Автор: Пол Верадиттакит, партнер Pantera Capital; Перевод: Золотая экономика xiaozou
Резюме:
VLA**Инновации и эффект масштаба способствуют появлению экономичных, эффективных и универсальных гуманоидных роботов.
С расширением рынка потребительских роботов для складских роботов вопросы безопасности роботов, финансирования и оценки механизмов заслуживают глубокого изучения.
Криптографические технологии будут способствовать развитию индустрии роботов, обеспечивая экономические гарантии безопасности для роботов и оптимизируя их инфраструктуру подключения, задержки и процессы сбора данных.
ChatGPT кардинально изменил человеческое восприятие ожиданий от искусственного интеллекта. Когда большие языковые модели начали взаимодействовать с внешним программным миром, многие считали, что интеллектуальные агенты ИИ - это конечная форма. Но если оглянуться на классические научно-фантастические фильмы, такие как «Звёздные войны», «Бегущий по лезвию» или « RoboCop», можно заметить, что на самом деле человечество мечтает о том, чтобы искусственный интеллект мог взаимодействовать с физическим миром в форме роботов.
По мнению Pantera Capital, в области робототехники "момент ChatGPT" вот-вот наступит. Сначала мы проанализируем, как прорывы в области искусственного интеллекта за последние несколько лет изменили ландшафт отрасли, затем обсудим, как технологии батарей, оптимизация задержки и улучшение сбора данных будут формировать будущее, а также роль криптографических технологий в этом процессе. В заключение мы объясним, почему считаем, что безопасность роботов, финансирование, оценка и образование являются ключевыми вертикальными направлениями, на которые следует обратить внимание.
1**, Элементы трансформации**
（1）Прорыв в искусственном интеллекте
Прогресс в области мультимодальных больших языковых моделей предоставляет роботам "мозг", необходимый для выполнения сложных задач. Роботы в основном воспринимают окружающую среду через два чувства: зрение и слух.
Традиционные модели компьютерного зрения (например, сверточные нейронные сети), хотя и хороши в задачах обнаружения или классификации объектов, испытывают трудности с преобразованием визуальной информации в целенаправленные командные инструкции. Большие языковые модели, хотя и показывают отличные результаты в понимании и генерации текста, ограничены в своей способности воспринимать физический мир.
С помощью модели визуально-языкового-активного (VLA) робот может интегрировать визуальное восприятие, языковое понимание и физическое действие в едином вычислительном каркасе. В феврале 2025 года Figure AI выпустила универсальную модель управления гуманоидными роботами Helix, которая благодаря способности к нулевым образцам обобщения и двойной архитектуре системы 1/системы 2 устанавливает новые стандарты для отрасли. Особенность нулевого образца обобщения позволяет роботам мгновенно адаптироваться к новым сценам, новым объектам и новым командам без повторного обучения для каждой задачи. Архитектура системы 1/системы 2 разделяет высокоуровневое и легковесное рассуждение, что приводит к коммерческому гуманоидному роботу, обладающему как человеческим мышлением, так и точностью в реальном времени.
（2）Экономичные роботы становятся реальностью
Технологии, меняющие мир, обладают общей характеристикой — доступностью. Смартфоны, персональные компьютеры и технологии 3D-печати стали доступны благодаря ценам, которые могут позволить себе представители среднего класса. Когда цена таких роботов, как Unitree G1, ниже, чем у Honda Accord или минимального годового дохода в 34 000 долларов в США, не удивительно, что мы можем представить мир, в котором физический труд и повседневные дела в основном выполняются роботами.
（3）из складского хранения на потребительский рынок
Робототехника выходит из решений для складов в потребительскую сферу. Этот мир создан для людей — люди могут выполнять все задачи, которые доступны специализированным роботам, в то время как специализированные роботы не могут выполнять все задачи людей. Робототехнические компании больше не ограничиваются производством роботов для заводов, а переходят к разработке более универсальных гуманоидных роботов. Таким образом, передовые технологии в области робототехники существуют не только на складах, но и проникают в повседневную жизнь.
Стоимость является одним из основных узких мест масштабируемости. Наиболее важным показателем для нас является комплексная стоимость в расчете на час, которая рассчитывается как сумма альтернативной стоимости времени на обучение и зарядку, стоимости выполнения задач и стоимости приобретения роботов, деленная на общее время работы роботов. Эта стоимость должна быть ниже среднего уровня заработной платы в соответствующей отрасли, чтобы быть конкурентоспособной.
