Человекообразные боты: от научной фантастики до реальных приложений

Человекообразные универсальные Боты стремительно переходят из научной фантастики в реальность. Снижение затрат на аппаратное обеспечение, постоянный рост капитальных инвестиций, а также технологические прорывы в подвижности и операционных способностях — три основных фактора, которые постоянно интегрируются и активно способствуют следующей значительной платформенной итерации в области вычислений. Несмотря на то, что вычислительная способность и аппаратное обеспечение становятся все более товарными, предоставляя Ботам низкие затраты, данная отрасль все еще ограничена узким местом в обучающих данных.

Reborn является одним из немногих проектов, которые используют децентрализованный физический искусственный интеллект (DePAI) для краудсорсинга высокоточных данных о движении и синтетических данных, а также для создания базовых моделей роботов, что ставит его в уникально выгодное положение для продвижения развертывания гуманоидных роботов. Проект возглавляется командой основателей с глубокими техническими знаниями, члены которой имеют опыт академических исследований и преподавательские должности в нескольких известных университетах, что отражает выдающийся академический уровень и наличие практической инженерной реализации.

От однофункциональной формы к многофункциональной

Коммерциализация робототехники не является новой концепцией. Хорошо известные бытовые роботы, такие как роботы-пылесосы или камеры для домашних животных, представляют собой устройства с одной функцией. С развитием искусственного интеллекта роботы эволюционируют от однозначных функциональных машин к многофункциональным формам, с целью адаптации к работе в открытой среде.

Человеческие роботы в течение следующих 5-15 лет постепенно улучшатся от выполнения базовых задач, таких как уборка и готовка, до выполнения более сложных работ, включая услуги по приему, пожаротушение и даже хирургические операции. Недавние разработки делают человеческих роботов реальностью, а не научной фантастикой.

Рынок показывает, что более 100 компаний уже начали работать в области гуманоидных роботов. Аппаратные технологии успешно преодолели ужасную долину: новое поколение гуманоидных роботов демонстрирует движения, такие как текучая вода, что позволяет им взаимодействовать с людьми в реальных условиях. Один из гуманоидных роботов может двигаться со скоростью до 3,3 метра в секунду, что значительно превышает среднюю скорость человека в 1,4 метра в секунду.

Ожидается, что к 2032 году стоимость человекоподобных роботов станет ниже уровня зарплат в США, что откроет новый парадигму затрат.

Узкие места в развитии: тренировочные данные из реального мира

Несмотря на очевидные положительные факторы в области гуманоидных роботов, низкое качество данных и проблемы с их нехваткой по-прежнему препятствуют их массовому развертыванию.

Другие технологии искусственного интеллекта, такие как технологии автономного вождения, уже в основном решили проблемы с данными с помощью камер и сенсоров, установленных на существующих автомобилях. Например, некоторые системы автономного вождения могут генерировать миллиарды миль реальных данных о вождении на дорогах. На начальных этапах развития эти компании отправляли автомобили на дороги, при этом на пассажирском сиденье находился реальный наблюдатель для проведения обучения в реальном времени.

Тем не менее, потребители вряд ли примут существование "Боты нянь". Роботы должны обладать высокими показателями производительности сразу после распаковки, что делает сбор данных перед развертыванием жизненно важным. Все обучение должно быть завершено до коммерческого производства, в то время как масштаб и качество данных по-прежнему остаются постоянной проблемой.

Несмотря на то, что каждая модель обучения имеет свои единицы измерения, сравнение ясно показывает количественное различие, с которым сталкиваются данные о доступности робототехники:

• Масштаб обучающих данных одной крупной языковой модели превышает 15 триллионов текстовых маркеров.
• Некоторые генераторы изображений используют миллиарды пар видео и текста с метками.
• В отличие от этого, самый крупный набор данных ботов содержит лишь около 2,4 миллиона записей взаимодействий.

Этот разрыв объясняет, почему технологии Боты еще не достигли уровня настоящей базовой модели, как это сделали крупные языковые модели, и ключевым моментом является то, что база данных еще не полна.

