بوتات البشرية: من خيال علمي إلى تطبيقات واقعية

تتجه الروبوتات البشرية العامة بسرعة من الأعمال الخيالية إلى الواقع. تواصل تكاليف الأجهزة في الانخفاض، بينما تستمر الاستثمارات الرأسمالية في النمو، بالإضافة إلى الاختراقات التكنولوجية في مرونة الحركة والقدرة على التشغيل، مما يدفع العوامل الثلاثة معًا نحو دفع المرحلة التالية من التطور الكبير في مجال الحوسبة. على الرغم من أن القدرة الحاسوبية وأجهزة الأجهزة أصبحت أكثر تجارية، مما يوفر ميزة التكلفة المنخفضة لهندسة الروبوتات، إلا أن هذه الصناعة لا تزال مقيدة بعائق بيانات التدريب.

Reborn هو واحد من المشاريع القليلة التي تستفيد من الذكاء الاصطناعي الفيزيائي اللامركزي (DePAI) لتجميع بيانات الحركة والتوليف بدقة عالية، وبناء نماذج أساسية للروبوتات، مما يجعلها في موقع فريد ومؤاتي لتعزيز نشر الروبوتات البشرية. يقود هذا المشروع فريق مؤسسين ذو قاعدة تقنية عميقة، حيث يمتلك أعضاء الفريق خبرات أكاديمية وأدوار تدريسية في العديد من الجامعات المرموقة، مما يعكس مستوى أكاديمي ممتاز، بالإضافة إلى القدرة على التنفيذ الهندسي في العالم الحقيقي.

من شكل وظيفة واحدة إلى شكل متعدد الوظائف

تقنية الروبوتات التجارية ليست مفهومًا جديدًا. الروبوتات المنزلية مثل روبوتات تنظيف الأرضيات أو كاميرات الحيوانات الأليفة المعروفة للجمهور، كلها تعتبر أجهزة أحادية الوظيفة. مع تطور الذكاء الاصطناعي، تتطور الروبوتات من الآلات أحادية الوظيفة إلى أشكال متعددة الوظائف، بهدف التكيف مع العمليات في البيئات المفتوحة.

ستقوم بوتات الإنسان بالترقية تدريجياً من المهام الأساسية مثل التنظيف والطهي خلال السنوات 5 إلى 15 المقبلة، حتى تتمكن في النهاية من أداء مهام معقدة مثل خدمات الاستقبال وإطفاء الحرائق وحتى الجراحة. التطورات الأخيرة تحول بوتات الإنسان من الخيال العلمي إلى الواقع.

تشير ديناميات السوق إلى أن أكثر من 100 شركة قد وضعت استثمارات في مجال بوتات الإنسان. لقد تجاوزت تكنولوجيا الأجهزة بنجاح وادي الرعب: حيث تُظهر الجيل الجديد من بوتات الإنسان حركات سلسة وطبيعية كما لو كانت تسير مع تيار الماء، مما يمكّنها من تحقيق تفاعل يشبه الإنسان في بيئات واقعية. من بين بوتات الإنسان، يمكن لإحدى الطرازات أن تسير بسرعة تصل إلى 3.3 متر في الثانية، وهو ما يتجاوز بكثير متوسط سرعة المشي البشري البالغة 1.4 متر في الثانية.

من المتوقع أن تكون تكلفة الروبوتات البشرية أقل من مستوى أجور العمل في الولايات المتحدة بحلول عام 2032، مما سيفتح نموذج تكلفة جديد تمامًا.

عقبات التنمية: بيانات التدريب في العالم الحقيقي

على الرغم من وجود عوامل إيجابية واضحة في مجال بوتات الإنسان، إلا أن تدني جودة البيانات ومشكلة الندرة لا تزال تعيق نشرها على نطاق واسع.

تقنيات الكيانات الذكية الأخرى، مثل تقنيات القيادة الذاتية، قد حلت أساسًا مشاكل البيانات من خلال الكاميرات والمستشعرات الموجودة في المركبات الحالية. على سبيل المثال، بعض أنظمة القيادة الذاتية، فإن هذه الأساطيل قادرة على إنتاج مليارات الأميال من بيانات القيادة على الطرق الحقيقية. في مرحلة التطوير المبكرة، قامت هذه الشركات بإرسال المركبات إلى الطرق مع وجود مشرف بشري في المقعد الأمامي للتدريب في الوقت الحقيقي.

