تتجه الروبوتات البشرية العامة بسرعة من الأعمال الخيالية إلى الواقع. تتراجع تكاليف الأجهزة باستمرار، وتستمر الاستثمارات الرأسمالية في النمو، بالإضافة إلى الانتصارات التكنولوجية في مرونة الحركة وقدرات التشغيل، حيث تتكامل هذه العوامل الثلاثة باستمرار وتدفع بنشاط نحو التكرار الكبير التالي في مجال الحوسبة.
على الرغم من أن القدرة الحاسوبية وأجهزة المعدات أصبحت أكثر تجارية، مما يوفر مزايا تكلفة منخفضة لهندسة الروبوتات، إلا أن هذه الصناعة لا تزال مقيدة بعقبة بيانات التدريب.
Reborn هو أحد المشاريع القليلة التي تستفيد من الذكاء الاصطناعي المادي اللامركزي (DePAI) للتعهيد الجماعي للحركة عالية الدقة والبيانات الاصطناعية وبناء نماذج تأسيسية للروبوتات ، مما يضعها في نقطة مراقبة فريدة لدفع نشر الروبوتات البشرية. يقود البرنامج فريق مؤسس يتمتع بمهارات تقنية قوية وخلفيات أكاديمية وأستاذية في جامعة كاليفورنيا في بيركلي وجامعة كورنيل وجامعة هارفارد وأبل ، والذي يجمع بين التميز الأكاديمي والتنفيذ الهندسي في العالم الحقيقي.
الروبوتات البشرية: من الأعمال الخيالية إلى التطبيقات المتقدمة
تُعتبر تجارية تكنولوجيا الروبوتات ليست بمفهوم جديد. الروبوتات المنزلية مثل جهاز التنظيف iRobot Roomba الذي تم طرحه في عام 2002، أو كاميرا Kasa للحيوانات الأليفة التي ظهرت في السنوات الأخيرة، هي جميعها أجهزة ذات وظيفة واحدة. مع تطور الذكاء الاصطناعي، تتطور الروبوتات من آلات ذات وظيفة واحدة إلى أشكال متعددة الوظائف، بهدف التكيف مع العمل في بيئات مفتوحة.
ستقوم الروبوتات البشرية بالترقية تدريجياً من المهام الأساسية مثل التنظيف والطهي على مدى 5 إلى 15 عاماً في المستقبل، لتكون قادرة في النهاية على القيام بأعمال معقدة مثل خدمات الاستقبال، وإطفاء الحرائق، وحتى الجراحة.
تطوير حديث يحول الروبوتات البشرية من الخيال العلمي إلى الواقع.
ديناميات السوق: أكثر من 100 شركة تستثمر في الروبوتات البشرية (مثل تسلا، ويوشيو تكنولوجيا، وفigure AI، وClone، وAgile وغيرها).
نجحت تكنولوجيا الأجهزة في عبور الوادي الخارق: يظهر جيل جديد من الروبوتات البشرية حركات طبيعية وسلسة ، مما يسمح لها بالتفاعل مثل الإنسان في بيئات العالم الحقيقي. من بينها ، يمكن ل Unitree H1 المشي بسرعة تصل إلى 3.3 متر في الثانية ، وهو ما يتجاوز بكثير متوسط السرعة البشرية البالغ 1.4 متر في الثانية.
(ملاحظة: نظرية الوادي الغريب (The Uncanny Valley) هي نظرية نفسية تصف ردود الفعل العاطفية للبشر تجاه الكيانات غير البشرية (مثل الروبوتات، والدمى، والصور الافتراضية، وغيرها).)
نموذج تكلفة الروبوتات البشرية: من المتوقع أن تكون أقل من مستوى رواتب العمالة الأمريكية بحلول عام 2032.
اختناق التنمية: بيانات التدريب في العالم الحقيقي
على الرغم من وجود عوامل إيجابية واضحة في مجال الروبوتات البشرية، إلا أن جودة البيانات المنخفضة ونقصها لا تزال تعيق نشرها على نطاق واسع.
تكنولوجيا الذكاء الاصطناعي الأخرى، مثل تقنية القيادة الذاتية، قد حلت بشكل أساسي مشكلة البيانات من خلال الكاميرات والمستشعرات المثبتة في المركبات الحالية. على سبيل المثال، أنظمة القيادة الذاتية مثل تسلا وWaymo، تستطيع هذه الأساطيل إنتاج مليارات الأميال من بيانات القيادة على الطرق الحقيقية. في هذه المرحلة من التطور، تم تجهيز المقعد الأمامي للسيارة بمراقب بشري للتدريب في الوقت الحقيقي.
