Bots humanoïdes : de la science-fiction à l'application réelle

Les robots humanoïdes passent rapidement des œuvres de science-fiction à la réalité. La baisse des coûts matériels, l'augmentation continue des investissements en capital, ainsi que les percées technologiques en matière de flexibilité de mouvement et de capacité opérationnelle, ces trois facteurs se combinent et poussent activement la prochaine grande itération de plateforme dans le domaine du calcul. Bien que la puissance de calcul et les équipements matériels deviennent de plus en plus des commodités, offrant un avantage de coût faible pour l'ingénierie robotique, l'industrie reste néanmoins limitée par le goulot d'étranglement des données d'entraînement.

Reborn est l'un des rares projets à utiliser l'intelligence artificielle physique décentralisée (DePAI) pour crowdsourcer des données de mouvement et de synthèse de haute précision, et à construire des modèles fondamentaux pour les Bots, ce qui le place dans une position favorable et unique pour promouvoir le déploiement de robots humanoïdes. Ce projet est dirigé par une équipe fondatrice dotée d'une solide expertise technique, dont les membres possèdent une expérience de recherche académique et des antécédents de professeurs dans plusieurs universités renommées, reflétant à la fois un niveau académique exceptionnel et une capacité d'exécution en ingénierie dans le monde réel.

De la fonction unique à la forme multifonctionnelle

La commercialisation de la technologie des Bots n'est pas un nouveau concept. Les Bots domestiques tels que les aspirateurs robots ou les caméras pour animaux de compagnie, bien connus du grand public, sont tous des appareils à fonction unique. Avec le développement de l'intelligence artificielle, les Bots évoluent d'appareils à fonction unique vers des formes multifonctionnelles, visant à s'adapter aux opérations dans des environnements ouverts.

Les robots humanoïdes passeront progressivement des tâches de base telles que le nettoyage et la cuisson à des travaux plus complexes tels que l'accueil, la lutte contre les incendies et même la chirurgie au cours des 5 à 15 prochaines années. Les développements récents transforment les robots humanoïdes de la science-fiction en réalité.

Les dynamiques du marché montrent que plus de 100 entreprises se sont lancées dans le domaine des Bots humanoïdes. La technologie matérielle a réussi à dépasser le valley of horror : la nouvelle génération de Bots humanoïdes présente des mouvements aussi naturels et fluides que l'eau coulante, permettant une interaction humanoïde dans des environnements réels. Parmi ces Bots humanoïdes, l'un d'eux peut atteindre une vitesse de marche de 3,3 mètres par seconde, bien supérieure à la vitesse moyenne de marche humaine de 1,4 mètre par seconde.

D'ici 2032, le coût des robots humanoïdes sera inférieur au niveau des salaires américains, ce qui ouvrira un tout nouveau paradigme de coûts.

Goulots d'étranglement du développement : données d'entraînement du monde réel

Malgré les facteurs clairement favorables dans le domaine des robots humanoïdes, la faible qualité des données et le manque de données continuent d'entraver leur déploiement à grande échelle.

D'autres technologies d'entités d'intelligence artificielle, telles que la technologie de conduite autonome, ont essentiellement résolu les problèmes de données grâce aux caméras et capteurs embarqués dans les véhicules existants. Prenons l'exemple de certains systèmes de conduite autonome, ces flottes sont capables de générer des milliards de miles de données de conduite sur route réelles. Au début de leur développement, ces entreprises ont fait circuler des véhicules avec un surveillant humain dans le siège passager pour une formation en temps réel.

Cependant, il est peu probable que les consommateurs acceptent l'existence de "Bots de garde d'enfants". Les Bots doivent avoir des performances élevées prêtes à l'emploi, ce qui rend la collecte de données avant le déploiement cruciale. Tout l'entraînement doit être terminé avant la production commerciale, et l'échelle et la qualité des données restent un problème persistant.

Bien que chaque mode d'entraînement ait ses propres unités de mesure, la comparaison révèle clairement l'écart d'échelle auquel fait face la disponibilité des données en technologie des Bots :

• L'échelle des données d'entraînement d'un grand modèle de langage dépasse 15 billions de balises textuelles.
• Certains générateurs d'images utilisent des milliards de paires de texte vidéo étiquetées.
• En revanche, le plus grand ensemble de données de Bots ne contient qu'environ 2,4 millions d'enregistrements d'interaction.

Cet écart explique pourquoi la technologie des Bots n'a pas encore réalisé de véritables modèles de base comme les grands modèles linguistiques, la clé résidant dans le fait que la base de données n'est pas encore complète.

