Людські боти: стрибок від уяви до реальності

Людські боти швидко переходять від наукової фантастики до реальних застосувань. Зниження витрат на апаратуру, збільшення капіталовкладень і прориви у технологіях руху та управління разом сприяють новій хвилі значних змін у сфері обчислень. Незважаючи на те, що обчислювальні потужності та апаратура стають все більш поширеними, нестача навчальних даних залишається вузьким місцем, що стримує розвиток галузі.

У цьому контексті деякі проекти почали використовувати децентралізований фізичний штучний інтелект (DePAI) для краудсорсингу високоякісних спортивних даних та синтетичних даних, а також для створення базових моделей Боти. Це створює сприятливі умови для прискорення фактичного впровадження гуманоїдних Боти.

Людські роботи: від однієї функції до універсальності

Комерціалізація робототехніки не є новим явищем. Від iRobot Roomba, що з'явився в 2002 році, до популярних у останні роки розумних камер для домашніх тварин, ці однокомпонентні пристрої вже давно потрапили до тисяч домогосподарств. Завдяки прогресу в штучному інтелекті, роботи еволюціонують від однокомпонентних до багатофункціональних форм, щоб пристосуватися до складніших відкритих середовищ.

Очікується, що протягом наступних 5-15 років, humanoidні боти поступово оновлюватимуться, переходячи від базових завдань з прибирання та приготування їжі до складних робіт, таких як обслуговування гостей, пожежогасіння та навіть хірургічні операції.

Нещодавні розробки перетворюють гуманоїдних Боти з наукової фантастики на реальність, доступну для досягнення:

• Ринкові тенденції: понад 100 компаній займаються сферою людських роботів.
• Технічний прорив: нове покоління гуманоїдних Боти демонструють плавні та природні рухи, що дозволяє їм здійснювати людоподібну взаємодію в реальних умовах. Швидкість пересування деяких Боти досягла 3,3 метра на секунду, що значно перевищує середню швидкість людини 1,4 метра на секунду.
• Очікувана вартість: до 2032 року вартість人形机器人 має знизитися нижче рівня заробітної плати в США.

Вузьке місце розвитку: навчальні дані реального світу

Попри те, що сфера гуманоїдних ботів має світле майбутнє, недостатня якість і кількість даних все ще заважає їхньому масовому впровадженню.

У порівнянні з цим, інші технології штучного інтелекту, такі як автономне водіння, вже в основному вирішили проблеми з даними. Наприклад, деякі системи автономного водіння зібрали десятки мільярдів миль реальних даних про дорожній рух за допомогою флоту. На початкових етапах розвитку ці системи також оснащувалися людськими моніторами на пасажирському сидінні для навчання в режимі реального часу.

Однак споживачі малоймовірно приймуть існування "Боти"-нянь. Це означає, що роботи повинні мати високу продуктивність з моменту виходу з упаковки, що вимагає завершення всього навчання до комерційного виробництва. Масштаб і якість даних стають постійною проблемою.

Різні типи AI-моделей мають свої одиниці навчальних даних, такі як великі мовні моделі використовують токени, генератори зображень використовують відео-текстові пари, а робототехніка використовує фрагменти руху. Порівнюючи масштаби даних у різних сферах, можна чітко побачити різницю в доступності даних, з якою стикається робототехніка:

• Масштаб навчальних даних великої мовної моделі перевищує 15 трильйонів текстових токенів.
• Деякі AI для генерації зображень використовують десятки мільярдів пар відео та тексту з мітками.
• У порівнянні, найбільший набір даних ботів містить лише близько 2,4 мільйона записів взаємодії.

Ця різниця пояснює, чому технологія Боти ще не досягла справжньої основної моделі, як це зробили великі мовні моделі, ключовою причиною є неповнота бази даних.

Традиційні методи збору даних не можуть задовольнити масштабні вимоги до даних для навчання人形机器人.

• Симуляція: низька вартість, але відсутні реальні граничні сценарії (різниця між симуляцією та реальністю)
• Інтернет-відео: не може надати тілесні відчуття та середовище зворотного зв'язку, необхідні для навчання Боти.
• Реальні світові дані: хоча точні, але потребують віддаленого керування та людського закритого циклу операцій, що призводить до високих витрат і нестачі масштабованості.

Моделі, які тренуються у віртуальному середовищі, часто важко адаптувати до складних умов реального світу. Наприклад, віртуально натреновані Боти можуть легко піднімати об'єкти в ідеальних умовах, але часто виявляються безпорадними перед безладним середовищем, нерегулярними поверхнями або несподіваними ситуаціями.

Повна стекова візія децентралізованого штучного інтелекту

Деякі інноваційні проекти створюють вертикально інтегровані програмні та дані платформи для застосувань з втіленим інтелектом Боти. Ці платформи не лише прагнуть вирішити проблему вузьких місць даних у сфері гуманоїдних роботів, але й завдяки власній розробці апаратного забезпечення, мультимодальній симуляційній інфраструктурі та поєднанню базових моделей стають повноцінними драйверами досягнення втіленого інтелекту.