ومع ذلك، من غير المرجح أن يقبل المستهلكون بوجود "بوتات المربية". يجب أن تتمتع الروبوتات بأداء عالي جاهز للاستخدام، مما يجعل جمع البيانات قبل النشر أمرًا حيويًا. يجب أن تكتمل جميع عمليات التدريب قبل الإنتاج التجاري، ولا تزال حجم وجودة البيانات تمثل تحديًا مستمرًا.

على الرغم من أن كل نمط تدريب له وحدات قياس خاصة به، إلا أن المقارنة توضح بجلاء الفجوة الكمية التي تواجهها بيانات تكنولوجيا بوتات.

• حجم بيانات التدريب لنموذج لغة كبير معين يتجاوز 15 تريليون علامة نصية.
• بعض مولدات الصور تستخدم مليارات من أزواج النصوص المصنفة للفيديو.
• بالمقارنة، تحتوي أكبر مجموعة بيانات بوتات على حوالي 2.4 مليون سجل تفاعل.

تفسر هذه الفجوة سبب عدم تحقيق تقنية بوتات لنموذج أساسي حقيقي مثل نماذج اللغة الكبيرة، حيث يكمن المفتاح في أن البيانات الأساسية لا تزال غير مكتملة.

طرق جمع البيانات التقليدية صعبة في تلبية احتياجات تدريب الروبوتات البشرية على نطاق واسع. تشمل الطرق الحالية:

• المحاكاة: تكلفة منخفضة ولكن تفتقر إلى سيناريوهات الحدود الحقيقية (الفجوة بين المحاكاة والواقع)
• فيديو الإنترنت: لا يمكن تقديم الإدراك الجسدي وبيئة ردود الفعل القوة اللازمة لتعلم بوتات.
• بيانات العالم الحقيقي: على الرغم من دقتها، إلا أنها تحتاج إلى التحكم عن بُعد وعمليات مغلقة بالجهد البشري، مما يؤدي إلى ارتفاع التكاليف (أكثر من 40,000 دولار لكل بوتات) ونقص قابلية التوسع.

تدريب النماذج في بيئة افتراضية منخفض التكلفة وقابل للتوسع، ولكن هذه النماذج غالبًا ما تواجه صعوبات عند نشرها في العالم الحقيقي. تُعرف هذه المشكلة بفجوة المحاكاة إلى الواقع (Sim2Real).

على سبيل المثال، قد تتمكن بوتات المدربة في بيئة محاكية من التقاط الأشياء بسهولة إذا كانت الإضاءة مثالية وسطحها مستوٍ، ولكن عندما تواجه بيئة فوضوية، أو نسيجًا غير مستوٍ، أو أي حالات طارئة معتادة بالنسبة للبشر في العالم الحقيقي، فإنها غالبًا ما تكون عاجزة.

Reborn توفر طريقة اقتصادية وفعالة لجمع البيانات من العالم الحقيقي بسرعة، مما يساعد على تعزيز تدريب بوتات، وكسر "فجوة المحاكاة إلى الواقع" (Sim2Real).

Reborn: رؤية كاملة للذكاء الاصطناعي اللامركزي

Reborn تعمل على بناء منصة برمجيات وبيانات متكاملة عمودية موجهة لتطبيقات روبوتات الذكاء الجسدي. الهدف الأساسي للشركة هو معالجة مشكلة اختناق البيانات في مجال الروبوتات البشرية، لكن رؤيتها تتجاوز ذلك بكثير. من خلال تطوير الأجهزة بشكل مستقل، والبنية التحتية لمحاكاة متعددة الأنماط، ودمج النماذج الأساسية، ستصبح Reborn محركًا متكاملًا لتحقيق الذكاء الجسدي.

تبدأ منصة Reborn من جهاز التقاط الحركة الاستهلاكي الخاص "ReboCap"، وتبني نظامًا بيئيًا سريع التوسع لألعاب الواقع المعزز والواقع الافتراضي. يحصل المستخدمون على مكافآت تحفيزية عبر تقديم بيانات الحركة عالية الدقة، مما يدفع المنصة إلى الاستمرار في النمو. حتى الآن، باع Reborn أكثر من 5000 جهاز ReboCap، ويبلغ عدد المستخدمين النشطين شهريًا 160,000، وقد وضعت مسار نمو واضح لتجاوز 2 مليون مستخدم بحلول نهاية العام.

