Les robots humanoïdes passent rapidement de la science-fiction à la réalité. La baisse continue des coûts matériels, l'augmentation soutenue des investissements en capital, ainsi que les percées technologiques en matière de flexibilité de mouvement et de capacité d'opération, fusionnent et poussent activement la prochaine grande itération de la plateforme dans le domaine de l'informatique.
Bien que la puissance de calcul et les équipements matériels deviennent de plus en plus commercialisés, offrant un avantage de coût faible pour l'ingénierie robotique, cette industrie reste néanmoins limitée par le goulot d'étranglement des données d'entraînement.
Reborn est l'un des rares projets à utiliser l'intelligence artificielle physique décentralisée (DePAI) pour crowdsourcer des données de mouvement et de synthèse de haute précision, et à construire des modèles de base pour les robots, ce qui lui confère une position unique et favorable dans la promotion du déploiement de robots humanoïdes. Le projet est dirigé par une équipe fondatrice possédant des compétences techniques solides, dont les membres ont une expérience de recherche académique et des postes de professeur à l'Université de Californie à Berkeley, à l'Université Cornell, à l'Université Harvard et chez Apple, reflétant à la fois un niveau académique exceptionnel et une capacité d'exécution en ingénierie dans le monde réel.
Robot humanoïde : des œuvres de science-fiction aux applications de pointe
La commercialisation de la robotique n’est pas un concept nouveau. Les robots domestiques tels que le célèbre aspirateur robot iRobot Roomba lancé en 2002 ou la caméra pour animaux de compagnie Kasa qui a émergé ces dernières années sont tous des appareils à fonction unique. Avec le développement de l’intelligence artificielle, les robots évoluent des machines à fonction unique aux formes multifonctionnelles, visant à s’adapter aux opérations dans des environnements ouverts.
Les robots humanoïdes passeront progressivement de tâches de base telles que le nettoyage et la cuisine à des travaux plus complexes comme l'accueil, la lutte contre les incendies et même la chirurgie au cours des 5 à 15 prochaines années.
Les développements récents transforment les robots humanoïdes de la science-fiction en réalité.
Dynamique du marché : Plus de 100 entreprises se positionnent sur les robots humanoïdes (comme Tesla, UTree Technology, Figure AI, Clone, Agile, etc.).
La technologie matérielle a réussi à franchir la vallée de l'angoisse : la nouvelle génération de robots humanoïdes affiche des mouvements aussi naturels et fluides que l'eau qui coule, leur permettant d'interagir de manière humanoïde dans des environnements réels. Parmi eux, le robot Yushu H1 peut atteindre une vitesse de marche de 3,3 mètres par seconde, bien supérieure à la vitesse moyenne humaine de 1,4 mètre par seconde.
(Remarque : la théorie de la vallée étrange (The Uncanny Valley) est une théorie psychologique décrivant la réaction émotionnelle des humains envers des entités non humaines (comme les robots, les poupées, les avatars virtuels, etc.).)
Nouvelle norme de coût pour les robots humanoïdes : prévue pour être inférieure au niveau des salaires des travailleurs américains d'ici 2032.
Bottleneck de 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 problème de leur rareté continuent d'entraver leur déploiement à grande échelle.
D'autres technologies d'entités d'intelligence artificielle, telles que la technologie de conduite autonome, ont déjà résolu en grande partie les problèmes de données grâce aux caméras et capteurs montés sur les véhicules existants. Prenons par exemple les systèmes de conduite autonome comme Tesla et Waymo, ces flottes peuvent générer des milliards de miles de données de conduite sur route réelle. À ce stade de développement, Waymo a équipé les véhicules de conducteurs de surveillance en temps réel dans le siège passager avant.
Cependant, les consommateurs sont peu susceptibles d'accepter l'existence de « nourrices robots ». Les robots doivent avoir des performances élevées prêtes à l'emploi, ce qui rend la collecte de données avant le déploiement essentielle. Tous les entraînements doivent être réalisés avant la production commerciale, tandis que l'échelle et la qualité des données restent un problème persistant.
