Автор: Пол Верадіттакіт, партнер Pantera Capital; Переклад: Jinse Finance xiaozou
Резюме:
VLA**Інновації та ефект масштабу сприяють народженню економічно вигідних, ефективних та універсальних гуманоїдних роботів.
З розширенням ринку споживчих роботів для складу, безпека роботів, фінансування та механізми оцінки заслуговують на глибше вивчення.
Криптографічні технології сприятимуть розвитку робототехніки, забезпечуючи економічні гарантії безпеки для роботів, а також оптимізуючи їх інфраструктуру інтеграції, затримки та процеси збору даних.
ChatGPT кардинально змінив людське сприйняття очікувань щодо штучного інтелекту. Коли великі мовні моделі почали взаємодіяти з зовнішнім програмним світом, багато хто вважав, що AI-агенти є остаточною формою. Але якщо згадати класичні науково-фантастичні фільми, такі як «Зоряні війни», «Термінатор» або «Робокоп», можна помітити, що людство насправді мріє про те, щоб штучний інтелект міг здійснювати фізичні взаємодії у світі в формі роботів.
На думку Pantera Capital, "момент ChatGPT" у сфері робототехніки ось-ось настане. Спочатку ми проаналізуємо, як прориви в галузі штучного інтелекту за останні кілька років змінили галузевий ландшафт, а потім розглянемо, як технології акумуляторів, оптимізація затримок та поліпшення збору даних формуватимуть майбутнє, а також яку роль у цьому відіграє криптографія. Насамкінець ми пояснимо, чому вважаємо, що безпека роботів, фінансування, оцінка та освіта є вертикальними напрямками, на які слід звернути особливу увагу.
1**, елементи змін
（1）Прорив штучного інтелекту
Прогрес у галузі багатомодальних великих мовних моделей надає роботам "мозок", необхідний для виконання складних завдань. Роботи в основному сприймають навколишнє середовище через два органи чуття: зір і слух.
Хоча традиційні моделі комп'ютерного зору (як-от згорткові нейронні мережі) добре справляються з задачами виявлення або класифікації об'єктів, їм важко перетворити візуальну інформацію на цілеспрямовані дії. Великі мовні моделі, хоч і демонструють відмінні результати в розумінні та генерації тексту, обмежені у своїй здатності сприймати фізичний світ.
За допомогою моделі зорово-мовно-дійової системи (VLA) роботи можуть інтегрувати зорове сприйняття, мовне розуміння та фізичні дії в єдиній обчислювальній рамці. У лютому 2025 року компанія Figure AI представила універсальну модель управління гуманоїдними роботами Helix, яка встановлює нові стандарти в галузі завдяки здатності до нульової вибірки та двомодульній архітектурі системи 1/системи 2. Особливість нульової вибірки дозволяє роботам миттєво адаптуватися до нових сцен, нових об'єктів та нових інструкцій без повторного навчання для кожного завдання. Архітектура системи 1/системи 2 розділяє вищий рівень міркувань та легковагове міркування, що дозволяє реалізувати комерційного гуманоїдного робота з людським типом мислення та реальної точності.
（2）Економічні роботи стають реальністю
Технології, які змінюють світ, мають спільну рису — доступність. Смартфони, персональні комп'ютери, 3D-друк стали доступними за цінами, які може собі дозволити середній клас. Коли ціна роботів, таких як Unitree G1, нижча за ціну Honda Accord або мінімальний річний дохід у США в 34 тисячі доларів, не дивно уявляти світ, де фізична праця та повсякденні справи в основному виконуються роботами.
Робототехніка розширюється з рішень для складів у споживчу сферу. Цей світ призначений для людей — люди можуть виконувати всю роботу професійних роботів, тоді як професійні роботи не можуть виконати всю роботу людей. Компанії-робототехніки більше не обмежуються виробництвом роботів для заводів, а переходять до розробки більш універсальних гуманоїдних роботів. Таким чином, передова робототехніка існує не лише на складах, а й проникає в повсякденне життя.
Вартість є однією з основних перешкод для масштабованості. Найбільше нас цікавить показник загальних витрат на годину, який розраховується як сума витрат можливостей на час навчання та заряджання, витрат на виконання завдань та витрат на придбання роботів, поділена на загальний час роботи роботів. Ця вартість повинна бути нижчою за середній рівень заробітної плати в відповідній галузі, щоб бути конкурентоспроможною.
