Penulis: Paul Veradittakit, Mitra Pantera Capital; Terjemahan: Jinse Caijing xiaozou
Ringkasan:
VLA**Inovasi dan efek skala sedang mendorong lahirnya robot humanoid yang ekonomis, efisien, dan serbaguna.
Seiring dengan ekspansi robot penyimpanan ke pasar robot konsumen, keamanan robot, pembiayaan, dan mekanisme evaluasi layak untuk dieksplorasi lebih dalam.
Teknologi kriptografi akan mendorong perkembangan industri robot dengan memberikan jaminan ekonomi untuk keamanan robot, serta mengoptimalkan infrastruktur penghubungan, latensi, dan proses pengumpulan data.
ChatGPT secara drastis mengubah harapan manusia terhadap kecerdasan buatan. Ketika model bahasa besar mulai berinteraksi dengan dunia perangkat lunak eksternal, banyak orang berpikir bahwa agen AI adalah bentuk akhir. Namun, jika kita melihat film-film sci-fi klasik seperti "Star Wars", "Blade Runner", atau "RoboCop", kita akan menemukan bahwa impian sejati manusia adalah agar kecerdasan buatan dapat berinteraksi dengan dunia fisik dalam bentuk robot.
Menurut Pantera Capital, "momen ChatGPT" di bidang robotika akan segera tiba. Kami akan terlebih dahulu menganalisis bagaimana terobosan dalam kecerdasan buatan selama beberapa tahun terakhir telah mengubah lanskap industri, kemudian membahas bagaimana teknologi baterai, optimasi keterlambatan, dan perbaikan pengumpulan data akan membentuk gambaran masa depan, serta peran yang dimainkan oleh teknologi kripto di dalamnya. Akhirnya, kami akan menjelaskan mengapa kami percaya bahwa keamanan robot, pendanaan, penilaian, dan pendidikan adalah bidang vertikal yang perlu mendapat perhatian khusus.
1**, Elemen Perubahan**
（1）Terobosan Kecerdasan Buatan
Kemajuan di bidang model bahasa multimodal sedang memberikan "otak" yang diperlukan bagi robot untuk melaksanakan tugas-tugas kompleks. Robot terutama merasakan lingkungan melalui dua indera, yaitu penglihatan dan pendengaran.
Model visi komputer tradisional (seperti jaringan saraf konvolusional) meskipun mahir dalam tugas deteksi atau klasifikasi objek, namun sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bertujuan. Model bahasa besar meskipun menunjukkan kinerja yang luar biasa dalam pemahaman dan generasi teks, tetapi dibatasi oleh kemampuan persepsi dunia fisiknya.
Melalui model visual-bahasa-tindakan (VLA), robot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan fisik dalam kerangka komputasi yang terpadu. Pada Februari 2025, Figure AI meluncurkan model kontrol humanoid universal Helix, yang dengan kemampuan generalisasi tanpa sampel dan arsitektur sistem 1/sistem 2 menetapkan standar baru untuk industri. Karakteristik generalisasi tanpa sampel memungkinkan robot untuk segera beradaptasi dengan skenario baru, objek baru, dan instruksi baru tanpa pelatihan ulang untuk setiap tugas. Arsitektur sistem 1/sistem 2 memisahkan penalaran tingkat tinggi dan penalaran ringan, mewujudkan robot humanoid komersial yang memiliki pemikiran mirip manusia dan akurasi waktu nyata.
（2）Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum—kemampuan untuk diakses. Smartphone, komputer pribadi, dan teknologi pencetakan 3D telah menjadi umum dengan harga yang dapat dijangkau oleh kelas menengah. Ketika harga robot seperti Unitree G1 di bawah harga sedan Honda Accord atau pendapatan tahunan minimum sebesar 34.000 dolar AS di Amerika, tidak mengherankan jika kita membayangkan dunia di mana pekerjaan fisik dan urusan sehari-hari sebagian besar diselesaikan oleh robot.