Bien que chaque mode d'entraînement ait sa propre unité de mesure (par exemple, les grands modèles de langage utilisent des tokens, les générateurs d'images utilisent des paires vidéo-texte, et la robotique utilise des segments de mouvement), la comparaison ci-dessous révèle clairement l'écart d'échelle auquel fait face la disponibilité des données en robotique :
Les données d'entraînement de GPT-4 dépassent 150 000 milliards de marqueurs de texte.
Midjourney et Sora utilisent des milliards de paires vidéo-texte étiquetées.
En comparaison, le plus grand ensemble de données de robots ne contient qu'environ 2,4 millions d'enregistrements d'interaction.
Cet écart explique pourquoi la robotique n'a pas encore réalisé de véritables modèles de base comme les grands modèles de langage, la clé résidant dans le fait que la base de données est encore incomplète.
Les méthodes traditionnelles de collecte de données ont du mal à répondre aux besoins d'échelle pour les données d'entraînement des robots humanoïdes. Les méthodes existantes incluent :
Simulation : coût faible mais manque de scénarios de limites réelles (le fossé entre la simulation et la réalité)
Vidéos sur Internet : impossible de fournir la perception ontologique et l'environnement de retour de force nécessaires à l'apprentissage des robots.
Données du monde réel : bien que précises, elles nécessitent un contrôle à distance et une opération humaine en boucle fermée, ce qui entraîne des coûts élevés (plus de 40 000 dollars par robot) et un manque d'évolutivité.
Former des modèles dans un environnement virtuel est peu coûteux et scalable, mais ces modèles ont souvent du mal à être déployés dans le monde réel. Ce problème est connu sous le nom d'écart virtuel-réalité (Sim2Real).
Par exemple, un robot entraîné dans un environnement simulé pourrait facilement saisir des objets avec un éclairage parfait et une surface lisse, mais lorsqu'il est confronté à un environnement désordonné, à des textures inégales ou à diverses situations imprévues que les humains prennent pour acquises dans le monde réel, il se retrouve souvent dans l'incapacité d'agir.
Reborn offre une méthode économique et rapide de crowdsourcing de données réelles, contribuant à renforcer l'entraînement des robots et à surmonter le défi du "écart entre la simulation et la réalité" (Sim2Real).
Reborn : la vision full-stack de l'IA décentralisée.
Reborn est en train de construire une plateforme logicielle et de données intégrée verticalement destinée aux applications de robots intelligents incarnés. L'objectif principal de l'entreprise est de résoudre le problème des goulets d'étranglement des données dans le domaine des robots humanoïdes, mais sa vision va bien au-delà. Grâce à la combinaison de matériel développé en interne, d'infrastructures de simulation multimodales et de modèles de base, Reborn deviendra un acteur clé dans la réalisation de l'intelligence incarnée.
La plate-forme Reborn est construite sur un écosystème en pleine expansion de jeux de réalité augmentée et virtuelle, en commençant par un dispositif propriétaire de capture de mouvement grand public appelé « ReboCap ». Les utilisateurs peuvent fournir des données sportives de haute fidélité en échange d’incitations et de récompenses en ligne pour promouvoir le développement durable de la plateforme. À ce jour, Reborn a vendu plus de 5 000 appareils ReboCap, compte 160 000 utilisateurs actifs mensuels et a établi une trajectoire de croissance claire pour dépasser les 2 millions d’utilisateurs d’ici la fin de l’année.
Reborn offre des avantages en matière de collecte de données qui surpassent largement ceux des autres solutions.
Il est remarquable que cette croissance provienne entièrement d'un développement naturel : les utilisateurs sont attirés par le caractère divertissant du jeu, tandis que les streamers utilisent ReboCap pour réaliser une capture en temps réel de l'apparence numérique. Ce cycle vertueux formé de manière spontanée permet une production de données évolutive, à faible coût et de haute fidélité, faisant de l'ensemble de données Reborn une ressource d'entraînement convoitée par les principales entreprises de robotique.
