Robots humanoïdes : la prochaine génération de plateformes informatiques passant de la science-fiction à la réalité

Les robots humanoïdes passent rapidement de la science-fiction à la réalité. La baisse des coûts matériels, l'augmentation des investissements en capital et les percées technologiques en matière de flexibilité de mouvement et de capacités opérationnelles, ces trois facteurs s'intègrent continuellement, propulsant activement le domaine informatique vers une nouvelle itération majeure de la plateforme.

Bien que la puissance de calcul et les équipements matériels deviennent de plus en plus marchands, offrant un avantage de coût à l'ingénierie des Bots, ce secteur est toujours confronté à la limitation des goulots d'étranglement des données d'entraînement. Dans ce contexte, certains projets commencent à utiliser l'intelligence artificielle physique décentralisée (DePAI) pour externaliser des données de mouvements et de synthèse de haute précision, et construire des modèles de base pour les Bots. Cela les place dans une position unique et avantageuse pour promouvoir le déploiement des Bots humanoïdes.

De la fonction unique à la forme multifonctionnelle

La commercialisation de la technologie des robots n'est pas un nouveau concept. Les robots domestiques tels que les robots aspirateurs ou les caméras pour animaux de compagnie, bien connus du grand public, font partie des dispositifs à fonction unique. Avec le développement de l'intelligence artificielle, les robots évoluent d'une machine à fonction unique vers une forme multifonctionnelle, visant à s'adapter aux opérations dans un environnement ouvert.

Les robots humanoïdes seront progressivement améliorés dans des tâches de base telles que le nettoyage et la cuisine au cours des 5 à 15 prochaines années, et seront finalement capables d'effectuer des travaux complexes tels que les services d'accueil, la lutte contre les incendies et même la chirurgie.

Le développement récent transforme les robots humanoïdes de la science-fiction en réalité :

• Dynamique du marché : plus de 100 entreprises se lancent dans les Bots humanoïdes
• La technologie matérielle a réussi à franchir la vallée de l'effroi : la nouvelle génération de robots humanoïdes démontre des mouvements aussi naturels et fluides que l'eau qui coule, lui permettant d'interagir de manière humanoïde dans des environnements réels. Certains robots peuvent même marcher à une vitesse allant jusqu'à 3,3 mètres par seconde, bien au-delà de la vitesse de marche moyenne des humains de 1,4 mètre par seconde.
• Nouveau paradigme de coût des robots humanoïdes : devrait être inférieur au niveau de salaire des travailleurs américains d'ici 2032.

Goulots d'étranglement du développement : données d'entraînement du monde réel

Bien qu'il existe des facteurs clairement favorables dans le domaine des robots humanoïdes, la mauvaise qualité des données et le manque de données continuent d'entraver leur déploiement à grande échelle.

D'autres technologies d'entités d'intelligence artificielle, telles que la technologie de conduite autonome, ont fondamentalement résolu le problème des données grâce aux caméras et capteurs déjà installés sur les véhicules existants. Certaines flottes de systèmes de conduite autonome peuvent générer des milliards de kilomètres de données de conduite sur route réelles. Au début du développement, ces entreprises faisaient conduire les véhicules avec un moniteur humain dans le siège passager pour une formation en temps réel.

Cependant, il est peu probable que les consommateurs acceptent l'existence de "Bots nounous". Les Bots doivent être prêts à l'emploi avec des performances élevées, ce qui rend la collecte de données avant le déploiement cruciale. Toute formation doit être effectuée avant la production commerciale, et l'échelle et la qualité des données restent des problèmes persistants.

Il existe un écart énorme dans l'échelle des données d'entraînement entre différents domaines de l'intelligence artificielle :

• La taille des données d'entraînement des grands modèles de langage peut atteindre plus de 15 billions de balises de texte.
• Les modèles de génération d'images utilisent des milliards de paires de texte vidéo étiquetées.
• En comparaison, le plus grand ensemble de données de Bots ne contient qu'environ 2,4 millions d'enregistrements d'interaction.

Cet écart explique pourquoi la technologie des Bots n'a pas encore atteint le même niveau que les grands modèles de langage en tant que véritable modèle de base, la clé résidant dans le fait que la base de données n'est pas encore complète.

Les méthodes traditionnelles de collecte de données ont du mal à répondre aux besoins de mise à l'échelle des données d'entraînement des robots humanoïdes :

• Simulation : coût bas mais manque de scénarios de frontière réelle (le fossé entre la simulation et la réalité)
• Vidéo Internet : Impossible de fournir les sensations corporelles et l'environnement de retour de force nécessaires à l'apprentissage des Bots.
• Données du monde réel : bien qu'exactes, elles nécessitent un contrôle à distance et une opération humaine en boucle fermée, ce qui entraîne des coûts élevés et un manque d'évolutivité.

