Людські боти: від наукової фантастики до реальних застосувань

Людські універсальні Боти швидко переходять зі сфери наукової фантастики в реальність. Постійне зниження витрат на апаратне забезпечення, зростання капіталовкладень, а також технологічні прориви в гнучкості руху та операційних можливостях — три основні фактори, які постійно інтегруються та активно сприяють наступній великій ітерації платформ у сфері обчислень. Незважаючи на те, що обчислювальні можливості та апаратне забезпечення все більше стають комерційними, на інженерію Ботів все ще впливають обмеження, пов'язані з даними для навчання.

Reborn є одним із небагатьох проектів, що використовують децентралізовану фізичну штучну інтелекту (DePAI) для краудсорсингу високоточних рухів та синтетичних даних, а також для побудови базових моделей Ботів, що надає йому унікальну вигідну позицію в просуванні впровадження гуманоїдних роботів. Проект очолює команда засновників з глибокими технічними знаннями, члени якої мають досвід академічних досліджень та професорських посад у багатьох відомих університетах, що свідчить про відмінний академічний рівень та реальну інженерну ефективність.

Від однієї функції до багатофункціональної форми

Комерціалізація робототехніки не є новою концепцією. Відомі широкій аудиторії домашні роботи, такі як робот-пилосос або камера для домашніх тварин, є однозадачними пристроями. З розвитком штучного інтелекту роботи еволюціонують від однозадачних машин до багатофункціональних форм, щоб адаптуватися до роботи в відкритому середовищі.

Боти поступово оновляться в основних завданнях, таких як прибирання, приготування їжі тощо, впродовж наступних 5-15 років, врешті-решт зможуть виконувати складні роботи, такі як обслуговування гостей, пожежогасіння і навіть хірургічні операції. Останні розробки перетворюють людські роботи з наукової фантастики на реальність.

Ринкові тенденції показують, що понад 100 компаній вже зайнялися сферою гуманоїдних роботів. Апаратні технології успішно подолали «страшну долину»: нове покоління гуманоїдних роботів демонструє природні та плавні рухи, що дозволяє їм здійснювати людську взаємодію в реальному середовищі. Один з гуманоїдних роботів має швидкість ходьби до 3,3 метра за секунду, що значно перевищує середню швидкість людини в 1,4 метра за секунду.

Очікується, що до 2032 року вартість людських Ботів буде нижчою за рівень заробітної плати в США, що відкриє абсолютно нову парадигму витрат.

Перешкоди розвитку: навчальні дані з реального світу

Незважаючи на явні позитивні фактори в сфері гуманоїдних роботів, низька якість даних та їх нестача все ще заважають їх масовій експлуатації.

Інші технології штучного інтелекту, такі як технологія автономного водіння, вже в значній мірі вирішили проблему даних за допомогою камер і сенсорів, встановлених на існуючих автомобілях. Наприклад, деякі системи автономного водіння здатні генерувати мільярди миль реальних дорожніх даних. На початкових етапах розвитку ці компанії забезпечували автомобілі на дорозі, де на пасажирському сидінні сидів реальний монітор для навчання в реальному часі.

Однак споживачі малоймовірно приймуть існування "Боти-няні". Боти повинні мати високу продуктивність з коробки, що робить збір даних перед впровадженням критично важливим. Усі навчання повинні бути завершені до комерційного виробництва, а масштаби та якість даних залишаються постійною проблемою.

Незважаючи на те, що кожен режим навчання має свої одиниці виміру, порівняння чітко виявляє кількісну різницю у доступності даних технології Боти:

• Обсяг навчальних даних великої мовної моделі перевищує 15 трильйонів текстових маркерів.
• Деякі генератори зображень використовують мільярди підписаних пар відео та тексту.
• У порівнянні, найбільший набір даних ботів містить лише близько 2,4 мільйона записів взаємодії.

Ця різниця пояснює, чому технології Боти ще не досягли справжньої базової моделі, як це зробили великі мовні моделі; ключовим є те, що бази даних ще не є повними.