La deuxième couche de la pile logicielle ReBorn est Roboverse : une plateforme de données multimodales unifiant un environnement de simulation fragmenté. Actuellement, le domaine de la simulation est hautement morcelé, avec des outils comme Mujoco et NVIDIA Isaac Lab qui fonctionnent de manière autonome, chacun ayant ses propres avantages, mais ne pouvant pas interagir. Cette fragmentation ralentit le processus de recherche et aggrave l'écart entre la simulation et la réalité. Roboverse, en réalisant la normalisation des simulateurs multiples, a créé une infrastructure virtuelle partagée pour le développement et l'évaluation des modèles robotiques. Cette intégration soutient des tests de référence cohérents, améliorant considérablement la capacité d'extension et de généralisation du système.
Roboverse réalise une collaboration sans faille. Le premier collecte massivement des données du monde réel, tandis que le second construit un environnement de simulation pour entraîner des modèles, les deux collaborent pour montrer la véritable puissance du réseau d'intelligence physique distribué Reborn. Cette plateforme est en train de créer un écosystème de développeurs d'intelligence artificielle physique qui dépasse la simple acquisition de données, ses fonctionnalités s'étendant désormais au déploiement de modèles réels et au domaine de la licence commerciale.
Modèle de base Reborn
Le composant le plus critique de la pile technologique Reborn est peut-être le modèle de base Reborn (RFM). En tant que l’un des premiers modèles de base pour la robotique, ce modèle est en cours d’intégration dans le système central de l’infrastructure physique émergente de l’IA. Son positionnement est similaire à celui des modèles traditionnels de base de grands langages, tels que GPT-4 d’OpenAI ou Llama de Meta, mais pour le domaine de la robotique.
Stack technologique Reborn
Les trois composants clés de la pile technologique Reborn (plateforme de données ReboCap, système de simulation Roboverse et mécanisme d'autorisation de modèle RFM) construisent ensemble une solide barrière de protection par intégration verticale. En combinant des données de mouvement crowdsourcées avec un puissant système de simulation et un système d'autorisation de modèle, Reborn est capable de former des modèles de base avec des capacités de généralisation inter-scène. Ce modèle peut soutenir une diversité d'applications robotiques dans les domaines industriel, de consommation et de recherche, réalisant un déploiement généralisé sous une multitude de données variées.
Reborn est en train de promouvoir activement la commercialisation de sa technologie, en lançant des projets pilotes payants avec Galbot et Noematrix, et en établissant des partenariats stratégiques avec Unitree, Booster Robotics, Swiss Mile et Agile Robots. Le marché des robots humanoïdes en Chine connaît une croissance rapide, représentant environ 32,7 % du marché mondial. Il est à noter que Yushu Technology détient plus de 60 % de parts du marché mondial des robots quadrupèdes et est l'un des six fabricants chinois prévoyant de produire plus de 1000 unités (robots humanoïdes) d'ici 2025.
Le rôle de la technologie des cryptomonnaies dans la pile technologique de l'intelligence artificielle physique.
La technologie de la cryptographie construit une pile verticale complète pour l'intelligence artificielle dans le monde physique.
Reborn est un projet de cryptomonnaie d'intelligence artificielle incarnée de premier plan.
Bien que ces projets appartiennent à différents niveaux de la pile d'intelligence artificielle physique, ils ont un point commun : ils sont tous des projets DePAI à cent pour cent. DePAI crée un mécanisme d'extension ouvert, composable et sans autorisation à travers toute la pile technologique grâce à des incitations par des jetons, et c'est cette innovation qui rend le développement décentralisé de l'intelligence artificielle physique une réalité.
Reborn n’a pas encore émis de jetons, et la croissance organique de son activité est encore plus précieuse. Lorsque le mécanisme d’incitation des jetons sera officiellement lancé, la participation au réseau s’accélérera en tant qu’élément clé de l’effet d’inertie DePAI : les utilisateurs peuvent obtenir des incitations de l’équipe du projet lorsqu’ils achètent des appareils matériels Reborn (collecteurs ReboCap), et les entreprises de R&D de robots paieront des récompenses de contribution aux détenteurs de ReboCap, et cette double incitation incitera davantage de personnes à acheter et à utiliser des appareils ReboCap. Dans le même temps, l’équipe du projet encouragera de manière dynamique la collecte de données comportementales personnalisées à forte valeur ajoutée, afin de combler plus efficacement le fossé technologique entre la simulation et les applications du monde réel (Sim2Real).
