Yazar: Paul Veradittakit, Pantera Capital ortağı; Çeviri: Jinse Caijing xiaozou
Özet:
VLA* Yenilik ve ölçek etkisi, ekonomik, verimli ve çok yönlü insansı robotların doğuşunu teşvik ediyor.*
Depo robotlarının tüketici düzeyi robot pazarına genişlemesiyle birlikte, robot güvenliği, finansmanı ve değerlendirme mekanizması derinlemesine incelenmeyi gerektiriyor.
Kripto teknolojisi, robotların güvenliğini ekonomik teminatlar sağlayarak ve altyapı, gecikme ve veri toplama süreçlerini optimize ederek robotik endüstrinin gelişimini teşvik edecektir.
ChatGPT, insanların yapay zeka hakkında sahip olduğu beklentileri köklü bir şekilde değiştirdi. Büyük dil modellerinin dış yazılım dünyasıyla etkileşime girmeye başlamasıyla, birçok kişi AI ajanlarının nihai form olduğu düşüncesine kapıldı. Ancak, "Yıldız Savaşları", "Blade Runner" veya "Robocop" gibi klasik bilim kurgu filmlerine baktığımızda, insanlığın gerçekte hayal ettiği şeyin yapay zekanın robot formuyla fiziksel dünyada etkileşim kurabilmesi olduğunu görebiliriz.
Pantera Capital'a göre, robot teknolojisinde "ChatGPT anı" yaklaşıyor. Öncelikle, son birkaç yılda yapay zekanın nasıl bir sektörel dönüşüm yarattığını analiz edeceğiz, ardından batarya teknolojisinin, gecikme optimizasyonunun ve veri toplama iyileştirmelerinin gelecekteki manzarayı nasıl şekillendireceğini ve kripto teknolojisinin bu süreçteki rolünü tartışacağız. Son olarak, robot güvenliği, finansman, değerlendirme ve eğitim konularının odaklanılması gereken dikey alanlar olduğunu neden düşündüğümüzü açıklayacağız.
1**, Değişim Unsurları**
(1) Yapay Zeka Atılımı
Çok modlu büyük dil modeli alanındaki ilerlemeler, robotların karmaşık görevleri yerine getirmesi için gereken "beyin"i sağlıyor. Robotlar, çevreyi temel olarak görsel ve işitsel iki duyuyla algılar.
Geleneksel bilgisayarla görme modelleri (örneğin, evrişimli sinir ağları) nesne tespiti veya sınıflandırma görevlerinde iyi performans gösterirken, görsel bilgileri amaca yönelik eylem talimatlarına dönüştürmekte zorlanmaktadır. Büyük dil modelleri metin anlama ve oluşturma konusunda mükemmel bir performans sergilemesine rağmen, fiziksel dünyanın algılama yeteneği ile sınırlıdır.
Görsel-dil-eylem modeli (VLA) aracılığıyla, robotlar görsel algı, dil anlama ve fiziksel eylemi birleşik bir hesaplama çerçevesinde entegre edebiliyor. Şubat 2025'te, Figure AI evrensel insansı robot kontrol modeli Helix'i piyasaya sürdü; bu VLA modeli, sıfır örnek genelleme yeteneği ve sistem 1/sistem 2 çift mimarisi ile sektörde yeni bir standart belirledi. Sıfır örnek genelleme özelliği, robotların her görev için yeniden eğitim almadan yeni sahnelere, yeni nesnelere ve yeni talimatlara anında uyum sağlamasını sağlıyor. Sistem 1/sistem 2 mimarisi, yüksek düzeyde çıkarım ile hafif çıkarımı ayırarak, hem insan benzeri düşünmeyi hem de gerçek zamanlı hassasiyeti bir arada sunan ticari insansı robotları mümkün kılıyor.
（2）Ekonomik Robotlar Gerçek Oluyor
Dünyayı değiştiren teknolojilerin ortak bir özelliği vardır - yaygınlık. Akıllı telefonlar, kişisel bilgisayarlar, 3D yazıcı teknolojileri, orta sınıfın karşılayabileceği fiyatlarla yaygınlık kazanmıştır. Unitree G1 gibi robotların fiyatı Honda Accord sedan veya ABD'deki 34.000 dolarlık en düşük yıllık gelirin altına düştüğünde, fiziksel işlerin ve günlük işlerin çoğunun robotlar tarafından gerçekleştirildiği bir dünyayı hayal etmek şaşırtıcı değildir.
（3）Depolamadan Tüketici Pazarına Geçiş
Robot teknolojisi, depolama çözümlerinden tüketim alanına doğru genişliyor. Bu dünya, insanlar için tasarlandı - insanlar, tüm uzman robotların işlerini yapabilirken, uzman robotlar tüm insanların işlerini yapamaz. Robot şirketleri artık sadece fabrika özel robotları üretmekle sınırlı kalmıyor, daha evrensel insansı robotlar geliştirmeye yöneliyor. Bu nedenle robot teknolojisinin öncüleri sadece depolarda değil, günlük hayata da nüfuz edecek.