Щоб повністю проникнути в сферу складування, загальні витрати на робота повинні бути нижчими за 31,39 долара США за годину. А в найбільшому споживчому ринку — приватній освіті та сфері медичних послуг, ці витрати мають бути контрольованими на рівні нижче 35,18 долара США. Наразі роботи розвиваються в напрямку дешевших, ефективніших та універсальніших.
2**, наступний прорив у робототехніці**
（1）оптимізація акумулятора
Технологія акумуляторів завжди була вузьким місцем у дружніх до користувача роботах. На початку, такі електромобілі, як BMW i3, мали обмежену технологію акумуляторів, що призводило до короткого пробігу, високих витрат і низької практичності, що ускладнювало їх поширення; роботи стикаються з тією ж проблемою. Робот Spot від Boston Dynamics має автономність всього 90 хвилин, а акумулятор Unitree G1 забезпечує близько 2 годин автономної роботи**. Користувачі явно не бажають заряджати акумулятор вручну кожні дві години**, тому автономна зарядка та підключення до інфраструктури стали ключовими напрямками розвитку. Наразі основні методи зарядки роботів – це заміна акумулятора або безпосередня зарядка.
Режим заміни батареї забезпечує безперервну роботу шляхом швидкої заміни вичерпаних батарейних блоків, що мінімізує час простою, підходить для польових або заводських умов. Цей процес можна виконувати вручну або автоматизувати.
Індикаторна зарядка використовує бездротовий спосіб живлення, хоча повна зарядка займає довше часу, але вона може легко реалізувати повністю автоматизований процес.
（2）оптимізація затримки
Низькочасова операція може бути розділена на дві категорії: усвідомлення середовища та віддалене управління. Усвідомлення означає просторову пізнавальну здатність робота до навколишнього середовища, тоді як віддалене управління відноситься до реального контролю людини-оператора.
Згідно з дослідженням Cintrini, системи сприйняття роботів починаються з недорогих сенсорів, але технологічний бар'єр полягає в програмному забезпеченні інтеграції, енергоефективних обчисленнях та контролю з роздільною здатністю в мілісекундах. Коли робот завершує просторову локалізацію, легка нейронна мережа позначає елементи, такі як перешкоди, піддони або люди. Коли етикетки сцени вводяться в планувальну систему, миттєво генеруються команди для моторів, що відправляються до ніг, коліс або маніпуляторів. Затримка сприйняття менше 50 мс дорівнює швидкості людського рефлексу**——**будь-яка затримка, що перевищує цей поріг, призведе до незграбності дій робота. Тому 90% рішень повинні бути прийняті локально через єдину мережу зору-мови-дій.
Повністю автономні роботи повинні забезпечити затримку високопродуктивної VLA моделі нижче 50 мілісекунд; для віддаленого управління роботами вимога полягає в тому, щоб затримка сигналу між робочою станцією та роботом не перевищувала 50 мілісекунд. Важливість VLA моделі тут особливо підкреслюється — якщо візуальний та текстовий вхід обробляються різними моделями, а потім вводяться в велику мовну модель, загальна затримка буде значно перевищувати поріг у 50 мілісекунд.
（3）Оптимізація збору даних
Збір даних в основному має три шляхи: дані з реального світу, синтетичні дані та дані віддаленого керування. Основною перешкодою між реальними даними та синтетичними даними є подолання розриву між фізичною поведінкою роботів та відео**/**моделями симуляції. Реальні відеодані не містять таких фізичних деталей, як відчуття зворотного зв'язку, помилки руху суглобів і деформація матеріалів; симуляційні дані ж страждають від браку непередбачуваних змінних, таких як відмови датчиків та коефіцієнти тертя.
Найперспективніший спосіб збору даних - це віддалене керування - людина-оператор віддалено контролює робота для виконання завдань. Але витрати на працю є основним обмежуючим фактором збору даних за допомогою віддаленого керування.
Розробка спеціалізованого апаратного забезпечення також пропонує нові рішення для якісного збору даних. Компанія Mecka поєднує традиційні методи з спеціалізованим апаратним забезпеченням для збору багатовимірних даних про рух людини, які після обробки перетворюються на набори даних, придатні для навчання нейронних мереж роботів, забезпечуючи величезну кількість якісних даних для навчання AI-роботів у поєднанні з швидкими циклами ітерації. Ці технологічні канали спільно скорочують шлях перетворення від сирих даних до розгорнутого робота.