Традиційні методи збору даних не можуть задовольнити вимоги до масштабування даних для навчання людино-машинних Боти. Існуючі методи включають:

• Симуляція: низькі витрати, але відсутні реальні межі сцен (прірва між симуляцією та реальністю)
• Інтернет-відео: неможливо надати Боти, необхідні для навчання, сенсорні відчуття та середовище зворотного зв'язку
• Реальні світові дані: хоча точні, але потребують дистанційного управління та людського замкнутого циклу, що призводить до високих витрат (понад 40 тисяч доларів за кожного бота) і відсутності масштабованості.

Тренування моделей у віртуальному середовищі є дешевим і має високу масштабованість, але ці моделі зазвичай стикаються з труднощами при розгортанні у реальному світі. Цю проблему називають розривом між віртуальним і реальним (Sim2Real).

Наприклад, роботи, натреновані в симульованому середовищі, можливо, з легкістю можуть піднімати об'єкти з ідеальним освітленням та рівною поверхнею, але коли вони стикаються з безладним середовищем, нерівною текстурою або різноманітними несподіваними ситуаціями, які людина звикла сприймати в реальному світі, вони часто виявляються безсилими.

Reborn пропонує економічно ефективний та швидкий спосіб краудсорсингу реальних даних, що сприяє покращенню навчання Ботів та вирішенню проблеми "розриву між симуляцією та реальністю" (Sim2Real).

Reborn: Повна стекова візія децентралізованого штучного інтелекту

Reborn будує вертикально інтегровану програмну та дані платформу для застосувань тілесно-інтелектуальних Боти. Основна мета компанії полягає в розв'язанні проблеми «вузького місця» в даних у сфері гуманоїдних роботів, але її бачення значно ширше. Завдяки власній розробці апаратного забезпечення, мультимодальній симуляційній інфраструктурі та основним моделям, Reborn стане повностековим драйвером для досягнення тілесного інтелекту.

Платформа Reborn розпочинає з власного споживчого пристрою для захоплення руху "ReboCap", створюючи швидко зростаючу екосистему ігор у доповненій та віртуальній реальності. Користувачі отримують мережеві винагороди, надаючи дані про рухи з високою точністю, що сприяє постійному розвитку платформи. На даний момент Reborn продала понад 5000 пристроїв ReboCap, кількість активних користувачів у місяць досягла 160 тисяч, і було визначено чіткий шлях зростання до 2 мільйонів користувачів до кінця року.

Вражаюче, що цей ріст повністю зумовлений природним розвитком: користувачі приваблюються розважальністю гри, а стримери за допомогою ReboCap реалізують захоплення реального часу цифрових образів. Цей спонтанно сформований позитивний цикл забезпечує масштабоване, низькострокове, високоякісне виробництво даних, що робить набір даних Reborn ресурсом для тренування, за яким конкурують провідні компанії з робототехніки.

Другий рівень програмного стеку ReBorn – це Roboverse: багатофункціональна платформа даних, що об'єднує фрагментоване середовище моделювання. В даний час сфера моделювання є надзвичайно розпорошеною, різні інструменти діють незалежно, хоча кожен має свої переваги, але не можуть взаємодіяти. Така роздробленість затримує процеси досліджень і розробок, поглиблюючи розрив між моделлю та реальністю. Roboverse, реалізуючи стандартизацію мульти-моделювання, створив спільну віртуальну інфраструктуру для розробки та оцінки моделей Ботів. Ця інтеграція підтримує узгоджене тестування, що суттєво підвищує розширювальність та узагальненість системи.

Roboverse реалізував безшовну співпрацю. Перший здійснює масове збори даних з реального світу, другий будує симуляційне середовище для навчання моделей, обидва разом демонструють справжню силу розподіленої фізичної інтелектуальної мережі Reborn. Ця платформа створює екосистему розробників фізичного штучного інтелекту, яка перевершує просте отримання даних, її функції вже розширилися до розгортання реальних моделей та комерційної ліцензії.

Модель Reborn

Найважливішим компонентом технологічного стеку Reborn, можливо, є базова модель Reborn (RFM). Як одна з перших базових моделей для ботів, ця модель створюється як основна система нової фізичної інфраструктури штучного інтелекту. Її позиціювання подібне до традиційних великих мовних базових моделей, але орієнтоване на сферу робототехніки.