Maliyet, ölçeklenebilirliğin ana darboğazlarından biridir. En çok dikkatimizi çeken gösterge, saatteki toplam maliyettir; bu, eğitim ve şarj süresinin fırsat maliyeti, görev yürütme maliyeti ve robot satın alma maliyeti toplamının, robotun toplam çalışma süresine bölünmesiyle hesaplanır. Bu maliyetin, ilgili sektör ortalama maaş seviyesinin altında olması rekabetçi olabilmesi için gereklidir.
Depolama alanına tamamen nüfuz etmek için robotların saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında bu maliyet 35.18 doların altında tutulmalıdır. Şu anda robotlar daha ucuz, daha verimli ve daha evrensel bir yönde gelişmektedir.
2**, Robot Teknolojisinin Bir Sonraki Atılımı**
（1）Pil optimizasyonu
Pil teknolojisi, kullanıcı dostu robotların en büyük engeli olmaya devam ediyor. BMW i3 gibi erken dönem elektrikli araçlar, pil teknolojisinin sınırlamaları nedeniyle kısa menzil, yüksek maliyet ve düşük pratiklik ile yaygınlaşmakta zorlanıyordu; robotlar da benzer bir sıkıntıyla karşı karşıya. Boston Dynamics'in Spot robotu, tek bir şarjla yalnızca 90 dakika çalışabiliyor, Unitree G1'in batarya ömrü ise yaklaşık 2 saat. Kullanıcılar açıkça her iki saatte bir manuel olarak şarj etmeyi istemiyor, bu nedenle otonom şarj ve bağlantı altyapıları önemli gelişim alanları haline geliyor. Şu anda robotların şarj edilmesinin iki ana yöntemi var: batarya değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenmiş pil grubunun hızlı bir şekilde değiştirilmesiyle sürekli çalışma sağlar, duruş süresini en aza indirir ve saha veya fabrika ortamlarında uygundur. Bu süreç, manuel olarak veya otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır; tam şarj süresi uzun olsa da, tamamen otomatik bir süreci kolayca gerçekleştirebilir.
（2）gecikme optimizasyonu
Düşük gecikmeli işlemler, çevre algısı ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algı, robotun çevrenin mekansal algılama yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü ifade eder.
Cintrini araştırmasına göre, robot algı sistemleri ucuz sensörlerle başlar, ancak teknolojik engel, entegrasyon yazılımı, düşük güç tüketimi ve milisaniye düzeyinde hassas kontrol devrelerindedir. Robot, uzamsal konumlandırmayı tamamladıktan sonra, hafif sinir ağları engelleri, paletleri veya insanları etiketleyecektir. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayak, tekerlek grubu veya mekanik kola motor talimatları gönderilir. 50** milisaniye altındaki algılama gecikmesi, insan refleks hızına eşdeğerdir****——**** bu eşik değerini aşan her türlü gecikme, robotun hareketlerinin hantal olmasına neden olur.** Bu nedenle, kararların %90'ı yerel olarak tek bir görsel-dil-eylem ağı aracılığıyla gerçekleştirilmelidir.
Tam otonom robotların yüksek performanslı VLA modelinin gecikmesini 50 milisaniyenin altında tutması gerekir; uzaktan kontrol edilen robotlar için ise kontrol terminali ile robot arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girdileri farklı modeller tarafından işlendikten sonra büyük dil modeline girilirse, toplam gecikme 50 milisaniye eşiğini aşacaktır.
（3）Veri Toplama Optimizasyonu
Veri toplamanın üç ana yolu vardır: gerçek dünya video verileri, sentetik veriler ve uzaktan kontrol verileri. Gerçek veriler ile sentetik veriler arasındaki temel engel, robotların fiziksel davranışları ile video / simülasyon modelleri arasındaki farkı kapatmaktır. Gerçek video verileri, kuvvet geri bildirimi, eklem hareket hataları ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayısı gibi öngörülemeyen değişkenlerden yoksundur.
En potansiyel veri toplama yöntemi uzaktan kontrol - insan operatörler tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak insan gücü maliyeti, uzaktan kontrol ile veri toplamanın ana kısıtlayıcı faktörüdür.
Özel donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sağlıyor. Mecka şirketi, ana akım yöntemleri ve özel donanımı birleştirerek çok boyutlu insan hareket verilerini topluyor ve işlenmiş verileri robot sinir ağı eğitimi için uygun veri setlerine dönüştürüyor. Hızlı iterasyon döngüleri ile AI robot eğitimi için büyük miktarda yüksek kaliteli veri sağlıyor. Bu teknik borular, ham veriden dağıtılabilir robotlara dönüşüm yolunu kısaltıyor.