（3）Dari Penyimpanan Menuju Pasar Konsumen
Teknologi robotika sedang berkembang dari solusi pergudangan ke bidang konsumen. Dunia ini dirancang untuk manusia—manusia dapat menyelesaikan semua pekerjaan robot profesional, sementara robot profesional tidak dapat melakukan semua pekerjaan manusia. Perusahaan robot tidak lagi terbatas pada pembuatan robot khusus untuk pabrik, tetapi beralih untuk mengembangkan robot humanoid yang lebih serbaguna. Oleh karena itu, garis depan teknologi robotika tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu kendala utama dalam skala. Indikator yang paling kami perhatikan adalah biaya total per jam, yang dihitung dengan cara: biaya peluang waktu untuk pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total durasi operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata di industri terkait agar kompetitif.
Untuk sepenuhnya meresap ke dalam bidang pergudangan, biaya komprehensif robot per jam harus di bawah 31,39 dolar AS. Sementara di pasar konsumen terbesar—bidang pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikontrol di bawah 35,18 dolar AS. Saat ini, robot sedang berkembang ke arah lebih murah, lebih efisien, dan lebih universal.
2**, Terobosan Berikutnya dalam Teknologi Robotik**
（1）optimasi baterai
Teknologi baterai selalu menjadi kendala bagi robot yang ramah pengguna. Mobil listrik awal seperti BMW i3 mengalami keterbatasan teknologi baterai yang menyebabkan jarak tempuh pendek, biaya tinggi, dan utilitas rendah, sehingga sulit untuk diadopsi secara luas, dan robot menghadapi kesulitan yang sama. Robot Spot dari Boston Dynamics hanya memiliki daya tahan baterai selama 90 menit, sedangkan Unitree G1 memiliki daya tahan baterai sekitar 2 jam**. Pengguna jelas tidak mau mengisi daya secara manual setiap dua jam**; oleh karena itu, pengisian daya otomatis dan infrastruktur pengisian menjadi arah pengembangan yang utama. Saat ini, ada dua mode pengisian daya utama untuk robot: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan penggantian cepat baterai yang habis untuk memastikan operasi yang berkelanjutan, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau otomatis.
Pengisian induktif menggunakan metode penyediaan daya nirkabel, meskipun pengisian penuh memerlukan waktu yang lebih lama, tetapi dapat dengan mudah mencapai proses otomatisasi penuh.
（2）optimasi keterlambatan
Operasi latensi rendah dapat dibagi menjadi dua kategori: kesadaran lingkungan dan kontrol jarak jauh. Kesadaran merujuk pada kemampuan robot untuk mengenali ruang lingkungan, sementara kontrol jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Menurut penelitian Cintrini, sistem persepsi robot dimulai dari sensor yang murah, tetapi keunggulan teknologi terletak pada perangkat lunak integrasi, komputasi rendah daya, dan sirkuit kontrol presisi dalam milidetik. Setelah robot menyelesaikan penentuan posisi spasial, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label skenario dimasukkan ke dalam sistem perencanaan, instruksi motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Penundaan persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia**——**setiap penundaan yang melebihi ambang batas ini akan menyebabkan gerakan robot menjadi canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visi-bahasa-tindakan tunggal.
Robot otonom sepenuhnya harus memastikan bahwa latensi model VLA berkinerja tinggi kurang dari 50 milidetik; untuk robot yang dikendalikan dari jarak jauh, sinyal latensi antara sisi pengoperasian dan robot tidak boleh melebihi 50 milidetik. Pentingnya model VLA di sini sangat menonjol—jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, latensi keseluruhan akan jauh melebihi ambang batas 50 milidetik.