Former des modèles dans un environnement virtuel est peu coûteux et très évolutif, mais ces modèles rencontrent souvent des difficultés lors de leur déploiement dans le monde réel. Ce problème est connu sous le nom d'écart virtuel-réalité (Sim2Real).

Par exemple, un Bots entraîné dans un environnement simulé pourrait facilement saisir des objets dont l'éclairage est parfait et la surface lisse, mais face à un environnement en désordre, à des textures inégales, ou à diverses situations imprévues qui sont habituelles pour les humains dans le monde réel, il se retrouve souvent désemparé.

Vision full stack de l'IA décentralisée

Certains projets innovants construisent une plateforme de données et de logiciels intégrés verticalement pour des applications de robots à intelligence incarnée. L'objectif principal de ces projets est de résoudre le problème des goulets d'étranglement des données dans le domaine des robots humanoïdes, mais leur vision va bien au-delà. Grâce à la recherche et au développement autonome de matériel, à la combinaison d'infrastructures de simulation multimodales et de modèles de base, ils deviendront des moteurs full-stack pour réaliser l'intelligence incarnée.

Ces plateformes partent de dispositifs de capture de mouvement de consommation propriétaires pour construire un écosystème de jeux en réalité augmentée et virtuelle en rapide expansion. Les utilisateurs échangent des données de mouvement haute fidélité contre des récompenses incitatives en ligne, ce qui favorise le développement continu de la plateforme.

Ce qui est remarquable, c'est que cette croissance provient entièrement d'un développement naturel : les utilisateurs sont attirés par le caractère divertissant du jeu, tandis que les streamers utilisent des dispositifs de capture de mouvement pour réaliser la capture en temps réel de l'apparence numérique. Ce cycle vertueux qui se forme spontanément permet une production de données évolutive, à faible coût et de haute fidélité, rendant les ensembles de données concernés des ressources d'entraînement que les meilleures entreprises de Bots s'arrachent.

Certain projets développent encore des plateformes de données multimodales pour un environnement de simulation fragmenté unifié. Le domaine de la simulation est actuellement hautement fragmenté, avec divers outils qui fonctionnent de manière indépendante ; bien qu'ils aient chacun leurs avantages, ils ne peuvent pas interagir. Cette situation de division retarde le processus de recherche et développement, aggravant l'écart entre la simulation et la réalité. En réalisant la standardisation des simulateurs, ces plateformes ont créé une infrastructure virtuelle partagée pour le développement et l'évaluation des modèles de Bots. Cette intégration permet des tests de référence cohérents, améliorant considérablement la capacité d'extension et de généralisation du système.

Bots de base

Certains projets développent des modèles de bases de Bots, qui sont conçus comme des systèmes centraux d'infrastructure d'intelligence artificielle physique émergente. Leur positionnement est similaire à celui des modèles de grandes langues traditionnels, mais orienté vers le domaine des Bots.

En combinant les données de mouvement d'crowdsourcing avec un système de simulation puissant et un système d'autorisation de modèles, ces projets peuvent former des modèles de base capables de généraliser à travers différents scénarios. Ce modèle peut soutenir une variété d'applications de Bots dans les domaines de l'industrie, de la consommation et de la recherche, permettant un déploiement généralisé sous une immense diversité de données.

Rôle de la technologie des cryptomonnaies dans la pile technologique de l'intelligence artificielle physique

La technologie blockchain construit une pile verticale complète pour l'intelligence artificielle physique. Bien que ces projets appartiennent à différents niveaux de la pile d'intelligence artificielle physique, ils ont un point commun : la plupart sont des projets d'intelligence artificielle physique décentralisée (DePAI). DePAI crée un mécanisme d'extension ouvert, combinable et sans autorisation à travers toute la pile technologique grâce à des incitations par jetons, et c'est cette innovation qui rend le développement décentralisé de l'intelligence artificielle physique possible.

Lorsque le mécanisme d'incitation par les jetons sera officiellement lancé, le niveau de participation au réseau sera un élément clé pour accélérer l'effet de levier DePAI : les utilisateurs qui achètent des équipements matériels peuvent recevoir des incitations de la part des projets, tandis que les entreprises de développement de Bots paient des récompenses pour les contributions aux détenteurs d'équipements. Cette double incitation encouragera davantage de personnes à acquérir et à utiliser des équipements connexes. En même temps, le projet incitera dynamiquement la collecte de données comportementales personnalisées ayant une grande valeur, afin de combler plus efficacement le fossé technologique entre la simulation et l'application réelle (Sim2Real).

Conclusion

La révolution des Bots plateforme est inéluctable, mais comme toutes les plateformes, son développement à grande échelle dépend du soutien des données. Certains projets innovants transforment le grand public en "mineurs" de données d'action. Tout comme les grands modèles de langage ont besoin de balisage de texte, les Bots humanoïdes nécessitent un entraînement sur des séquences d'action massives. Grâce à ces efforts, nous franchirons le dernier obstacle et réaliserons le passage des Bots humanoïdes de la science-fiction à la réalité.