Для полного проникновения в сферу складирования совокупные затраты на роботов должны составлять менее 31,39 долларов США в час. А в крупнейшем потребительском рынке — частном образовании и сфере здравоохранения — эти затраты должны быть ниже 35,18 долларов США. В настоящее время роботы развиваются в направлении более низкой стоимости, большей эффективности и универсальности.
2**, Следующий прорыв в робототехнике**
（1）Оптимизация батареи
Технология аккумуляторов по-прежнему является узким местом для пользовательских роботов. Ранние электромобили, такие как BMW i3, из-за ограничений технологии аккумуляторов имели короткий запас хода, высокие затраты и низкую практическую применимость, что затрудняло их широкое распространение. Роботы сталкиваются с той же проблемой. Робот Spot от Boston Dynamics имеет запас хода всего 90 минут, а аккумулятор Unitree G1 работает примерно 2 часа**. Пользователи явно не хотят заряжать вручную каждые два часа**, поэтому автономная зарядка и инфраструктура подключения становятся ключевыми направлениями развития. В настоящее время зарядка роботов осуществляется в основном двумя способами: замена аккумуляторов или прямой заряд.
Режим замены батареи обеспечивает непрерывную работу за счет быстрой замены исчерпанной батареи, что минимизирует время простоя и подходит для полевых или заводских условий. Этот процесс может выполняться вручную или автоматически.
Индукционная зарядка использует беспроводное питание, хотя полный процесс зарядки занимает длительное время, но позволяет легко реализовать полностью автоматизированный процесс.
（2）оптимизация задержки
Низколатентные операции можно разделить на две категории: восприятие окружающей среды и дистанционное управление. Восприятие относится к способности робота к пространственному восприятию окружающей среды, тогда как дистанционное управление конкретно относится к实时ному контролю со стороны оператора.
Согласно исследованию Cintrini, системы восприятия роботов начинаются с недорогих датчиков, но технологический барьер заключается в интеграционном программном обеспечении, низкомощных вычислениях и миллисекундных точных контролирующих цепях. Когда робот завершает пространственную локализацию, легковесные нейронные сети помечают такие элементы, как препятствия, поддоны или люди. После ввода меток сцены в планировочную систему мгновенно генерируются команды для двигателей, отправляемые на ноги, колеса или манипуляторы. Задержка восприятия менее 50 миллисекунд эквивалентна скорости человеческих рефлексов**——**любая задержка, превышающая этот порог, приведет к неуклюжести движений робота. Поэтому 90% решений должны приниматься локально через единую визуально-языково-действенную сеть.
Полностью автономные роботы должны обеспечивать задержку высокопроизводительной модели VLA менее 50 миллисекунд; для удаленно управляемых роботов требуется, чтобы задержка сигнала между операционным терминалом и роботом не превышала 50 миллисекунд. Важность модели VLA здесь особенно подчеркивается — если визуальные и текстовые входы обрабатываются разными моделями, а затем вводятся в крупную языковую модель, общая задержка значительно превысит порог в 50 миллисекунд.
（3）Оптимизация сбора данных
Сбор данных в основном осуществляется тремя способами: видео данные из реального мира, синтетические данные и данные удаленного управления. Основное препятствие между реальными данными и синтетическими данными заключается в устранении различий между физическим поведением робота и видео**/**моделями симуляции. Реальные видео данные не учитывают такие физические детали, как обратная связь, ошибки движения суставов и деформация материалов; синтетические данные же не учитывают непредсказуемые переменные, такие как сбои датчиков и коэффициенты трения.
Наиболее перспективный способ сбора данных - это удаленное управление - когда операторы управляют роботами для выполнения задач на расстоянии. Однако затраты на рабочую силу являются основным ограничивающим фактором для сбора данных с удаленным управлением.
Разработка пользовательского оборудования также предлагает новые решения для качественного сбора данных. Компания Mecka сочетает традиционные методы с пользовательским оборудованием для сбора многомерных данных о движении человека, которые после обработки превращаются в наборы данных, подходящие для обучения нейронных сетей роботов, обеспечивая при этом огромные объемы высококачественных данных для обучения ИИ-роботов благодаря быстрому циклу итерации. Эти технологические каналы совместно сокращают путь от исходных данных до развертываемых роботов.