Les méthodes traditionnelles de collecte de données ont du mal à répondre aux besoins de mise à l'échelle des données d'entraînement pour les robots humanoïdes. Les méthodes existantes incluent :

• Simulation : coût faible mais manque de scénarios de frontière réels (le fossé entre la simulation et la réalité)
• Vidéo Internet : ne peut pas fournir les sensations corporelles et l'environnement de retour de force nécessaires à l'apprentissage des Bots.
• Données du monde réel : bien que précises, elles nécessitent un contrôle à distance et des opérations manuelles en boucle fermée, ce qui entraîne des coûts élevés (plus de 40 000 dollars par robot) et un manque d'évolutivité.

Former des modèles dans un environnement virtuel est peu coûteux et très évolutif, mais ces modèles rencontrent souvent des difficultés lors de leur déploiement dans le monde réel. Ce problème est connu sous le nom d'écart virtuel-réalité (Sim2Real).

Par exemple, un Bots entraîné dans un environnement simulé pourrait facilement saisir des objets avec un éclairage parfait et une surface lisse, mais lorsqu'il est confronté à un environnement désordonné, à des textures irrégulières, ou à diverses situations imprévues que les humains considèrent comme normales dans le monde réel, il se retrouve souvent dans l'incapacité d'agir.

Reborn offre une méthode économique et rapide de crowdsourcing de données du monde réel, contribuant à renforcer l'entraînement des Bots et à résoudre le problème du "passage de la simulation à la réalité" (Sim2Real).

Reborn : Vision full stack de l'IA décentralisée

Reborn est en train de construire une plateforme de logiciels et de données intégrée verticalement pour les applications de robots intelligents incarnés. L'objectif principal de l'entreprise est de résoudre le problème des goulets d'étranglement des données dans le domaine des robots humanoïdes, mais sa vision va bien au-delà. Grâce à la combinaison de matériel développé en interne, d'infrastructures de simulation multimodales et de modèles de base, Reborn deviendra un moteur à part entière pour réaliser l'intelligence incarnée.

La plateforme Reborn se construit sur le dispositif de capture de mouvement grand public exclusif "ReboCap", créant ainsi un écosystème de jeux en réalité augmentée et virtuelle en rapide expansion. Les utilisateurs échangent des données de mouvement haute fidélité contre des récompenses incitatives en ligne, ce qui stimule le développement continu de la plateforme. Actuellement, Reborn a vendu plus de 5000 dispositifs ReboCap, avec 160 000 utilisateurs actifs par mois, et a établi un chemin de croissance clair pour dépasser 2 millions d'utilisateurs d'ici la fin de l'année.

Il est remarquable que cette croissance provienne entièrement d'un développement naturel : les utilisateurs sont attirés par le caractère ludique du jeu, tandis que les streamers utilisent ReboCap pour réaliser la capture en temps réel des mouvements de leur avatar numérique. Ce cycle vertueux qui se forme de manière spontanée permet une production de données évolutive, à faible coût et de haute fidélité, faisant du jeu de données Reborn une ressource d'entraînement prisée par les meilleures entreprises de Bots.

La deuxième couche de la pile logicielle ReBorn est Roboverse : une plateforme de données multimodale unifiée pour un environnement de simulation fragmenté. Actuellement, le domaine de la simulation est hautement morcelé, avec divers outils agissant de manière indépendante, chacun ayant ses avantages mais sans possibilité d'interopérabilité. Cette situation de division retarde le processus de développement et accentue l'écart entre la simulation et la réalité. Roboverse, en réalisant la normalisation des simulateurs multiples, a créé une infrastructure virtuelle partagée pour le développement et l'évaluation des modèles de robots. Cette intégration soutient des tests de référence cohérents, améliorant considérablement la capacité d'extension et de généralisation du système.

Roboverse réalise une collaboration sans couture. Le premier collecte massivement des données du monde réel, tandis que le second construit un environnement de simulation pour entraîner des modèles, et les deux montrent ensemble la véritable puissance du réseau intelligent physique distribué Reborn. Cette plateforme est en train de créer un écosystème de développeurs d'intelligence artificielle physique qui dépasse la simple acquisition de données, avec des fonctionnalités qui s'étendent au déploiement de modèles réels et au domaine des licences commerciales.