3**、ключові сфери дослідження**
（1）Злиття криптографічних технологій та робототехніки
Криптографічні технології можуть стимулювати недовірені сторони підвищувати ефективність мереж роботів. Виходячи з раніше згаданих ключових областей, ми вважаємо, що криптографічні технології можуть підвищити ефективність у трьох аспектах: інтеграція інфраструктури, оптимізація затримок та збір даних.
Децентралізована мережа фізичної інфраструктури (DePIN) обіцяє революцію в зарядній інфраструктурі. Коли людиноподібні роботи почнуть працювати по всьому світу, зарядні станції повинні стати так само доступними, як і автозаправні станції. Централізовані мережі потребують величезних попередніх інвестицій, тоді як DePIN розподіляє витрати між оператором вузлів, що дозволяє швидко розширити зарядні об'єкти до більшої кількості регіонів.
DePIN також може використовувати розподілену інфраструктуру для оптимізації затримки віддаленого керування. Завдяки агрегуванню географічно розподілених ресурсів обчислювальних вузлів на краю, команди віддаленого керування можуть оброблятися місцевими або найближчими доступними вузлами, що максимально скорочує відстань передачі даних і суттєво знижує затримку зв'язку. Проте наразі проекти DePIN в основному зосереджені на децентралізованому зберіганні, розподілі контенту та спільному використанні пропускної здатності, хоча є проекти, які демонструють переваги крайових обчислень у потоковій передачі або Інтернеті речей, ще не поширилися на робототехніку або область віддаленого керування.
Віддалене управління є найбільш перспективним способом збору даних, але централізовані структури витрачають величезні кошти на найм професіоналів для збору даних. DePIN вирішує цю проблему, заохочуючи третіх осіб надавати дані для віддаленого управління через криптовалюти. Проект Reborn створює глобальну мережу віддалених операторів, перетворюючи їхній внесок на токенізовані цифрові активи, формуючи децентралізовану систему без необхідності отримання дозволу — учасники можуть отримувати прибуток, брати участь в управлінні та допомагати в навчанні роботів AGI.
(2) Безпека завжди є основним занепокоєнням
Остаточною метою робототехніки є досягнення повної автономії, але, як попереджає серія фільмів «Термінатор», людство найбільше боїться, що автономність перетворить роботів на агресивну зброю. Проблеми безпеки великих мовних моделей вже викликали занепокоєння, а коли ці моделі отримають фізичну здатність до дій, безпека роботів стане ключовою передумовою для прийняття суспільством.
Економічна безпека є одним із стовпів процвітання екології робототехніки. Компанія OpenMind у цій сфері створює FABRIC — децентралізований рівень координації машин, що реалізує аутентифікацію ідентичності пристроїв, верифікацію фізичної присутності та доступ до ресурсів за допомогою криптографічних доказів. На відміну від простого управління ринком завдань, FABRIC дозволяє роботам самостійно підтверджувати інформацію про ідентичність, геолокацію та записи поведінки, не покладаючись на централізовані посередники.
Обмеження дій та ідентифікацію виконують за допомогою механізмів на блокчейні, що забезпечує можливість аудиту відповідності будь-ким. Роботи, які відповідають стандартам безпеки, вимогам якості та регіональним нормам, отримують винагороду, тоді як порушники підлягають покаранню або дискваліфікації, що сприяє створенню механізму підзвітності та довіри в автономній мережі машин.
Треті сторони, такі як Symbiotic, також можуть забезпечити рівнозначні гарантії безпеки. Хоча система параметрів покарань все ще потребує вдосконалення, відповідні технології вже перейшли на практичний етап. Ми очікуємо, що в галузі незабаром сформуються стандарти безпеки, і в цей час параметри покарання будуть моделюватися відповідно до цих стандартів.
Приклад реалізації плану:
Роботизована компанія приєдналася до Symbiotic мережі.
Встановити параметри конфіскації, що підлягають перевірці (наприклад, "застосування сили людського контакту, що перевищує 2500 ньютонів");
Стейкери надають заставу, щоб забезпечити дотримання параметрів роботами;
У разі порушення, застава буде використана як компенсація постраждалій стороні.
Цей режим як стимулює компанії ставити безпеку на перше місце, так і сприяє прийняттю споживачами через страхову механіку пулу стейкінгу.