3**、Ключевые области исследования**
（1）Слияние криптографических технологий и роботов
Криптотехнологии могут стимулировать не доверяющие стороны повысить эффективность сетей роботов. Основываясь на ключевых областях, упомянутых ранее, мы считаем, что криптотехнологии могут улучшить эффективность в трех аспектах: интеграция инфраструктуры, оптимизация задержек и сбор данных.
Децентрализованная сеть физических инфраструктур (DePIN) обещает революционизировать зарядные станции. Когда человекоподобные роботы будут функционировать по всему миру, зарядные станции должны стать столь же доступными, как автозаправочные станции. Централизованные сети требуют огромных первоначальных инвестиций, тогда как DePIN распределяет расходы между операторами узлов, позволяя быстро расширять зарядные инфраструктуры в новые регионы.
DePIN также может использовать распределенную инфраструктуру для оптимизации задержки удаленного управления. Объединяя географически распределенные вычислительные ресурсы узлов на краю сети, команды удаленного управления могут обрабатываться локальными или ближайшими доступными узлами, что минимизирует расстояние передачи данных и значительно снижает задержку связи. Однако текущие проекты DePIN в основном сосредоточены на децентрализованном хранении, распространении контента и совместном использовании полосы пропускания. Хотя некоторые проекты демонстрируют преимущества крайних вычислений в потоковой передаче или Интернете вещей, они еще не распространились на область робототехники или удаленного управления.
Удаленное управление является наиболее перспективным способом сбора данных, однако централизованные организации несут высокие затраты на найм специалистов для сбора данных. DePIN решает эту проблему, стимулируя третьи стороны предоставлять данные удаленного управления с помощью криптовалютных токенов. Проект Reborn создает глобальную сеть удаленных операторов, превращая их вклад в токенизированные цифровые активы и формируя децентрализованную систему без разрешений — участники могут получать доход, участвовать в управлении и способствовать обучению AGI-роботов.
(2) Безопасность всегда является основной заботой
Конечной целью робототехники является полная автономия, но, как предупреждают фильмы серии «Терминатор», человечество менее всего желает видеть, как автономия превращает роботов в агрессивное оружие. Проблема безопасности больших языковых моделей вызвала обеспокоенность, и когда эти модели обладают физической способностью к действиям, безопасность роботов становится ключевым условием для принятия обществом.
Экономическая безопасность является одним из столпов процветания экосистемы роботов. Компания OpenMind в этой области строит FABRIC — децентрализованный уровень координации машин, который реализует аутентификацию идентичности устройств, проверку физического присутствия и получение ресурсов через криптографические доказательства. В отличие от простого управления рынком задач, FABRIC позволяет роботам самостоятельно подтверждать свою идентификацию, геолокацию и записи о поведении, не полагаясь на централизованных посредников.
Ограничения поведения и аутентификация личности выполняются с помощью механизмов на блокчейне, что обеспечивает возможность аудита соблюдения норм любым желающим. Роботы, соответствующие стандартам безопасности, требованиям качества и региональным нормам, будут вознаграждены, в то время как нарушители столкнутся с наказанием или утратой права на участие, что позволит установить механизмы подотчетности и доверия в сети автономных машин.
Сети повторного залога третьих сторон (такие как Symbiotic) также могут предоставить равнозначные гарантии безопасности. Хотя система параметров наказания все еще требует доработки, связанные с этим технологии уже вступили в практическую стадию. Мы ожидаем, что в отрасли скоро будут сформулированы нормы безопасности, и в это время параметры наказания будут моделироваться с учетом этих норм.
Пример плана реализации:
Компания роботов присоединилась к сети Symbiotic.
Установите проверяемые параметры конфискации (например, "применение человеческой силы контакта более 2500 ньютонов");
Ставщики предоставляют залог, чтобы гарантировать, что робот соблюдает параметры;
В случае нарушения залог будет использован в качестве компенсации жертвам.
Эта модель не только побуждает компании ставить безопасность на первое место, но также способствует принятию со стороны потребителей через механизмы страхования пула залоговых средств.
