

Les modèles entraînés dans des environnements virtuels ont souvent du mal à s'adapter aux situations complexes du monde réel. Par exemple, un robot entraîné virtuellement peut facilement saisir des objets dans des conditions idéales, mais il se retrouve souvent démuni face à un environnement désordonné, des surfaces irrégulières ou des situations imprévues.

Vision full stack de l'IA décentralisée

Certains projets innovants construisent des plateformes logicielles et de données intégrées verticalement pour des applications de robots intelligents incarnés. Ces plateformes visent non seulement à résoudre les problèmes de goulots d'étranglement des données dans le domaine des robots humanoïdes, mais elles deviennent également des moteurs complets de l'intelligence incarnée grâce à la combinaison de matériel développé en interne, d'infrastructures de simulation multimodales et de modèles de base.

Ces plateformes commencent généralement par des dispositifs de capture de mouvement grand public propriétaires pour construire un écosystème de jeux en réalité augmentée et virtuelle à croissance rapide. Les utilisateurs échangent des données de mouvement haute fidélité contre des récompenses incitatives en ligne, propulsant ainsi le développement continu de la plateforme. Certaines plateformes ont vendu des milliers de dispositifs, atteignant plusieurs centaines de milliers d'utilisateurs actifs mensuels, et ont établi un chemin de croissance utilisateur clair.

Cette croissance provient principalement d'un développement naturel : les utilisateurs sont attirés par le caractère divertissant du jeu lui-même, tandis que les diffuseurs utilisent des dispositifs de capture de mouvement pour réaliser une animation en temps réel de leurs avatars numériques. Ce cycle vertueux qui se forme spontanément permet une production de données évolutive, à faible coût et de haute fidélité, rendant les ensembles de données des ressources de formation que les meilleures entreprises de Bots s'arrachent.

Certain plateformes développent encore des plateformes de données multimodales pour un environnement de simulation fragmenté unifié. Actuellement, le domaine de la simulation est hautement fragmenté, chaque outil agissant de manière autonome. Bien que chacun ait ses avantages, ils ne peuvent pas interagir. Cette situation de division retarde le processus de recherche et développement, aggravant l'écart entre la simulation et la réalité. En réalisant la normalisation des simulateurs multiples, ces plateformes ont créé une infrastructure virtuelle partagée pour le développement et l'évaluation des modèles de Bots, soutenant des tests de référence cohérents, ce qui améliore considérablement la capacité d'extension et la capacité de généralisation du système.

Bots de base

Parmi ces piles technologiques, le composant le plus crucial est peut-être le modèle de base des Bots. En tant que l'un des premiers modèles de base des Bots, ces modèles sont en train d'être conçus comme le système central de l'infrastructure émergente de l'intelligence artificielle physique. Leur positionnement est similaire à celui des modèles de base de langage traditionnels, mais orienté vers le domaine des Bots.

En combinant les données de mouvement de crowd-sourcing avec des systèmes de simulation puissants et des systèmes d'autorisation de modèles, ces plateformes peuvent entraîner des modèles de base capables de généraliser à travers différents scénarios. Ce modèle peut soutenir diverses applications de Bots dans les domaines industriel, de consommation et de recherche, permettant un déploiement généralisé sous des données massives et variées.

Certains projets ont déjà commencé à promouvoir activement le processus de commercialisation de la technologie, en lançant des projets pilotes payants avec plusieurs entreprises de Bots et en établissant des partenariats stratégiques. Le marché des robots humanoïdes en Chine connaît une croissance rapide, représentant environ un tiers du marché mondial. Il convient de noter que des fabricants chinois détiennent plus de 60 % du marché mondial des robots quadrupèdes et prévoient de produire plus de 1000 robots humanoïdes d'ici 2025.

Le rôle des technologies de cryptomonnaie dans la pile technologique de l'intelligence artificielle physique

La technologie de la cryptographie est en train de construire une pile verticale complète pour l'intelligence artificielle physique. Bien que différents projets appartiennent à différents niveaux de la pile de l'intelligence artificielle physique, ils ont un point commun : ce sont tous des projets d'intelligence artificielle physique décentralisée (DePAI). DePAI utilise des incitations par token à travers toute la pile technologique, créant un mécanisme d'expansion ouvert, composable et sans autorisation, rendant le développement décentralisé de l'intelligence artificielle physique une réalité.

Certains projets n'ont pas encore émis de jetons, rendant leur croissance organique d'autant plus précieuse. Lorsque le mécanisme d'incitation par jeton sera officiellement lancé, la participation au réseau sera un élément clé pour accélérer l'effet de flywheel DePAI : les utilisateurs qui achètent des appareils matériels peuvent recevoir des incitations de la part des projets, tandis que les entreprises de développement de Bots paieront des récompenses de contribution aux détenteurs d'appareils. Cette double incitation encouragera davantage de personnes à acquérir et à utiliser des appareils de collecte. En même temps, les projets inciteront dynamiquement la collecte de données comportementales sur mesure ayant une grande valeur, afin de combler plus efficacement le fossé technologique entre la simulation et l'application réelle.

Conclusion

La révolution des Bots de la plateforme est inévitable, mais comme toutes les plateformes, son développement à grande échelle dépend d'un soutien basé sur les données. L'intelligence artificielle physique décentralisée (DePAI) comble le vide le plus critique dans la pile technologique des Bots : sa solution de données pour Bots est rentable, hautement évolutive et modulaire.

Lorsque la technologie des Bots devient le nouveau terrain d'affrontement de l'IA, ces projets innovants transforment les utilisateurs ordinaires en "mineurs" de données d'action. Tout comme les grands modèles de langage nécessitent un soutien de balisage textuel, les Bots humanoïdes ont besoin d'une vaste formation sur des séquences d'actions. Grâce à ces efforts, nous espérons franchir le dernier obstacle et réaliser le passage des Bots humanoïdes de la science-fiction à la réalité.