ما يلفت الانتباه هو أن هذا النمو ناتج بالكامل عن التطور الطبيعي: المستخدمون يجذبهم الترفيه الذي تقدمه الألعاب، بينما يستخدم المذيعون ReboCap لتحقيق التقاط لحظات الحركة الرقمية في الوقت الحقيقي. هذه الحلقة الإيجابية التي تتشكل بشكل عفوي تحقق إنتاج بيانات قابل للتوسع ومنخفض التكلفة وعالي الدقة، مما يجعل مجموعة بيانات Reborn موردًا تدريبيًا تتنافس شركات الروبوتات الرائدة على اعتماده.

! [روبوت بشري + عملة مشفرة: كيف يبني Reborn دولاب الموازنة DePAI؟] ](https://img-cdn.gateio.im/webp-social/moments-c73319d0c941c6b6b3bb7af014408ab7.webp)

الطبقة الثانية من مجموعة برامج ReBorn هي Roboverse: منصة بيانات متعددة الوسائط موحدة للبيئات المحاكاة المجزأة. حاليًا، فإن مجال المحاكاة مفكك بشدة، حيث تعمل أدوات مختلفة بشكل مستقل، ورغم وجود مزايا لكل منها، إلا أنها غير قادرة على التواصل. هذا الوضع المنقسم يعيق تقدم البحث والتطوير، ويزيد الفجوة بين المحاكاة والواقع. يعمل Roboverse على تحقيق معيارية متعددة للمحاكيات، مما خلق بنية تحتية افتراضية مشتركة لتطوير وتقييم نماذج الروبوتات. تدعم هذه التكاملات اختبارًا موحدًا، مما يعزز بشكل كبير قدرة النظام على التوسع والعمومية.

روبوفيرس حقق التعاون السلس. الأول يجمع البيانات من العالم الحقيقي على نطاق واسع ، بينما الآخر يبني بيئة محاكاة لتدريب النماذج ، حيث يظهر كلاهما القوة الحقيقية لشبكة الذكاء الفيزيائي الموزعة ريبورن. هذه المنصة تعمل على بناء بيئة مطوري الذكاء الاصطناعي الفيزيائي التي تتجاوز مجرد جمع البيانات ، وقد امتدت وظائفها لتشمل نشر النماذج الفعلية ومجالات الترخيص التجاري.

نموذج Reborn الأساسي

ربما تكون المكونات الأكثر أهمية في مجموعة تقنيات Reborn هي النموذج الأساسي Reborn (RFM). كواحد من أول نماذج الأساس للروبوتات، يتم تصميم هذا النموذج ليكون النظام الأساسي للبنية التحتية الجديدة للذكاء الاصطناعي الفيزيائي. يتم تعيينه بطريقة مشابهة لنماذج اللغة الكبيرة التقليدية، ولكن مع التركيز على مجال الروبوتات.

تشكل المكونات الثلاثة الأساسية لستاك Reborn (منصة بيانات ReboCap، نظام المحاكاة Roboverse وآلية ترخيص نموذج RFM) خندقًا عموديًا متينًا. من خلال دمج بيانات الحركة المستندة إلى الجماهير مع نظام المحاكاة القوي ونظام ترخيص النماذج، يمكن لـ Reborn تدريب نموذج أساسي يتمتع بقدرة تعميم عبر السيناريوهات. يمكن لهذا النموذج دعم تطبيقات الروبوتات المتنوعة في مجالات الصناعة والاستهلاك والبحث، وتحقيق نشر عام تحت بيانات متنوعة ضخمة.

Reborn تعمل بنشاط على دفع عملية commercialization لتقنيتها، وقد أطلقت مشاريع تجريبية مدفوعة مع العديد من الشركات، وأقامت شراكات استراتيجية مع العديد من شركات بوتات. سوق الروبوتات البشرية في الصين يشهد نمواً سريعاً، حيث يمثل حوالي 32.7% من السوق العالمي. من الجدير بالذكر أن إحدى الشركات الصينية تسيطر على أكثر من 60% من سوق الروبوتات الرباعية في العالم، وهي واحدة من ست شركات مصنعة صينية تخطط لإنتاج أكثر من 1000 روبوت بشري بحلول عام 2025.