Перспективи команди Symbiotic у сфері робототехніки такі:
Symbiotic**Універсальна система стейкінгу має на меті розширити концепцію стейкінгу на всі сфери, які потребують економічної безпеки, незалежно від того, чи це через спільну, чи незалежну модель. Її застосування варіюється від страхування до робототехніки та потребує конкретних випадків для конкретного проєктування. Наприклад, мережа роботів може бути повністю побудована на основі Symbiotic системи, що дозволяє зацікавленим сторонам надавати економічні гарантії цілісності мережі.
4**, заповнити прогалини в технологічному стеку робототехніки**
OpenAI сприяло популяризації ШІ, але основи ChatGPT вже були закладені. Хмарні сервіси зруйнували залежність моделей від локальних обчислювальних потужностей, Huggingface реалізувала відкритий вихідний код моделей, а Kaggle надала експериментальну платформу для інженерів ШІ. Ці поступові прориви разом сприяли масовій популяризації ШІ.
На відміну відAI, у сфері робототехніки важко почати при обмеженому фінансуванні. Щоб зробити робототехніку більш доступною, поріг її розробки потрібно знизити до такої ж зручності, як у випадку з розробкою додатківAI. Ми вважаємо, що є три сфери, в яких є простір для вдосконалення: механізм фінансування, система оцінювання та освітня екосистема.
Фінансування є болючою точкою в сфері робототехніки. Для розробки комп'ютерної програми потрібно лише комп'ютер та ресурси хмарних обчислень, в той час як для створення повнофункціонального робота необхідно закупити двигуни, датчики, акумулятори та інше обладнання, витрати легко перевищують 100 тисяч доларів. Ця апаратна специфіка робить розробку роботів менш гнучкою та дорогою в порівнянні з ШІ.
Оцінка роботів в реальних сценаріях ще перебуває на стадії зародження. У сфері штучного інтелекту вже встановлено чітку систему функцій втрат, тестування може бути повністю віртуалізоване. Однак відмінні віртуальні стратегії не можуть бути безпосередньо перетворені на ефективні рішення в реальному світі. Роботам потрібні оцінювальні системи автономних стратегій для тестування в різноманітних реальних умовах, щоб досягти ітеративної оптимізації.
Коли ці інфраструктури стануть зрілими, таланти масово хлинуть, а гуманоїдні роботи повторять криву вибуху Web2. Компанія з крипто-роботів OpenMind рухається в цьому напрямку—її відкритий проект OM1 ("роботизована версія Android-системи") перетворює первинне апаратне забезпечення на економічно свідомих, масштабованих агентів. Модулі візуалізації, мови та планування руху можуть підключатися, як мобільні додатки, а всі етапи міркування представлені простими англійськими реченнями, що дозволяє операторам перевіряти чи коригувати поведінку без необхідності взаємодії з прошивкою. Ця здатність до міркування природною мовою дозволяє новому поколінню талантів безперешкодно входити в сферу робототехніки, роблячи ключовий крок до запуску революції роботів, подібно до прискорення впливу руху з відкритим кодом на ШІ.
Щільність талантів визначає траєкторію галузі. Структурована система доступної освіти є надзвичайно важливою для постачання кадрів у галузі робототехніки. Вихід OpenMind на NASDAQ знаменує початок нової ери, коли розумні машини беруть участь у фінансових інноваціях та фізичній освіті. OpenMind** і Robostore спільно оголосили про запуск першого універсального освітнього курсу на основі Unitree G1 гуманоїдного робота в державних школах США K-12. **Курс спроектовано так, щоб бути незалежним від платформи, що дозволяє адаптувати його для різних форм роботів і надає студентам можливості для практичної роботи. Цей позитивний сигнал зміцнює наше переконання: **протягом наступних кількох років рівень забезпечення освітніми ресурсами в галузі робототехніки зрівняється з галуззю AI.
5**、Перспективи майбутнього**
Інновації та ефекти масштабування в моделі "Зірка-Мова-Дія" (VLA) вже призвели до появи економічних, ефективних та універсальних гуманоїдних роботів. З розширенням складських роботів на споживчий ринок, безпека, моделі фінансування та системи оцінки стали ключовими напрямками дослідження. Ми впевнені, що технології шифрування сприятимуть розвитку робототехніки трьома шляхами: забезпеченням економічних гарантій безпеки, оптимізацією інфраструктури заряджання та поліпшенням затримок у виконанні та каналах збору даних.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Партнери Pantera: епоха Ботів на базі шифрування
Автор: Пол Верадіттакіт, партнер Pantera Capital; Переклад: Jinse Finance xiaozou
Резюме:
VLA**Інновації та ефект масштабу сприяють народженню економічно вигідних, ефективних та універсальних гуманоїдних роботів.
