Людські Боти: наступне покоління обчислювальної платформи від наукової фантастики до реальності

Людські боти швидко переходять з наукової фантастики в реальність. Зниження витрат на апаратуру, зростання інвестицій та технологічні прориви в гнучкості рухів і експлуатаційних можливостях — ці три фактори постійно об'єднуються, активно сприяючи новій значній ітерації платформ у сфері обчислень.

Хоча обчислювальні потужності та апаратне забезпечення стають дедалі більш комерціалізованими, що приносить переваги у витратах для робототехніки, індустрія все ще стикається з обмеженнями в тренувальних даних. У цьому контексті деякі проекти почали використовувати децентралізовану фізичну штучну інтелектуальність (DePAI) для краудсорсингу високоточних рухів та синтетичних даних, а також для створення базових моделей роботів. Це ставить їх у унікально вигідне становище для просування розгортання гуманоїдних роботів.

Від однофункціональної до багатофункціональної форми

Комерціалізація робототехніки не є новою концепцією. Відомі широкій публіці робочі боти для прибирання або камери для домашніх тварин є однозадачними пристроями. З розвитком штучного інтелекту роботи еволюціонують від однозадачних машин до багатофункціональних форм, щоб адаптуватися до роботи в відкритих середовищах.

Людські Боти протягом наступних 5-15 років поступово вдосконалюватимуться з основних завдань, таких як прибирання та приготування їжі, і врешті-решт зможуть виконувати складні роботи, такі як обслуговування гостей, пожежогасіння та навіть хірургічні операції.

Нещодавні події перетворюють людських Боти з наукової фантастики на реальність:

• Ринкова динаміка: понад 100 компаній займаються розробкою Ботів
• Апаратні технології успішно подолали долину жаху: нове покоління гуманоїдних Боти демонструє природні й плавні рухи, що дозволяє їм здійснювати людську взаємодію в реальному середовищі. Деякі Боти можуть досягати швидкості ходьби до 3,3 метра на секунду, що значно перевищує середню швидкість людини у 1,4 метра на секунду.
• Новий парадигма вартості людських Ботів: очікується, що до 2032 року вона буде нижчою за рівень заробітної плати в США.

! [Гуманоїдний робот + криптовалюта: як Reborn будує маховик DePAI?] ](https://img-cdn.gateio.im/webp-social/moments-84c67dbc857432b6f9478157d7090e7e.webp)

Перешкоди розвитку: навчальні дані з реального світу

Незважаючи на очевидні позитивні фактори в сфері людських Ботів, низька якість даних та їх нестача все ще заважають їхньому масовому розгортанню.

Інші технології штучного інтелекту, такі як технології автономного водіння, вже вирішили проблеми з даними, використовуючи камери й датчики, встановлені на існуючих автомобілях. Деякі автопарки автономних систем здатні генерувати десятки мільярдів миль реальних даних про водіння на дорогах. На ранніх етапах розвитку ці компанії дозволяли автомобілям виїжджати на дороги, при цьому пасажирське місце було обладнане справжнім монітором для проведення навчання в реальному часі.

Однак споживачі навряд чи приймуть існування "Боти-няньки". Боти повинні мати готову до використання високу продуктивність, що робить збір даних перед розгортанням надзвичайно важливим. Усі навчання повинні бути завершені до комерційного виробництва, а масштаб і якість даних залишаються постійною проблемою.

Існує величезна різниця в обсягах навчальних даних у різних сферах штучного інтелекту:

• Обсяг навчальних даних для великих мовних моделей може перевищувати 15 трильйонів текстових маркерів.
• Моделі генерації зображень використовують десятки мільярдів пар відео та тексту з мітками.
• У порівнянні, найбільший набір даних Ботів містить лише близько 2,4 мільйона записів взаємодії.

Ця різниця пояснює, чому технології Боти ще не досягли справжньої основної моделі, як великі мовні моделі, і ключем є те, що бази даних ще не є повними.

Традиційні методи збору даних не можуть задовольнити масштабні потреби в даних для навчання Ботів.

• Симуляція: низька вартість, але відсутні реальні межі сцен (прірва між симуляцією та реальністю)
• Інтернет-відео: не можуть забезпечити тілоосвідомлення та середовище зворотного зв'язку, необхідні для навчання Ботів.
• Реальні дані: хоча точні, але потребують дистанційного управління та людської замкнутої операції, що призводить до високих витрат і нестачі масштабованості.

Тренування моделей у віртуальному середовищі є дешевим і має високу масштабованість, але ці моделі часто зустрічають труднощі при впровадженні у реальному світі. Цю проблему називають розривом між віртуальним і реальним (Sim2Real).