3**, Önemli Keşif Alanları**
(1) Kripto Teknolojisi ve Robotların Birleşimi
Kripto teknolojisi, güvenilmeyen tarafların robot ağ verimliliğini artırmasını teşvik edebilir. Önceki bölümde bahsedilen temel alanlara dayanarak, kripto teknolojisinin altyapı entegrasyonu, gecikme optimizasyonu ve veri toplama açısından verimliliği artırabileceğini düşünüyoruz.
Merkeziyetsiz Fiziksel Altyapı Ağı (DePIN), şarj altyapısını devrim niteliğinde değiştirme potansiyeline sahiptir. İnsan benzeri robotlar, otomobiller gibi küresel ölçekte çalıştığında, şarj istasyonlarının benzin istasyonları kadar erişilebilir olması gerekmektedir. Merkezi bir ağ, büyük miktarda ön yatırım gerektirirken, DePIN maliyetleri düğüm operatörlerine dağıtarak şarj tesislerinin daha fazla bölgeye hızlı bir şekilde yayılmasını sağlar.
DePIN ayrıca dağıtık altyapıyı kullanarak uzaktan kontrol gecikmesini optimize edebilir. Coğrafi olarak dağıtılmış kenar düğümlerinin hesaplama kaynaklarını birleştirerek, uzaktan kontrol komutları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilir ve iletişim gecikmesi önemli ölçüde azaltılır. Ancak mevcut DePIN projeleri esas olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır; projeler akış medyası veya nesnelerin internetindeki kenar hesaplama uygulama avantajlarını göstermesine rağmen, henüz robotik veya uzaktan kontrol alanına uzanmış değildir.
Uzaktan kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların veri toplamak için profesyonel personel istihdam etme maliyeti son derece yüksektir. DePIN, üçüncü tarafların uzaktan kontrol verilerini sağlaması için kripto tokenlerle teşvik ederek bu sorunu çözmektedir. Reborn projesi, küresel bir uzaktan operatör ağı kurarak katkılarını tokenleştirilmiş dijital varlıklara dönüştürmekte ve izin gerektirmeyen merkeziyetsiz bir sistem oluşturmaktadır - katılımcılar hem gelir elde edebilir hem de yönetişime katılabilir ve AGI robotlarının eğitimine katkıda bulunabilir.
(2) Güvenlik her zaman temel bir endişedir
Robot teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak Terminator serisi filmlerinin de uyardığı gibi, insanlık otonomitenin robotları saldırgan silahlara dönüştürmesini istememektedir. Büyük dil modellerinin güvenlik sorunları dikkat çekmiştir ve bu modellerin fiziksel eylem yeteneğine sahip olduğu durumlarda, robot güvenliği toplumsal kabul için kritik bir ön koşul haline gelmektedir.
Ekonomik güvenlik, robot ekosisteminin refahının temel sütunlarından biridir. Bu alandaki OpenMind şirketi, cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için kriptografik kanıtlar aracılığıyla merkeziyetsiz bir makine koordinasyon katmanı olan FABRIC'i inşa ediyor. Basit bir görev pazarı yönetiminden farklı olarak, FABRIC robotların merkeziyetçi aracılara bağımlı olmadan kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını kendi kendine kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama, zincir üzerindeki mekanizmalar aracılığıyla gerçekleştirilir ve herkesin uyumluluğu denetlemesini sağlar. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel normlara uygun olan robotlar ödüllendirilirken, kurallara uymayanlar ceza alacak veya hakları iptal edilecektir. Bu şekilde, otonom makine ağında hesap verebilirlik ve güven mekanizması oluşturulmaktadır.
Üçüncü taraf yeniden teminat verme ağları (örneğin Symbiotic) eşit güvence sağlayabilir. Ceza parametre sistemi hala geliştirilmesi gereken bir konu olsa da, ilgili teknoloji pratik aşamaya girmiştir. Sektör güvenlik standartlarının oluşmasını bekliyoruz, bu noktada ceza parametreleri bu standartlara göre modelleyecektir.
Uygulama Planı Örneği:
Robot şirketi Symbiotic ağına katıldı.
*Doğrulanabilir el koyma parametrelerini ayarlayın (örneğin **"*2500 Newton'dan fazla insan teması uygulama ");
Teminat sağlayıcılar, robotun parametrelere uymasını sağlamak için teminat sunar;
İhlal durumunda, teminat miktarı mağdura tazminat olarak kullanılacaktır.
Bu model, işletmeleri güvenliği öncelikli hale getirmeye teşvik ederken, aynı zamanda staking fon havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırmaktadır.