Ці платформи зазвичай починають з власних споживчих пристроїв для захоплення рухів, створюючи швидко зростаючу екосистему ігор доповненої та віртуальної реальності. Користувачі отримують мережеві винагороди, надаючи високоточні дані про рух, що сприяє безперервному розвитку платформи. Деякі платформи продали тисячі пристроїв, а кількість активних користувачів на місяць досягає кількох десятків тисяч, при цьому визначено чіткі шляхи зростання користувачів.

Цей зріст в основному зумовлений природним розвитком: користувачів приваблює розважальність самої гри, а стрімери використовують пристрої захоплення руху для реалізації реального управління цифровими образами. Цей спонтанно сформований позитивний цикл забезпечив масштабоване, низьковартісне та високоякісне виробництво даних, що зробило набори даних тренувальними ресурсами, які активно використовують провідні боти компанії.

Деякі платформи також розробляють платформу для багатомодальних даних у єдиному фрагментованому середовищі симуляції. Наразі сфера симуляції є надзвичайно розрізненою, різні інструменти діють самостійно, хоча кожен має свої переваги, проте не можуть взаємодіяти. Ця розділеність затримує процеси дослідження та розробки, посилює розрив між симуляцією та реальністю. Завдяки стандартизації багатьох симуляторів ці платформи створили спільну віртуальну інфраструктуру для розробки та оцінки Боти, яка підтримує послідовне тестування, що суттєво підвищує масштабованість та узагальненість систем.

Боти базова модель

У цих технологічних стеків найважливішим компонентом, можливо, є Боти базової моделі. Як одна з перших базових моделей для Ботів, такі моделі створюються як основна система нової фізичної інфраструктури штучного інтелекту. Їхнє призначення подібне до традиційних великих мовних базових моделей, але орієнтоване на сферу роботів.

Об'єднавши дані про краудсорсинг руху з потужними системами моделювання та системами ліцензування моделей, ці платформи можуть навчити базову модель, що має здатність до генералізації в різних сценах. Ця модель може підтримувати різноманітні роботизовані застосування в промисловості, споживанні та дослідженнях, реалізуючи універсальне впровадження на основі величезних різноманітних даних.

Деякі проекти вже почали активно просувати процес комерціалізації технологій, розпочавши платні пілотні проєкти з кількома компаніями-ботами та встановивши стратегічні партнерства. Китайський ринок гуманоїдних роботів переживає швидке зростання, займаючи близько третини світового ринку. Варто зазначити, що китайські виробники займають понад 60% частки світового ринку чотирилапих роботів і планують виробити понад 1000 гуманоїдних роботів до 2025 року.

! [Гуманоїдний робот + криптовалюта: як Reborn будує маховик DePAI?] ](https://img-cdn.gateio.im/webp-social/moments-6141c7f6e1234bedbc593c2e1c7d30df.webp)

Роль технологій криптовалют у стеку фізичних технологій штучного інтелекту

Технології криптографії будують повний вертикальний стек для штучного інтелекту в фізичному світі. Хоча різні проекти належать до різних рівнів фізичного штучного інтелекту, у них є спільна риса: це проекти децентралізованого фізичного штучного інтелекту (DePAI). DePAI використовує токенізовані стимули в усій технологічній структурі, створюючи відкритий, комбінований і безліцензійний механізм розширення, що робить децентралізований розвиток фізичного штучного інтелекту реальністю.

Деякі проекти ще не випустили токени, і їх органічне зростання є більш цінним. Коли механізм стимулювання токенів офіційно запуститься, участь у мережі стане ключовим етапом ефекту маховика DePAI, що прискорить зростання: користувачі, які купують апаратне забезпечення, можуть отримати винагороду від проекту, а компанії, що розробляють Боти, виплачують винагороду за внесок власникам обладнання; такий подвійний стимул сприятиме тому, що більше людей придбають та використовуватимуть пристрої для збору даних. Водночас проект динамічно стимулюватиме збори даних про кастомізовану поведінку з високою цінністю, щоб більш ефективно подолати технологічний розрив між симуляцією та реальним застосуванням.

Висновок

Революція платформ роботів неминуча, але, як і всі платформи, її масштабний розвиток залежить від підтримки даних. Децентралізований фізичний штучний інтелект (DePAI) заповнює найважливішу прогалину в технологічному стеку AI роботів: його рішення з даних роботів є економічно ефективними, високою масштабованістю та модульними характеристиками.

Коли технології робототехніки стають наступним фронтом у сфері ШІ, ці інноваційні проекти перетворюють звичайних користувачів на «майнерів» даних дій. Так само, як великі мовні моделі потребують текстових міток, щоб підтримувати їх, людино-подібні роботи потребують величезних обсягів тренувальних послідовностей дій. Завдяки цим зусиллям, ми сподіваємося подолати останній бар'єр і здійснити перехід людейоподібних роботів з наукової фантастики в реальність.