Le volant DePAI de Reborn est en cours d'exécution.
Le "moment ChatGPT" dans le domaine des robots ne sera pas déclenché par les entreprises de robotique elles-mêmes, car le déploiement matériel est bien plus complexe que le logiciel. La croissance explosive de la technologie robotique est naturellement limitée par les coûts, la disponibilité du matériel et la complexité du déploiement, des obstacles qui n'existent pas dans des logiciels purement numériques comme ChatGPT.
Le tournant des robots humanoïdes ne dépend pas de la façon dont le prototype est impressionnant, mais plutôt de la réduction des coûts à un niveau abordable par le grand public, tout comme la généralisation des smartphones ou des ordinateurs à l'époque. Lorsque les coûts diminuent, le matériel devient un simple ticket d'entrée, et le véritable avantage concurrentiel réside dans les données et les modèles : plus précisément, dans l'échelle, la qualité et la diversité de l'intelligence motrice utilisée pour entraîner les machines.
Conclusion
La révolution des plateformes robotiques est imparable, mais comme toutes les plateformes, son développement à grande échelle est indissociable du support data. Reborn est un pari à fort effet de levier selon lequel la crypto peut combler le vide le plus critique dans la pile robotique de l’IA : sa solution de données robotiques, DePAI, est rentable, hautement évolutive et modulaire. Alors que la robotique est la prochaine frontière de l’IA, Reborn transforme le grand public en « mineurs » de données d’action. Tout comme les grands modèles de langage doivent être soutenus par des marqueurs de texte, les robots humanoïdes doivent être entraînés avec des séquences d’action massives. Avec Reborn, nous allons briser le dernier goulot d’étranglement et réaliser le saut de la science-fiction à la réalité pour les robots humanoïdes.
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Humanoïde Bots + Cryptoactifs : Comment Reborn construit-il le flywheel DePAI ?
Auteur : brianbreslow, Hypersphere Ventures
Traduit par : Tim, PANews
Résumé exécutif
Les robots humanoïdes passent rapidement de la science-fiction à la réalité. La baisse continue des coûts matériels, l'augmentation soutenue des investissements en capital, ainsi que les percées technologiques en matière de flexibilité de mouvement et de capacité d'opération, fusionnent et poussent activement la prochaine grande itération de la plateforme dans le domaine de l'informatique.
Bien que la puissance de calcul et les équipements matériels deviennent de plus en plus commercialisés, offrant un avantage de coût faible pour l'ingénierie robotique, cette industrie reste néanmoins limitée par le goulot d'étranglement des données d'entraînement.
Reborn est l'un des rares projets à utiliser l'intelligence artificielle physique décentralisée (DePAI) pour crowdsourcer des données de mouvement et de synthèse de haute précision, et à construire des modèles de base pour les robots, ce qui lui confère une position unique et favorable dans la promotion du déploiement de robots humanoïdes. Le projet est dirigé par une équipe fondatrice possédant des compétences techniques solides, dont les membres ont une expérience de recherche académique et des postes de professeur à l'Université de Californie à Berkeley, à l'Université Cornell, à l'Université Harvard et chez Apple, reflétant à la fois un niveau académique exceptionnel et une capacité d'exécution en ingénierie dans le monde réel.
Robot humanoïde : des œuvres de science-fiction aux applications de pointe
La commercialisation de la robotique n’est pas un concept nouveau. Les robots domestiques tels que le célèbre aspirateur robot iRobot Roomba lancé en 2002 ou la caméra pour animaux de compagnie Kasa qui a émergé ces dernières années sont tous des appareils à fonction unique. Avec le développement de l’intelligence artificielle, les robots évoluent des machines à fonction unique aux formes multifonctionnelles, visant à s’adapter aux opérations dans des environnements ouverts.
Les robots humanoïdes passeront progressivement de tâches de base telles que le nettoyage et la cuisine à des travaux plus complexes comme l'accueil, la lutte contre les incendies et même la chirurgie au cours des 5 à 15 prochaines années.
