Виконавче резюме

Генеральні універсальні гуманоїдні роботи швидко переходять від наукової фантастики до комерційної реальності. Зниження витрат на апаратуру, зростання капітальних інвестицій та досягнення в галузі локомоції та спритності збігаються, щоб сприяти наступному великому зсуву платформи в обчисленнях.

Хоча обчислювальні потужності та апаратура все більше стають комодитизованими, забезпечуючи зниження витрат для інженерії робототехніки, сектор все ще обмежений вузьким місцем у навчальних даних.

Reborn є одним із небагатьох проектів, що використовують децентралізований фізичний штучний інтелект (DePAI) для краудсорсингу високоякісних рухових та синтетичних даних, а також для створення роботизованих фундаментальних моделей, що робить його унікально позиціонованим для каталізації розгортання гуманоїдів. Проект очолює глибоко технічна засновницька команда з досвідом наукових досліджень та викладання в UC Berkeley, Cornell, Harvard та Apple, поєднуючи академічну досконалість та реальне виконання інженерії.

Гуманоїди: Від фантастики до передової

Комерційна робототехніка не є новою концепцією. Багато хто знайомий з такими продуктами, як пилосос iRobot Roomba, що з'явився у 2002 році, або більш сучасними побутовими роботами, такими як камера для домашніх тварин Kasa. Обидва є одноцільовими пристроями. За допомогою ШІ роботи еволюціонують з одноцільових машин у багатофункціональні, призначені для роботи в неструктурованих середовищах.

Гуманоідні роботи поступово перейдуть від базових завдань, таких як прибирання та приготування їжі, до обслуговування, пожежогасіння та навіть хірургії протягом наступних 5–15 років.

Останні події перетворюють гуманоїдну робототехніку з наукової фантастики на реальність.

• Розширення ринку: 100+ компаній, що займаються створенням гуманоїдів (наприклад, Tesla, Unitree, Figure, Clone, Agile тощо).
• Технології апаратного забезпечення подолали незручну долину: нові гуманоїди демонструють плавний, натуральний рух, що дозволяє взаємодії, подібній до людської, в реальних умовах. H1 від Unitree йде швидше за середню людину (3,3 м/с проти 1,4 м/с).
• Новий парадигма витрат на працю: Гуманоїдні роботи очікується, що знизять зарплати в США до 2032 року.

Вузьке місце: Реальні дані для навчання

Незважаючи на очевидні сприятливі умови для гуманоїдної робототехніки, масове впровадження залишається заблокованим через якість даних та їх недостатність.

Інші втілення ШІ, такі як автономне водіння, значною мірою подолали проблему даних за допомогою камер і сенсорів на існуючих автомобілях. У випадку з безпілотними автомобілями (наприклад, Tesla, Waymo) ці автопарки здатні генерувати мільярди миль реальних даних про водіння. Waymo змогла вивести свої автомобілі на дорогу для навчання в реальному часі з людиною "нянею" на пасажирському місці під час цього етапу.

Однак споживачі навряд чи терпітимуть присутність «робот-наглядача». Роботи повинні працювати ефективно з самого початку, що робить отримання даних перед розгортанням необхідним. Навчання має бути завершено до початку комерційного виробництва, де масштаб та якість даних залишаються проблемою.

Хоча кожна модальність навчання має свою власну одиницю виміру (тобто токени для LLM, пари відео-текстів для генераторів зображень та епізоди руху для робототехніки), нижче наведене порівняння підкреслює різницю в порядках величини у доступності даних, з якою стикаються дані робототехніки:

• GPT-4 був навчений на понад 15 трильйонів текстових токенів
• Midjourney/Sora використовує мільярди позначених пар відео-текстів
• У контексті, найбільші набори даних з робототехніки містять лише ~2,4 мільйона епізодів

Ця різниця ілюструє, чому робототехніка ще не досягла справжньої базової моделі так, як це зробили LLM. Даних просто ще немає.