Команда Symbiotic считает, что в области робототехники:
Symbiotic* Универсальная платформа для стекинга предназначена для расширения концепции стекинга на все области, требующие экономической безопасности, независимо от того, осуществляется ли это через совместное или независимое моделирование. Примеры применения варьируются от страхования до робототехники и требуют конкретного проектирования для каждого случая. Например, сеть роботов может быть полностью построена на основе Symbiotic платформы, позволяя заинтересованным сторонам предоставлять экономические гарантии целостности сети.*
4**, заполнение пробелов в стеке технологий роботов**
OpenAI способствует широкому распространению ИИ, но основа ChatGPT уже была заложена. Облачные сервисы разорвали зависимость моделей от локальных вычислительных мощностей, Huggingface реализовал открытость моделей, а Kaggle предоставил платформу для экспериментов для инженеров ИИ. Эти прогрессивные прорывы совместно способствовали популяризации ИИ.
**В отличие от AI, в области робототехники трудно начать при ограниченных средствах. Чтобы достичь широкого распространения роботов, барьер для их разработки должен быть снижен до такого же уровня удобства, как и в разработке приложений AI. Мы считаем, что есть возможности для улучшения в трех областях: механизмы финансирования, оценочные системы и образовательная экосистема.
Финансирование является больной темой в области робототехники. Для разработки компьютерных программ достаточно одного компьютера и облачных вычислительных ресурсов, тогда как для создания полнофункционального робота необходимо закупать такие аппаратные средства, как моторы, датчики, аккумуляторы и т.д., что может легко превысить 100 000 долларов. Эти аппаратные характеристики делают разработку роботов менее гибкой и более дорогостоящей по сравнению с ИИ.
Инфраструктура для оценки роботов в реальных сценариях все еще находится на начальной стадии. В области ИИ уже установлена четкая система функций потерь, тесты могут быть полностью виртуализированы. Однако отличные виртуальные стратегии не могут быть прямо преобразованы в эффективные решения для реального мира. Роботам необходимо тестировать оценочные возможности автономных стратегий в разнообразных реальных условиях, чтобы обеспечить итеративную оптимизацию.
Когда эта инфраструктура станет зрелой, кадры начнут массово поступать, а человекоподобные роботы повторят кривую взрыва Web2. Компания по разработке крипто-роботов OpenMind движется в этом направлении — их открытый проект OM1 ("роботизированная версия операционной системы Android") превращает оригинальное аппаратное обеспечение в экономически осознанные модульные интеллектуальные системы. Модули визуализации, языка и планирования движений могут подключаться и использоваться как мобильные приложения, а все шаги вывода представлены на простом английском языке, что позволяет операторам проводить аудит или настраивать поведение без необходимости взаимодействия с прошивкой. Эта способность к рассуждению на естественном языке позволяет новому поколению кадров бесшовно входить в область робототехники, делая ключевой шаг к открытой платформе, которая взорвет революцию в робототехнике, как открытое движение ускоряет развитие ИИ.
Плотность кадров определяет траекторию отрасли. Структурированная система доступного образования критически важна для поставок талантов в область робототехники. Выход OpenMind на Nasdaq ознаменовал начало новой эры, в которой интеллектуальные машины участвуют как в финансовых инновациях, так и в реальном образовании. OpenMind** и Robostore совместно объявили о запуске первого универсального образовательного курса на основе Unitree G1 гуманоидного робота в государственных школах K-12 США. **Курс спроектирован с учетом независимости от платформы и может адаптироваться к различным формам роботов, предоставляя студентам возможности практической работы. Этот позитивный сигнал укрепляет наше мнение: **в ближайшие годы уровень доступности образовательных ресурсов в области робототехники будет сопоставим с областью AI.
5**, Перспективы будущего**
Инновации и эффект масштаба модели «визуализация-язык-действие» (VLA) привели к созданию экономичных, эффективных и универсальных гуманоидных роботов. С расширением складских роботов на рынок потребительских товаров, безопасность, модели финансирования и системы оценки становятся ключевыми направлениями исследований. Мы уверены, что криптографические технологии будут способствовать развитию роботов по трем направлениям: обеспечивая экономическую гарантию безопасности, оптимизируя инфраструктуру зарядки, улучшая задержку и каналы сбора данных.
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».
Партнер Pantera: Эра AI Ботов, управляемых шифрованием
Автор: Пол Верадиттакит, партнер Pantera Capital; Перевод: Золотая экономика xiaozou
Резюме:
VLA**Инновации и эффект масштаба способствуют появлению экономичных, эффективных и универсальных гуманоидных роботов.
