Robot humanoid umum sedang dengan cepat bergerak dari karya fiksi ilmiah menuju kenyataan. Penurunan biaya perangkat keras, pertumbuhan investasi modal yang berkelanjutan, ditambah dengan terobosan teknologi dalam fleksibilitas gerakan dan kemampuan operasional, tiga faktor ini terus berintegrasi dan secara aktif mendorong iterasi platform besar berikutnya di bidang komputasi.
Meskipun kemampuan komputasi dan perangkat keras semakin terkomodifikasi, memberikan keuntungan biaya rendah bagi rekayasa robotik, industri ini masih dibatasi oleh kendala data pelatihan.
Reborn adalah salah satu dari sedikit proyek yang memanfaatkan Kecerdasan Buatan Fisik Terdesentralisasi (DePAI) untuk mengumpulkan data gerakan dan data sintetik berkualitas tinggi, serta membangun model dasar robot. Hal ini menempatkannya dalam posisi yang unik dan menguntungkan dalam mendorong penerapan robot humanoid. Proyek ini dipimpin oleh tim pendiri yang memiliki latar belakang teknis yang kuat, dengan anggota tim yang memiliki pengalaman penelitian akademis dan posisi profesor di Universitas California, Berkeley, Universitas Cornell, Universitas Harvard, dan Apple, yang mencerminkan tingkat akademis yang luar biasa dan kemampuan eksekusi teknik di dunia nyata.
Robot humanoid: dari karya fiksi ilmiah ke aplikasi terdepan
Komersialisasi teknologi robotik bukanlah konsep baru. Robot penyedot debu iRobot Roomba yang diluncurkan pada tahun 2002, atau kamera pengawas hewan peliharaan Kasa yang muncul baru-baru ini, keduanya merupakan perangkat dengan fungsi tunggal. Seiring dengan perkembangan kecerdasan buatan, robot sedang berevolusi dari mesin berfungsi tunggal menjadi bentuk multifungsi, bertujuan untuk beradaptasi dengan pekerjaan di lingkungan terbuka.
Robot humanoid akan secara bertahap ditingkatkan dari tugas dasar seperti membersihkan dan memasak dalam 5 hingga 15 tahun ke depan, dan akhirnya mampu melakukan pekerjaan kompleks seperti layanan resepsi, pemadam kebakaran, bahkan pembedahan.
Perkembangan terbaru sedang mengubah robot humanoid dari novel fiksi ilmiah menjadi kenyataan.
Dinamika pasar: lebih dari 100 perusahaan mengembangkan robot humanoid (seperti Tesla, Yushutech, Figure AI, Clone, Agile, dll).
Teknologi perangkat keras telah berhasil melampaui lembah menakutkan: generasi baru robot humanoid menunjukkan gerakan yang alami dan halus seperti aliran air, memungkinkan mereka untuk melakukan interaksi yang menyerupai manusia di lingkungan nyata. Di antara mereka, kecepatan berjalan Yushu H1 dapat mencapai 3,3 meter per detik, jauh melebihi kecepatan rata-rata manusia yaitu 1,4 meter per detik.
(Catatan: Teori Lembah Menyeramkan (The Uncanny Valley) adalah sebuah teori psikologi yang menggambarkan reaksi emosional manusia terhadap entitas non-manusia (seperti robot, boneka, citra virtual, dll.).)
Paradigma baru biaya robot humanoid: diperkirakan akan lebih rendah dari tingkat gaji tenaga kerja di Amerika Serikat pada tahun 2032.
Kendala pengembangan: Data pelatihan dunia nyata
Meskipun ada faktor-faktor positif yang jelas di bidang robot humanoid, masalah kualitas data yang rendah dan kurangnya data masih menghambat penerapan skala besar.