Традиционные методы сбора данных не могут удовлетворить потребности в масштабировании данных для обучения человекоподобных Боты. Существующие методы включают:

• Симуляция: низкие затраты, но отсутствие реальных границ сцен (пропасть между симуляцией и реальностью)
• Интернет-видео: не может предоставить необходимую для обучения Ботов ощущение тела и окружающую среду с обратной связью.
• Реальные данные: хотя они точны, требуется удаленное управление и ручные операции, что приводит к высоким затратам (более 40 000 долларов за каждого Боты) и отсутствию масштабируемости.

Обучение моделей в виртуальной среде дешевое и имеет высокую степень масштабируемости, но эти модели часто сталкиваются с трудностями при развертывании в реальном мире. Эта проблема называется разрывом между виртуальным и реальным (Sim2Real).

Например, роботы, обученные в симулированной среде, могут легко поднимать объекты с идеальным освещением и ровной поверхностью, но когда они сталкиваются с беспорядочной средой, неровными текстурами или различными неожиданными ситуациями, с которыми человек сталкивается в реальном мире, они часто оказываются в безвыходной ситуации.

Reborn предлагает экономически эффективный и быстрый способ краудсорсинга реальных данных, что помогает улучшить обучение Ботов и преодолеть проблему "разрыва между симуляцией и реальностью" (Sim2Real).

Reborn: Полный стек децентрализованного ИИ

Reborn строит вертикально интегрированную программную и данные платформу для приложений с телесным интеллектуальным Боты. Основная цель компании заключается в решении проблемы узкого места данных в области человекоподобных Боты, но её видение далеко не ограничивается этим. Благодаря самостоятельной разработке аппаратного обеспечения, многомодальной симуляционной инфраструктуры и базовых моделей, Reborn станет полностековым драйвером для достижения телесного интеллекта.

Платформа Reborn начинает с собственного потребительского устройства захвата движений "ReboCap", создавая быстро развивающуюся экосистему игр дополненной и виртуальной реальности. Пользователи, предоставляя высококачественные данные о движении, получают сетевые вознаграждения, способствуя постоянному развитию платформы. В настоящее время Reborn продала более 5000 комплектов устройств ReboCap, количество активных пользователей в месяц достигло 160000, и была установлена четкая траектория роста, предполагающая достижение 2 миллионов пользователей к концу года.

Примечательно, что этот рост полностью обусловлен естественным развитием: пользователей привлекает развлекательность самой игры, а стримеры используют ReboCap для реализации захвата движений цифровых персонажей в реальном времени. Этот спонтанно сформировавшийся положительный цикл обеспечил масштабируемое, низкозатратное и высококачественное производство данных, что сделало набор данных Reborn предметом гонки среди ведущих бот-компаний за его использование в обучении.

Второй уровень программного стека ReBorn - это Roboverse: многомодальная платформа данных, объединяющая фрагментированные симуляционные среды. В настоящее время область симуляции сильно фрагментирована, различные инструменты действуют самостоятельно, хотя у каждого из них есть свои преимущества, но они не могут взаимодействовать. Эта разделенность замедляет процесс разработки и усугубляет разрыв между симуляцией и реальностью. Roboverse создает общую виртуальную инфраструктуру для разработки и оценки моделей Ботов, реализуя стандартизацию многосимуляторов. Эта интеграция поддерживает согласованные бенчмарки, значительно повышая возможности масштабирования и обобщения системы.

Roboverse реализовал бесшовное сотрудничество. Первый собирает данные из реального мира в крупных масштабах, а второй создает симуляционную среду для обучения моделей, оба вместе демонстрируют истинную силу распределенной физической интеллектуальной сети Reborn. Эта платформа создает экосистему разработчиков физического искусственного интеллекта, которая превосходит простое получение данных, а ее функции уже расширились до развертывания реальных моделей и области коммерческой лицензии.

Базовая модель Reborn

Ключевым компонентом стека технологий Reborn, возможно, является базовая модель Reborn (RFM). Как одна из первых базовых моделей для Ботов, эта модель создается как основная система для новой инфраструктуры физического искусственного интеллекта. Ее позиционирование аналогично традиционным большим языковым базовым моделям, но ориентировано на область Ботов.

