著者:brianbreslow, Hypersphere Ventures
コンパイラ: Tim, PANews
エグゼクティブサマリー
ヒューマノイド汎用ロボットは、SFから現実へと急速に移行しています。 ハードウェアコストの低下、設備投資の増加、モーションの柔軟性と運用能力における技術的なブレークスルーが収束し、コンピューティングにおける次の主要なプラットフォームの反復を推進しています。
計算能力とハードウェア機器がますます商品化され、ロボット工学に低コストの利点をもたらしているにもかかわらず、この業界は依然としてトレーニングデータのボトルネックに制約されています。
Rebornは、分散型物理人工知能(DePAI)を活用して高精度のモーションデータと合成データをクラウドソーシングし、ロボットの基礎モデルを構築する数少ないプロジェクトの1つであり、ヒューマノイドロボットの展開を推進するための独自の視点に立っています。 このプログラムは、カリフォルニア大学バークレー校、コーネル大学、ハーバード大学、Appleで教授を務めた強力な技術スキルと学歴を持つ創設チームによって主導されており、学術的な卓越性と現実世界のエンジニアリングの実行を組み合わせています。
ヒューマノイドロボット：SF作品から最前線の応用へ
ロボティクスの商業化は新しい概念ではありません。 2002年に発売された有名なiRobotルンバロボット掃除機や、近年登場したKasaペットカメラなどの家庭用ロボットは、すべて単機能デバイスです。 人工知能の発展に伴い、ロボットは単機能の機械から多機能な形態へと進化し、オープンな環境での操作に適応することを目指しています。
人型ロボットは、今後5年から15年の間に、清掃、料理などの基本的な作業から徐々にアップグレードされ、最終的には接客サービス、消防、さらには外科手術などの複雑な作業をこなせるようになる。
最近の開発は、ヒューマノイドロボットをSF小説から現実に変えつつあります。
市場動向：100社以上がヒューマノイドロボット（テスラ、ユーステクノロジー、Figure AI、Clone、Agileなど）に参入。
ハードウェアテクノロジーは不気味の谷を越えることに成功しました:新世代のヒューマノイドロボットは、自然で流動的な動きを示し、現実世界の環境で人間のように対話することを可能にしました。 その中で、Unitree H1は毎秒最大3.3メートルの速度で歩くことができ、これは人間の平均ペースである毎秒1.4メートルをはるかに超えています。
（備考：恐怖谷理論（The Uncanny Valley）は、人間が非人間的な存在（ロボット、ぬいぐるみ、バーチャルキャラクターなど）に対して持つ感情的反応を説明する心理学理論です。）
人型ロボットのコスト新たなパラダイム：2032年までにアメリカの人件費を下回ると予想される。
発展のボトルネック：現実世界のトレーニングデータ
人型ロボット分野には明らかな好材料が存在しますが、データの質の低さと不足の問題が依然として大規模な展開を妨げています。
他の人工知能エンティティ技術、例えば自動運転技術は、既存の車両に搭載されたカメラやセンサーを通じて、データの問題を基本的に解決しています。テスラやWaymoなどの自動運転システムの例では、これらの車両は数十億マイルの実際の道路運転データを生成することができます。Waymoはこの発展段階で車両を道路に出す際、副運転席にはリアルタイムトレーニングのための人間の監視員が配置されています。
しかし、消費者は「ロボット保母」の存在を受け入れる可能性が低い。ロボットはすぐに使用できる高性能を備えている必要があり、これが展開前のデータ収集を非常に重要にしている。すべてのトレーニングは商業生産前に完了しなければならず、データの規模と質は依然として持続的な課題である。
各トレーニングモードにはそれぞれのスケール単位があります（例：大規模言語モデルはトークンを使用し、画像生成器はビデオ-テキストペアを使用し、ロボティクスは運動セグメントを使用します）が、下の比較はロボティクスデータの可用性が直面している数量的なギャップを明確に示しています：
GPT-4のトレーニングデータの規模は15兆以上のテキストトークンを超えています。
MidjourneyとSoraは、数十億のラベル付きビデオとテキストのペアを利用しています。
対照的に、最大のロボットデータセットには約240万件のインタラクション記録しか含まれていません。
このギャップは、なぜロボット技術が大規模言語モデルのように真の基礎モデルを実現していないのかを説明しています。鍵となるのは、データベースがまだ不完全であることです。
従来のデータ収集方法は、人型ロボットのトレーニングデータの大規模なニーズを満たすことが困難です。既存の方法には、以下が含まれます：