С расширением рынка потребительских роботов для складских роботов вопросы безопасности роботов, финансирования и оценки механизмов заслуживают глубокого изучения.
Криптографические технологии будут способствовать развитию индустрии роботов, обеспечивая экономические гарантии безопасности для роботов и оптимизируя их инфраструктуру подключения, задержки и процессы сбора данных.
ChatGPT кардинально изменил человеческое восприятие ожиданий от искусственного интеллекта. Когда большие языковые модели начали взаимодействовать с внешним программным миром, многие считали, что интеллектуальные агенты ИИ - это конечная форма. Но если оглянуться на классические научно-фантастические фильмы, такие как «Звёздные войны», «Бегущий по лезвию» или « RoboCop», можно заметить, что на самом деле человечество мечтает о том, чтобы искусственный интеллект мог взаимодействовать с физическим миром в форме роботов.
По мнению Pantera Capital, в области робототехники "момент ChatGPT" вот-вот наступит. Сначала мы проанализируем, как прорывы в области искусственного интеллекта за последние несколько лет изменили ландшафт отрасли, затем обсудим, как технологии батарей, оптимизация задержки и улучшение сбора данных будут формировать будущее, а также роль криптографических технологий в этом процессе. В заключение мы объясним, почему считаем, что безопасность роботов, финансирование, оценка и образование являются ключевыми вертикальными направлениями, на которые следует обратить внимание.
1**, Элементы трансформации**
（1）Прорыв в искусственном интеллекте
Прогресс в области мультимодальных больших языковых моделей предоставляет роботам "мозг", необходимый для выполнения сложных задач. Роботы в основном воспринимают окружающую среду через два чувства: зрение и слух.
Традиционные модели компьютерного зрения (например, сверточные нейронные сети), хотя и хороши в задачах обнаружения или классификации объектов, испытывают трудности с преобразованием визуальной информации в целенаправленные командные инструкции. Большие языковые модели, хотя и показывают отличные результаты в понимании и генерации текста, ограничены в своей способности воспринимать физический мир.
С помощью модели визуально-языкового-активного (VLA) робот может интегрировать визуальное восприятие, языковое понимание и физическое действие в едином вычислительном каркасе. В феврале 2025 года Figure AI выпустила универсальную модель управления гуманоидными роботами Helix, которая благодаря способности к нулевым образцам обобщения и двойной архитектуре системы 1/системы 2 устанавливает новые стандарты для отрасли. Особенность нулевого образца обобщения позволяет роботам мгновенно адаптироваться к новым сценам, новым объектам и новым командам без повторного обучения для каждой задачи. Архитектура системы 1/системы 2 разделяет высокоуровневое и легковесное рассуждение, что приводит к коммерческому гуманоидному роботу, обладающему как человеческим мышлением, так и точностью в реальном времени.
（2）Экономичные роботы становятся реальностью
Технологии, меняющие мир, обладают общей характеристикой — доступностью. Смартфоны, персональные компьютеры и технологии 3D-печати стали доступны благодаря ценам, которые могут позволить себе представители среднего класса. Когда цена таких роботов, как Unitree G1, ниже, чем у Honda Accord или минимального годового дохода в 34 000 долларов в США, не удивительно, что мы можем представить мир, в котором физический труд и повседневные дела в основном выполняются роботами.
! Tn1tv6S36bdGnnOOpqRRqjdc8pnTqJ1EKRERmKtZ.png
（3）из складского хранения на потребительский рынок
Робототехника выходит из решений для складов в потребительскую сферу. Этот мир создан для людей — люди могут выполнять все задачи, которые доступны специализированным роботам, в то время как специализированные роботы не могут выполнять все задачи людей. Робототехнические компании больше не ограничиваются производством роботов для заводов, а переходят к разработке более универсальных гуманоидных роботов. Таким образом, передовые технологии в области робототехники существуют не только на складах, но и проникают в повседневную жизнь.
Стоимость является одним из основных узких мест масштабируемости. Наиболее важным показателем для нас является комплексная стоимость в расчете на час, которая рассчитывается как сумма альтернативной стоимости времени на обучение и зарядку, стоимости выполнения задач и стоимости приобретения роботов, деленная на общее время работы роботов. Эта стоимость должна быть ниже среднего уровня заработной платы в соответствующей отрасли, чтобы быть конкурентоспособной.