ومع ذلك، من غير المرجح أن يقبل المستهلكون بوجود "روبوتات مربية". يجب أن تكون الروبوتات ذات أداء عالي جاهز للاستخدام، مما يجعل جمع البيانات قبل النشر أمرًا حيويًا. يجب إكمال جميع التدريبات قبل الإنتاج التجاري، ولا تزال كمية وجودة البيانات تمثل تحديًا مستمرًا.
على الرغم من أن كل وضع تدريب له وحدات قياس خاصة به (مثل نموذج اللغة الكبير الذي يستخدم الرموز، ومولدات الصور التي تستخدم مقاطع الفيديو - النصوص التفاعلية، وتقنية الروبوتات التي تستخدم مقاطع الحركة)، إلا أن المقارنة أدناه تكشف بوضوح الفجوة في حجم توافر بيانات تقنية الروبوتات:
تتجاوز مجموعة بيانات تدريب GPT-4 150 تريليون علامة نصية.
تستخدم Midjourney و Sora مليارات من مقاطع الفيديو الموصوفة مع النصوص المتطابقة.
بالمقارنة ، تحتوي أكبر مجموعة بيانات للروبوتات فقط على حوالي 2.4 مليون سجل تفاعل.
تفسر هذه الفجوة لماذا لم تحقق تكنولوجيا الروبوتات نموذجًا أساسيًا حقيقيًا مثل نماذج اللغة الكبيرة، حيث تكمن المشكلة في أن البيانات الأساسية لا تزال غير مكتملة.
تواجه طرق جمع البيانات التقليدية صعوبة في تلبية متطلبات حجم بيانات تدريب الروبوتات البشرية. تشمل الطرق الحالية:
محاكاة: تكلفة منخفضة ولكن تفتقر إلى حدود المشهد الحقيقي (الفجوة بين المحاكاة والواقع)
فيديو الإنترنت: لا يمكن توفير إحساس الكينستيسي والبيئة المرتدة اللازمة لتعلم الروبوتات
بيانات العالم الحقيقي: على الرغم من دقتها، إلا أنها تحتاج إلى تحكم عن بعد وعمليات إغلاق يدوي، مما يؤدي إلى ارتفاع التكاليف (أكثر من 40,000 دولار لكل روبوت) ونقص القابلية للتوسع.
تعتبر تكلفة تدريب النماذج في بيئات افتراضية منخفضة ومرونة التوسع كبيرة، لكن هذه النماذج غالبًا ما تواجه صعوبات عند نشرها في العالم الحقيقي. تُعرف هذه المشكلة بفجوة الواقع الافتراضي (Sim2Real).
على سبيل المثال، قد تتمكن الروبوتات المدربة في بيئات محاكاة من التقاط الأشياء التي تتمتع بإضاءة مثالية وسطح أملس بسهولة، ولكن عند مواجهة بيئات فوضوية أو أنماط غير منتظمة أو حالات طارئة شائعة يتعرض لها البشر في العالم الحقيقي، غالبًا ما تجد نفسها عاجزة.
Reborn توفر طريقة فعالة من حيث التكلفة وسريعة لجمع البيانات من العالم الحقيقي، مما يساعد على تعزيز تدريب الروبوتات وحل مشكلة "الفجوة بين المحاكاة والواقع" (Sim2Real).
Reborn: الرؤية الشاملة لـ AI اللامركزية
Reborn تقوم ببناء منصة متكاملة للبرامج والبيانات موجهة لتطبيقات الروبوتات الذكية المدركة. الهدف الأساسي للشركة هو حل 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 السائق الشامل لتحقيق الذكاء المدرك.
تبدأ منصة Reborn بفضل جهاز التقاط الحركة الاستهلاكي الخاص بها "ReboCap"، وتبني نظامًا بيئيًا سريع التوسع لألعاب الواقع المعزز والواقع الافتراضي. يحصل المستخدمون على مكافآت تحفيزية عبر تقديم بيانات الحركة عالية الدقة، مما يعزز التنمية المستمرة للمنصة. حتى الآن، قامت Reborn ببيع أكثر من 5000 جهاز ReboCap، وبلغ عدد المستخدمين النشطين شهريًا 160000، وقد وضعت مسار نمو واضح يهدف إلى تجاوز 2 مليون مستخدم بنهاية العام.
Reborn يدعم جمع البيانات بفوائد تفوق بكثير الحلول الأخرى.
ما يلفت الانتباه هو أن هذا النمو ناتج بالكامل عن التطور الطبيعي: حيث يجذب المستخدمون إلى متعة اللعبة نفسها، بينما يستخدم المتحكمون ReboCap لتحقيق التقاط حي لحالاتهم الرقمية. وقد حقق هذه الحلقة الجيدة التي تتشكل بشكل تلقائي إنتاج بيانات قابل للتوسع، ومنخفض التكلفة، وعالي الدقة، مما جعل مجموعة بيانات Reborn مورد تدريب تتنافس عليه شركات الروبوتات الرائدة.
