Robot Humanoid: Dari Fantasi Fiksi Ilmiah ke Aplikasi Nyata

Robot humanoid umum dengan cepat bergerak dari karya fiksi ilmiah menuju kenyataan. Penurunan biaya perangkat keras, pertumbuhan investasi modal yang berkelanjutan, ditambah dengan terobosan teknologi dalam fleksibilitas gerakan dan kemampuan operasi, tiga faktor ini terus berpadu dan secara aktif mendorong iterasi platform besar berikutnya di bidang komputasi. Meskipun kemampuan komputasi dan perangkat keras semakin dikomersialisasi, memberikan keuntungan biaya rendah bagi rekayasa robot, industri ini masih terbatas oleh kendala data pelatihan.

Reborn adalah salah satu dari sedikit proyek yang memanfaatkan Kecerdasan Buatan Fisik Terdesentralisasi (DePAI) untuk mengumpulkan data gerakan dan sintesis yang akurat secara tinggi, serta membangun model dasar untuk robot, yang menempatkannya pada posisi yang unik dan menguntungkan dalam mendorong penerapan robot humanoid. Proyek ini dipimpin oleh tim pendiri yang memiliki latar belakang teknis yang kuat, di mana anggotanya memiliki pengalaman penelitian akademik dan posisi profesor di berbagai universitas terkemuka, mencerminkan tingkat akademik yang luar biasa sekaligus memiliki kemampuan eksekusi teknik di dunia nyata.

Dari Fungsi Tunggal ke Bentuk Multifungsi

Komersialisasi teknologi robot bukanlah konsep baru. Robot rumah tangga seperti robot penyapu atau kamera hewan peliharaan yang dikenal masyarakat umum, semuanya termasuk dalam perangkat dengan satu fungsi. Seiring dengan perkembangan kecerdasan buatan, robot sedang berevolusi dari mesin dengan satu fungsi menjadi bentuk multifungsi, bertujuan untuk beradaptasi dengan pekerjaan di lingkungan terbuka.

Robot humanoid akan secara bertahap ditingkatkan dalam 5 hingga 15 tahun ke depan dari tugas dasar seperti membersihkan, memasak, hingga akhirnya mampu menangani pekerjaan kompleks seperti layanan resepsi, pemadam kebakaran, bahkan bedah. Perkembangan terbaru sedang mengubah robot humanoid dari fiksi ilmiah menjadi kenyataan.

Dinamika pasar menunjukkan bahwa lebih dari 100 perusahaan telah berinvestasi di bidang robot humanoid. Teknologi perangkat keras telah berhasil melampaui lembah menakutkan: generasi baru robot humanoid menunjukkan gerakan yang alami dan lancar seperti aliran awan, memungkinkan mereka untuk melakukan interaksi yang mirip manusia di lingkungan nyata. Salah satu model robot humanoid dapat berjalan dengan kecepatan hingga 3,3 meter per detik, jauh melebihi kecepatan rata-rata manusia yang hanya 1,4 meter per detik.

Diperkirakan pada tahun 2032, biaya robot humanoid akan lebih rendah daripada tingkat gaji tenaga kerja di Amerika Serikat, yang akan membuka paradigma biaya baru.

Kendala Pengembangan: Data Pelatihan Dunia Nyata

Meskipun ada faktor positif yang jelas dalam bidang robot humanoid, masalah kualitas data yang rendah dan kurangnya data tetap menghambat penerapan skala besarnya.

Teknologi entitas kecerdasan buatan lainnya, seperti teknologi mengemudi otomatis, telah secara mendasar menyelesaikan masalah data melalui kamera dan sensor yang dipasang pada kendaraan yang ada. Contoh dari beberapa sistem mengemudi otomatis, armada ini dapat menghasilkan miliaran mil data mengemudi di jalan nyata. Pada tahap awal perkembangan, perusahaan-perusahaan ini memungkinkan kendaraan untuk melaju di jalan dengan seorang pengawas manusia yang duduk di kursi penumpang depan untuk pelatihan waktu nyata.

Namun, konsumen kemungkinan besar tidak akan menerima keberadaan "Bot Pengasuh". Bot harus memiliki kinerja tinggi yang siap digunakan, yang membuat pengumpulan data sebelum penerapan menjadi sangat penting. Semua pelatihan harus diselesaikan sebelum produksi komersial, sementara skala dan kualitas data tetap menjadi tantangan yang terus ada.

Meskipun setiap mode pelatihan memiliki unit skala masing-masing, perbandingan yang jelas mengungkapkan kesenjangan besar yang dihadapi data ketersediaan teknologi Bot:

• Skala data pelatihan model bahasa besar tertentu melebihi 15 triliun token teks.
• Beberapa generator gambar menggunakan miliaran pasangan teks video yang diberi label.
• Dibandingkan, kumpulan data robot terbesar hanya berisi sekitar 2,4 juta catatan interaksi.

Perbedaan ini menjelaskan mengapa teknologi Bot belum mencapai model dasar yang sebenarnya seperti model bahasa besar, kuncinya terletak pada data dasar yang masih belum lengkap.