! [روبوت بشري + عملة مشفرة: كيف يبني Reborn دولاب الموازنة DePAI؟] ](https://img-cdn.gateio.im/webp-social/moments-6141c7f6e1234bedbc593c2e1c7d30df.webp)

دور تقنية العملات الرقمية في مجموعة تقنيات الذكاء الاصطناعي الفيزيائي

تكنولوجيا التشفير تبني مجموعة عمودية كاملة للذكاء الاصطناعي في العالم المادي. على الرغم من أن المشاريع المعنية تنتمي إلى مستويات مختلفة من مجموعة الذكاء الاصطناعي المادي، إلا أن لديها نقطة مشتركة واحدة: جميعها مشاريع DePAI بنسبة مئة في المئة. تقوم DePAI من خلال الحوافز الرمزية بربط كامل مجموعة التكنولوجيا، مما يخلق آلية توسيع مفتوحة وقابلة للتجميع وغير مرخصة، وهذا الابتكار هو ما يجعل التطور اللامركزي للذكاء الاصطناعي المادي واقعًا.

Reborn لم تصدر حتى الآن رموزًا، مما يجعل نمو أعمالها العضوي أكثر قيمة. عندما يبدأ نظام حوافز الرموز رسميًا، ستعزز مشاركة الشبكة كعنصر رئيسي في تأثير دوامة DePAI: سيحصل المستخدمون الذين يشترون أجهزة Reborn (أداة جمع ReboCap) على حوافز من المشروع، بينما ستدفع شركة تطوير الروبوتات مكافآت للمساهمين في ReboCap، مما سيدفع المزيد من الناس لشراء واستخدام أجهزة ReboCap. وفي الوقت نفسه، ستقوم الجهة المعنية بتحفيز جمع بيانات سلوكية مخصصة ذات قيمة عالية بشكل ديناميكي، وبالتالي سد الفجوة التكنولوجية بين المحاكاة والتطبيقات الواقعية (Sim2Real) بشكل أكثر فعالية.

لن يتم تحفيز "لحظة الاختراق" في مجال الروبوتات بواسطة شركات الروبوتات نفسها، لأن نشر الأجهزة أكثر تعقيدًا بكثير من البرمجيات. النمو الانفجاري لتقنية الروبوتات مقيد بشكل طبيعي بالتكاليف، وتوافر الأجهزة، وتعقيد النشر، وهذه العقبات لا وجود لها في البرمجيات الرقمية البحتة.

نقطة التحول في الروبوتات البشرية ليست في مدى روعة النموذج الأولي، بل في انخفاض التكلفة إلى نطاق يمكن للجمهور تحمله، تمامًا مثل انتشار الهواتف الذكية أو أجهزة الكمبيوتر في السابق. عندما تنخفض التكلفة، ستصبح الأجهزة مجرد تذكرة دخول، وميزة المنافسة الحقيقية تكمن في البيانات والنماذج: وبشكل أكثر تحديدًا، في حجم وجودة وتنوع الذكاء الحركي المستخدم في تدريب الآلات.

الخاتمة

بوتات منصة الثورة لا يمكن إيقافها، ولكن مثل جميع المنصات، فإن تطورها على نطاق واسع يعتمد على دعم البيانات. Reborn كرهان عالي الرافعة، تؤمن بأن تقنية التشفير يمكن أن تسد الفجوة الأكثر حيوية في مجموعة تقنيات بوتات الذكاء الاصطناعي: حيث أن حل بيانات بوتاتها DePAI يتميز بتكلفته الفعالة، وقابليته العالية للتوسع، وخصائصه القابلة للتجزئة. عندما تصبح تقنية البوتات الجبهة الأمامية التالية للذكاء الاصطناعي، تقوم Reborn بتحويل الجماهير إلى "عمال" بيانات الحركة. تمامًا كما يحتاج نموذج اللغة الكبير إلى دعم علامات النص، تحتاج بوتات الإنسان إلى تدريب على تسلسلات الحركة الضخمة. من خلال Reborn، سنتجاوز آخر عقبة، ونحقق قفزة من الخيال العلمي إلى الواقع لبوتات الإنسان.