Symbiotic* Genel Staking Çerçevesi, staking kavramını ekonomik güvence gerektiren tüm alanlara uzatmayı amaçlamaktadır, bu ister paylaşım ister bağımsız modelle olsun. Uygulama alanları, sigorta sektöründen robot teknolojisine kadar belirli durumlara özgü tasarımlar gerektirmektedir. Örneğin, robot ağı tamamen Symbiotic çerçevesine dayanarak inşa edilebilir, böylece paydaşlar ağın bütünlüğüne ekonomik teminat sağlayabilirler.*
4**, Robotik Teknoloji Yığını Boşluklarını Doldurmak**
OpenAI, AI'nin yaygınlaşmasını teşvik etti, ancak ChatGPT'nin temeli çoktan atılmıştı. Bulut hizmetleri, modellerin yerel hesaplama gücüne olan bağımlılığını kırdı, Huggingface modellerin açık kaynak olmasını sağladı, Kaggle ise AI mühendislerine deney platformu sundu. Bu ilerici atılımlar, AI'nın halkla buluşmasına katkıda bulundu.
AI'den farklı olarak, robotik alanında sınırlı fonlarla başlamak zordur. Robotların yaygınlaşmasını sağlamak için, geliştirme engellerinin AI uygulama geliştirmeye benzer bir kolaylık seviyesine indirilmesi gerekmektedir. Üç alanda iyileştirme imkanı olduğuna inanıyoruz: finansman mekanizması, değerlendirme sistemi ve eğitim ekosistemi.
Finansman, robotik alanındaki bir sorun. Bilgisayar programları geliştirmek yalnızca bir bilgisayar ve bulut bilişim kaynakları gerektirirken, tam işlevsel bir robot inşa etmek için motorlar, sensörler, piller gibi donanımlar satın almak gerekir ve maliyet kolayca 100.000 doları aşabilir. Bu donanım özellikleri, robot geliştirmeyi AI'ya kıyasla daha esnek olmayan ve maliyet açısından yüksek hale getiriyor.
Gerçek dünya senaryolarındaki robot değerlendirme altyapısı henüz gelişim aşamasındadır. AI alanında belirgin bir kayıp fonksiyonu sistemi kurulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler doğrudan gerçek dünyada etkili çözümlere dönüştürülemez. Robotların, çeşitli gerçek dünya ortamlarında otonom stratejilerin değerlendirme tesislerinde test edilmesi gerekmektedir, böylece iteratif optimizasyon sağlanabilir.
Bu altyapılar olgunlaştığında, yetenekler büyük bir akınla içeri girecek ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşatacak. Kripto robot şirketi OpenMind bu yönde ilerliyor - açık kaynak projesi OM1 ("robot sürümü Android sistemi") ham donanımı ekonomik bilinçle donatılmış yükseltilebilir akıllı varlıklara dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çalıştır şeklinde kullanılabiliyor, tüm akıl yürütme adımları sade İngilizce ile sunuluyor, böylece operatörler donanım yazılımına dokunmadan davranışları denetleyebilir veya ayarlayabilir. Bu doğal dil akıl yürütme yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini ateşleyecek açık platform için kritik bir adım atıyor, tıpkı açık kaynak hareketinin AI üzerindeki hızlandırıcı etkisi gibi.
Yetenek yoğunluğu sektörün seyrini belirler. Yapılandırılmış kapsayıcı eğitim sistemi, robotik alanında yetenek akışını sağlamak için hayati öneme sahiptir. OpenMind’in Nasdaq’a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde eş zamanlı olarak yer aldığı yeni bir dönemin başladığını işaret ediyor. OpenMind** ve Robostore ortaklaşa, ABD’deki K-12 devlet okullarında ilk Unitree G1 insansı robotuna dayalı genel eğitim müfredatını tanıttıklarını duyurdular. **Bu müfredat, platformdan bağımsız bir tasarıma sahip olup, çeşitli robot biçimlerine uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu olumlu sinyal, bizim yargımızı güçlendirmektedir: Önümüzdeki yıllarda robotik eğitim kaynaklarının zenginliği, AI alanıyla eşdeğer olacaktır.
5**, Gelecek Beklentileri**
Görsel-Dil-Eylem Modeli (VLA)nin yenilikleri ve ölçek ekonomisi etkisi, ekonomik, verimli ve evrensel insansı robotların ortaya çıkmasını sağladı. Depolama robotlarının tüketici pazarına genişlemesiyle birlikte, güvenlik, finansman modelleri ve değerlendirme sistemleri kritik keşif yönleri haline geldi. Kripto teknolojisinin robot gelişimini üçlü bir yol ile destekleyeceğine inanıyoruz: güvenliğe ekonomik teminat sağlama, şarj altyapısını optimize etme, gecikme performansını ve veri toplama kanallarını artırma.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Pantera ortakları: Şifreleme destekli AI Botlar dönemi
Yazar: Paul Veradittakit, Pantera Capital ortağı; Çeviri: Jinse Caijing xiaozou
Özet:
VLA* Yenilik ve ölçek etkisi, ekonomik, verimli ve çok yönlü insansı robotların doğuşunu teşvik ediyor.*
Depo robotlarının tüketici düzeyi robot pazarına genişlemesiyle birlikte, robot güvenliği, finansmanı ve değerlendirme mekanizması derinlemesine incelenmeyi gerektiriyor.
