Os dados necessários para robôs humanoides têm custo-benefício, escalabilidade e combinabilidade, enquanto o modelo de incentivo de token de ativos de criptografia pode preencher a lacuna mais urgente atualmente.
Escrito por: @brezshares
Compilado por: AididiaoJP, Foresight News
Resumo de fundo
Os robôs humanoides estão rapidamente passando da ficção científica para a realidade comercial. Graças à diminuição dos custos de hardware, ao aumento do investimento de capital e aos avanços em movimento e flexibilidade, o campo da computação de IA está se preparando para a próxima grande transformação.
Embora a computação em nuvem de IA e as infraestruturas de hardware estejam se tornando cada vez mais comuns, proporcionando um ambiente de fabricação de baixo custo para a engenharia de robôs, este campo ainda é limitado pela falta de dados de treinamento.
Reborn tenta utilizar DePAI para realizar movimentos e dados sintéticos descentralizados de alta fidelidade, e construir modelos básicos de Bots. Os membros do projeto vêm da Universidade da Califórnia, Berkeley, da Universidade de Cornell, da Universidade de Harvard e da Apple.
Bots humanoides: da ficção científica à realidade
A comercialização de Bots não é um conceito novo, como o aspirador iRobot Roomba lançado em 2002, ou a popular câmera para animais de estimação Kasa nos últimos anos, mas eles geralmente têm um design de funcionalidade única. Com o desenvolvimento da tecnologia de inteligência artificial, os Bots estão gradualmente evoluindo de máquinas de funcionalidade única para dispositivos multifuncionais, sendo capazes de operar em ambientes não estruturados.
Nos próximos 5 a 15 anos, os robôs humanoides irão expandir-se gradualmente de tarefas básicas como limpeza e cozinha para áreas complexas como serviços de concierge, combate a incêndios e até cirurgia. Nas seguintes três grandes tendências, a visão está gradualmente tornando-se realidade:
- Expansão rápida do mercado: mais de 100 empresas em todo o mundo já estão investindo no desenvolvimento de robôs humanoides, incluindo empresas conhecidas como Tesla, Unitree, Figure, Clone, Agile, entre outras.
- A quebra da barreira de hardware “Vale do Medo”: a nova geração de robôs humanoides apresenta movimentos fluidos e naturais, capazes de interagir de forma rica com os humanos. Por exemplo, a velocidade de caminhada do Unitree H1 atinge 3,3 metros / segundo, muito superior à média humana de 1,4 metros / segundo.
- Novo paradigma de custo de mão-de-obra: espera-se que até 2032, o custo operacional dos robôs humanoides esteja abaixo do nível salarial da mão-de-obra comum nos Estados Unidos.
Gargalo: Escassez de dados de treinamento do mundo real
Apesar de o campo dos robôs humanoides ter um grande potencial, a sua implementação em larga escala ainda será limitada pela qualidade e escala dos dados de treinamento.
Outros campos de IA (como a condução autónoma) resolveram problemas de dados através de câmaras e sensores instalados nos veículos. Por exemplo, a Tesla e a Waymo treinam os seus sistemas de condução autónoma com grandes volumes de dados reais de condução. A Waymo consegue permitir que os veículos sejam treinados em tempo real nas estradas, e durante o treino, coloca um Bots no banco do passageiro.
No entanto, a disposição dos consumidores em fornecer dados ativamente ao utilizar Bots é fraca, e é pouco provável que os consumidores tolerem a existência de “Bots babás”. Portanto, os robôs humanoides devem ter alto desempenho desde a fábrica, o que torna a coleta de dados antes da implantação um desafio crucial.
Embora cada modo de treino tenha a sua própria unidade de escala, a escala dos dados de treino dos Bots apresenta uma diferença de magnitude em relação a outras áreas da IA:
- GPT-4: os dados de treino incluem mais de 15 trilhões de textos.
- Midjourney/Sora: depende de bilhões de vídeos rotulados - pares de texto.
- Bots dataset: a maximum scale of only about 2.4 million motion segments.
Esta diferença explica por que a tecnologia de Bots ainda não estabeleceu um verdadeiro modelo de base, pois os dados simplesmente não podem ser coletados. Os métodos tradicionais de coleta de dados têm dificuldade em atender à demanda:
- Treinamento de simulação: baixo custo, mas falta de casos de nicho do mundo real (ou seja, “a lacuna Sim2Real”).
- Vídeo na web: falta de feedback de força ou dados de percepção do corpo necessários para o aprendizado de Bots.
- Coleta de dados reais: requer controle remoto manual, o custo de uma única máquina ultrapassa 40 mil dólares e é difícil de escalar.
Reborn tenta obter dados do mundo real de forma eficiente e a baixo custo através de um modelo descentralizado, resolvendo assim eficazmente o problema da lacuna Sim2Real.
Reborn: A solução full stack do DePAI
Reborn está empenhada em construir uma plataforma de software e dados de IA física verticalmente integrada, cujo principal objetivo é resolver o gargalo de dados dos robôs humanoides, mas a visão vai muito além disso. Através de hardware proprietário, infraestrutura de simulação multimodal e desenvolvimento de modelos fundamentais, a Reborn pretende ser um impulsionador de pilha completa no campo dos robôs humanoides inteligentes.