Modèle de base Reborn

Le composant peut-être le plus crucial dans la pile technologique Reborn est le modèle de base Reborn (RFM). En tant que l'un des premiers modèles de base pour les Bots, ce modèle est en cours de création comme le système central de l'infrastructure émergente en intelligence artificielle physique. Son positionnement est similaire à celui des modèles de langage de grande taille traditionnels, mais il est orienté vers le domaine des Bots.

Les trois composants clés de la pile technologique Reborn (la plateforme de données ReboCap, le système de simulation Roboverse et le mécanisme d'autorisation du modèle RFM) construisent ensemble une solide barrière de protection en intégration verticale. En combinant les données de mouvement crowdsourcées avec un puissant système de simulation et un système d'autorisation de modèle, Reborn est capable d'entraîner des modèles de base dotés de capacités de généralisation inter-scènes. Ce modèle peut soutenir des applications robotiques diversifiées dans les domaines industriel, de consommation et de recherche, permettant un déploiement généralisé sous une multitude de données variées.

Reborn est en train de promouvoir activement la commercialisation de sa technologie, ayant lancé des projets pilotes payants avec plusieurs entreprises et établi des partenariats stratégiques avec plusieurs sociétés de Bots. Le marché des Bots humanoïdes en Chine connaît une croissance rapide, représentant environ 32,7 % du marché mondial. Il convient de noter qu'une entreprise chinoise détient plus de 60 % du marché mondial des Bots quadrupèdes et est l'un des six fabricants chinois prévoyant de produire plus de 1000 Bots humanoïdes d'ici 2025.

Le rôle de la technologie des cryptomonnaies dans la pile technologique de l'intelligence artificielle physique

La technologie blockchain construit une pile verticale complète pour l'intelligence artificielle dans le monde physique. Bien que les projets concernés appartiennent à différents niveaux de la pile d'intelligence artificielle physique, ils ont un point commun : ils sont tous des projets DePAI à cent pour cent. DePAI crée un mécanisme d'expansion ouvert, composé et sans autorisation grâce à des incitations par tokens qui traversent toute la pile technologique, et c'est cette innovation qui rend le développement décentralisé de l'intelligence artificielle physique une réalité.

Reborn n'a pas encore émis de jetons jusqu'à présent, ce qui rend sa croissance organique d'autant plus précieuse. Lorsque le mécanisme d'incitation des jetons sera officiellement lancé, la participation au réseau sera un élément clé pour accélérer l'effet de roue de DePAI : les utilisateurs qui achètent des équipements matériels Reborn (le dispositif de collecte ReboCap) peuvent recevoir des incitations de la part du projet, tandis que les entreprises de développement de robots paieront des récompenses de contribution aux détenteurs de ReboCap. Cette double incitation encouragera davantage de personnes à acquérir et à utiliser les équipements ReboCap. En outre, le projet incitera dynamiquement la collecte de données comportementales personnalisées de haute valeur, permettant ainsi de combler plus efficacement le fossé technologique entre la simulation et l'application réelle (Sim2Real).

Les "moments de percée" dans le domaine des Bots ne seront pas déclenchés par les entreprises de Bots elles-mêmes, car le déploiement matériel est bien plus complexe que le logiciel. La croissance explosive de la technologie des Bots est naturellement limitée par le coût, la disponibilité du matériel et la complexité du déploiement, obstacles qui n'existent pas dans les logiciels purement numériques.

Le tournant des robots humanoïdes ne réside pas dans la façon dont le prototype est impressionnant, mais dans la réduction des coûts à un niveau abordable pour le grand public, tout comme la généralisation des smartphones ou des ordinateurs. Lorsque les coûts diminuent, le matériel devient un simple billet d'entrée, et le véritable avantage concurrentiel réside dans les données et les modèles : plus précisément, dans l'échelle, la qualité et la diversité de l'intelligence motrice utilisée pour former les machines.

Conclusion

La révolution des plateformes de Bots est inévitable, mais comme toutes les plateformes, son développement à grande échelle dépend du soutien des données. Reborn, en tant que pari à fort levier, est convaincu que la technologie cryptographique peut combler le manque le plus crucial dans la pile technologique des robots AI : sa solution de données pour robots, DePAI, présente un rapport coût-efficacité, une évolutivité élevée et des caractéristiques modulaires. Alors que la technologie des robots devient le prochain front de l'AI, Reborn transforme le grand public en "mineurs" de données d'action. Tout comme les grands modèles de langage nécessitent un soutien par le balisage de texte, les robots humanoïdes ont besoin d'une formation sur des séquences d'action massives. Grâce à Reborn, nous allons surmonter le dernier obstacle et réaliser le passage des robots humanoïdes de la science-fiction à la réalité.