Kripto teknolojisi, robotların güvenliğini ekonomik teminatlar sağlayarak ve altyapı, gecikme ve veri toplama süreçlerini optimize ederek robotik endüstrinin gelişimini teşvik edecektir.
ChatGPT, insanların yapay zeka hakkında sahip olduğu beklentileri köklü bir şekilde değiştirdi. Büyük dil modellerinin dış yazılım dünyasıyla etkileşime girmeye başlamasıyla, birçok kişi AI ajanlarının nihai form olduğu düşüncesine kapıldı. Ancak, "Yıldız Savaşları", "Blade Runner" veya "Robocop" gibi klasik bilim kurgu filmlerine baktığımızda, insanlığın gerçekte hayal ettiği şeyin yapay zekanın robot formuyla fiziksel dünyada etkileşim kurabilmesi olduğunu görebiliriz.
Pantera Capital'a göre, robot teknolojisinde "ChatGPT anı" yaklaşıyor. Öncelikle, son birkaç yılda yapay zekanın nasıl bir sektörel dönüşüm yarattığını analiz edeceğiz, ardından batarya teknolojisinin, gecikme optimizasyonunun ve veri toplama iyileştirmelerinin gelecekteki manzarayı nasıl şekillendireceğini ve kripto teknolojisinin bu süreçteki rolünü tartışacağız. Son olarak, robot güvenliği, finansman, değerlendirme ve eğitim konularının odaklanılması gereken dikey alanlar olduğunu neden düşündüğümüzü açıklayacağız.
1**, Değişim Unsurları**
(1) Yapay Zeka Atılımı
Çok modlu büyük dil modeli alanındaki ilerlemeler, robotların karmaşık görevleri yerine getirmesi için gereken "beyin"i sağlıyor. Robotlar, çevreyi temel olarak görsel ve işitsel iki duyuyla algılar.
Geleneksel bilgisayarla görme modelleri (örneğin, evrişimli sinir ağları) nesne tespiti veya sınıflandırma görevlerinde iyi performans gösterirken, görsel bilgileri amaca yönelik eylem talimatlarına dönüştürmekte zorlanmaktadır. Büyük dil modelleri metin anlama ve oluşturma konusunda mükemmel bir performans sergilemesine rağmen, fiziksel dünyanın algılama yeteneği ile sınırlıdır.
Görsel-dil-eylem modeli (VLA) aracılığıyla, robotlar görsel algı, dil anlama ve fiziksel eylemi birleşik bir hesaplama çerçevesinde entegre edebiliyor. Şubat 2025'te, Figure AI evrensel insansı robot kontrol modeli Helix'i piyasaya sürdü; bu VLA modeli, sıfır örnek genelleme yeteneği ve sistem 1/sistem 2 çift mimarisi ile sektörde yeni bir standart belirledi. Sıfır örnek genelleme özelliği, robotların her görev için yeniden eğitim almadan yeni sahnelere, yeni nesnelere ve yeni talimatlara anında uyum sağlamasını sağlıyor. Sistem 1/sistem 2 mimarisi, yüksek düzeyde çıkarım ile hafif çıkarımı ayırarak, hem insan benzeri düşünmeyi hem de gerçek zamanlı hassasiyeti bir arada sunan ticari insansı robotları mümkün kılıyor.
（2）Ekonomik Robotlar Gerçek Oluyor
Dünyayı değiştiren teknolojilerin ortak bir özelliği vardır - yaygınlık. Akıllı telefonlar, kişisel bilgisayarlar, 3D yazıcı teknolojileri, orta sınıfın karşılayabileceği fiyatlarla yaygınlık kazanmıştır. Unitree G1 gibi robotların fiyatı Honda Accord sedan veya ABD'deki 34.000 dolarlık en düşük yıllık gelirin altına düştüğünde, fiziksel işlerin ve günlük işlerin çoğunun robotlar tarafından gerçekleştirildiği bir dünyayı hayal etmek şaşırtıcı değildir.
（3）Depolamadan Tüketici Pazarına Geçiş
Robot teknolojisi, depolama çözümlerinden tüketim alanına doğru genişliyor. Bu dünya, insanlar için tasarlandı - insanlar, tüm uzman robotların işlerini yapabilirken, uzman robotlar tüm insanların işlerini yapamaz. Robot şirketleri artık sadece fabrika özel robotları üretmekle sınırlı kalmıyor, daha evrensel insansı robotlar geliştirmeye yöneliyor. Bu nedenle robot teknolojisinin öncüleri sadece depolarda değil, günlük hayata da nüfuz edecek.