シミュレーション：低コストだが、リアルな境界シーンが欠如している（シミュレーションと現実のギャップ）
インターネット動画：ロボット学習に必要な本体感覚および力フィードバック環境を提供できません
リアルワールドデータ：正確ですが、リモート操作と人的なクローズドループ操作が必要であり、これによりコストが高く（1台のロボットあたり4万ドル以上）スケーラビリティが欠如しています。
仮想環境でモデルを訓練することはコストが低く、拡張性が高いですが、これらのモデルは現実世界にデプロイする際にしばしば苦労します。この問題は「仮想から現実へのギャップ（Sim2Real）」と呼ばれています。
たとえば、シミュレートされた環境で訓練されたロボットは、平面で完全に照らされたオブジェクトを簡単につかむことができるかもしれませんが、雑然とした環境、くぼんだテクスチャ、または人間が現実世界で慣れ親しんでいる予期しない状況に直面したときには無力であることがよくあります。
Rebornは、ロボットのトレーニングを強化し、「シミュレーションから現実へのギャップ」（Sim2Real）を解決するための、経済的で迅速なクラウドソーシングのリアルワールドデータの方法を提供します。
Reborn：分散型実体AIのフルスタックビジョン
Rebornは、具現化されたインテリジェントロボティクスアプリケーションのための垂直統合型ソフトウェアおよびデータプラットフォームを構築しています。 同社の中核的な目標は、ヒューマノイドロボットの分野におけるデータのボトルネックを解決することですが、そのビジョンはそれをはるかに超えています。 自社開発のハードウェア、マルチモーダルシミュレーションインフラストラクチャ、および基本モデルの組み合わせにより、Rebornは具現化されたインテリジェンスのフルスタックドライバーになります。
Rebornプラットフォームは、独自のコンシューマー向けモーションキャプチャデバイス「ReboCap」を起点にして、急速に拡張する拡張現実および仮想現実ゲームエコシステムを構築しています。ユーザーは高精度な動作データを提供することでネットワーク報酬を得て、プラットフォームの持続的な発展を促進しています。現在、Rebornは5000台以上のReboCapデバイスを販売し、月間アクティブユーザー数は16万人に達し、年末までに200万人を突破する明確な成長ルートを確立しています。
Rebornはデータ収集の効率が他のソリューションよりも大幅に優れています。
注目すべきは、この成長が完全に自然な発展から生じていることです：ユーザーはゲーム自体のエンターテインメント性に惹かれ、配信者は ReboCap を利用してデジタルキャラクターのリアルタイムモーションキャプチャを実現しています。この自発的に形成された良性のサイクルは、スケーラブルで低コスト、高忠実度のデータ生成を可能にし、Reborn データセットがトップロボット企業にとって競って採用されるトレーニングリソースとなっています。
ReBornソフトウェアスタックの2番目のレイヤーは、断片化されたシミュレーション環境を統合するマルチモーダルデータプラットフォームであるRoboverseです。 今日のシミュレーション環境は非常に細分化されており、Mujoco や NVIDIA Isaac Lab などのツールはサイロ化されており、それぞれが独自の強みを持ちながら相互運用できません。 この断片化は、R&Dプロセスを遅くし、シミュレーションと現実との間のギャップを悪化させます。 ロボバースは、複数のシミュレータを標準化することで、ロボットモデルの開発・評価のための共有仮想基盤を構築しました。 この統合により、一貫したベンチマークがサポートされ、システムのスケーラビリティと一般化が大幅に向上します。
Roboverseはシームレスな協力を実現しました。前者は現実世界のデータを大規模に収集し、後者はシミュレーション環境を構築してモデルの訓練を行い、二者は協力してReborn分散物理知能ネットワークの真の実力を示しています。このプラットフォームは、単なるデータ取得を超えた物理人工知能開発者エコシステムを構築しており、その機能は実際のモデルの展開および商業ライセンスの分野にまで広がっています。
リボーンベースモデル
Reborn テクノロジースタックの最も重要なコンポーネントは、Reborn 基本モデル (RFM) かもしれません。ロボット基本モデルの初期の一つとして、このモデルは新興物理人工知能インフラストラクチャの中心システムとして構築されています。その位置付けは、従来の大規模言語基本モデルに似ており、OpenAI の GPT-4 や Meta の Llama のようですが、ロボット分野に向けられています。