（3）Optimasi Pengumpulan Data
Pengumpulan data memiliki tiga jalur utama: data video dunia nyata, data sintetik, dan data pengendalian jarak jauh. Kendala inti antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik robot dan model simulasi video**/****.** Data video nyata kehilangan detail fisik seperti umpan balik kekuatan, kesalahan gerakan sendi, dan deformasi material; sedangkan data simulasi kekurangan variabel tak terduga seperti kegagalan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh — di mana operator manusia mengendalikan robot untuk melaksanakan tugas. Namun, biaya tenaga kerja adalah faktor pembatas utama dalam pengumpulan data dengan pengendalian jarak jauh.
Pengembangan perangkat keras khusus juga sedang memberikan solusi baru untuk pengumpulan data berkualitas tinggi. Perusahaan Mecka menggabungkan metode arus utama dengan perangkat keras khusus untuk mengumpulkan data gerakan manusia multi-dimensi, yang setelah diproses diubah menjadi kumpulan data yang cocok untuk pelatihan jaringan saraf robot, bersama dengan siklus iterasi cepat menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI robot. Saluran teknologi ini secara bersama-sama memperpendek jalur konversi dari data mentah ke robot yang dapat diterapkan.
3**、Bidang Eksplorasi Utama**
（1）Fusi teknologi kripto dan robot
Teknologi kripto dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan robot. Berdasarkan bidang kunci yang disebutkan sebelumnya, kami percaya bahwa teknologi kripto dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, optimasi latensi, dan pengumpulan data.
Jaringan Infrastruktur Fisik Terdesentralisasi (DePIN) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian perlu tersedia dengan mudah seperti stasiun pengisian bahan bakar. Jaringan terpusat memerlukan investasi awal yang besar, sementara DePIN akan membagi biaya kepada operator node, memungkinkan fasilitas pengisian untuk dengan cepat diperluas ke lebih banyak wilayah.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi kontrol jarak jauh. Dengan mengagregasi sumber daya komputasi node tepi yang terdistribusi secara geografis, instruksi kontrol jarak jauh dapat diproses oleh node lokal atau node yang paling dekat tersedia, meminimalkan jarak transmisi data, dan secara signifikan mengurangi latensi komunikasi. Namun, proyek DePIN saat ini terutama berfokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum meluas ke bidang robotika atau kontrol jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling menjanjikan, tetapi biaya untuk entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data sangat tinggi. DePIN memecahkan masalah ini dengan menginspirasi pihak ketiga untuk menyediakan data pengendalian jarak jauh melalui token kripto. Proyek Reborn membangun jaringan operator jarak jauh global, mengubah kontribusi mereka menjadi aset digital yang tertokenisasi, membentuk sistem desentralisasi yang tidak memerlukan izin—peserta tidak hanya dapat memperoleh keuntungan, tetapi juga berpartisipasi dalam tata kelola dan membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan akhir dari teknologi robotika adalah mencapai otonomi penuh, tetapi seperti yang diperingatkan oleh seri film "Terminator", manusia paling tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah menarik perhatian, dan ketika model-model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan masyarakat.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem robot. Perusahaan OpenMind di bidang ini sedang membangun FABRIC—sebuah lapisan koordinasi mesin terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui bukti kriptografi. Berbeda dengan pengelolaan pasar tugas yang sederhana, FABRIC memungkinkan robot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan otentikasi identitas dilaksanakan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Robot yang memenuhi standar keamanan, persyaratan kualitas, dan norma regional akan mendapatkan hadiah, sementara pelanggar akan menghadapi hukuman atau kehilangan kelayakan, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan mesin otonom.
Jaringan re-staking pihak ketiga (seperti Symbiotic) juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter penalti masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Kami memperkirakan pedoman keamanan industri akan segera terbentuk, dan pada saat itu parameter penalti akan dimodelkan berdasarkan pedoman ini.
Contoh Rencana Implementasi:
Perusahaan robot bergabung dengan Symbiotic jaringan.
Tetapkan parameter penyitaan yang dapat diverifikasi (seperti "tekanan kontak manusia yang diterapkan lebih dari 2500 Newton");
Staker menyediakan margin untuk memastikan robot mematuhi parameter;
Jika terjadi pelanggaran, deposit akan digunakan sebagai kompensasi bagi korban.