З розширенням ринку споживчих роботів для складу, безпека роботів, фінансування та механізми оцінки заслуговують на глибше вивчення.
Криптографічні технології сприятимуть розвитку робототехніки, забезпечуючи економічні гарантії безпеки для роботів, а також оптимізуючи їх інфраструктуру інтеграції, затримки та процеси збору даних.
ChatGPT кардинально змінив людське сприйняття очікувань щодо штучного інтелекту. Коли великі мовні моделі почали взаємодіяти з зовнішнім програмним світом, багато хто вважав, що AI-агенти є остаточною формою. Але якщо згадати класичні науково-фантастичні фільми, такі як «Зоряні війни», «Термінатор» або «Робокоп», можна помітити, що людство насправді мріє про те, щоб штучний інтелект міг здійснювати фізичні взаємодії у світі в формі роботів.
На думку Pantera Capital, "момент ChatGPT" у сфері робототехніки ось-ось настане. Спочатку ми проаналізуємо, як прориви в галузі штучного інтелекту за останні кілька років змінили галузевий ландшафт, а потім розглянемо, як технології акумуляторів, оптимізація затримок та поліпшення збору даних формуватимуть майбутнє, а також яку роль у цьому відіграє криптографія. Насамкінець ми пояснимо, чому вважаємо, що безпека роботів, фінансування, оцінка та освіта є вертикальними напрямками, на які слід звернути особливу увагу.
1**, елементи змін
（1）Прорив штучного інтелекту
Прогрес у галузі багатомодальних великих мовних моделей надає роботам "мозок", необхідний для виконання складних завдань. Роботи в основному сприймають навколишнє середовище через два органи чуття: зір і слух.
Хоча традиційні моделі комп'ютерного зору (як-от згорткові нейронні мережі) добре справляються з задачами виявлення або класифікації об'єктів, їм важко перетворити візуальну інформацію на цілеспрямовані дії. Великі мовні моделі, хоч і демонструють відмінні результати в розумінні та генерації тексту, обмежені у своїй здатності сприймати фізичний світ.
За допомогою моделі зорово-мовно-дійової системи (VLA) роботи можуть інтегрувати зорове сприйняття, мовне розуміння та фізичні дії в єдиній обчислювальній рамці. У лютому 2025 року компанія Figure AI представила універсальну модель управління гуманоїдними роботами Helix, яка встановлює нові стандарти в галузі завдяки здатності до нульової вибірки та двомодульній архітектурі системи 1/системи 2. Особливість нульової вибірки дозволяє роботам миттєво адаптуватися до нових сцен, нових об'єктів та нових інструкцій без повторного навчання для кожного завдання. Архітектура системи 1/системи 2 розділяє вищий рівень міркувань та легковагове міркування, що дозволяє реалізувати комерційного гуманоїдного робота з людським типом мислення та реальної точності.
（2）Економічні роботи стають реальністю
Технології, які змінюють світ, мають спільну рису — доступність. Смартфони, персональні комп'ютери, 3D-друк стали доступними за цінами, які може собі дозволити середній клас. Коли ціна роботів, таких як Unitree G1, нижча за ціну Honda Accord або мінімальний річний дохід у США в 34 тисячі доларів, не дивно уявляти світ, де фізична праця та повсякденні справи в основному виконуються роботами.
! Tn1tv6S36bdGnnOOpqRRqjdc8pnTqJ1EKRERmKtZ.png
（3）від складу до споживчого ринку
Робототехніка розширюється з рішень для складів у споживчу сферу. Цей світ призначений для людей — люди можуть виконувати всю роботу професійних роботів, тоді як професійні роботи не можуть виконати всю роботу людей. Компанії-робототехніки більше не обмежуються виробництвом роботів для заводів, а переходять до розробки більш універсальних гуманоїдних роботів. Таким чином, передова робототехніка існує не лише на складах, а й проникає в повсякденне життя.
Вартість є однією з основних перешкод для масштабованості. Найбільше нас цікавить показник загальних витрат на годину, який розраховується як сума витрат можливостей на час навчання та заряджання, витрат на виконання завдань та витрат на придбання роботів, поділена на загальний час роботи роботів. Ця вартість повинна бути нижчою за середній рівень заробітної плати в відповідній галузі, щоб бути конкурентоспроможною.