Teknologi entitas kecerdasan buatan lainnya, seperti teknologi mengemudi otomatis, telah pada dasarnya menyelesaikan masalah data melalui kamera dan sensor yang terpasang pada kendaraan yang ada. Mengambil contoh dari sistem mengemudi otomatis seperti Tesla dan Waymo, armada ini mampu menghasilkan miliaran mil data mengemudi di jalan nyata. Pada tahap pengembangan ini, saat kendaraan diizinkan untuk berjalan di jalan, kursi penumpang depan dilengkapi dengan pengawas manusia untuk pelatihan real-time.
Namun, konsumen tidak mungkin menerima keberadaan "pengasuh robot". Robot harus memiliki performa tinggi yang siap pakai, yang membuat pengumpulan data sebelum penerapan sangat penting. Semua pelatihan harus diselesaikan sebelum produksi komersial, sementara skala dan kualitas data tetap menjadi tantangan yang terus ada.
Meskipun setiap mode pelatihan memiliki unit skala masing-masing (misalnya, model bahasa besar menggunakan Token, generator gambar menggunakan pasang video-teks, dan teknologi robotik menggunakan segmen gerakan), perbandingan di bawah ini dengan jelas mengungkapkan kesenjangan besar yang dihadapi ketersediaan data teknologi robotik:
Data pelatihan GPT-4 melebihi 150 triliun token teks.
Midjourney dan Sora memanfaatkan miliaran pasangan video dan teks berlabel.
Sebagai perbandingan, kumpulan data robot terbesar hanya berisi sekitar 2,4 juta catatan interaksi.
Perbedaan ini menjelaskan mengapa teknologi robotika belum mencapai model dasar yang benar-benar seperti model bahasa besar, kuncinya terletak pada basis data yang masih belum lengkap.
Metode pengumpulan data tradisional sulit memenuhi kebutuhan skala data pelatihan untuk robot humanoid. Metode yang ada meliputi:
Simulasi: biaya rendah tetapi kurangnya batasan skenario nyata (jurang antara simulasi dan kenyataan)
Video internet: Tidak dapat menyediakan pengalaman proprioceptive dan lingkungan umpan balik kekuatan yang diperlukan untuk pembelajaran robot.
Data dunia nyata: Meskipun akurat, memerlukan pengendalian jarak jauh dan operasi manusia yang tertutup, yang menyebabkan biaya tinggi (lebih dari 40 ribu dolar AS per robot) dan kurangnya skalabilitas.
Melatih model dalam lingkungan virtual memiliki biaya rendah dan skalabilitas tinggi, tetapi model-model ini sering kali mengalami kesulitan saat diterapkan di dunia nyata. Masalah ini dikenal sebagai kesenjangan simulasional ke realitas (Sim2Real).
Misalnya, robot yang dilatih dalam lingkungan simulasi mungkin dapat dengan mudah mengambil objek yang memiliki pencahayaan sempurna dan permukaan yang rata, tetapi ketika menghadapi lingkungan yang berantakan, tekstur yang tidak rata, atau berbagai situasi mendadak yang biasa dihadapi manusia di dunia nyata, ia sering kali tidak dapat berbuat apa-apa.
Reborn menyediakan metode yang ekonomis dan cepat untuk mengumpulkan data dunia nyata secara crowdsourcing, membantu memperkuat pelatihan robot dan memecahkan tantangan "gap simulasi ke realitas" (Sim2Real).
Reborn: Visi penuh tumpukan AI terdesentralisasi
Reborn sedang membangun platform perangkat lunak dan data terintegrasi secara vertikal yang ditujukan untuk aplikasi robot cerdas berbadan. Tujuan inti perusahaan adalah untuk mengatasi masalah bottleneck data di bidang robot humanoid, tetapi visinya jauh lebih dari itu. Melalui pengembangan perangkat keras sendiri, infrastruktur simulasi multimodal, dan kombinasi model dasar, Reborn akan menjadi penggerak penuh untuk mewujudkan kecerdasan berbadan.