Les développements récents transforment les robots humanoïdes de la science-fiction en réalité.
Dynamique du marché : Plus de 100 entreprises se positionnent sur les robots humanoïdes (comme Tesla, UTree Technology, Figure AI, Clone, Agile, etc.).
La technologie matérielle a réussi à franchir la vallée de l'angoisse : la nouvelle génération de robots humanoïdes affiche des mouvements aussi naturels et fluides que l'eau qui coule, leur permettant d'interagir de manière humanoïde dans des environnements réels. Parmi eux, le robot Yushu H1 peut atteindre une vitesse de marche de 3,3 mètres par seconde, bien supérieure à la vitesse moyenne humaine de 1,4 mètre par seconde.
(Remarque : la théorie de la vallée étrange (The Uncanny Valley) est une théorie psychologique décrivant la réaction émotionnelle des humains envers des entités non humaines (comme les robots, les poupées, les avatars virtuels, etc.).)
Nouvelle norme de coût pour les robots humanoïdes : prévue pour être inférieure au niveau des salaires des travailleurs américains d'ici 2032.
Bottleneck de 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 problème de leur rareté continuent d'entraver leur déploiement à grande échelle.
D'autres technologies d'entités d'intelligence artificielle, telles que la technologie de conduite autonome, ont déjà résolu en grande partie les problèmes de données grâce aux caméras et capteurs montés sur les véhicules existants. Prenons par exemple les systèmes de conduite autonome comme Tesla et Waymo, ces flottes peuvent générer des milliards de miles de données de conduite sur route réelle. À ce stade de développement, Waymo a équipé les véhicules de conducteurs de surveillance en temps réel dans le siège passager avant.
Cependant, les consommateurs sont peu susceptibles d'accepter l'existence de « nourrices robots ». Les robots doivent avoir des performances élevées prêtes à l'emploi, ce qui rend la collecte de données avant le déploiement essentielle. Tous les entraînements doivent être réalisés avant la production commerciale, tandis que l'échelle et la qualité des données restent un problème persistant.
Bien que chaque mode d'entraînement ait sa propre unité de mesure (par exemple, les grands modèles de langage utilisent des tokens, les générateurs d'images utilisent des paires vidéo-texte, et la robotique utilise des segments de mouvement), la comparaison ci-dessous révèle clairement l'écart d'échelle auquel fait face la disponibilité des données en robotique :
Les données d'entraînement de GPT-4 dépassent 150 000 milliards de marqueurs de texte.
Midjourney et Sora utilisent des milliards de paires vidéo-texte étiquetées.
En comparaison, le plus grand ensemble de données de robots ne contient qu'environ 2,4 millions d'enregistrements d'interaction.
Cet écart explique pourquoi la robotique n'a pas encore réalisé de véritables modèles de base comme les grands modèles de langage, la clé résidant dans le fait que la base de données est encore incomplète.
Les méthodes traditionnelles de collecte de données ont du mal à répondre aux besoins d'échelle pour les données d'entraînement des robots humanoïdes. Les méthodes existantes incluent :
Simulation : coût faible mais manque de scénarios de limites réelles (le fossé entre la simulation et la réalité)
Vidéos sur Internet : impossible de fournir la perception ontologique et l'environnement de retour de force nécessaires à l'apprentissage des robots.
Données du monde réel : bien que précises, elles nécessitent un contrôle à distance et une opération humaine en boucle fermée, ce qui entraîne des coûts élevés (plus de 40 000 dollars par robot) et un manque d'évolutivité.
Former des modèles dans un environnement virtuel est peu coûteux et scalable, mais ces modèles ont souvent du mal à être déployés dans le monde réel. Ce problème est connu sous le nom d'écart virtuel-réalité (Sim2Real).
Par exemple, un robot entraîné dans un environnement simulé pourrait facilement saisir des objets avec un éclairage parfait et une surface lisse, mais lorsqu'il est confronté à un environnement désordonné, à des textures inégales ou à diverses situations imprévues que les humains prennent pour acquises dans le monde réel, il se retrouve souvent dans l'incapacité d'agir.