! rQCyavIaHdxhfr10i808m9Rj3UhR0JpqVvv1s4kq.png
Щоб повністю проникнути в сферу складування, загальні витрати на робота повинні бути нижчими за 31,39 долара США за годину. А в найбільшому споживчому ринку — приватній освіті та сфері медичних послуг, ці витрати мають бути контрольованими на рівні нижче 35,18 долара США. Наразі роботи розвиваються в напрямку дешевших, ефективніших та універсальніших.
2**, наступний прорив у робототехніці**
（1）оптимізація акумулятора
Технологія акумуляторів завжди була вузьким місцем у дружніх до користувача роботах. На початку, такі електромобілі, як BMW i3, мали обмежену технологію акумуляторів, що призводило до короткого пробігу, високих витрат і низької практичності, що ускладнювало їх поширення; роботи стикаються з тією ж проблемою. Робот Spot від Boston Dynamics має автономність всього 90 хвилин, а акумулятор Unitree G1 забезпечує близько 2 годин автономної роботи**. Користувачі явно не бажають заряджати акумулятор вручну кожні дві години**, тому автономна зарядка та підключення до інфраструктури стали ключовими напрямками розвитку. Наразі основні методи зарядки роботів – це заміна акумулятора або безпосередня зарядка.
Режим заміни батареї забезпечує безперервну роботу шляхом швидкої заміни вичерпаних батарейних блоків, що мінімізує час простою, підходить для польових або заводських умов. Цей процес можна виконувати вручну або автоматизувати.
Індикаторна зарядка використовує бездротовий спосіб живлення, хоча повна зарядка займає довше часу, але вона може легко реалізувати повністю автоматизований процес.
（2）оптимізація затримки
Низькочасова операція може бути розділена на дві категорії: усвідомлення середовища та віддалене управління. Усвідомлення означає просторову пізнавальну здатність робота до навколишнього середовища, тоді як віддалене управління відноситься до реального контролю людини-оператора.
Згідно з дослідженням Cintrini, системи сприйняття роботів починаються з недорогих сенсорів, але технологічний бар'єр полягає в програмному забезпеченні інтеграції, енергоефективних обчисленнях та контролю з роздільною здатністю в мілісекундах. Коли робот завершує просторову локалізацію, легка нейронна мережа позначає елементи, такі як перешкоди, піддони або люди. Коли етикетки сцени вводяться в планувальну систему, миттєво генеруються команди для моторів, що відправляються до ніг, коліс або маніпуляторів. Затримка сприйняття менше 50 мс дорівнює швидкості людського рефлексу**——**будь-яка затримка, що перевищує цей поріг, призведе до незграбності дій робота. Тому 90% рішень повинні бути прийняті локально через єдину мережу зору-мови-дій.
Повністю автономні роботи повинні забезпечити затримку високопродуктивної VLA моделі нижче 50 мілісекунд; для віддаленого управління роботами вимога полягає в тому, щоб затримка сигналу між робочою станцією та роботом не перевищувала 50 мілісекунд. Важливість VLA моделі тут особливо підкреслюється — якщо візуальний та текстовий вхід обробляються різними моделями, а потім вводяться в велику мовну модель, загальна затримка буде значно перевищувати поріг у 50 мілісекунд.
（3）Оптимізація збору даних
Збір даних в основному має три шляхи: дані з реального світу, синтетичні дані та дані віддаленого керування. Основною перешкодою між реальними даними та синтетичними даними є подолання розриву між фізичною поведінкою роботів та відео**/**моделями симуляції. Реальні відеодані не містять таких фізичних деталей, як відчуття зворотного зв'язку, помилки руху суглобів і деформація матеріалів; симуляційні дані ж страждають від браку непередбачуваних змінних, таких як відмови датчиків та коефіцієнти тертя.
Найперспективніший спосіб збору даних - це віддалене керування - людина-оператор віддалено контролює робота для виконання завдань. Але витрати на працю є основним обмежуючим фактором збору даних за допомогою віддаленого керування.
Розробка спеціалізованого апаратного забезпечення також пропонує нові рішення для якісного збору даних. Компанія Mecka поєднує традиційні методи з спеціалізованим апаратним забезпеченням для збору багатовимірних даних про рух людини, які після обробки перетворюються на набори даних, придатні для навчання нейронних мереж роботів, забезпечуючи величезну кількість якісних даних для навчання AI-роботів у поєднанні з швидкими циклами ітерації. Ці технологічні канали спільно скорочують шлях перетворення від сирих даних до розгорнутого робота.