ReboCap: Dados de movimento de alta fidelidade por crowdsourcing
ReboCap é um dispositivo de captura de movimento de baixo custo desenvolvido pela Reborn, atualmente já foram vendidas mais de 5000 unidades, com 160 mil usuários ativos mensais (MAU).
Reborn realiza a coleta de dados com uma eficiência econômica superior a outras alternativas.
Os usuários geram dados de movimento de alta fidelidade através de jogos AR/VR e recebem incentivos na rede. Este modelo não apenas atrai jogadores de jogos, mas também é utilizado por streamers digitais para impulsionar avatares virtuais digitais em tempo real. Esta interação cíclica natural completa a geração de dados escaláveis, de baixo custo e alta fidelidade.
Roboverse: plataforma de simulação multimodal unificada
Roboverse é uma plataforma de simulação multimodal, projetada para unificar ambientes de simulação dispersos. Atualmente, as ferramentas de simulação de robôs (como MuJoCo, NVIDIA Isaac Lab) possuem funcionalidades variadas, mas não são compatíveis entre si, o que prejudica seriamente a eficiência de pesquisa e desenvolvimento. O Roboverse estabelece um sistema padronizado através do simulador, criando uma infraestrutura virtual compartilhada para o desenvolvimento e avaliação de modelos de robôs. Ao oferecer uma plataforma unificada de desenvolvimento e avaliação, melhora a compatibilidade dos modelos.
Reborn Modelo Base (RFM)
Reborn stack de tecnologia
O componente mais crítico do Reborn Full Stack é o Modelo Base Reborn (RFM). O RFM é um dos primeiros modelos base projetados especificamente para Bots, destinado a se tornar a infraestrutura central do DePAI. Isso é semelhante aos modelos base tradicionais voltados para LLM, como o o4 da OpenAI ou o Llama da Meta, mas o RFM é voltado para Bots.
ReboCap, Roboverse e RFM construíram um forte fosso para Reborn. Combinando os dados reais da ReboCap com a capacidade de simulação do Roboverse, a RFM é capaz de treinar modelos de alto desempenho que se adaptam a cenários complexos, podendo suportar aplicações diversificadas de robôs industriais, de consumo e de pesquisa.
A Reborn está a avançar na comercialização da tecnologia e está atualmente a colaborar com a Galbot e a Noematrix para desenvolver projetos piloto pagos, além de ter estabelecido parcerias estratégicas com a Yu Shu Technology, a Booster Robotics, a Swiss Mile e a Agile Robots. O mercado de robôs humanoides na China está a crescer rapidamente, representando cerca de 32,7% da quota de mercado global. É importante notar que a Yu Shu Technology detém mais de 60% da quota do mercado global de robôs de simulação e é um dos fabricantes de robôs humanoides na China que planeja produzir mais de 1000 unidades até 2025.
Ativos de criptografia no DePAI
A encriptação está a permitir que o DePAI implemente uma pilha vertical completa.
Reborn é o projeto líder na área DePAI
O projeto DePAI garante uma expansão aberta, composta e sem permissões através de incentivos de Token, alcançando assim uma coleta de dados descentralizada e eficiente e um modelo de incentivos.
Reborn ainda não lançou o Token, mas a economia do Token pode acelerar a adoção em massa do Reborn. Assim que o mecanismo de incentivo do Token estiver ativo, espera-se que a participação na rede cresça rapidamente:
- Incentivo de Token: Os usuários que compram ReboCap recebem recompensas em token, enquanto a empresa de bots paga por dados, formando um ciclo positivo.
- Mineração de casos extremos: através de um mecanismo de incentivo dinâmico, incentivar os usuários a contribuir com dados de casos extremos de alto valor, preenchendo a lacuna Sim2Real.
Ciclo de crescimento DePAI do Reborn
Os dados são a chave
A verdadeira vantagem competitiva dos robôs humanoides reside nos dados e modelos. Especificamente, refere-se à escala, qualidade e diversidade dos dados inteligentes utilizados para treinar essas máquinas.
O “Momento ChatGPT” dos robôs humanoides não será liderado por empresas de hardware, pois a implementação de hardware enfrenta desafios inerentes, como altos custos e longos prazos. A propagação viral da tecnologia robótica é essencialmente limitada pelos custos, disponibilidade de hardware e complexidade logística, enquanto softwares puramente digitais, como o ChatGPT, não são afetados por tais restrições.
Conclusão central: os dados são a chave para a vitória
O verdadeiro ponto de viragem virá da vantagem dos dados e modelos após a redução de custos. Os dados necessários para os robôs humanoides são económicos, escaláveis e combináveis, enquanto o modelo de incentivos de Token de ativos de criptografia pode preencher a lacuna mais urgente atualmente. A Reborn transforma pessoas comuns em “mineiros de dados de movimento” através do modelo de incentivos de Token de ativos de criptografia.