Model ini tidak hanya mendorong perusahaan untuk memprioritaskan keamanan, tetapi juga meningkatkan penerimaan konsumen melalui mekanisme asuransi kolam staking.
Pandangan tim Symbiotic tentang bidang robotika adalah:
Symbiotic* kerangka staking universal bertujuan untuk memperluas konsep staking ke semua bidang yang memerlukan jaminan keamanan ekonomi, baik melalui model berbagi maupun model mandiri. Kasus penggunaan mulai dari asuransi hingga teknologi robotik perlu dirancang berdasarkan contoh spesifik. Misalnya, jaringan robot dapat sepenuhnya dibangun berdasarkan kerangka Symbiotic, memungkinkan pemangku kepentingan untuk memberikan jaminan ekonomi bagi integritas jaringan.
4**, Mengisi Kekosongan dalam Tumpukan Teknologi Robotika**
OpenAI mendorong penyebaran AI, tetapi fondasi untuk ChatGPT sudah lama diletakkan. Layanan cloud memecahkan ketergantungan model pada daya komputasi lokal, Huggingface mewujudkan model sumber terbuka, dan Kaggle menyediakan platform eksperimen bagi insinyur AI. Terobosan bertahap ini secara bersama-sama berkontribusi pada popularitas AI.
Berbeda denganAI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya perlu diturunkan hingga tingkat kemudahan yang setara dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan di tiga aspek: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli perangkat keras seperti motor, sensor, baterai, dan lain-lain, dengan biaya yang mudah melebihi 100.000 dolar AS. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan biaya tinggi dibandingkan dengan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang baik tidak dapat langsung diubah menjadi solusi efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi mandiri mereka di lingkungan nyata yang beragam untuk mencapai optimasi iteratif.
Ketika infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Perusahaan robotika kripto OpenMind sedang maju ke arah ini—proyek sumber terbuka mereka OM1 ("sistem Android versi robot") mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dan memiliki kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah inferensi disajikan dalam bahasa Inggris yang jelas, memungkinkan operator untuk mengaudit atau menyesuaikan perilaku tanpa harus menyentuh firmware. Kemampuan penalaran bahasa alami ini memungkinkan generasi talenta baru untuk masuk ke bidang robotika tanpa hambatan, melangkah maju ke platform terbuka yang dapat memicu revolusi robot, sama seperti dampak percepatan gerakan sumber terbuka terhadap AI.
Kepadatan talenta menentukan arah industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pasokan talenta di bidang robotika. Peluncuran OpenMind di Nasdaq menandai dimulainya era baru di mana mesin cerdas berpartisipasi dalam inovasi keuangan dan pendidikan nyata. OpenMind** dan Robostore secara bersama-sama mengumumkan bahwa mereka akan meluncurkan kurikulum pendidikan umum pertama berbasis Unitree G1 humanoid robot di sekolah umum K-12 di Amerika Serikat. **Desain kurikulum ini memiliki platform independen dan dapat disesuaikan dengan berbagai bentuk robot, memberikan kesempatan bagi siswa untuk melakukan praktik. Sinyal positif ini memperkuat penilaian kami: selama beberapa tahun ke depan, tingkat kelimpahan sumber daya pendidikan robotika akan sebanding dengan bidang AI.
5**, Prospek Masa Depan**
Inovasi dan efek skala ekonomi dari model visual-linguistik-aksi (VLA) telah melahirkan robot humanoid yang terjangkau, efisien, dan serbaguna. Dengan robot penyimpanan yang berkembang ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi kunci. Kami yakin bahwa teknologi kripto akan mendorong perkembangan robot melalui tiga jalur: menyediakan jaminan ekonomi untuk keamanan, mengoptimalkan infrastruktur pengisian, dan meningkatkan kinerja latensi serta saluran pengumpulan data.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Mitra Pantera: Era Bot AI yang Didorong oleh enkripsi
Penulis: Paul Veradittakit, Mitra Pantera Capital; Terjemahan: Jinse Caijing xiaozou
Ringkasan:
VLA**Inovasi dan efek skala sedang mendorong lahirnya robot humanoid yang ekonomis, efisien, dan serbaguna.