Reborn テクノロジースタック
Rebornテクノロジースタックの3つのコアコンポーネント(ReboCapデータプラットフォーム、Roboverseシミュレーションシステム、RFMモデルライセンスメカニズム)は、強固な垂直統合の堀を形成しています。 クラウドソーシングされたモーションデータと強力なシミュレーションシステムおよびモデル認証システムを組み合わせることで、Rebornはシナリオ間で一般化する機能を備えた基本モデルをトレーニングすることができます。 このモデルは、産業、消費者、研究分野での多様なロボットアプリケーションをサポートし、大量で多様なデータの一般化された展開を実現できます。
Rebornは、その技術の商業化プロセスを積極的に推進しており、GalbotおよびNoematrixと共に有料パイロットプロジェクトを開始し、Unitree、Booster Robotics、Swiss Mile、およびAgile Robotsと戦略的パートナーシップを結んでいます。中国のヒューマノイドロボット市場は急速に成長しており、世界市場の約32.7%を占めています。特に、宇树科技は世界の四足ロボット市場で60%以上のシェアを占めており、2025年までに1,000台以上の（ヒューマノイドロボット）を生産する予定の6社の中国製造業者の1つです。
フィジカルAI技術スタックにおける暗号通貨技術の役割
暗号技術は物理世界の人工知能のために完全な垂直スタックを構築しています。
Rebornは先進的な具現化された人工知能暗号通貨プロジェクトです
これらのプロジェクトは物理的な人工知能スタックの異なるレイヤーに属していますが、共通点があります：100%がDePAIプロジェクトです。DePAIはトークンインセンティブを通じて技術スタック全体を結びつけ、オープンでコンポーザブル、許可不要の拡張メカニズムを構築します。この革新こそが、物理的な人工知能の分散型発展を実現させるのです。
Rebornはまだトークンを発行しておらず、そのビジネスの有機的成長はさらに価値があります。 トークンインセンティブメカニズムが正式に開始されると、ネットワークへの参加はDePAIフライホイール効果の重要な部分として加速します:ユーザーはRebornハードウェアデバイス(ReboCapコレクター)を購入するとプロジェクトチームからインセンティブを得ることができ、ロボットR&D企業はReboCap保有者に貢献報酬を支払うでしょう、そしてこの二重のインセンティブは、より多くの人々がReboCapデバイスを購入して使用するように駆り立てます。 同時に、プロジェクトチームは、シミュレーションと実世界のアプリケーション(Sim2Real)との間の技術ギャップをより効果的に埋めるために、価値の高いカスタマイズされた行動データ収集を動的に奨励します。
Reborn の DePAI フライホイールが稼働中です
ロボット分野の「ChatGPTの瞬間」は、ロボット企業自身によって引き起こされることはない。なぜなら、ハードウェアの展開はソフトウェアよりも遥かに複雑だからである。ロボット技術の爆発的な成長は、コスト、ハードウェアの可用性、および展開の複雑さに自然に制限されており、これらの障害はChatGPTのような純粋なデジタルソフトウェアには存在しない。
ヒューマノイドロボットの転機となったのは、プロトタイプの素晴らしさではなく、スマートフォンやパソコンが当たり前だった頃のようなコストの安さでした。 コストが下がれば、ハードウェアが重要になり、真の競争上の優位性はデータとモデル、具体的には、機械のトレーニングに使用されるモーションインテリジェンスの規模、品質、多様性にあります。
エピローグ
ロボットプラットフォームの革命は止められませんが、すべてのプラットフォームと同様に、その大規模な開発はデータサポートと切り離せません。 Rebornは、暗号がAIロボティクススタックの最も重要なギャップを埋めることができるという非常にレバレッジの高い賭けです:そのロボットデータソリューションであるDePAIは、費用対効果が高く、拡張性が高く、モジュール式です。 ロボティクスがAIの次のフロンティアである一方で、Rebornは一般の人々をアクションデータの「マイナー」に変えています。 大規模な言語モデルをテキストマーカーでサポートする必要があるのと同様に、ヒューマノイドロボットは大規模なアクションシーケンスで訓練する必要があります。 Rebornでは、最後のボトルネックを突破し、ヒューマノイドロボットのSFから現実への飛躍を実現します。
306k 投稿
271k 投稿
178k 投稿
83k 投稿
70k 投稿
69k 投稿
64k 投稿
62k 投稿