Platform Reborn memulai dengan perangkat penangkap gerakan konsumen eksklusif "ReboCap", membangun ekosistem permainan augmented reality dan virtual reality yang berkembang pesat. Pengguna mendapatkan imbalan insentif jaringan dengan menyediakan data gerakan berkualitas tinggi, mendorong perkembangan berkelanjutan platform. Saat ini, Reborn telah menjual lebih dari 5000 unit perangkat ReboCap, dengan pengguna aktif bulanan mencapai 160.000, dan telah menetapkan jalur pertumbuhan yang jelas untuk mencapai lebih dari 2 juta pengguna pada akhir tahun.
Reborn mendukung pengumpulan data dengan efisiensi yang jauh lebih baik dibandingkan solusi lainnya.
Hebatnya, pertumbuhan ini sepenuhnya alami: pengguna tertarik pada hiburan game itu sendiri, dan streamer didorong oleh penangkapan postur avatar digital mereka secara real-time dengan ReboCap. Siklus kebajikan spontan ini memungkinkan produksi data yang terukur, berbiaya rendah, dan memiliki ketelitian tinggi, menjadikan kumpulan data Reborn sebagai sumber daya pelatihan yang bersaing untuk diadopsi oleh perusahaan robotika terkemuka.
Lapisan kedua dari tumpukan perangkat lunak ReBorn adalah Roboverse: platform data multimodal yang menyatukan lingkungan simulasi yang terfragmentasi. Lanskap simulasi saat ini sangat terfragmentasi, dengan alat seperti Mujoco dan NVIDIA Isaac Lab bekerja dalam silo, masing-masing dengan kekuatannya sendiri tetapi tidak dapat dioperasikan. Fragmentasi ini memperlambat proses R&D dan memperburuk kesenjangan antara simulasi dan realitas. Roboverse telah menciptakan infrastruktur virtual bersama untuk mengembangkan dan mengevaluasi model robot dengan menstandarisasi pada beberapa simulator. Integrasi ini mendukung pembandingan yang konsisten, yang sangat meningkatkan skalabilitas dan generalisasi sistem.
Roboverse mewujudkan kolaborasi yang mulus. Yang pertama mengumpulkan data dunia nyata secara besar-besaran, sedangkan yang kedua membangun lingkungan simulasi untuk mendorong pelatihan model, keduanya secara kolaboratif menunjukkan kekuatan sejati dari jaringan kecerdasan fisik terdistribusi Reborn. Platform ini sedang membangun ekosistem pengembang kecerdasan buatan fisik yang melampaui sekadar pengambilan data, dengan fungsinya telah meluas ke bidang penerapan model yang sebenarnya dan lisensi komersial.
Model Dasar Reborn
Komponen paling krusial dalam tumpukan teknologi Reborn mungkin adalah model dasar Reborn (RFM). Sebagai salah satu dari model dasar robot pertama, model ini sedang dibangun sebagai sistem inti dari infrastruktur kecerdasan buatan fisik yang baru muncul. Posisi model ini mirip dengan model dasar bahasa besar tradisional, seperti GPT-4 dari OpenAI atau Llama dari Meta, tetapi ditujukan untuk bidang robotika.
Reborn tumpukan teknologi
Tiga komponen inti dari tumpukan teknologi Reborn (platform data ReboCap, sistem simulasi Roboverse, dan mekanisme otorisasi model RFM) bersama-sama membangun benteng integrasi vertikal yang kokoh. Dengan menggabungkan data gerakan crowdsourcing dengan sistem simulasi yang kuat dan sistem otorisasi model, Reborn dapat melatih model dasar yang memiliki kemampuan generalisasi lintas skenario. Model ini dapat mendukung aplikasi robotik yang beragam di bidang industri, konsumen, dan penelitian, serta mewujudkan penerapan umum di bawah data yang beragam dan masif.
Reborn secara agresif memajukan komersialisasi teknologinya, meluncurkan program percontohan berbayar dengan Galbot dan Noematrix, serta kemitraan strategis dengan Unitree, Booster Robotics, Swiss Mile, dan Agile Robots. Pasar robot humanoid China mengalami pertumbuhan pesat, terhitung sekitar 32,7% dari pasar global. Khususnya, Unitree memiliki pangsa lebih dari 60% pasar robot berkaki empat global dan merupakan salah satu dari enam produsen China yang berencana untuk memproduksi lebih dari 1000 unit (robot humanoid) pada tahun 2025.