Три основні компоненти технологічного стеку Reborn (платформа даних ReboCap, система моделювання Roboverse та механізм авторизації моделі RFM) спільно формують міцний захисний бар'єр вертикальної інтеграції. Об'єднуючи краудсорсингові спортивні дані з потужною системою моделювання та системою авторизації моделей, Reborn може навчати базову модель з можливістю узагальнення в різних сценах. Ця модель може підтримувати різноманітні робототехнічні застосування в промисловості, споживанні та дослідженнях, реалізуючи універсальне впровадження за умов великої кількості різноманітних даних.

Reborn активно просуває комерціалізацію своїх технологій, запустивши платні пілотні проекти з кількома компаніями та встановивши стратегічні партнерські відносини з багатьма компаніями, що займаються Боти. Китайський ринок гуманоїдних роботів переживає швидке зростання, займаючи близько 32,7% світового ринку. Варто зазначити, що одна китайська компанія займає понад 60% частки на світовому ринку чотириногих роботів і є однією з шести китайських виробників, які планують виробити понад 1000 гуманоїдних роботів до 2025 року.

Роль технологій криптовалют у стеку фізичного штучного інтелекту

Криптографічні технології створюють повний вертикальний стек для штучного інтелекту фізичного світу. Хоча відповідні проєкти належать до різних рівнів фізичного AI-стеку, у них є одна спільна риса: 100% з них є проєктами DePAI. DePAI реалізує механізм розширення, відкритий, комбінований і без дозволу, через токенне заохочення, що робить децентралізований розвиток фізичного штучного інтелекту реальністю.

Reborn досі не випустив токени, а органічний ріст його бізнесу є справді цінним. Коли механізм стимулювання токенів офіційно запуститься, участь у мережі стане ключовим елементом для прискорення ефекту маховика DePAI: користувачі, які купують апаратуру Reborn (пристрій ReboCap для збору даних), можуть отримати стимули від проекту, тоді як компанія з розробки ботів виплачуватиме винагороди за внесок власникам ReboCap. Ця подвійна стимуляція спонукатиме більше людей купувати та використовувати пристрої ReboCap. Одночасно проект динамічно стимулюватиме збір даних про поведінку на замовлення, що має високу цінність, щоб більш ефективно подолати технологічний розрив між симуляцією та реальним застосуванням (Sim2Real).

"Революційний момент" у сфері Ботів не буде ініційований самими компаніями-виробниками Ботів, оскільки розгортання апаратного забезпечення є значно складнішим, ніж програмне забезпечення. Вибуховий зріст технології Ботів природно обмежений витратами, доступністю апаратного забезпечення та складністю впровадження, тоді як ці перешкоди в чисто цифровому програмному забезпеченні зовсім відсутні.

Переломний момент для гуманоїдних Боти не в тому, наскільки вражаючими є прототипи, а в тому, що витрати знижуються до рівня, доступного для мас, так само, як це було з популяризацією смартфонів чи комп'ютерів. Коли витрати знижуються, апаратура стане квитком на вечірку, а справжня конкурентна перевага полягає в даних та моделях: конкретніше, це обсяг, якість та різноманітність рухового інтелекту, що використовується для навчання Боти.

Висновок

Революція платформ роботів неминуча, але, як і всі платформи, її масштабний розвиток залежить від підтримки даних. Reborn, як високо важільна ставка, твердо вірить, що криптографічні технології можуть заповнити найважливішу прогалину в технологічному стеку роботів: їхнє рішення з даними роботів DePAI має ефективність витрат, високу масштабованість і модульні характеристики. Коли технологія роботів стане наступним фронтом AI, Reborn перетворює широку громадськість на "майнерів" даних про рухи. Як великі мовні моделі потребують підтримки текстових міток, так і гуманоїдні роботи потребують величезних послідовностей рухів для навчання. Завдяки Reborn ми подолаємо останній бар'єр і здійснимо перехід гуманоїдних роботів з наукової фантастики в реальність.