53k 投稿
51k 投稿
人形ボット+暗号資産：Reborn はどのように DePAI フライホイールを構築するのか？
著者:brianbreslow, Hypersphere Ventures
コンパイラ: Tim, PANews
エグゼクティブサマリー
ヒューマノイド汎用ロボットは、SFから現実へと急速に移行しています。 ハードウェアコストの低下、設備投資の増加、モーションの柔軟性と運用能力における技術的なブレークスルーが収束し、コンピューティングにおける次の主要なプラットフォームの反復を推進しています。
計算能力とハードウェア機器がますます商品化され、ロボット工学に低コストの利点をもたらしているにもかかわらず、この業界は依然としてトレーニングデータのボトルネックに制約されています。
Rebornは、分散型物理人工知能(DePAI)を活用して高精度のモーションデータと合成データをクラウドソーシングし、ロボットの基礎モデルを構築する数少ないプロジェクトの1つであり、ヒューマノイドロボットの展開を推進するための独自の視点に立っています。 このプログラムは、カリフォルニア大学バークレー校、コーネル大学、ハーバード大学、Appleで教授を務めた強力な技術スキルと学歴を持つ創設チームによって主導されており、学術的な卓越性と現実世界のエンジニアリングの実行を組み合わせています。
ヒューマノイドロボット：SF作品から最前線の応用へ
ロボティクスの商業化は新しい概念ではありません。 2002年に発売された有名なiRobotルンバロボット掃除機や、近年登場したKasaペットカメラなどの家庭用ロボットは、すべて単機能デバイスです。 人工知能の発展に伴い、ロボットは単機能の機械から多機能な形態へと進化し、オープンな環境での操作に適応することを目指しています。
人型ロボットは、今後5年から15年の間に、清掃、料理などの基本的な作業から徐々にアップグレードされ、最終的には接客サービス、消防、さらには外科手術などの複雑な作業をこなせるようになる。
最近の開発は、ヒューマノイドロボットをSF小説から現実に変えつつあります。
市場動向：100社以上がヒューマノイドロボット（テスラ、ユーステクノロジー、Figure AI、Clone、Agileなど）に参入。
ハードウェアテクノロジーは不気味の谷を越えることに成功しました:新世代のヒューマノイドロボットは、自然で流動的な動きを示し、現実世界の環境で人間のように対話することを可能にしました。 その中で、Unitree H1は毎秒最大3.3メートルの速度で歩くことができ、これは人間の平均ペースである毎秒1.4メートルをはるかに超えています。
（備考：恐怖谷理論（The Uncanny Valley）は、人間が非人間的な存在（ロボット、ぬいぐるみ、バーチャルキャラクターなど）に対して持つ感情的反応を説明する心理学理論です。）
人型ロボットのコスト新たなパラダイム：2032年までにアメリカの人件費を下回ると予想される。
発展のボトルネック：現実世界のトレーニングデータ
人型ロボット分野には明らかな好材料が存在しますが、データの質の低さと不足の問題が依然として大規模な展開を妨げています。
他の人工知能エンティティ技術、例えば自動運転技術は、既存の車両に搭載されたカメラやセンサーを通じて、データの問題を基本的に解決しています。テスラやWaymoなどの自動運転システムの例では、これらの車両は数十億マイルの実際の道路運転データを生成することができます。Waymoはこの発展段階で車両を道路に出す際、副運転席にはリアルタイムトレーニングのための人間の監視員が配置されています。
しかし、消費者は「ロボット保母」の存在を受け入れる可能性が低い。ロボットはすぐに使用できる高性能を備えている必要があり、これが展開前のデータ収集を非常に重要にしている。すべてのトレーニングは商業生産前に完了しなければならず、データの規模と質は依然として持続的な課題である。
各トレーニングモードにはそれぞれのスケール単位があります（例：大規模言語モデルはトークンを使用し、画像生成器はビデオ-テキストペアを使用し、ロボティクスは運動セグメントを使用します）が、下の比較はロボティクスデータの可用性が直面している数量的なギャップを明確に示しています：
GPT-4のトレーニングデータの規模は15兆以上のテキストトークンを超えています。
MidjourneyとSoraは、数十億のラベル付きビデオとテキストのペアを利用しています。
対照的に、最大のロボットデータセットには約240万件のインタラクション記録しか含まれていません。
このギャップは、なぜロボット技術が大規模言語モデルのように真の基礎モデルを実現していないのかを説明しています。鍵となるのは、データベースがまだ不完全であることです。