3**、ключові сфери дослідження**
（1）Злиття криптографічних технологій та робототехніки
Криптографічні технології можуть стимулювати недовірені сторони підвищувати ефективність мереж роботів. Виходячи з раніше згаданих ключових областей, ми вважаємо, що криптографічні технології можуть підвищити ефективність у трьох аспектах: інтеграція інфраструктури, оптимізація затримок та збір даних.
Децентралізована мережа фізичної інфраструктури (DePIN) обіцяє революцію в зарядній інфраструктурі. Коли людиноподібні роботи почнуть працювати по всьому світу, зарядні станції повинні стати так само доступними, як і автозаправні станції. Централізовані мережі потребують величезних попередніх інвестицій, тоді як DePIN розподіляє витрати між оператором вузлів, що дозволяє швидко розширити зарядні об'єкти до більшої кількості регіонів.
DePIN також може використовувати розподілену інфраструктуру для оптимізації затримки віддаленого керування. Завдяки агрегуванню географічно розподілених ресурсів обчислювальних вузлів на краю, команди віддаленого керування можуть оброблятися місцевими або найближчими доступними вузлами, що максимально скорочує відстань передачі даних і суттєво знижує затримку зв'язку. Проте наразі проекти DePIN в основному зосереджені на децентралізованому зберіганні, розподілі контенту та спільному використанні пропускної здатності, хоча є проекти, які демонструють переваги крайових обчислень у потоковій передачі або Інтернеті речей, ще не поширилися на робототехніку або область віддаленого керування.
Віддалене управління є найбільш перспективним способом збору даних, але централізовані структури витрачають величезні кошти на найм професіоналів для збору даних. DePIN вирішує цю проблему, заохочуючи третіх осіб надавати дані для віддаленого управління через криптовалюти. Проект Reborn створює глобальну мережу віддалених операторів, перетворюючи їхній внесок на токенізовані цифрові активи, формуючи децентралізовану систему без необхідності отримання дозволу — учасники можуть отримувати прибуток, брати участь в управлінні та допомагати в навчанні роботів AGI.
(2) Безпека завжди є основним занепокоєнням
Остаточною метою робототехніки є досягнення повної автономії, але, як попереджає серія фільмів «Термінатор», людство найбільше боїться, що автономність перетворить роботів на агресивну зброю. Проблеми безпеки великих мовних моделей вже викликали занепокоєння, а коли ці моделі отримають фізичну здатність до дій, безпека роботів стане ключовою передумовою для прийняття суспільством.
Економічна безпека є одним із стовпів процвітання екології робототехніки. Компанія OpenMind у цій сфері створює FABRIC — децентралізований рівень координації машин, що реалізує аутентифікацію ідентичності пристроїв, верифікацію фізичної присутності та доступ до ресурсів за допомогою криптографічних доказів. На відміну від простого управління ринком завдань, FABRIC дозволяє роботам самостійно підтверджувати інформацію про ідентичність, геолокацію та записи поведінки, не покладаючись на централізовані посередники.
Обмеження дій та ідентифікацію виконують за допомогою механізмів на блокчейні, що забезпечує можливість аудиту відповідності будь-ким. Роботи, які відповідають стандартам безпеки, вимогам якості та регіональним нормам, отримують винагороду, тоді як порушники підлягають покаранню або дискваліфікації, що сприяє створенню механізму підзвітності та довіри в автономній мережі машин.
Треті сторони, такі як Symbiotic, також можуть забезпечити рівнозначні гарантії безпеки. Хоча система параметрів покарань все ще потребує вдосконалення, відповідні технології вже перейшли на практичний етап. Ми очікуємо, що в галузі незабаром сформуються стандарти безпеки, і в цей час параметри покарання будуть моделюватися відповідно до цих стандартів.
Приклад реалізації плану:
Роботизована компанія приєдналася до Symbiotic мережі.
Встановити параметри конфіскації, що підлягають перевірці (наприклад, "застосування сили людського контакту, що перевищує 2500 ньютонів");
Стейкери надають заставу, щоб забезпечити дотримання параметрів роботами;
У разі порушення, застава буде використана як компенсація постраждалій стороні.
Цей режим як стимулює компанії ставити безпеку на перше місце, так і сприяє прийняттю споживачами через страхову механіку пулу стейкінгу.