Три основных компонента технологического стека Reborn (платформа данных ReboCap, симуляционная система Roboverse и механизмы лицензирования модели RFM) вместе создают прочный вертикально интегрированный защитный механизм. Объединив краудсорсинговые данные о движении с мощной симуляционной системой и системой лицензирования моделей, Reborn способен обучать базовую модель, обладающую способностью к обобщению в различных сценариях. Эта модель может поддерживать разнообразные роботизированные приложения в промышленности, потребительском секторе и научной области, обеспечивая универсальное развертывание на основе обширных и разнообразных данных.

Reborn активно продвигает процесс коммерциализации своих технологий, запустив платные пилотные проекты с несколькими компаниями и установив стратегические партнерские отношения с несколькими Боты-компаниями. Рынок человекоподобных роботов в Китае переживает быстрый рост, занимая около 32,7% мирового рынка. Стоит отметить, что одна китайская компания занимает более 60% мирового рынка четырехногих роботов и является одной из шести китайских производителей, планирующих произвести более 1000 человекоподобных роботов к 2025 году.

Роль технологий криптовалют в стеке физических технологий искусственного интеллекта

Криптографические технологии создают полный вертикальный стек для искусственного интеллекта в физическом мире. Хотя соответствующие проекты относятся к различным уровням физического стека ИИ, у них есть одна общая черта: 100% из них являются проектами DePAI. DePAI через токенизированные стимулы пронизывает весь технологический стек, создавая открытую, совместимую и без разрешений механизмы масштабирования, и именно эта инновация делает децентрализованное развитие физического искусственного интеллекта реальностью.

Reborn до сих пор не выпустил токены, и органический рост его бизнеса кажется особенно ценным. Когда механизм стимулирования токенов будет официально запущен, участие в сети станет ключевым элементом для ускорения эффекта маховика DePAI: пользователи, покупающие аппаратные устройства Reborn (прибор ReboCap), смогут получить стимулы от проекта, в то время как компании-разработчики ботов будут выплачивать вознаграждение за вклад держателям ReboCap. Эта двойная стимуляция будет способствовать тому, что больше людей приобретут и будут использовать устройства ReboCap. В то же время проект будет динамически стимулировать сбор высокоценных данных о поведении пользователей, что позволит более эффективно преодолеть технологический разрыв между имитацией и реальным применением (Sim2Real).

"Революционный момент" в области Ботов не будет инициирован самими компаниями Ботов, поскольку развертывание аппаратного обеспечения намного сложнее, чем программного обеспечения. Взрывной рост технологий Ботов естественным образом ограничен издержками, доступностью аппаратного обеспечения и сложностью развертывания, тогда как эти препятствия в чисто цифровом программном обеспечении вообще не существуют.

Ключевым моментом в развитии человекоподобных Боты является не то, насколько впечатляющим является прототип, а то, что стоимость снижается до уровня, доступного широкой аудитории, как это было с распространением смартфонов или компьютеров. Когда стоимость снижается, аппаратное обеспечение становится лишь билетом для входа, а настоящее конкурентное преимущество заключается в данных и моделях: конкретно, это масштаб, качество и разнообразие движенческой интеллекта, используемого для обучения Боты.

Заключение

Революция платформы Ботов не может быть остановлена, но, как и любая платформа, её масштабное развитие невозможно без поддержки данных. Reborn, как высокорисковая ставка, уверена, что криптографические технологии могут восполнить самый критический пробел в технологическом стеке Ботов: их решение по обработке данных DePAI обладает рентабельностью, высокой масштабируемостью и модульностью. Когда технологии Ботов становятся следующим передовым фронтом ИИ, Reborn превращает широкие массы в "горняков" действия данных. Так же, как большие языковые модели нуждаются в текстовой маркировке, гуманоидные Боты требуют огромных последовательностей действий для обучения. С помощью Reborn мы преодолеем последний барьер и осуществим переход гуманоидных Ботов из научной фантастики в реальность.