الطبقة الثانية من مجموعة برمجيات ReBorn هي Roboverse: منصة بيانات متعددة الأنماط موحدة لبيئة محاكاة مجزأة. إن مجال المحاكاة الحالي مجزأ بشدة، مثل أدوات مثل Mujoco و NVIDIA Isaac Lab التي تعمل بشكل مستقل، على الرغم من أن لكل منها مزاياها، إلا أنها غير متوافقة. هذه الحالة من الانقسام تؤخر تقدم البحث والتطوير، وتزيد الفجوة بين المحاكاة والواقع. من خلال تحقيق معيارية متعددة المحاكيات، أنشأت Roboverse بنية تحتية افتراضية مشتركة لتطوير وتقييم نماذج الروبوتات. تدعم هذه التكاملات اختبارات معيارية متسقة، مما يعزز بشكل كبير قدرة النظام على التوسع والتعميم.
يتيح Roboverse التعاون السلس. الأول يجمع بيانات العالم الحقيقي على نطاق واسع ، والثاني يبني بيئة محاكاة لدفع التدريب على النموذج ، مما يدل على القوة الحقيقية لشبكة الذكاء المادي الموزعة Reborn. تقوم المنصة ببناء نظام بيئي مادي لمطوري الذكاء الاصطناعي يتجاوز مجرد الحصول على البيانات ، وقد تم توسيع وظائفها لتشمل مجال نشر النموذج الفعلي والترخيص التجاري.
نموذج Reborn الأساسي
قد تكون المكونات الأكثر أهمية في مجموعة تقنيات Reborn هي نموذج Reborn الأساسي (RFM). كواحد من أوائل نماذج الأساس للروبوتات، يتم تطوير هذا النموذج ليكون نظامًا أساسيًا رئيسيًا للبنية التحتية للذكاء الاصطناعي الفيزيائي الناشئ. إن تصنيفه مشابه لنماذج اللغة الأساسية التقليدية، مثل GPT-4 من OpenAI أو Llama من Meta، لكن مع التركيز على مجال الروبوتات.
Reborn تقنية الستاك
تتكون ثلاث مكونات أساسية من تقنية Reborn (منصة بيانات ReboCap، نظام المحاكاة Roboverse، وآلية ترخيص نموذج RFM) معًا من بناء خندق متكامل قوي. من خلال دمج بيانات الحركة المجمعة مع نظام المحاكاة القوي ونظام ترخيص النموذج، تستطيع Reborn تدريب نماذج أساسية تمتلك القدرة على التعميم عبر المشاهد المختلفة. يمكن أن يدعم هذا النموذج تطبيقات الروبوتات المتنوعة في مجالات الصناعة والاستهلاك والبحث، مما يحقق نشرًا عامًا تحت كميات ضخمة ومتنوعة من البيانات.
تعمل Reborn بقوة على تطوير تسويق تقنيتها ، حيث تطلق برامج تجريبية مدفوعة الأجر مع Galbot و Noematrix ، بالإضافة إلى شراكات استراتيجية مع Unitree و Booster Robotics و Swiss Mile و Agile Robots. يشهد سوق الروبوتات البشرية في الصين نموا سريعا ، حيث يمثل حوالي 32.7٪ من السوق العالمية. والجدير بالذكر أن Unitree لديها حصة تزيد عن 60٪ من سوق الروبوتات رباعية الأرجل العالمية وهي واحدة من ستة مصنعين صينيين يخططون لإنتاج أكثر من 1000 وحدة (روبوتات بشرية) بحلول عام 2025.
دور تقنية العملات المشفرة في تقنية الذكاء الاصطناعي الفيزيائي
تكنولوجيا التشفير تبني مجموعة عمودية كاملة للذكاء الاصطناعي في العالم المادي.
Reborn هو مشروع رائد في مجال الذكاء الاصطناعي المتجسد والعملات المشفرة
على الرغم من أن هذه المشاريع تنتمي إلى جوانب مختلفة من طبقة الذكاء الاصطناعي الفيزيائي، إلا أن لديها نقطة مشتركة واحدة: جميعها مشاريع DePAI بنسبة 100%. يربط DePAI عبر الحوافز الرمزية جميع أجزاء التقنية، مما يخلق آلية توسيع مفتوحة وقابلة للتجميع وغير مرخصة، وهذا الابتكار هو ما يجعل تطوير الذكاء الاصطناعي الفيزيائي اللامركزي حقيقة.