Seiring dengan ekspansi robot penyimpanan ke pasar robot konsumen, keamanan robot, pembiayaan, dan mekanisme evaluasi layak untuk dieksplorasi lebih dalam.
Teknologi kriptografi akan mendorong perkembangan industri robot dengan memberikan jaminan ekonomi untuk keamanan robot, serta mengoptimalkan infrastruktur penghubungan, latensi, dan proses pengumpulan data.
ChatGPT secara drastis mengubah harapan manusia terhadap kecerdasan buatan. Ketika model bahasa besar mulai berinteraksi dengan dunia perangkat lunak eksternal, banyak orang berpikir bahwa agen AI adalah bentuk akhir. Namun, jika kita melihat film-film sci-fi klasik seperti "Star Wars", "Blade Runner", atau "RoboCop", kita akan menemukan bahwa impian sejati manusia adalah agar kecerdasan buatan dapat berinteraksi dengan dunia fisik dalam bentuk robot.
Menurut Pantera Capital, "momen ChatGPT" di bidang robotika akan segera tiba. Kami akan terlebih dahulu menganalisis bagaimana terobosan dalam kecerdasan buatan selama beberapa tahun terakhir telah mengubah lanskap industri, kemudian membahas bagaimana teknologi baterai, optimasi keterlambatan, dan perbaikan pengumpulan data akan membentuk gambaran masa depan, serta peran yang dimainkan oleh teknologi kripto di dalamnya. Akhirnya, kami akan menjelaskan mengapa kami percaya bahwa keamanan robot, pendanaan, penilaian, dan pendidikan adalah bidang vertikal yang perlu mendapat perhatian khusus.
1**, Elemen Perubahan**
（1）Terobosan Kecerdasan Buatan
Kemajuan di bidang model bahasa multimodal sedang memberikan "otak" yang diperlukan bagi robot untuk melaksanakan tugas-tugas kompleks. Robot terutama merasakan lingkungan melalui dua indera, yaitu penglihatan dan pendengaran.
Model visi komputer tradisional (seperti jaringan saraf konvolusional) meskipun mahir dalam tugas deteksi atau klasifikasi objek, namun sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bertujuan. Model bahasa besar meskipun menunjukkan kinerja yang luar biasa dalam pemahaman dan generasi teks, tetapi dibatasi oleh kemampuan persepsi dunia fisiknya.
Melalui model visual-bahasa-tindakan (VLA), robot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan fisik dalam kerangka komputasi yang terpadu. Pada Februari 2025, Figure AI meluncurkan model kontrol humanoid universal Helix, yang dengan kemampuan generalisasi tanpa sampel dan arsitektur sistem 1/sistem 2 menetapkan standar baru untuk industri. Karakteristik generalisasi tanpa sampel memungkinkan robot untuk segera beradaptasi dengan skenario baru, objek baru, dan instruksi baru tanpa pelatihan ulang untuk setiap tugas. Arsitektur sistem 1/sistem 2 memisahkan penalaran tingkat tinggi dan penalaran ringan, mewujudkan robot humanoid komersial yang memiliki pemikiran mirip manusia dan akurasi waktu nyata.
（2）Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum—kemampuan untuk diakses. Smartphone, komputer pribadi, dan teknologi pencetakan 3D telah menjadi umum dengan harga yang dapat dijangkau oleh kelas menengah. Ketika harga robot seperti Unitree G1 di bawah harga sedan Honda Accord atau pendapatan tahunan minimum sebesar 34.000 dolar AS di Amerika, tidak mengherankan jika kita membayangkan dunia di mana pekerjaan fisik dan urusan sehari-hari sebagian besar diselesaikan oleh robot.