Перспективи команди Symbiotic у сфері робототехніки такі:
Symbiotic**Універсальна система стейкінгу має на меті розширити концепцію стейкінгу на всі сфери, які потребують економічної безпеки, незалежно від того, чи це через спільну, чи незалежну модель. Її застосування варіюється від страхування до робототехніки та потребує конкретних випадків для конкретного проєктування. Наприклад, мережа роботів може бути повністю побудована на основі Symbiotic системи, що дозволяє зацікавленим сторонам надавати економічні гарантії цілісності мережі.
4**, заповнити прогалини в технологічному стеку робототехніки**
OpenAI сприяло популяризації ШІ, але основи ChatGPT вже були закладені. Хмарні сервіси зруйнували залежність моделей від локальних обчислювальних потужностей, Huggingface реалізувала відкритий вихідний код моделей, а Kaggle надала експериментальну платформу для інженерів ШІ. Ці поступові прориви разом сприяли масовій популяризації ШІ.
На відміну відAI, у сфері робототехніки важко почати при обмеженому фінансуванні. Щоб зробити робототехніку більш доступною, поріг її розробки потрібно знизити до такої ж зручності, як у випадку з розробкою додатківAI. Ми вважаємо, що є три сфери, в яких є простір для вдосконалення: механізм фінансування, система оцінювання та освітня екосистема.
Фінансування є болючою точкою в сфері робототехніки. Для розробки комп'ютерної програми потрібно лише комп'ютер та ресурси хмарних обчислень, в той час як для створення повнофункціонального робота необхідно закупити двигуни, датчики, акумулятори та інше обладнання, витрати легко перевищують 100 тисяч доларів. Ця апаратна специфіка робить розробку роботів менш гнучкою та дорогою в порівнянні з ШІ.
Оцінка роботів в реальних сценаріях ще перебуває на стадії зародження. У сфері штучного інтелекту вже встановлено чітку систему функцій втрат, тестування може бути повністю віртуалізоване. Однак відмінні віртуальні стратегії не можуть бути безпосередньо перетворені на ефективні рішення в реальному світі. Роботам потрібні оцінювальні системи автономних стратегій для тестування в різноманітних реальних умовах, щоб досягти ітеративної оптимізації.
Коли ці інфраструктури стануть зрілими, таланти масово хлинуть, а гуманоїдні роботи повторять криву вибуху Web2. Компанія з крипто-роботів OpenMind рухається в цьому напрямку—її відкритий проект OM1 ("роботизована версія Android-системи") перетворює первинне апаратне забезпечення на економічно свідомих, масштабованих агентів. Модулі візуалізації, мови та планування руху можуть підключатися, як мобільні додатки, а всі етапи міркування представлені простими англійськими реченнями, що дозволяє операторам перевіряти чи коригувати поведінку без необхідності взаємодії з прошивкою. Ця здатність до міркування природною мовою дозволяє новому поколінню талантів безперешкодно входити в сферу робототехніки, роблячи ключовий крок до запуску революції роботів, подібно до прискорення впливу руху з відкритим кодом на ШІ.
! 9w4FeDFrQpSzIOVnqjQL1iz3LrIaGlrRUCz29CRB.png
Щільність талантів визначає траєкторію галузі. Структурована система доступної освіти є надзвичайно важливою для постачання кадрів у галузі робототехніки. Вихід OpenMind на NASDAQ знаменує початок нової ери, коли розумні машини беруть участь у фінансових інноваціях та фізичній освіті. OpenMind** і Robostore спільно оголосили про запуск першого універсального освітнього курсу на основі Unitree G1 гуманоїдного робота в державних школах США K-12. **Курс спроектовано так, щоб бути незалежним від платформи, що дозволяє адаптувати його для різних форм роботів і надає студентам можливості для практичної роботи. Цей позитивний сигнал зміцнює наше переконання: **протягом наступних кількох років рівень забезпечення освітніми ресурсами в галузі робототехніки зрівняється з галуззю AI.
5**、Перспективи майбутнього**
Інновації та ефекти масштабування в моделі "Зірка-Мова-Дія" (VLA) вже призвели до появи економічних, ефективних та універсальних гуманоїдних роботів. З розширенням складських роботів на споживчий ринок, безпека, моделі фінансування та системи оцінки стали ключовими напрямками дослідження. Ми впевнені, що технології шифрування сприятимуть розвитку робототехніки трьома шляхами: забезпеченням економічних гарантій безпеки, оптимізацією інфраструктури заряджання та поліпшенням затримок у виконанні та каналах збору даних.