Традиційні методи збору даних не підходять для масштабування даних навчання гуманоїдних роботів. Поточні методи включають:

• Симуляція: дешева, але не має реальних крайніх випадків (розрив Sim2Real)
• Інтернет-відео: Не містить пропріоцептивного або сили зворотного зв'язку, необхідного для навчання роботів
• Дані з реального світу: точні, але вимагають телеоперації та людини в процесі, що є витратним (понад 40 тис. доларів США за робота) і не має масштабованості.

Навчання у віртуальних середовищах є недорогим і масштабованим, але моделі часто стикаються з труднощами при впровадженні в реальному світі. Цю проблему називають розривом Sim2Real.

Наприклад, робот, навчений у симуляції, може успішно піднімати об'єкти при ідеальному освітленні та рівних поверхнях, але зазнати невдачі в безладних умовах, на нерівних текстурах або в недосконалих ситуаціях, до яких люди звикли у фізичному світі.

Reborn надає спосіб дешево та швидко залучати реальні дані, що забезпечує надійне навчання робототехніки та вирішення проблеми Sim2Real.

Reborn: Повноцінне бачення децентралізованого фізичного ШІ

Reborn створює вертикально інтегровану програмну та дані платформу для фізичного штучного інтелекту. В основі Reborn вирішується проблема з даними для гуманоїдної робототехніки, але його амбіції виходять далеко за межі цього. Завдяки поєднанню власного апаратного забезпечення, багатофункціональної інфраструктури моделювання та розробки фундаментальних моделей, Reborn стає повноцінним постачальником втіленого інтелекту.

Стіка Reborn починається з “ReboCap”, власний пристрій для захоплення руху споживчого класу. Це забезпечує швидко зростаючу екосистему AR/VR ігор, де користувачі генерують високоякісні дані про рух в обмін на мережеві винагороди. Reborn продав більше 5000 одиниць ReboCap і тепер підтримує 160,000 активних користувачів щомісяця (MAUs), маючи чіткий шлях до двох мільйонів до кінця року.

Reborn дозволяє захоплення даних з набагато кращою економією, ніж альтернативні методи

Вражаюче, що цей ріст був органічним: користувачі приваблені розважальною цінністю самих ігор, а стрімери приймають ReboCap для анімації цифрових аватарів з реалістичним відстеженням рухів тіла в режимі реального часу. Цей органічний цикл залучення забезпечує масштабоване, низьковартісне та високоякісне генерування даних, що робить набір даних Reborn цінним ресурсом для навчання провідних компаній у сфері робототехніки.

Другий рівень програмного стеку Reborn цеRoboverse, багатофункціональна платформа даних, яка об'єднує фрагментовані симуляційні середовища. Сьогоднішній ландшафт симуляцій є високофрагментованим, наприклад, інструменти, такі як Mujoco та NVIDIA Isaac Lab, кожен з яких має різні переваги, але не мають взаємодії. Це бальканізація уповільнює прогрес і погіршує розрив Sim2Real. Roboverse вирішує цю проблему, стандартизуючи симулятори, створюючи спільну віртуальну інфраструктуру для розробки та оцінки моделей робототехніки. Ця інтеграція дозволяє проводити послідовне бенчмаркінг, покращуючи масштабованість і узагальненість.

Разом ReboCap і Roboverse формують основу повноцінної платформи Reborn. Перший захоплює дані з реального світу в масштабі, тоді як другий організовує симуляційні середовища для навчання моделей. Цей інтегрований підхід демонструє справжню силу мережі DePAI від Reborn. Вона створює платформу для розробників фізичного штучного інтелекту, яка виходить за межі простого збору даних, до фактичного розгортання моделей і ліцензування.

Модель Фонду Відродження

Можливо, найважливішим компонентом програмного забезпечення Reborn є модель основи Reborn (RFM). Reborn створює одну з перших моделей основи для робототехніки, призначену для служби як основна інфраструктура для нової фізичної AI-структури. Уявіть собі традиційні моделі основи для LLM, такі як o4 від OpenAI або Llama від Meta, але для роботів.