（3）Dari Penyimpanan Menuju Pasar Konsumen
Teknologi robotika sedang berkembang dari solusi pergudangan ke bidang konsumen. Dunia ini dirancang untuk manusia—manusia dapat menyelesaikan semua pekerjaan robot profesional, sementara robot profesional tidak dapat melakukan semua pekerjaan manusia. Perusahaan robot tidak lagi terbatas pada pembuatan robot khusus untuk pabrik, tetapi beralih untuk mengembangkan robot humanoid yang lebih serbaguna. Oleh karena itu, garis depan teknologi robotika tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu kendala utama dalam skala. Indikator yang paling kami perhatikan adalah biaya total per jam, yang dihitung dengan cara: biaya peluang waktu untuk pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total durasi operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata di industri terkait agar kompetitif.
Untuk sepenuhnya meresap ke dalam bidang pergudangan, biaya komprehensif robot per jam harus di bawah 31,39 dolar AS. Sementara di pasar konsumen terbesar—bidang pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikontrol di bawah 35,18 dolar AS. Saat ini, robot sedang berkembang ke arah lebih murah, lebih efisien, dan lebih universal.
2**, Terobosan Berikutnya dalam Teknologi Robotik**
（1）optimasi baterai
Teknologi baterai selalu menjadi kendala bagi robot yang ramah pengguna. Mobil listrik awal seperti BMW i3 mengalami keterbatasan teknologi baterai yang menyebabkan jarak tempuh pendek, biaya tinggi, dan utilitas rendah, sehingga sulit untuk diadopsi secara luas, dan robot menghadapi kesulitan yang sama. Robot Spot dari Boston Dynamics hanya memiliki daya tahan baterai selama 90 menit, sedangkan Unitree G1 memiliki daya tahan baterai sekitar 2 jam**. Pengguna jelas tidak mau mengisi daya secara manual setiap dua jam**; oleh karena itu, pengisian daya otomatis dan infrastruktur pengisian menjadi arah pengembangan yang utama. Saat ini, ada dua mode pengisian daya utama untuk robot: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan penggantian cepat baterai yang habis untuk memastikan operasi yang berkelanjutan, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau otomatis.
Pengisian induktif menggunakan metode penyediaan daya nirkabel, meskipun pengisian penuh memerlukan waktu yang lebih lama, tetapi dapat dengan mudah mencapai proses otomatisasi penuh.
（2）optimasi keterlambatan
Operasi latensi rendah dapat dibagi menjadi dua kategori: kesadaran lingkungan dan kontrol jarak jauh. Kesadaran merujuk pada kemampuan robot untuk mengenali ruang lingkungan, sementara kontrol jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Menurut penelitian Cintrini, sistem persepsi robot dimulai dari sensor yang murah, tetapi keunggulan teknologi terletak pada perangkat lunak integrasi, komputasi rendah daya, dan sirkuit kontrol presisi dalam milidetik. Setelah robot menyelesaikan penentuan posisi spasial, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label skenario dimasukkan ke dalam sistem perencanaan, instruksi motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Penundaan persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia**——**setiap penundaan yang melebihi ambang batas ini akan menyebabkan gerakan robot menjadi canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visi-bahasa-tindakan tunggal.
Robot otonom sepenuhnya harus memastikan bahwa latensi model VLA berkinerja tinggi kurang dari 50 milidetik; untuk robot yang dikendalikan dari jarak jauh, sinyal latensi antara sisi pengoperasian dan robot tidak boleh melebihi 50 milidetik. Pentingnya model VLA di sini sangat menonjol—jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, latensi keseluruhan akan jauh melebihi ambang batas 50 milidetik.