Maliyet, ölçeklenebilirliğin ana darboğazlarından biridir. En çok dikkatimizi çeken gösterge, saatteki toplam maliyettir; bu, eğitim ve şarj süresinin fırsat maliyeti, görev yürütme maliyeti ve robot satın alma maliyeti toplamının, robotun toplam çalışma süresine bölünmesiyle hesaplanır. Bu maliyetin, ilgili sektör ortalama maaş seviyesinin altında olması rekabetçi olabilmesi için gereklidir.
Depolama alanına tamamen nüfuz etmek için robotların saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında bu maliyet 35.18 doların altında tutulmalıdır. Şu anda robotlar daha ucuz, daha verimli ve daha evrensel bir yönde gelişmektedir.
2**, Robot Teknolojisinin Bir Sonraki Atılımı**
（1）Pil optimizasyonu
Pil teknolojisi, kullanıcı dostu robotların en büyük engeli olmaya devam ediyor. BMW i3 gibi erken dönem elektrikli araçlar, pil teknolojisinin sınırlamaları nedeniyle kısa menzil, yüksek maliyet ve düşük pratiklik ile yaygınlaşmakta zorlanıyordu; robotlar da benzer bir sıkıntıyla karşı karşıya. Boston Dynamics'in Spot robotu, tek bir şarjla yalnızca 90 dakika çalışabiliyor, Unitree G1'in batarya ömrü ise yaklaşık 2 saat. Kullanıcılar açıkça her iki saatte bir manuel olarak şarj etmeyi istemiyor, bu nedenle otonom şarj ve bağlantı altyapıları önemli gelişim alanları haline geliyor. Şu anda robotların şarj edilmesinin iki ana yöntemi var: batarya değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenmiş pil grubunun hızlı bir şekilde değiştirilmesiyle sürekli çalışma sağlar, duruş süresini en aza indirir ve saha veya fabrika ortamlarında uygundur. Bu süreç, manuel olarak veya otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır; tam şarj süresi uzun olsa da, tamamen otomatik bir süreci kolayca gerçekleştirebilir.
（2）gecikme optimizasyonu
Düşük gecikmeli işlemler, çevre algısı ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algı, robotun çevrenin mekansal algılama yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü ifade eder.
Cintrini araştırmasına göre, robot algı sistemleri ucuz sensörlerle başlar, ancak teknolojik engel, entegrasyon yazılımı, düşük güç tüketimi ve milisaniye düzeyinde hassas kontrol devrelerindedir. Robot, uzamsal konumlandırmayı tamamladıktan sonra, hafif sinir ağları engelleri, paletleri veya insanları etiketleyecektir. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayak, tekerlek grubu veya mekanik kola motor talimatları gönderilir. 50** milisaniye altındaki algılama gecikmesi, insan refleks hızına eşdeğerdir****——**** bu eşik değerini aşan her türlü gecikme, robotun hareketlerinin hantal olmasına neden olur.** Bu nedenle, kararların %90'ı yerel olarak tek bir görsel-dil-eylem ağı aracılığıyla gerçekleştirilmelidir.
Tam otonom robotların yüksek performanslı VLA modelinin gecikmesini 50 milisaniyenin altında tutması gerekir; uzaktan kontrol edilen robotlar için ise kontrol terminali ile robot arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girdileri farklı modeller tarafından işlendikten sonra büyük dil modeline girilirse, toplam gecikme 50 milisaniye eşiğini aşacaktır.
（3）Veri Toplama Optimizasyonu
Veri toplamanın üç ana yolu vardır: gerçek dünya video verileri, sentetik veriler ve uzaktan kontrol verileri. Gerçek veriler ile sentetik veriler arasındaki temel engel, robotların fiziksel davranışları ile video / simülasyon modelleri arasındaki farkı kapatmaktır. Gerçek video verileri, kuvvet geri bildirimi, eklem hareket hataları ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayısı gibi öngörülemeyen değişkenlerden yoksundur.
En potansiyel veri toplama yöntemi uzaktan kontrol - insan operatörler tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak insan gücü maliyeti, uzaktan kontrol ile veri toplamanın ana kısıtlayıcı faktörüdür.
Özel donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sağlıyor. Mecka şirketi, ana akım yöntemleri ve özel donanımı birleştirerek çok boyutlu insan hareket verilerini topluyor ve işlenmiş verileri robot sinir ağı eğitimi için uygun veri setlerine dönüştürüyor. Hızlı iterasyon döngüleri ile AI robot eğitimi için büyük miktarda yüksek kaliteli veri sağlıyor. Bu teknik borular, ham veriden dağıtılabilir robotlara dönüşüm yolunu kısaltıyor.