Reborn offre une méthode économique et rapide de crowdsourcing de données réelles, contribuant à renforcer l'entraînement des robots et à surmonter le défi du "écart entre la simulation et la réalité" (Sim2Real).
Reborn : la vision full-stack de l'IA décentralisée.
Reborn est en train de construire une plateforme logicielle et de données intégrée verticalement destinée aux applications de robots intelligents incarnés. L'objectif principal de l'entreprise est de résoudre le problème des goulets d'étranglement des données dans le domaine des robots humanoïdes, mais sa vision va bien au-delà. Grâce à la combinaison de matériel développé en interne, d'infrastructures de simulation multimodales et de modèles de base, Reborn deviendra un acteur clé dans la réalisation de l'intelligence incarnée.
La plate-forme Reborn est construite sur un écosystème en pleine expansion de jeux de réalité augmentée et virtuelle, en commençant par un dispositif propriétaire de capture de mouvement grand public appelé « ReboCap ». Les utilisateurs peuvent fournir des données sportives de haute fidélité en échange d’incitations et de récompenses en ligne pour promouvoir le développement durable de la plateforme. À ce jour, Reborn a vendu plus de 5 000 appareils ReboCap, compte 160 000 utilisateurs actifs mensuels et a établi une trajectoire de croissance claire pour dépasser les 2 millions d’utilisateurs d’ici la fin de l’année.
Reborn offre des avantages en matière de collecte de données qui surpassent largement ceux des autres solutions.
Il est remarquable que cette croissance provienne entièrement d'un développement naturel : les utilisateurs sont attirés par le caractère divertissant du jeu, tandis que les streamers utilisent ReboCap pour réaliser une capture en temps réel de l'apparence numérique. Ce cycle vertueux formé de manière spontanée permet une production de données évolutive, à faible coût et de haute fidélité, faisant de l'ensemble de données Reborn une ressource d'entraînement convoitée par les principales entreprises de robotique.
La deuxième couche de la pile logicielle ReBorn est Roboverse : une plateforme de données multimodales unifiant un environnement de simulation fragmenté. Actuellement, le domaine de la simulation est hautement morcelé, avec des outils comme Mujoco et NVIDIA Isaac Lab qui fonctionnent de manière autonome, chacun ayant ses propres avantages, mais ne pouvant pas interagir. Cette fragmentation ralentit le processus de recherche et aggrave l'écart entre la simulation et la réalité. Roboverse, en réalisant la normalisation des simulateurs multiples, a créé une infrastructure virtuelle partagée pour le développement et l'évaluation des modèles robotiques. Cette intégration soutient des tests de référence cohérents, améliorant considérablement la capacité d'extension et de généralisation du système.
Roboverse réalise une collaboration sans faille. Le premier collecte massivement des données du monde réel, tandis que le second construit un environnement de simulation pour entraîner des modèles, les deux collaborent pour montrer la véritable puissance du réseau d'intelligence physique distribué Reborn. Cette plateforme est en train de créer un écosystème de développeurs d'intelligence artificielle physique qui dépasse la simple acquisition de données, ses fonctionnalités s'étendant désormais au déploiement de modèles réels et au domaine de la licence commerciale.
Modèle de base Reborn
Le composant le plus critique de la pile technologique Reborn est peut-être le modèle de base Reborn (RFM). En tant que l’un des premiers modèles de base pour la robotique, ce modèle est en cours d’intégration dans le système central de l’infrastructure physique émergente de l’IA. Son positionnement est similaire à celui des modèles traditionnels de base de grands langages, tels que GPT-4 d’OpenAI ou Llama de Meta, mais pour le domaine de la robotique.
Stack technologique Reborn
Les trois composants clés de la pile technologique Reborn (plateforme de données ReboCap, système de simulation Roboverse et mécanisme d'autorisation de modèle RFM) construisent ensemble une solide barrière de protection par intégration verticale. En combinant des données de mouvement crowdsourcées avec un puissant système de simulation et un système d'autorisation de modèle, Reborn est capable de former des modèles de base avec des capacités de généralisation inter-scène. Ce modèle peut soutenir une diversité d'applications robotiques dans les domaines industriel, de consommation et de recherche, réalisant un déploiement généralisé sous une multitude de données variées.