（3）Optimasi Pengumpulan Data
Pengumpulan data memiliki tiga jalur utama: data video dunia nyata, data sintetik, dan data pengendalian jarak jauh. Kendala inti antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik robot dan model simulasi video**/****.** Data video nyata kehilangan detail fisik seperti umpan balik kekuatan, kesalahan gerakan sendi, dan deformasi material; sedangkan data simulasi kekurangan variabel tak terduga seperti kegagalan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh — di mana operator manusia mengendalikan robot untuk melaksanakan tugas. Namun, biaya tenaga kerja adalah faktor pembatas utama dalam pengumpulan data dengan pengendalian jarak jauh.
Pengembangan perangkat keras khusus juga sedang memberikan solusi baru untuk pengumpulan data berkualitas tinggi. Perusahaan Mecka menggabungkan metode arus utama dengan perangkat keras khusus untuk mengumpulkan data gerakan manusia multi-dimensi, yang setelah diproses diubah menjadi kumpulan data yang cocok untuk pelatihan jaringan saraf robot, bersama dengan siklus iterasi cepat menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI robot. Saluran teknologi ini secara bersama-sama memperpendek jalur konversi dari data mentah ke robot yang dapat diterapkan.
3**、Bidang Eksplorasi Utama**
（1）Fusi teknologi kripto dan robot
Teknologi kripto dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan robot. Berdasarkan bidang kunci yang disebutkan sebelumnya, kami percaya bahwa teknologi kripto dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, optimasi latensi, dan pengumpulan data.
Jaringan Infrastruktur Fisik Terdesentralisasi (DePIN) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian perlu tersedia dengan mudah seperti stasiun pengisian bahan bakar. Jaringan terpusat memerlukan investasi awal yang besar, sementara DePIN akan membagi biaya kepada operator node, memungkinkan fasilitas pengisian untuk dengan cepat diperluas ke lebih banyak wilayah.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi kontrol jarak jauh. Dengan mengagregasi sumber daya komputasi node tepi yang terdistribusi secara geografis, instruksi kontrol jarak jauh dapat diproses oleh node lokal atau node yang paling dekat tersedia, meminimalkan jarak transmisi data, dan secara signifikan mengurangi latensi komunikasi. Namun, proyek DePIN saat ini terutama berfokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum meluas ke bidang robotika atau kontrol jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling menjanjikan, tetapi biaya untuk entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data sangat tinggi. DePIN memecahkan masalah ini dengan menginspirasi pihak ketiga untuk menyediakan data pengendalian jarak jauh melalui token kripto. Proyek Reborn membangun jaringan operator jarak jauh global, mengubah kontribusi mereka menjadi aset digital yang tertokenisasi, membentuk sistem desentralisasi yang tidak memerlukan izin—peserta tidak hanya dapat memperoleh keuntungan, tetapi juga berpartisipasi dalam tata kelola dan membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan akhir dari teknologi robotika adalah mencapai otonomi penuh, tetapi seperti yang diperingatkan oleh seri film "Terminator", manusia paling tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah menarik perhatian, dan ketika model-model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan masyarakat.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem robot. Perusahaan OpenMind di bidang ini sedang membangun FABRIC—sebuah lapisan koordinasi mesin terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui bukti kriptografi. Berbeda dengan pengelolaan pasar tugas yang sederhana, FABRIC memungkinkan robot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan otentikasi identitas dilaksanakan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Robot yang memenuhi standar keamanan, persyaratan kualitas, dan norma regional akan mendapatkan hadiah, sementara pelanggar akan menghadapi hukuman atau kehilangan kelayakan, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan mesin otonom.
Jaringan re-staking pihak ketiga (seperti Symbiotic) juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter penalti masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Kami memperkirakan pedoman keamanan industri akan segera terbentuk, dan pada saat itu parameter penalti akan dimodelkan berdasarkan pedoman ini.
Contoh Rencana Implementasi:
Perusahaan robot bergabung dengan Symbiotic jaringan.
Tetapkan parameter penyitaan yang dapat diverifikasi (seperti "tekanan kontak manusia yang diterapkan lebih dari 2500 Newton");
Staker menyediakan margin untuk memastikan robot mematuhi parameter;
Jika terjadi pelanggaran, deposit akan digunakan sebagai kompensasi bagi korban.