Наприклад, роботи, які тренуються в симульованому середовищі, можуть легко піднімати об'єкти з ідеальним освітленням і гладкою поверхнею, але коли вони стикаються з безладним середовищем, нерівною текстурою або різноманітними непередбачуваними ситуаціями, з якими люди в реальному світі звикли стикатися, вони часто виявляються безсилими.

! [Гуманоїдний робот + криптовалюта: як Reborn будує маховик DePAI?] ](https://img-cdn.gateio.im/webp-social/moments-c73319d0c941c6b6b3bb7af014408ab7.webp)

Повна стекова візія децентралізованого штучного інтелекту

Деякі інноваційні проекти створюють вертикально інтегроване програмне забезпечення та дані для застосувань, орієнтованих на Боти з тілесним інтелектом. Основною метою цих проектів є вирішення проблеми вузьких місць у даних в сфері гуманоїдних роботів, але їхнє бачення набагато ширше. Завдяки самостійному розробленню апаратного забезпечення, багатопараметричній моделюванні інфраструктури та базових моделей, вони стануть повноцінними драйверами для досягнення тілесного інтелекту.

Ці платформи починають з власних споживчих пристроїв захоплення руху, створюючи швидко розвиваючу екосистему ігор у доповненій та віртуальній реальності. Користувачі отримують мережеві винагороди, надаючи високоякісні дані про рух, що сприяє постійному розвитку платформи.

Вражаюче, що цей ріст повністю походить від природного розвитку: користувачі приваблюються розважальністю самої гри, тоді як стримери використовують пристрої для захоплення руху для реалізації реального захоплення поз цифрових образів. Цей спонтанно сформований позитивний цикл забезпечив масштабоване, низьковитратне та високоякісне виробництво даних, що зробило відповідні набори даних навчальними ресурсами, які змагально використовують провідні Боти.

Деякі проекти ще розробляють багатомодальну платформу даних для уніфікованого фрагментованого симуляційного середовища. Наразі сфера симуляції є сильно фрагментованою, різні інструменти діють окремо, хоча кожен має свої переваги, але не можуть взаємодіяти. Така розділеність затримує процеси розробки та посилює розрив між симуляцією та реальністю. Завдяки реалізації стандартизації багатосимуляторів ці платформи створили спільну віртуальну інфраструктуру для розробки та оцінки моделей Боти. Ця інтеграція підтримує узгоджене тестування, що суттєво підвищує можливості розширення та узагальнення систем.

Боти базова модель

Деякі проєкти розробляють Боти базові моделі, які створюються як основні системи нової фізичної штучної інтелектуальної інфраструктури. Їхнє позиціювання подібне до традиційних великих мовних базових моделей, але орієнтоване на сферу робототехніки.

Об'єднуючи краудсорсингові дані про рух з потужними системами симуляції та системами ліцензування моделей, ці проекти здатні навчати базові моделі, які мають здатність до генералізації в різних сценаріях. Ця модель може підтримувати різноманітні застосування Ботів у промисловій, споживчій та дослідницькій сферах, реалізуючи узагальнене розгортання на основі величезних різноманітних даних.

! [Гуманоїдний робот + криптовалюта: як Reborn будує маховик DePAI?] ](https://img-cdn.gateio.im/webp-social/moments-6141c7f6e1234bedbc593c2e1c7d30df.webp)

Роль технологій криптовалют у фізичному стеку штучного інтелекту

Криптографічні технології будують повний вертикальний стек для фізичного світу штучного інтелекту. Хоча ці проекти належать до різних рівнів фізичного штучного інтелекту, у них є одна спільна риса: більшість із них є децентралізованими фізичними штучними інтелектами (DePAI) проектами. DePAI створює відкритий, комбінований, бездозвільний механізм розширення через токенізовані стимули, і саме ця інновація робить децентралізований розвиток фізичного штучного інтелекту реальністю.

Коли механізм стимулювання токенів офіційно запрацює, участь у мережі стане ключовим елементом, що прискорює ефект маховика DePAI: користувачі, які купують апаратні засоби, отримають стимулювання від проекту, тоді як компанії з розробки Ботів виплачуватимуть винагороди за внесок власникам обладнання, ці двійні стимули сприятимуть тому, щоб більше людей купували та використовували відповідні пристрої. Одночасно проект буде динамічно стимулювати збір цінних даних про поведінку з кастомізованими функціями, щоб більш ефективно подолати технологічний розрив між симуляцією та реальним застосуванням (Sim2Real).

Висновок

Революція в сфері Боти платформи є незворотною, але, як і всі платформи, її масштабний розвиток не може обійтися без підтримки даних. Деякі інноваційні проекти перетворюють простих людей на "майнерів" рухових даних. Як великі мовні моделі потребують текстового маркування для підтримки, так і людинообразні роботи потребують величезної кількості послідовностей рухів для тренування. Завдяки цим зусиллям ми подолаємо останній бар'єр і здійснимо перехід людинообразних роботів з наукової фантастики в реальність.