Reborn est en train de promouvoir activement la commercialisation de sa technologie, en lançant des projets pilotes payants avec Galbot et Noematrix, et en établissant des partenariats stratégiques avec Unitree, Booster Robotics, Swiss Mile et Agile Robots. Le marché des robots humanoïdes en Chine connaît une croissance rapide, représentant environ 32,7 % du marché mondial. Il est à noter que Yushu Technology détient plus de 60 % de parts du marché mondial des robots quadrupèdes et est l'un des six fabricants chinois prévoyant de produire plus de 1000 unités (robots humanoïdes) d'ici 2025.
Le rôle de la technologie des cryptomonnaies dans la pile technologique de l'intelligence artificielle physique.
La technologie de la cryptographie construit une pile verticale complète pour l'intelligence artificielle dans le monde physique.
Reborn est un projet de cryptomonnaie d'intelligence artificielle incarnée de premier plan.
Bien que ces projets appartiennent à différents niveaux de la pile d'intelligence artificielle physique, ils ont un point commun : ils sont tous des projets DePAI à cent pour cent. DePAI crée un mécanisme d'extension ouvert, composable et sans autorisation à travers toute la pile technologique grâce à des incitations par des jetons, et c'est cette innovation qui rend le développement décentralisé de l'intelligence artificielle physique une réalité.
Reborn n’a pas encore émis de jetons, et la croissance organique de son activité est encore plus précieuse. Lorsque le mécanisme d’incitation des jetons sera officiellement lancé, la participation au réseau s’accélérera en tant qu’élément clé de l’effet d’inertie DePAI : les utilisateurs peuvent obtenir des incitations de l’équipe du projet lorsqu’ils achètent des appareils matériels Reborn (collecteurs ReboCap), et les entreprises de R&D de robots paieront des récompenses de contribution aux détenteurs de ReboCap, et cette double incitation incitera davantage de personnes à acheter et à utiliser des appareils ReboCap. Dans le même temps, l’équipe du projet encouragera de manière dynamique la collecte de données comportementales personnalisées à forte valeur ajoutée, afin de combler plus efficacement le fossé technologique entre la simulation et les applications du monde réel (Sim2Real).
Le volant DePAI de Reborn est en cours d'exécution.
Le "moment ChatGPT" dans le domaine des robots ne sera pas déclenché par les entreprises de robotique elles-mêmes, car le déploiement matériel est bien plus complexe que le logiciel. La croissance explosive de la technologie robotique est naturellement limitée par les coûts, la disponibilité du matériel et la complexité du déploiement, des obstacles qui n'existent pas dans des logiciels purement numériques comme ChatGPT.
Le tournant des robots humanoïdes ne dépend pas de la façon dont le prototype est impressionnant, mais plutôt de la réduction des coûts à un niveau abordable par le grand public, tout comme la généralisation des smartphones ou des ordinateurs à l'époque. Lorsque les coûts diminuent, le matériel devient un simple ticket d'entrée, et le véritable avantage concurrentiel réside dans les données et les modèles : plus précisément, dans l'échelle, la qualité et la diversité de l'intelligence motrice utilisée pour entraîner les machines.
Conclusion
La révolution des plateformes robotiques est imparable, mais comme toutes les plateformes, son développement à grande échelle est indissociable du support data. Reborn est un pari à fort effet de levier selon lequel la crypto peut combler le vide le plus critique dans la pile robotique de l’IA : sa solution de données robotiques, DePAI, est rentable, hautement évolutive et modulaire. Alors que la robotique est la prochaine frontière de l’IA, Reborn transforme le grand public en « mineurs » de données d’action. Tout comme les grands modèles de langage doivent être soutenus par des marqueurs de texte, les robots humanoïdes doivent être entraînés avec des séquences d’action massives. Avec Reborn, nous allons briser le dernier goulot d’étranglement et réaliser le saut de la science-fiction à la réalité pour les robots humanoïdes.