3**, Önemli Keşif Alanları**
(1) Kripto Teknolojisi ve Robotların Birleşimi
Kripto teknolojisi, güvenilmeyen tarafların robot ağ verimliliğini artırmasını teşvik edebilir. Önceki bölümde bahsedilen temel alanlara dayanarak, kripto teknolojisinin altyapı entegrasyonu, gecikme optimizasyonu ve veri toplama açısından verimliliği artırabileceğini düşünüyoruz.
Merkeziyetsiz Fiziksel Altyapı Ağı (DePIN), şarj altyapısını devrim niteliğinde değiştirme potansiyeline sahiptir. İnsan benzeri robotlar, otomobiller gibi küresel ölçekte çalıştığında, şarj istasyonlarının benzin istasyonları kadar erişilebilir olması gerekmektedir. Merkezi bir ağ, büyük miktarda ön yatırım gerektirirken, DePIN maliyetleri düğüm operatörlerine dağıtarak şarj tesislerinin daha fazla bölgeye hızlı bir şekilde yayılmasını sağlar.
DePIN ayrıca dağıtık altyapıyı kullanarak uzaktan kontrol gecikmesini optimize edebilir. Coğrafi olarak dağıtılmış kenar düğümlerinin hesaplama kaynaklarını birleştirerek, uzaktan kontrol komutları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilir ve iletişim gecikmesi önemli ölçüde azaltılır. Ancak mevcut DePIN projeleri esas olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır; projeler akış medyası veya nesnelerin internetindeki kenar hesaplama uygulama avantajlarını göstermesine rağmen, henüz robotik veya uzaktan kontrol alanına uzanmış değildir.
Uzaktan kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların veri toplamak için profesyonel personel istihdam etme maliyeti son derece yüksektir. DePIN, üçüncü tarafların uzaktan kontrol verilerini sağlaması için kripto tokenlerle teşvik ederek bu sorunu çözmektedir. Reborn projesi, küresel bir uzaktan operatör ağı kurarak katkılarını tokenleştirilmiş dijital varlıklara dönüştürmekte ve izin gerektirmeyen merkeziyetsiz bir sistem oluşturmaktadır - katılımcılar hem gelir elde edebilir hem de yönetişime katılabilir ve AGI robotlarının eğitimine katkıda bulunabilir.
(2) Güvenlik her zaman temel bir endişedir
Robot teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak Terminator serisi filmlerinin de uyardığı gibi, insanlık otonomitenin robotları saldırgan silahlara dönüştürmesini istememektedir. Büyük dil modellerinin güvenlik sorunları dikkat çekmiştir ve bu modellerin fiziksel eylem yeteneğine sahip olduğu durumlarda, robot güvenliği toplumsal kabul için kritik bir ön koşul haline gelmektedir.
Ekonomik güvenlik, robot ekosisteminin refahının temel sütunlarından biridir. Bu alandaki OpenMind şirketi, cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için kriptografik kanıtlar aracılığıyla merkeziyetsiz bir makine koordinasyon katmanı olan FABRIC'i inşa ediyor. Basit bir görev pazarı yönetiminden farklı olarak, FABRIC robotların merkeziyetçi aracılara bağımlı olmadan kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını kendi kendine kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama, zincir üzerindeki mekanizmalar aracılığıyla gerçekleştirilir ve herkesin uyumluluğu denetlemesini sağlar. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel normlara uygun olan robotlar ödüllendirilirken, kurallara uymayanlar ceza alacak veya hakları iptal edilecektir. Bu şekilde, otonom makine ağında hesap verebilirlik ve güven mekanizması oluşturulmaktadır.
Üçüncü taraf yeniden teminat verme ağları (örneğin Symbiotic) eşit güvence sağlayabilir. Ceza parametre sistemi hala geliştirilmesi gereken bir konu olsa da, ilgili teknoloji pratik aşamaya girmiştir. Sektör güvenlik standartlarının oluşmasını bekliyoruz, bu noktada ceza parametreleri bu standartlara göre modelleyecektir.
Uygulama Planı Örneği:
Robot şirketi Symbiotic ağına katıldı.
*Doğrulanabilir el koyma parametrelerini ayarlayın (örneğin **"*2500 Newton'dan fazla insan teması uygulama ");
Teminat sağlayıcılar, robotun parametrelere uymasını sağlamak için teminat sunar;
İhlal durumunda, teminat miktarı mağdura tazminat olarak kullanılacaktır.
Bu model, işletmeleri güvenliği öncelikli hale getirmeye teşvik ederken, aynı zamanda staking fon havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırmaktadır.