Peran teknologi cryptocurrency dalam tumpukan teknologi kecerdasan buatan fisik
Teknologi kripto sedang membangun tumpukan vertikal yang lengkap untuk kecerdasan buatan di dunia fisik.
Reborn adalah proyek cryptocurrency kecerdasan buatan terkemuka yang terwujud.
Meskipun proyek-proyek ini termasuk dalam berbagai lapisan tumpukan kecerdasan buatan fisik, mereka memiliki satu kesamaan: semuanya adalah proyek DePAI. DePAI membangun mekanisme perluasan yang terbuka, dapat dikombinasikan, dan tanpa izin melalui insentif token di seluruh tumpukan teknologi, dan inovasi inilah yang menjadikan perkembangan desentralisasi kecerdasan buatan fisik menjadi kenyataan.
Reborn belum menerbitkan token, dan pertumbuhan organik bisnisnya bahkan lebih berharga. Ketika mekanisme insentif token diluncurkan secara resmi, partisipasi jaringan akan dipercepat sebagai bagian penting dari efek roda gila DePAI: pengguna bisa mendapatkan insentif dari tim proyek ketika mereka membeli perangkat keras Reborn (kolektor ReboCap), dan perusahaan R&D robot akan membayar hadiah kontribusi kepada pemegang ReboCap, dan insentif ganda ini akan mendorong lebih banyak orang untuk membeli dan menggunakan perangkat ReboCap. Pada saat yang sama, tim proyek akan secara dinamis memberi insentif pada pengumpulan data perilaku khusus bernilai tinggi, sehingga dapat lebih efektif menjembatani kesenjangan teknologi antara simulasi dan aplikasi dunia nyata (Sim2Real).
DePAI Reborn roda terbang sedang beroperasi
Momen "ChatGPT" di bidang robotika tidak akan dipicu oleh perusahaan robot itu sendiri, karena penerapan perangkat keras jauh lebih rumit dibandingkan perangkat lunak. Pertumbuhan eksponensial teknologi robotik secara alami terbatas oleh biaya, ketersediaan perangkat keras, dan kompleksitas penerapan, sedangkan hambatan-hambatan ini sama sekali tidak ada dalam perangkat lunak digital murni seperti ChatGPT.
Titik balik robot humanoid tidak terletak pada seberapa menawannya prototipe, tetapi pada penurunan biaya menjadi dalam jangkauan yang dapat dijangkau oleh masyarakat, seperti pada masa-masa awal penyebaran smartphone atau komputer. Ketika biaya turun, perangkat keras akan menjadi tiket masuk, dan keunggulan kompetitif yang sebenarnya terletak pada data dan model: secara spesifik, itu adalah skala, kualitas, dan keberagaman kecerdasan gerakan yang digunakan untuk melatih mesin.
Kesimpulan
Revolusi platform robot tidak dapat dihentikan, tetapi seperti semua platform, pengembangan skala besarnya tidak dapat dipisahkan dari dukungan data. Reborn adalah taruhan yang sangat dimanfaatkan bahwa kripto dapat mengisi celah paling kritis dalam tumpukan robotika AI: solusi data robotnya, DePAI, hemat biaya, sangat terukur, dan modular. Sementara robotika adalah perbatasan AI berikutnya, Reborn mengubah masyarakat umum menjadi "penambang" data tindakan. Sama seperti model bahasa besar yang perlu didukung oleh penanda teks, robot humanoid perlu dilatih dengan urutan aksi besar-besaran. Dengan Reborn, kita akan menerobos kemacetan terakhir dan mewujudkan lompatan dari fiksi ilmiah ke kenyataan untuk robot humanoid.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Robot manusia + Aset Kripto: Reborn bagaimana membangun roda DePAI?