Metode pengumpulan data tradisional sulit memenuhi kebutuhan skala data pelatihan untuk robot manusia. Metode yang ada termasuk:

• Simulasi: biaya rendah tetapi kurangnya skenario batasan nyata (jurang antara simulasi dan kenyataan)
• Video internet: Tidak dapat menyediakan umpan balik sensorik dan lingkungan umpan balik gaya yang diperlukan untuk pembelajaran Bot.
• Data dunia nyata: Meskipun akurat, memerlukan pengendalian jarak jauh dan operasi siklus manusia, yang menyebabkan biaya tinggi (lebih dari 40.000 dolar per robot) dan kurangnya skalabilitas.

Melatih model dalam lingkungan virtual memiliki biaya rendah dan skalabilitas tinggi, tetapi model ini sering kali mengalami kesulitan saat diterapkan di dunia nyata. Masalah ini dikenal sebagai kesenjangan dari virtual ke realitas (Sim2Real).

Misalnya, Bot yang dilatih di lingkungan simulasi mungkin dapat dengan mudah mengambil objek yang memiliki pencahayaan sempurna dan permukaan yang rata, tetapi ketika dihadapkan pada lingkungan yang berantakan, tekstur yang tidak rata, atau berbagai situasi tak terduga yang biasa dihadapi manusia di dunia nyata, ia sering kali tidak berdaya.

Reborn menyediakan metode yang ekonomis dan cepat untuk mengumpulkan data dunia nyata secara crowdsourcing, membantu memperkuat pelatihan Bot, dan memecahkan masalah "jurang simulasi ke realitas" (Sim2Real).

Reborn: Visi Full-Stack AI Entitas Terdesentralisasi

Reborn sedang membangun platform perangkat lunak dan data terintegrasi vertikal yang ditujukan untuk aplikasi robot cerdas yang terwujud. Tujuan inti perusahaan adalah untuk mengatasi masalah bottleneck data di bidang robot humanoid, tetapi visinya jauh lebih dari itu. Melalui pengembangan perangkat keras yang mandiri, infrastruktur simulasi multimodal, dan kombinasi model dasar, Reborn akan menjadi penggerak full-stack untuk mewujudkan kecerdasan yang terwujud.

Platform Reborn memulai dengan perangkat penangkapan gerakan konsumen eksklusif "ReboCap", membangun ekosistem permainan realitas tertambah dan realitas virtual yang berkembang pesat. Pengguna memperoleh imbalan insentif jaringan dengan menyediakan data gerakan berkualitas tinggi, mendorong perkembangan berkelanjutan platform tersebut. Saat ini, Reborn telah menjual lebih dari 5000 unit perangkat ReboCap, dengan pengguna aktif bulanan mencapai 160.000, dan telah menetapkan jalur pertumbuhan yang jelas untuk melewati 2 juta pengguna pada akhir tahun.

Yang menarik adalah, pertumbuhan ini sepenuhnya berasal dari perkembangan alami: pengguna tertarik pada hiburan yang ditawarkan oleh permainan itu sendiri, sementara para streamer menggunakan ReboCap untuk merekam gerakan digital mereka secara real-time. Siklus positif yang terbentuk secara spontan ini menghasilkan produksi data yang dapat diperluas, berbiaya rendah, dan berkualitas tinggi, menjadikan dataset Reborn sebagai sumber pelatihan yang banyak diperebutkan oleh perusahaan robot terkemuka.

Lapisan kedua dari tumpukan perangkat lunak ReBorn adalah Roboverse: sebuah platform data multimodal yang menyatukan lingkungan simulasi yang terfragmentasi. Saat ini, bidang simulasi sangat terpecah, berbagai alat berjalan sendiri-sendiri, meskipun masing-masing memiliki keunggulan namun tidak dapat saling terhubung. Situasi perpecahan ini memperlambat proses pengembangan dan memperburuk kesenjangan antara simulasi dan realitas. Roboverse menciptakan infrastruktur virtual bersama yang digunakan untuk mengembangkan dan mengevaluasi model robot dengan mewujudkan standarisasi banyak simulator. Integrasi ini mendukung pengujian acuan yang konsisten, secara signifikan meningkatkan kemampuan skalabilitas dan generalisasi sistem.

Roboverse telah mewujudkan kolaborasi yang mulus. Yang pertama mengumpulkan data dunia nyata dalam skala besar, sedangkan yang kedua membangun lingkungan simulasi untuk melatih model, keduanya secara sinergis menunjukkan kekuatan sejati dari jaringan kecerdasan fisik terdistribusi Reborn. Platform ini sedang membangun ekosistem pengembang kecerdasan buatan fisik yang melampaui sekadar pengambilan data, dengan fungsinya telah meluas ke area penerapan model nyata dan lisensi komersial.