従来のデータ収集方法は、人型ロボットのトレーニングデータの大規模なニーズを満たすことが困難です。既存の方法には、以下が含まれます：
シミュレーション：低コストだが、リアルな境界シーンが欠如している（シミュレーションと現実のギャップ）
インターネット動画：ロボット学習に必要な本体感覚および力フィードバック環境を提供できません
リアルワールドデータ：正確ですが、リモート操作と人的なクローズドループ操作が必要であり、これによりコストが高く（1台のロボットあたり4万ドル以上）スケーラビリティが欠如しています。
仮想環境でモデルを訓練することはコストが低く、拡張性が高いですが、これらのモデルは現実世界にデプロイする際にしばしば苦労します。この問題は「仮想から現実へのギャップ（Sim2Real）」と呼ばれています。
たとえば、シミュレートされた環境で訓練されたロボットは、平面で完全に照らされたオブジェクトを簡単につかむことができるかもしれませんが、雑然とした環境、くぼんだテクスチャ、または人間が現実世界で慣れ親しんでいる予期しない状況に直面したときには無力であることがよくあります。
Rebornは、ロボットのトレーニングを強化し、「シミュレーションから現実へのギャップ」（Sim2Real）を解決するための、経済的で迅速なクラウドソーシングのリアルワールドデータの方法を提供します。
Reborn：分散型実体AIのフルスタックビジョン
Rebornは、具現化されたインテリジェントロボティクスアプリケーションのための垂直統合型ソフトウェアおよびデータプラットフォームを構築しています。 同社の中核的な目標は、ヒューマノイドロボットの分野におけるデータのボトルネックを解決することですが、そのビジョンはそれをはるかに超えています。 自社開発のハードウェア、マルチモーダルシミュレーションインフラストラクチャ、および基本モデルの組み合わせにより、Rebornは具現化されたインテリジェンスのフルスタックドライバーになります。
Rebornプラットフォームは、独自のコンシューマー向けモーションキャプチャデバイス「ReboCap」を起点にして、急速に拡張する拡張現実および仮想現実ゲームエコシステムを構築しています。ユーザーは高精度な動作データを提供することでネットワーク報酬を得て、プラットフォームの持続的な発展を促進しています。現在、Rebornは5000台以上のReboCapデバイスを販売し、月間アクティブユーザー数は16万人に達し、年末までに200万人を突破する明確な成長ルートを確立しています。
Rebornはデータ収集の効率が他のソリューションよりも大幅に優れています。
注目すべきは、この成長が完全に自然な発展から生じていることです：ユーザーはゲーム自体のエンターテインメント性に惹かれ、配信者は ReboCap を利用してデジタルキャラクターのリアルタイムモーションキャプチャを実現しています。この自発的に形成された良性のサイクルは、スケーラブルで低コスト、高忠実度のデータ生成を可能にし、Reborn データセットがトップロボット企業にとって競って採用されるトレーニングリソースとなっています。
ReBornソフトウェアスタックの2番目のレイヤーは、断片化されたシミュレーション環境を統合するマルチモーダルデータプラットフォームであるRoboverseです。 今日のシミュレーション環境は非常に細分化されており、Mujoco や NVIDIA Isaac Lab などのツールはサイロ化されており、それぞれが独自の強みを持ちながら相互運用できません。 この断片化は、R&Dプロセスを遅くし、シミュレーションと現実との間のギャップを悪化させます。 ロボバースは、複数のシミュレータを標準化することで、ロボットモデルの開発・評価のための共有仮想基盤を構築しました。 この統合により、一貫したベンチマークがサポートされ、システムのスケーラビリティと一般化が大幅に向上します。
Roboverseはシームレスな協力を実現しました。前者は現実世界のデータを大規模に収集し、後者はシミュレーション環境を構築してモデルの訓練を行い、二者は協力してReborn分散物理知能ネットワークの真の実力を示しています。このプラットフォームは、単なるデータ取得を超えた物理人工知能開発者エコシステムを構築しており、その機能は実際のモデルの展開および商業ライセンスの分野にまで広がっています。
リボーンベースモデル
Reborn テクノロジースタックの最も重要なコンポーネントは、Reborn 基本モデル (RFM) かもしれません。ロボット基本モデルの初期の一つとして、このモデルは新興物理人工知能インフラストラクチャの中心システムとして構築されています。その位置付けは、従来の大規模言語基本モデルに似ており、OpenAI の GPT-4 や Meta の Llama のようですが、ロボット分野に向けられています。