Penulis: brianbreslow, Hypersphere Ventures
Kompilasi: Tim, PANews
Ringkasan Eksekutif
Robot humanoid umum sedang dengan cepat bergerak dari karya fiksi ilmiah menuju kenyataan. Penurunan biaya perangkat keras, pertumbuhan investasi modal yang berkelanjutan, ditambah dengan terobosan teknologi dalam fleksibilitas gerakan dan kemampuan operasional, tiga faktor ini terus berintegrasi dan secara aktif mendorong iterasi platform besar berikutnya di bidang komputasi.
Meskipun kemampuan komputasi dan perangkat keras semakin terkomodifikasi, memberikan keuntungan biaya rendah bagi rekayasa robotik, industri ini masih dibatasi oleh kendala data pelatihan.
Reborn adalah salah satu dari sedikit proyek yang memanfaatkan Kecerdasan Buatan Fisik Terdesentralisasi (DePAI) untuk mengumpulkan data gerakan dan data sintetik berkualitas tinggi, serta membangun model dasar robot. Hal ini menempatkannya dalam posisi yang unik dan menguntungkan dalam mendorong penerapan robot humanoid. Proyek ini dipimpin oleh tim pendiri yang memiliki latar belakang teknis yang kuat, dengan anggota tim yang memiliki pengalaman penelitian akademis dan posisi profesor di Universitas California, Berkeley, Universitas Cornell, Universitas Harvard, dan Apple, yang mencerminkan tingkat akademis yang luar biasa dan kemampuan eksekusi teknik di dunia nyata.
Robot humanoid: dari karya fiksi ilmiah ke aplikasi terdepan
Komersialisasi teknologi robotik bukanlah konsep baru. Robot penyedot debu iRobot Roomba yang diluncurkan pada tahun 2002, atau kamera pengawas hewan peliharaan Kasa yang muncul baru-baru ini, keduanya merupakan perangkat dengan fungsi tunggal. Seiring dengan perkembangan kecerdasan buatan, robot sedang berevolusi dari mesin berfungsi tunggal menjadi bentuk multifungsi, bertujuan untuk beradaptasi dengan pekerjaan di lingkungan terbuka.
Robot humanoid akan secara bertahap ditingkatkan dari tugas dasar seperti membersihkan dan memasak dalam 5 hingga 15 tahun ke depan, dan akhirnya mampu melakukan pekerjaan kompleks seperti layanan resepsi, pemadam kebakaran, bahkan pembedahan.
Perkembangan terbaru sedang mengubah robot humanoid dari novel fiksi ilmiah menjadi kenyataan.
Dinamika pasar: lebih dari 100 perusahaan mengembangkan robot humanoid (seperti Tesla, Yushutech, Figure AI, Clone, Agile, dll).
Teknologi perangkat keras telah berhasil melampaui lembah menakutkan: generasi baru robot humanoid menunjukkan gerakan yang alami dan halus seperti aliran air, memungkinkan mereka untuk melakukan interaksi yang menyerupai manusia di lingkungan nyata. Di antara mereka, kecepatan berjalan Yushu H1 dapat mencapai 3,3 meter per detik, jauh melebihi kecepatan rata-rata manusia yaitu 1,4 meter per detik.
(Catatan: Teori Lembah Menyeramkan (The Uncanny Valley) adalah sebuah teori psikologi yang menggambarkan reaksi emosional manusia terhadap entitas non-manusia (seperti robot, boneka, citra virtual, dll.).)
Paradigma baru biaya robot humanoid: diperkirakan akan lebih rendah dari tingkat gaji tenaga kerja di Amerika Serikat pada tahun 2032.
Kendala pengembangan: Data pelatihan dunia nyata
Meskipun ada faktor-faktor positif yang jelas di bidang robot humanoid, masalah kualitas data yang rendah dan kurangnya data masih menghambat penerapan skala besar.