! rQCyavIaHdxhfr10i808m9Rj3UhR0JpqVvv1s4kq.png
Для полного проникновения в сферу складирования совокупные затраты на роботов должны составлять менее 31,39 долларов США в час. А в крупнейшем потребительском рынке — частном образовании и сфере здравоохранения — эти затраты должны быть ниже 35,18 долларов США. В настоящее время роботы развиваются в направлении более низкой стоимости, большей эффективности и универсальности.
2**, Следующий прорыв в робототехнике**
（1）Оптимизация батареи
Технология аккумуляторов по-прежнему является узким местом для пользовательских роботов. Ранние электромобили, такие как BMW i3, из-за ограничений технологии аккумуляторов имели короткий запас хода, высокие затраты и низкую практическую применимость, что затрудняло их широкое распространение. Роботы сталкиваются с той же проблемой. Робот Spot от Boston Dynamics имеет запас хода всего 90 минут, а аккумулятор Unitree G1 работает примерно 2 часа**. Пользователи явно не хотят заряжать вручную каждые два часа**, поэтому автономная зарядка и инфраструктура подключения становятся ключевыми направлениями развития. В настоящее время зарядка роботов осуществляется в основном двумя способами: замена аккумуляторов или прямой заряд.
Режим замены батареи обеспечивает непрерывную работу за счет быстрой замены исчерпанной батареи, что минимизирует время простоя и подходит для полевых или заводских условий. Этот процесс может выполняться вручную или автоматически.
Индукционная зарядка использует беспроводное питание, хотя полный процесс зарядки занимает длительное время, но позволяет легко реализовать полностью автоматизированный процесс.
（2）оптимизация задержки
Низколатентные операции можно разделить на две категории: восприятие окружающей среды и дистанционное управление. Восприятие относится к способности робота к пространственному восприятию окружающей среды, тогда как дистанционное управление конкретно относится к实时ному контролю со стороны оператора.
Согласно исследованию Cintrini, системы восприятия роботов начинаются с недорогих датчиков, но технологический барьер заключается в интеграционном программном обеспечении, низкомощных вычислениях и миллисекундных точных контролирующих цепях. Когда робот завершает пространственную локализацию, легковесные нейронные сети помечают такие элементы, как препятствия, поддоны или люди. После ввода меток сцены в планировочную систему мгновенно генерируются команды для двигателей, отправляемые на ноги, колеса или манипуляторы. Задержка восприятия менее 50 миллисекунд эквивалентна скорости человеческих рефлексов**——**любая задержка, превышающая этот порог, приведет к неуклюжести движений робота. Поэтому 90% решений должны приниматься локально через единую визуально-языково-действенную сеть.
Полностью автономные роботы должны обеспечивать задержку высокопроизводительной модели VLA менее 50 миллисекунд; для удаленно управляемых роботов требуется, чтобы задержка сигнала между операционным терминалом и роботом не превышала 50 миллисекунд. Важность модели VLA здесь особенно подчеркивается — если визуальные и текстовые входы обрабатываются разными моделями, а затем вводятся в крупную языковую модель, общая задержка значительно превысит порог в 50 миллисекунд.
（3）Оптимизация сбора данных
Сбор данных в основном осуществляется тремя способами: видео данные из реального мира, синтетические данные и данные удаленного управления. Основное препятствие между реальными данными и синтетическими данными заключается в устранении различий между физическим поведением робота и видео**/**моделями симуляции. Реальные видео данные не учитывают такие физические детали, как обратная связь, ошибки движения суставов и деформация материалов; синтетические данные же не учитывают непредсказуемые переменные, такие как сбои датчиков и коэффициенты трения.
Наиболее перспективный способ сбора данных - это удаленное управление - когда операторы управляют роботами для выполнения задач на расстоянии. Однако затраты на рабочую силу являются основным ограничивающим фактором для сбора данных с удаленным управлением.
Разработка пользовательского оборудования также предлагает новые решения для качественного сбора данных. Компания Mecka сочетает традиционные методы с пользовательским оборудованием для сбора многомерных данных о движении человека, которые после обработки превращаются в наборы данных, подходящие для обучения нейронных сетей роботов, обеспечивая при этом огромные объемы высококачественных данных для обучения ИИ-роботов благодаря быстрому циклу итерации. Эти технологические каналы совместно сокращают путь от исходных данных до развертываемых роботов.