Reborn テクノロジースタック
Rebornテクノロジースタックの3つのコアコンポーネント(ReboCapデータプラットフォーム、Roboverseシミュレーションシステム、RFMモデルライセンスメカニズム)は、強固な垂直統合の堀を形成しています。 クラウドソーシングされたモーションデータと強力なシミュレーションシステムおよびモデル認証システムを組み合わせることで、Rebornはシナリオ間で一般化する機能を備えた基本モデルをトレーニングすることができます。 このモデルは、産業、消費者、研究分野での多様なロボットアプリケーションをサポートし、大量で多様なデータの一般化された展開を実現できます。
Rebornは、その技術の商業化プロセスを積極的に推進しており、GalbotおよびNoematrixと共に有料パイロットプロジェクトを開始し、Unitree、Booster Robotics、Swiss Mile、およびAgile Robotsと戦略的パートナーシップを結んでいます。中国のヒューマノイドロボット市場は急速に成長しており、世界市場の約32.7%を占めています。特に、宇树科技は世界の四足ロボット市場で60%以上のシェアを占めており、2025年までに1,000台以上の（ヒューマノイドロボット）を生産する予定の6社の中国製造業者の1つです。
フィジカルAI技術スタックにおける暗号通貨技術の役割
暗号技術は物理世界の人工知能のために完全な垂直スタックを構築しています。
Rebornは先進的な具現化された人工知能暗号通貨プロジェクトです
これらのプロジェクトは物理的な人工知能スタックの異なるレイヤーに属していますが、共通点があります：100%がDePAIプロジェクトです。DePAIはトークンインセンティブを通じて技術スタック全体を結びつけ、オープンでコンポーザブル、許可不要の拡張メカニズムを構築します。この革新こそが、物理的な人工知能の分散型発展を実現させるのです。
Rebornはまだトークンを発行しておらず、そのビジネスの有機的成長はさらに価値があります。 トークンインセンティブメカニズムが正式に開始されると、ネットワークへの参加はDePAIフライホイール効果の重要な部分として加速します:ユーザーはRebornハードウェアデバイス(ReboCapコレクター)を購入するとプロジェクトチームからインセンティブを得ることができ、ロボットR&D企業はReboCap保有者に貢献報酬を支払うでしょう、そしてこの二重のインセンティブは、より多くの人々がReboCapデバイスを購入して使用するように駆り立てます。 同時に、プロジェクトチームは、シミュレーションと実世界のアプリケーション(Sim2Real)との間の技術ギャップをより効果的に埋めるために、価値の高いカスタマイズされた行動データ収集を動的に奨励します。
Reborn の DePAI フライホイールが稼働中です
ロボット分野の「ChatGPTの瞬間」は、ロボット企業自身によって引き起こされることはない。なぜなら、ハードウェアの展開はソフトウェアよりも遥かに複雑だからである。ロボット技術の爆発的な成長は、コスト、ハードウェアの可用性、および展開の複雑さに自然に制限されており、これらの障害はChatGPTのような純粋なデジタルソフトウェアには存在しない。
ヒューマノイドロボットの転機となったのは、プロトタイプの素晴らしさではなく、スマートフォンやパソコンが当たり前だった頃のようなコストの安さでした。 コストが下がれば、ハードウェアが重要になり、真の競争上の優位性はデータとモデル、具体的には、機械のトレーニングに使用されるモーションインテリジェンスの規模、品質、多様性にあります。
エピローグ
ロボットプラットフォームの革命は止められませんが、すべてのプラットフォームと同様に、その大規模な開発はデータサポートと切り離せません。 Rebornは、暗号がAIロボティクススタックの最も重要なギャップを埋めることができるという非常にレバレッジの高い賭けです:そのロボットデータソリューションであるDePAIは、費用対効果が高く、拡張性が高く、モジュール式です。 ロボティクスがAIの次のフロンティアである一方で、Rebornは一般の人々をアクションデータの「マイナー」に変えています。 大規模な言語モデルをテキストマーカーでサポートする必要があるのと同様に、ヒューマノイドロボットは大規模なアクションシーケンスで訓練する必要があります。 Rebornでは、最後のボトルネックを突破し、ヒューマノイドロボットのSFから現実への飛躍を実現します。