Teknologi entitas kecerdasan buatan lainnya, seperti teknologi mengemudi otomatis, telah pada dasarnya menyelesaikan masalah data melalui kamera dan sensor yang terpasang pada kendaraan yang ada. Mengambil contoh dari sistem mengemudi otomatis seperti Tesla dan Waymo, armada ini mampu menghasilkan miliaran mil data mengemudi di jalan nyata. Pada tahap pengembangan ini, saat kendaraan diizinkan untuk berjalan di jalan, kursi penumpang depan dilengkapi dengan pengawas manusia untuk pelatihan real-time.
Namun, konsumen tidak mungkin menerima keberadaan "pengasuh robot". Robot harus memiliki performa tinggi yang siap pakai, yang membuat pengumpulan data sebelum penerapan sangat penting. Semua pelatihan harus diselesaikan sebelum produksi komersial, sementara skala dan kualitas data tetap menjadi tantangan yang terus ada.
Meskipun setiap mode pelatihan memiliki unit skala masing-masing (misalnya, model bahasa besar menggunakan Token, generator gambar menggunakan pasang video-teks, dan teknologi robotik menggunakan segmen gerakan), perbandingan di bawah ini dengan jelas mengungkapkan kesenjangan besar yang dihadapi ketersediaan data teknologi robotik:
Data pelatihan GPT-4 melebihi 150 triliun token teks.
Midjourney dan Sora memanfaatkan miliaran pasangan video dan teks berlabel.
Sebagai perbandingan, kumpulan data robot terbesar hanya berisi sekitar 2,4 juta catatan interaksi.
Perbedaan ini menjelaskan mengapa teknologi robotika belum mencapai model dasar yang benar-benar seperti model bahasa besar, kuncinya terletak pada basis data yang masih belum lengkap.
Metode pengumpulan data tradisional sulit memenuhi kebutuhan skala data pelatihan untuk robot humanoid. Metode yang ada meliputi:
Simulasi: biaya rendah tetapi kurangnya batasan skenario nyata (jurang antara simulasi dan kenyataan)
Video internet: Tidak dapat menyediakan pengalaman proprioceptive dan lingkungan umpan balik kekuatan yang diperlukan untuk pembelajaran robot.
Data dunia nyata: Meskipun akurat, memerlukan pengendalian jarak jauh dan operasi manusia yang tertutup, yang menyebabkan biaya tinggi (lebih dari 40 ribu dolar AS per robot) dan kurangnya skalabilitas.
Melatih model dalam lingkungan virtual memiliki biaya rendah dan skalabilitas tinggi, tetapi model-model ini sering kali mengalami kesulitan saat diterapkan di dunia nyata. Masalah ini dikenal sebagai kesenjangan simulasional ke realitas (Sim2Real).
Misalnya, robot yang dilatih dalam lingkungan simulasi mungkin dapat dengan mudah mengambil objek yang memiliki pencahayaan sempurna dan permukaan yang rata, tetapi ketika menghadapi lingkungan yang berantakan, tekstur yang tidak rata, atau berbagai situasi mendadak yang biasa dihadapi manusia di dunia nyata, ia sering kali tidak dapat berbuat apa-apa.
Reborn menyediakan metode yang ekonomis dan cepat untuk mengumpulkan data dunia nyata secara crowdsourcing, membantu memperkuat pelatihan robot dan memecahkan tantangan "gap simulasi ke realitas" (Sim2Real).
Reborn: Visi penuh tumpukan AI terdesentralisasi
Reborn sedang membangun platform perangkat lunak dan data terintegrasi secara vertikal yang ditujukan untuk aplikasi robot cerdas berbadan. Tujuan inti perusahaan adalah untuk mengatasi masalah bottleneck data di bidang robot humanoid, tetapi visinya jauh lebih dari itu. Melalui pengembangan perangkat keras sendiri, infrastruktur simulasi multimodal, dan kombinasi model dasar, Reborn akan menjadi penggerak penuh untuk mewujudkan kecerdasan berbadan.