3**、Ключевые области исследования**
（1）Слияние криптографических технологий и роботов
Криптотехнологии могут стимулировать не доверяющие стороны повысить эффективность сетей роботов. Основываясь на ключевых областях, упомянутых ранее, мы считаем, что криптотехнологии могут улучшить эффективность в трех аспектах: интеграция инфраструктуры, оптимизация задержек и сбор данных.
Децентрализованная сеть физических инфраструктур (DePIN) обещает революционизировать зарядные станции. Когда человекоподобные роботы будут функционировать по всему миру, зарядные станции должны стать столь же доступными, как автозаправочные станции. Централизованные сети требуют огромных первоначальных инвестиций, тогда как DePIN распределяет расходы между операторами узлов, позволяя быстро расширять зарядные инфраструктуры в новые регионы.
DePIN также может использовать распределенную инфраструктуру для оптимизации задержки удаленного управления. Объединяя географически распределенные вычислительные ресурсы узлов на краю сети, команды удаленного управления могут обрабатываться локальными или ближайшими доступными узлами, что минимизирует расстояние передачи данных и значительно снижает задержку связи. Однако текущие проекты DePIN в основном сосредоточены на децентрализованном хранении, распространении контента и совместном использовании полосы пропускания. Хотя некоторые проекты демонстрируют преимущества крайних вычислений в потоковой передаче или Интернете вещей, они еще не распространились на область робототехники или удаленного управления.
Удаленное управление является наиболее перспективным способом сбора данных, однако централизованные организации несут высокие затраты на найм специалистов для сбора данных. DePIN решает эту проблему, стимулируя третьи стороны предоставлять данные удаленного управления с помощью криптовалютных токенов. Проект Reborn создает глобальную сеть удаленных операторов, превращая их вклад в токенизированные цифровые активы и формируя децентрализованную систему без разрешений — участники могут получать доход, участвовать в управлении и способствовать обучению AGI-роботов.
(2) Безопасность всегда является основной заботой
Конечной целью робототехники является полная автономия, но, как предупреждают фильмы серии «Терминатор», человечество менее всего желает видеть, как автономия превращает роботов в агрессивное оружие. Проблема безопасности больших языковых моделей вызвала обеспокоенность, и когда эти модели обладают физической способностью к действиям, безопасность роботов становится ключевым условием для принятия обществом.
Экономическая безопасность является одним из столпов процветания экосистемы роботов. Компания OpenMind в этой области строит FABRIC — децентрализованный уровень координации машин, который реализует аутентификацию идентичности устройств, проверку физического присутствия и получение ресурсов через криптографические доказательства. В отличие от простого управления рынком задач, FABRIC позволяет роботам самостоятельно подтверждать свою идентификацию, геолокацию и записи о поведении, не полагаясь на централизованных посредников.
Ограничения поведения и аутентификация личности выполняются с помощью механизмов на блокчейне, что обеспечивает возможность аудита соблюдения норм любым желающим. Роботы, соответствующие стандартам безопасности, требованиям качества и региональным нормам, будут вознаграждены, в то время как нарушители столкнутся с наказанием или утратой права на участие, что позволит установить механизмы подотчетности и доверия в сети автономных машин.
Сети повторного залога третьих сторон (такие как Symbiotic) также могут предоставить равнозначные гарантии безопасности. Хотя система параметров наказания все еще требует доработки, связанные с этим технологии уже вступили в практическую стадию. Мы ожидаем, что в отрасли скоро будут сформулированы нормы безопасности, и в это время параметры наказания будут моделироваться с учетом этих норм.
Пример плана реализации:
Компания роботов присоединилась к сети Symbiotic.
Установите проверяемые параметры конфискации (например, "применение человеческой силы контакта более 2500 ньютонов");
Ставщики предоставляют залог, чтобы гарантировать, что робот соблюдает параметры;
В случае нарушения залог будет использован в качестве компенсации жертвам.
Эта модель не только побуждает компании ставить безопасность на первое место, но также способствует принятию со стороны потребителей через механизмы страхования пула залоговых средств.