Symbiotic ekibinin robotik alanındaki görüşü şudur:
Symbiotic* Genel Staking Çerçevesi, staking kavramını ekonomik güvence gerektiren tüm alanlara uzatmayı amaçlamaktadır, bu ister paylaşım ister bağımsız modelle olsun. Uygulama alanları, sigorta sektöründen robot teknolojisine kadar belirli durumlara özgü tasarımlar gerektirmektedir. Örneğin, robot ağı tamamen Symbiotic çerçevesine dayanarak inşa edilebilir, böylece paydaşlar ağın bütünlüğüne ekonomik teminat sağlayabilirler.*
4**, Robotik Teknoloji Yığını Boşluklarını Doldurmak**
OpenAI, AI'nin yaygınlaşmasını teşvik etti, ancak ChatGPT'nin temeli çoktan atılmıştı. Bulut hizmetleri, modellerin yerel hesaplama gücüne olan bağımlılığını kırdı, Huggingface modellerin açık kaynak olmasını sağladı, Kaggle ise AI mühendislerine deney platformu sundu. Bu ilerici atılımlar, AI'nın halkla buluşmasına katkıda bulundu.
AI'den farklı olarak, robotik alanında sınırlı fonlarla başlamak zordur. Robotların yaygınlaşmasını sağlamak için, geliştirme engellerinin AI uygulama geliştirmeye benzer bir kolaylık seviyesine indirilmesi gerekmektedir. Üç alanda iyileştirme imkanı olduğuna inanıyoruz: finansman mekanizması, değerlendirme sistemi ve eğitim ekosistemi.
Finansman, robotik alanındaki bir sorun. Bilgisayar programları geliştirmek yalnızca bir bilgisayar ve bulut bilişim kaynakları gerektirirken, tam işlevsel bir robot inşa etmek için motorlar, sensörler, piller gibi donanımlar satın almak gerekir ve maliyet kolayca 100.000 doları aşabilir. Bu donanım özellikleri, robot geliştirmeyi AI'ya kıyasla daha esnek olmayan ve maliyet açısından yüksek hale getiriyor.
Gerçek dünya senaryolarındaki robot değerlendirme altyapısı henüz gelişim aşamasındadır. AI alanında belirgin bir kayıp fonksiyonu sistemi kurulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler doğrudan gerçek dünyada etkili çözümlere dönüştürülemez. Robotların, çeşitli gerçek dünya ortamlarında otonom stratejilerin değerlendirme tesislerinde test edilmesi gerekmektedir, böylece iteratif optimizasyon sağlanabilir.
Bu altyapılar olgunlaştığında, yetenekler büyük bir akınla içeri girecek ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşatacak. Kripto robot şirketi OpenMind bu yönde ilerliyor - açık kaynak projesi OM1 ("robot sürümü Android sistemi") ham donanımı ekonomik bilinçle donatılmış yükseltilebilir akıllı varlıklara dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çalıştır şeklinde kullanılabiliyor, tüm akıl yürütme adımları sade İngilizce ile sunuluyor, böylece operatörler donanım yazılımına dokunmadan davranışları denetleyebilir veya ayarlayabilir. Bu doğal dil akıl yürütme yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini ateşleyecek açık platform için kritik bir adım atıyor, tıpkı açık kaynak hareketinin AI üzerindeki hızlandırıcı etkisi gibi.
Yetenek yoğunluğu sektörün seyrini belirler. Yapılandırılmış kapsayıcı eğitim sistemi, robotik alanında yetenek akışını sağlamak için hayati öneme sahiptir. OpenMind’in Nasdaq’a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde eş zamanlı olarak yer aldığı yeni bir dönemin başladığını işaret ediyor. OpenMind** ve Robostore ortaklaşa, ABD’deki K-12 devlet okullarında ilk Unitree G1 insansı robotuna dayalı genel eğitim müfredatını tanıttıklarını duyurdular. **Bu müfredat, platformdan bağımsız bir tasarıma sahip olup, çeşitli robot biçimlerine uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu olumlu sinyal, bizim yargımızı güçlendirmektedir: Önümüzdeki yıllarda robotik eğitim kaynaklarının zenginliği, AI alanıyla eşdeğer olacaktır.
5**, Gelecek Beklentileri**
Görsel-Dil-Eylem Modeli (VLA)nin yenilikleri ve ölçek ekonomisi etkisi, ekonomik, verimli ve evrensel insansı robotların ortaya çıkmasını sağladı. Depolama robotlarının tüketici pazarına genişlemesiyle birlikte, güvenlik, finansman modelleri ve değerlendirme sistemleri kritik keşif yönleri haline geldi. Kripto teknolojisinin robot gelişimini üçlü bir yol ile destekleyeceğine inanıyoruz: güvenliğe ekonomik teminat sağlama, şarj altyapısını optimize etme, gecikme performansını ve veri toplama kanallarını artırma.