Platform Reborn memulai dengan perangkat penangkap gerakan konsumen eksklusif "ReboCap", membangun ekosistem permainan augmented reality dan virtual reality yang berkembang pesat. Pengguna mendapatkan imbalan insentif jaringan dengan menyediakan data gerakan berkualitas tinggi, mendorong perkembangan berkelanjutan platform. Saat ini, Reborn telah menjual lebih dari 5000 unit perangkat ReboCap, dengan pengguna aktif bulanan mencapai 160.000, dan telah menetapkan jalur pertumbuhan yang jelas untuk mencapai lebih dari 2 juta pengguna pada akhir tahun.
Reborn mendukung pengumpulan data dengan efisiensi yang jauh lebih baik dibandingkan solusi lainnya.
Hebatnya, pertumbuhan ini sepenuhnya alami: pengguna tertarik pada hiburan game itu sendiri, dan streamer didorong oleh penangkapan postur avatar digital mereka secara real-time dengan ReboCap. Siklus kebajikan spontan ini memungkinkan produksi data yang terukur, berbiaya rendah, dan memiliki ketelitian tinggi, menjadikan kumpulan data Reborn sebagai sumber daya pelatihan yang bersaing untuk diadopsi oleh perusahaan robotika terkemuka.
Lapisan kedua dari tumpukan perangkat lunak ReBorn adalah Roboverse: platform data multimodal yang menyatukan lingkungan simulasi yang terfragmentasi. Lanskap simulasi saat ini sangat terfragmentasi, dengan alat seperti Mujoco dan NVIDIA Isaac Lab bekerja dalam silo, masing-masing dengan kekuatannya sendiri tetapi tidak dapat dioperasikan. Fragmentasi ini memperlambat proses R&D dan memperburuk kesenjangan antara simulasi dan realitas. Roboverse telah menciptakan infrastruktur virtual bersama untuk mengembangkan dan mengevaluasi model robot dengan menstandarisasi pada beberapa simulator. Integrasi ini mendukung pembandingan yang konsisten, yang sangat meningkatkan skalabilitas dan generalisasi sistem.
Roboverse mewujudkan kolaborasi yang mulus. Yang pertama mengumpulkan data dunia nyata secara besar-besaran, sedangkan yang kedua membangun lingkungan simulasi untuk mendorong pelatihan model, keduanya secara kolaboratif menunjukkan kekuatan sejati dari jaringan kecerdasan fisik terdistribusi Reborn. Platform ini sedang membangun ekosistem pengembang kecerdasan buatan fisik yang melampaui sekadar pengambilan data, dengan fungsinya telah meluas ke bidang penerapan model yang sebenarnya dan lisensi komersial.
Model Dasar Reborn
Komponen paling krusial dalam tumpukan teknologi Reborn mungkin adalah model dasar Reborn (RFM). Sebagai salah satu dari model dasar robot pertama, model ini sedang dibangun sebagai sistem inti dari infrastruktur kecerdasan buatan fisik yang baru muncul. Posisi model ini mirip dengan model dasar bahasa besar tradisional, seperti GPT-4 dari OpenAI atau Llama dari Meta, tetapi ditujukan untuk bidang robotika.
Reborn tumpukan teknologi
Tiga komponen inti dari tumpukan teknologi Reborn (platform data ReboCap, sistem simulasi Roboverse, dan mekanisme otorisasi model RFM) bersama-sama membangun benteng integrasi vertikal yang kokoh. Dengan menggabungkan data gerakan crowdsourcing dengan sistem simulasi yang kuat dan sistem otorisasi model, Reborn dapat melatih model dasar yang memiliki kemampuan generalisasi lintas skenario. Model ini dapat mendukung aplikasi robotik yang beragam di bidang industri, konsumen, dan penelitian, serta mewujudkan penerapan umum di bawah data yang beragam dan masif.