Model ini tidak hanya mendorong perusahaan untuk memprioritaskan keamanan, tetapi juga meningkatkan penerimaan konsumen melalui mekanisme asuransi kolam staking.
Pandangan tim Symbiotic tentang bidang robotika adalah:
Symbiotic* kerangka staking universal bertujuan untuk memperluas konsep staking ke semua bidang yang memerlukan jaminan keamanan ekonomi, baik melalui model berbagi maupun model mandiri. Kasus penggunaan mulai dari asuransi hingga teknologi robotik perlu dirancang berdasarkan contoh spesifik. Misalnya, jaringan robot dapat sepenuhnya dibangun berdasarkan kerangka Symbiotic, memungkinkan pemangku kepentingan untuk memberikan jaminan ekonomi bagi integritas jaringan.
4**, Mengisi Kekosongan dalam Tumpukan Teknologi Robotika**
OpenAI mendorong penyebaran AI, tetapi fondasi untuk ChatGPT sudah lama diletakkan. Layanan cloud memecahkan ketergantungan model pada daya komputasi lokal, Huggingface mewujudkan model sumber terbuka, dan Kaggle menyediakan platform eksperimen bagi insinyur AI. Terobosan bertahap ini secara bersama-sama berkontribusi pada popularitas AI.
Berbeda denganAI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya perlu diturunkan hingga tingkat kemudahan yang setara dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan di tiga aspek: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli perangkat keras seperti motor, sensor, baterai, dan lain-lain, dengan biaya yang mudah melebihi 100.000 dolar AS. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan biaya tinggi dibandingkan dengan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang baik tidak dapat langsung diubah menjadi solusi efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi mandiri mereka di lingkungan nyata yang beragam untuk mencapai optimasi iteratif.
Ketika infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Perusahaan robotika kripto OpenMind sedang maju ke arah ini—proyek sumber terbuka mereka OM1 ("sistem Android versi robot") mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dan memiliki kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah inferensi disajikan dalam bahasa Inggris yang jelas, memungkinkan operator untuk mengaudit atau menyesuaikan perilaku tanpa harus menyentuh firmware. Kemampuan penalaran bahasa alami ini memungkinkan generasi talenta baru untuk masuk ke bidang robotika tanpa hambatan, melangkah maju ke platform terbuka yang dapat memicu revolusi robot, sama seperti dampak percepatan gerakan sumber terbuka terhadap AI.
Kepadatan talenta menentukan arah industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pasokan talenta di bidang robotika. Peluncuran OpenMind di Nasdaq menandai dimulainya era baru di mana mesin cerdas berpartisipasi dalam inovasi keuangan dan pendidikan nyata. OpenMind** dan Robostore secara bersama-sama mengumumkan bahwa mereka akan meluncurkan kurikulum pendidikan umum pertama berbasis Unitree G1 humanoid robot di sekolah umum K-12 di Amerika Serikat. **Desain kurikulum ini memiliki platform independen dan dapat disesuaikan dengan berbagai bentuk robot, memberikan kesempatan bagi siswa untuk melakukan praktik. Sinyal positif ini memperkuat penilaian kami: selama beberapa tahun ke depan, tingkat kelimpahan sumber daya pendidikan robotika akan sebanding dengan bidang AI.
5**, Prospek Masa Depan**
Inovasi dan efek skala ekonomi dari model visual-linguistik-aksi (VLA) telah melahirkan robot humanoid yang terjangkau, efisien, dan serbaguna. Dengan robot penyimpanan yang berkembang ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi kunci. Kami yakin bahwa teknologi kripto akan mendorong perkembangan robot melalui tiga jalur: menyediakan jaminan ekonomi untuk keamanan, mengoptimalkan infrastruktur pengisian, dan meningkatkan kinerja latensi serta saluran pengumpulan data.