Технологічний стек Відродження

Комбінація трьох основних елементів стеку Reborn (ReboCap, Roboverse та RFM) створює потужний вертикально інтегрований бар'єр для Reborn. Поєднуючи краудсорсингові дані про рух з потужним моделюванням та ліцензуванням моделей, Reborn може навчати моделі з масштабом і різноманітністю, необхідними для узагальнення в різних випадках використання. Результатом є базова модель, яка підтримує подальші застосування в широкому спектрі випадків використання, включаючи промислову, споживчу та дослідницьку робототехніку.

Reborn активно комерціалізує свою технологію, запускаючи платні пілотні проекти з Galbot та Noematrix і встановлюючи стратегічні партнерства з Unitree, Booster Robotics, Swiss Mile та Agile Robots. Ринок гуманоїдних роботів Китаю переживає швидке зростання, займаючи близько 32,7% світового ринку. Зокрема, Unitree володіє понад 60% світового ринку чотириногих роботів і входить до шести китайських виробників гуманоїдних роботів, які планують виробити понад 1 000 одиниць у 2025 році.

Роль Крипто в фізичному стеку ШІ

Крипто дозволяє реалізувати повний вертикальний стек для фізичного PA.

Reborn є провідним проектом Крипто з втіленим ШІ

Хоча всі ці проекти знаходяться в різних частинах фізичного AI стеку, вони всі мають одну спільну рису: 100% з них є проектами DePAI! DePAI робить можливим децентралізований фізичний AI, забезпечуючи відкриту, композовану та бездозвільну масштабованість за допомогою токенних стимулів по всьому стеку.

Те, що Reborn ще не запустив токен, робить його органічний ріст ще більш вражаючим. Як тільки токенові стимули стануть доступними, участь у мережі, як очікується, прискориться як частина механізму DePAI: Reborn надає стимули за придбання свого обладнання (ReboCap), робототехнічні компанії платять власникам ReboCap за їх внесок, заохочуючи більше людей купувати та використовувати ReboCap. Reborn також динамічно стимулюватиме поведінку у випадках з високою цінністю – забезпечуючи ще кращий охоплення розриву Sim2Real.

DePAI Flywheel від Reborn в дії

Все про Дані

Момент «ChatGPT» у робототехніці не прийде від самих компаній у сфері робототехніки, оскільки апаратура значно складніша у впровадженні, ніж програмне забезпечення. Вірусність у робототехніці є суттєво обмеженою через витрати, доступність апаратури та логістичні складнощі. Ці фактори відсутні у чисто цифровому програмному забезпеченні, такому як ChatGPT.

Критичний момент для гуманоїдної робототехніки настане не тоді, коли прототипи вразять, а тоді, коли витрати знизяться достатньо для масового впровадження — як це було зі смартфонами або ПК. Коли витрати знижуються, апаратура стає базовою вимогою. Справжня конкурентна перевага полягатиме в даних та моделях. Зокрема, в масштабі, якості та різноманітності інтелекту руху, використаного для навчання цих машин.

Висновок

Зміна платформи робототехніки неминуча, але, як і всі платформи, їй потрібні дані для масштабування. Reborn є високоефективною ставкою на те, що крипто може заповнити найгостріший пробіл у стеку AI-робототехніки. DePAI для даних з робототехніки є економічно вигідним, масштабованим і композованим. У світі, де робототехніка є наступним фронтом AI, Reborn є еквівалентом перетворення звичайних людей на "майнерів" рухових даних. Як LLM потребують текстових токенів, так і гуманоїдні роботи потребують епізодів руху. Reborn - це те, як ми розблокуємо одну з останніх залишкових вузьких місць у перетворенні гуманоїдної робототехніки з наукової фантастики в реальність.

Застереження:

1. Ця стаття перепечатана з [ гиперсфера_]. Усі авторські права належать оригінальному автору [гіперсфера_]. Якщо є заперечення щодо цього повторного друку, будь ласка, зв'яжіться з Gate Learn команда, і вони швидко впораються з цим.
2. Відмова від відповідальності: Думки та погляди, висловлені в цій статті, є виключно думками автора і не є інвестиційною порадою.
3. Переклади статті іншими мовами виконуються командою Gate Learn. Якщо не зазначено, копіювання, розповсюдження або плагіат перекладених статей заборонено.