Reborn secara agresif memajukan komersialisasi teknologinya, meluncurkan program percontohan berbayar dengan Galbot dan Noematrix, serta kemitraan strategis dengan Unitree, Booster Robotics, Swiss Mile, dan Agile Robots. Pasar robot humanoid China mengalami pertumbuhan pesat, terhitung sekitar 32,7% dari pasar global. Khususnya, Unitree memiliki pangsa lebih dari 60% pasar robot berkaki empat global dan merupakan salah satu dari enam produsen China yang berencana untuk memproduksi lebih dari 1000 unit (robot humanoid) pada tahun 2025.
Peran teknologi cryptocurrency dalam tumpukan teknologi kecerdasan buatan fisik
Teknologi kripto sedang membangun tumpukan vertikal yang lengkap untuk kecerdasan buatan di dunia fisik.
Reborn adalah proyek cryptocurrency kecerdasan buatan terkemuka yang terwujud.
Meskipun proyek-proyek ini termasuk dalam berbagai lapisan tumpukan kecerdasan buatan fisik, mereka memiliki satu kesamaan: semuanya adalah proyek DePAI. DePAI membangun mekanisme perluasan yang terbuka, dapat dikombinasikan, dan tanpa izin melalui insentif token di seluruh tumpukan teknologi, dan inovasi inilah yang menjadikan perkembangan desentralisasi kecerdasan buatan fisik menjadi kenyataan.
Reborn belum menerbitkan token, dan pertumbuhan organik bisnisnya bahkan lebih berharga. Ketika mekanisme insentif token diluncurkan secara resmi, partisipasi jaringan akan dipercepat sebagai bagian penting dari efek roda gila DePAI: pengguna bisa mendapatkan insentif dari tim proyek ketika mereka membeli perangkat keras Reborn (kolektor ReboCap), dan perusahaan R&D robot akan membayar hadiah kontribusi kepada pemegang ReboCap, dan insentif ganda ini akan mendorong lebih banyak orang untuk membeli dan menggunakan perangkat ReboCap. Pada saat yang sama, tim proyek akan secara dinamis memberi insentif pada pengumpulan data perilaku khusus bernilai tinggi, sehingga dapat lebih efektif menjembatani kesenjangan teknologi antara simulasi dan aplikasi dunia nyata (Sim2Real).
DePAI Reborn roda terbang sedang beroperasi
Momen "ChatGPT" di bidang robotika tidak akan dipicu oleh perusahaan robot itu sendiri, karena penerapan perangkat keras jauh lebih rumit dibandingkan perangkat lunak. Pertumbuhan eksponensial teknologi robotik secara alami terbatas oleh biaya, ketersediaan perangkat keras, dan kompleksitas penerapan, sedangkan hambatan-hambatan ini sama sekali tidak ada dalam perangkat lunak digital murni seperti ChatGPT.
Titik balik robot humanoid tidak terletak pada seberapa menawannya prototipe, tetapi pada penurunan biaya menjadi dalam jangkauan yang dapat dijangkau oleh masyarakat, seperti pada masa-masa awal penyebaran smartphone atau komputer. Ketika biaya turun, perangkat keras akan menjadi tiket masuk, dan keunggulan kompetitif yang sebenarnya terletak pada data dan model: secara spesifik, itu adalah skala, kualitas, dan keberagaman kecerdasan gerakan yang digunakan untuk melatih mesin.
Kesimpulan
Revolusi platform robot tidak dapat dihentikan, tetapi seperti semua platform, pengembangan skala besarnya tidak dapat dipisahkan dari dukungan data. Reborn adalah taruhan yang sangat dimanfaatkan bahwa kripto dapat mengisi celah paling kritis dalam tumpukan robotika AI: solusi data robotnya, DePAI, hemat biaya, sangat terukur, dan modular. Sementara robotika adalah perbatasan AI berikutnya, Reborn mengubah masyarakat umum menjadi "penambang" data tindakan. Sama seperti model bahasa besar yang perlu didukung oleh penanda teks, robot humanoid perlu dilatih dengan urutan aksi besar-besaran. Dengan Reborn, kita akan menerobos kemacetan terakhir dan mewujudkan lompatan dari fiksi ilmiah ke kenyataan untuk robot humanoid.