Команда Symbiotic считает, что в области робототехники:
Symbiotic* Универсальная платформа для стекинга предназначена для расширения концепции стекинга на все области, требующие экономической безопасности, независимо от того, осуществляется ли это через совместное или независимое моделирование. Примеры применения варьируются от страхования до робототехники и требуют конкретного проектирования для каждого случая. Например, сеть роботов может быть полностью построена на основе Symbiotic платформы, позволяя заинтересованным сторонам предоставлять экономические гарантии целостности сети.*
4**, заполнение пробелов в стеке технологий роботов**
OpenAI способствует широкому распространению ИИ, но основа ChatGPT уже была заложена. Облачные сервисы разорвали зависимость моделей от локальных вычислительных мощностей, Huggingface реализовал открытость моделей, а Kaggle предоставил платформу для экспериментов для инженеров ИИ. Эти прогрессивные прорывы совместно способствовали популяризации ИИ.
**В отличие от AI, в области робототехники трудно начать при ограниченных средствах. Чтобы достичь широкого распространения роботов, барьер для их разработки должен быть снижен до такого же уровня удобства, как и в разработке приложений AI. Мы считаем, что есть возможности для улучшения в трех областях: механизмы финансирования, оценочные системы и образовательная экосистема.
Финансирование является больной темой в области робототехники. Для разработки компьютерных программ достаточно одного компьютера и облачных вычислительных ресурсов, тогда как для создания полнофункционального робота необходимо закупать такие аппаратные средства, как моторы, датчики, аккумуляторы и т.д., что может легко превысить 100 000 долларов. Эти аппаратные характеристики делают разработку роботов менее гибкой и более дорогостоящей по сравнению с ИИ.
Инфраструктура для оценки роботов в реальных сценариях все еще находится на начальной стадии. В области ИИ уже установлена четкая система функций потерь, тесты могут быть полностью виртуализированы. Однако отличные виртуальные стратегии не могут быть прямо преобразованы в эффективные решения для реального мира. Роботам необходимо тестировать оценочные возможности автономных стратегий в разнообразных реальных условиях, чтобы обеспечить итеративную оптимизацию.
Когда эта инфраструктура станет зрелой, кадры начнут массово поступать, а человекоподобные роботы повторят кривую взрыва Web2. Компания по разработке крипто-роботов OpenMind движется в этом направлении — их открытый проект OM1 ("роботизированная версия операционной системы Android") превращает оригинальное аппаратное обеспечение в экономически осознанные модульные интеллектуальные системы. Модули визуализации, языка и планирования движений могут подключаться и использоваться как мобильные приложения, а все шаги вывода представлены на простом английском языке, что позволяет операторам проводить аудит или настраивать поведение без необходимости взаимодействия с прошивкой. Эта способность к рассуждению на естественном языке позволяет новому поколению кадров бесшовно входить в область робототехники, делая ключевой шаг к открытой платформе, которая взорвет революцию в робототехнике, как открытое движение ускоряет развитие ИИ.
! 9w4FeDFrQpSzIOVnqjQL1iz3LrIaGlrRUCz29CRB.png
Плотность кадров определяет траекторию отрасли. Структурированная система доступного образования критически важна для поставок талантов в область робототехники. Выход OpenMind на Nasdaq ознаменовал начало новой эры, в которой интеллектуальные машины участвуют как в финансовых инновациях, так и в реальном образовании. OpenMind** и Robostore совместно объявили о запуске первого универсального образовательного курса на основе Unitree G1 гуманоидного робота в государственных школах K-12 США. **Курс спроектирован с учетом независимости от платформы и может адаптироваться к различным формам роботов, предоставляя студентам возможности практической работы. Этот позитивный сигнал укрепляет наше мнение: **в ближайшие годы уровень доступности образовательных ресурсов в области робототехники будет сопоставим с областью AI.
5**, Перспективы будущего**
Инновации и эффект масштаба модели «визуализация-язык-действие» (VLA) привели к созданию экономичных, эффективных и универсальных гуманоидных роботов. С расширением складских роботов на рынок потребительских товаров, безопасность, модели финансирования и системы оценки становятся ключевыми направлениями исследований. Мы уверены, что криптографические технологии будут способствовать развитию роботов по трем направлениям: обеспечивая экономическую гарантию безопасности, оптимизируя инфраструктуру зарядки, улучшая задержку и каналы сбора данных.