Model Dasar Reborn

Komponen paling kunci dalam tumpukan teknologi Reborn mungkin adalah model dasar Reborn (RFM). Sebagai salah satu model dasar robot pertama, model ini sedang dibangun sebagai sistem inti dari infrastruktur kecerdasan buatan fisik yang baru muncul. Posisi ini mirip dengan model dasar bahasa besar tradisional, tetapi ditujukan untuk bidang robotika.

Tiga komponen inti dari tumpukan teknologi Reborn (platform data ReboCap, sistem simulasi Roboverse, dan mekanisme otorisasi model RFM) bersama-sama membangun benteng integrasi vertikal yang kokoh. Dengan menggabungkan data gerakan yang dikumpulkan melalui crowdsourcing dengan sistem simulasi yang kuat dan sistem otorisasi model, Reborn mampu melatih model dasar yang memiliki kemampuan generalisasi lintas skenario. Model ini dapat mendukung berbagai aplikasi robotika di bidang industri, konsumen, dan penelitian, mewujudkan penerapan yang umum di bawah data yang beragam dan melimpah.

Reborn sedang aktif mendorong proses komersialisasi teknologinya, telah memulai proyek percobaan berbayar dengan beberapa perusahaan, dan menjalin kemitraan strategis dengan beberapa perusahaan robot. Pasar robot humanoid di Tiongkok sedang mengalami pertumbuhan yang cepat, sekitar 32,7% dari pasar global. Perlu dicatat bahwa sebuah perusahaan Tiongkok menguasai lebih dari 60% pangsa pasar robot berkaki empat di dunia, dan merupakan salah satu dari enam produsen Tiongkok yang berencana memproduksi lebih dari 1000 robot humanoid pada tahun 2025.

Peran Teknologi Cryptocurrency dalam Tumpukan Teknologi Kecerdasan Buatan Fisik

Teknologi kripto sedang membangun tumpukan vertikal lengkap untuk kecerdasan buatan di dunia fisik. Meskipun proyek terkait berada di berbagai lapisan tumpukan kecerdasan buatan fisik, mereka memiliki satu kesamaan: semuanya adalah proyek DePAI. DePAI menciptakan mekanisme perluasan yang terbuka, dapat dikombinasikan, dan tanpa izin melalui insentif token di seluruh tumpukan teknologi, dan inovasi inilah yang menjadikan perkembangan terdesentralisasi kecerdasan buatan fisik menjadi kenyataan.

Reborn hingga kini belum meluncurkan token, pertumbuhan organik bisnisnya semakin terlihat berharga. Ketika mekanisme insentif token secara resmi diluncurkan, partisipasi jaringan akan menjadi elemen kunci dalam mempercepat efek flywheel DePAI: pengguna yang membeli perangkat keras Reborn (alat pengumpul ReboCap) dapat menerima insentif dari pihak proyek, sementara perusahaan pengembangan robot akan membayar penghargaan kontribusi kepada pemegang ReboCap, insentif ganda ini akan mendorong lebih banyak orang untuk membeli dan menggunakan perangkat ReboCap. Sementara itu, pihak proyek akan memberikan insentif secara dinamis untuk pengumpulan data perilaku yang dikustomisasi dengan nilai tinggi, sehingga lebih efektif menjembatani kesenjangan teknis antara simulasi dan aplikasi nyata (Sim2Real).

"Momen terobosan" di bidang robotika tidak akan dipicu oleh perusahaan robot itu sendiri, karena penerapan perangkat keras jauh lebih kompleks daripada perangkat lunak. Pertumbuhan eksponensial teknologi robot secara alami dibatasi oleh biaya, ketersediaan perangkat keras, dan kompleksitas penerapan, yang tidak ada dalam perangkat lunak digital murni.

Titik balik robot humanoid tidak terletak pada seberapa menawannya prototipe, tetapi pada biaya yang turun ke kisaran yang dapat dijangkau oleh masyarakat, seperti halnya penyebaran smartphone atau komputer pada masanya. Ketika biaya turun, perangkat keras akan menjadi tiket masuk, keunggulan kompetitif yang sebenarnya terletak pada data dan model: secara spesifik, adalah skala, kualitas, dan keberagaman kecerdasan gerak yang digunakan untuk melatih mesin.

Kesimpulan

Revolusi platform Bot tidak dapat dihentikan, tetapi seperti semua platform, perkembangan skala besar tidak lepas dari dukungan data. Reborn sebagai taruhan dengan leverage tinggi, yakin bahwa teknologi kripto dapat mengisi celah paling penting dalam tumpukan teknologi Bot AI: solusi data Bot mereka, DePAI, memiliki efisiensi biaya, skalabilitas tinggi, dan karakteristik modular. Saat teknologi Bot menjadi garis depan berikutnya dalam AI, Reborn sedang mengubah masyarakat umum menjadi "penambang" data aksi. Seperti model bahasa besar yang membutuhkan dukungan dari penandaan teks, Bot manusia membutuhkan pelatihan urutan aksi yang masif. Melalui Reborn, kita akan menembus batas terakhir dan mewujudkan lompatan Bot manusia dari fiksi ilmiah ke kenyataan.