لم تصدر Reborn بعد الرموز المميزة ، والنمو العضوي لأعمالها أكثر قيمة. عندما يتم إطلاق آلية الحوافز الرمزية رسميا ، ستتسارع مشاركة الشبكة كجزء أساسي من تأثير دولاب الموازنة DePAI: يمكن للمستخدمين الحصول على حوافز من فريق المشروع عند شراء أجهزة Reborn (جامعي ReboCap) ، وستدفع شركات البحث والتطوير الروبوتية مكافآت مساهمة لحاملي ReboCap ، وهذا الحافز المزدوج سيدفع المزيد من الأشخاص لشراء واستخدام أجهزة ReboCap. في الوقت نفسه ، سيقوم فريق المشروع بتحفيز جمع البيانات السلوكية المخصصة عالية القيمة ديناميكيا ، وذلك لسد الفجوة التكنولوجية بين تطبيقات المحاكاة والعالم الحقيقي بشكل أكثر فعالية (Sim2Real).
دائرة DePAI لـ Reborn تعمل
لن يتم تحفيز "لحظة ChatGPT" في مجال الروبوتات من قبل شركات الروبوتات نفسها، لأن نشر الأجهزة أكثر تعقيدًا بكثير من البرمجيات. النمو الانفجاري لتكنولوجيا الروبوتات مقيد بشكل طبيعي بتكاليف وتوافر الأجهزة وتعقيد النشر، بينما هذه العقبات لا وجود لها في البرمجيات الرقمية الخالصة مثل ChatGPT.
نقطة التحول في الروبوتات البشرية ليست في مدى روعة النموذج الأولي، بل في خفض التكاليف إلى نطاق يمكن للجمهور تحمله، تمامًا كما حدث مع انتشار الهواتف الذكية أو الكمبيوترات في السابق. عندما تنخفض التكاليف، ستصبح الأجهزة مجرد تذكرة دخول، والمزايا التنافسية الحقيقية ستكون في البيانات والنماذج: وبشكل أكثر تحديدًا، ستكون في حجم وجودة وتنوع الذكاء الحركي المستخدم في تدريب الآلات.
خاتمة
لا يمكن إيقاف ثورة منصة الروبوت ، ولكن مثل جميع الأنظمة الأساسية ، فإن تطويرها على نطاق واسع لا يمكن فصله عن دعم البيانات. Reborn هو رهان ذو رافعة مالية عالية على أن العملات المشفرة يمكن أن تملأ الفجوة الأكثر أهمية في مجموعة روبوتات الذكاء الاصطناعي: حل بيانات الروبوت الخاص بها ، DePAI ، فعال من حيث التكلفة وقابل للتطوير بدرجة كبيرة ومعياري. في حين أن الروبوتات هي الحدود التالية لنظام الذكاء الاصطناعي ، فإن Reborn تحول عامة الناس إلى "عمال مناجم" لبيانات العمل. مثلما تحتاج نماذج اللغة الكبيرة إلى الدعم بعلامات نصية ، يجب تدريب الروبوتات البشرية على تسلسلات حركة ضخمة. مع Reborn ، سنخترق عنق الزجاجة الأخير وندرك القفزة من الخيال العلمي إلى الواقع للروبوتات البشرية.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
الروبوتات البشرية + الأصول الرقمية : كيف تصنع Reborn دوامة DePAI ؟
بقلم brianbreslow, Hypersphere Ventures
ترجمة: تيم، PANews
ملخص التنفيذ
تتجه الروبوتات البشرية العامة بسرعة من الأعمال الخيالية إلى الواقع. تتراجع تكاليف الأجهزة باستمرار، وتستمر الاستثمارات الرأسمالية في النمو، بالإضافة إلى الانتصارات التكنولوجية في مرونة الحركة وقدرات التشغيل، حيث تتكامل هذه العوامل الثلاثة باستمرار وتدفع بنشاط نحو التكرار الكبير التالي في مجال الحوسبة.
على الرغم من أن القدرة الحاسوبية وأجهزة المعدات أصبحت أكثر تجارية، مما يوفر مزايا تكلفة منخفضة لهندسة الروبوتات، إلا أن هذه الصناعة لا تزال مقيدة بعقبة بيانات التدريب.
Reborn هو أحد المشاريع القليلة التي تستفيد من الذكاء الاصطناعي المادي اللامركزي (DePAI) للتعهيد الجماعي للحركة عالية الدقة والبيانات الاصطناعية وبناء نماذج تأسيسية للروبوتات ، مما يضعها في نقطة مراقبة فريدة لدفع نشر الروبوتات البشرية. يقود البرنامج فريق مؤسس يتمتع بمهارات تقنية قوية وخلفيات أكاديمية وأستاذية في جامعة كاليفورنيا في بيركلي وجامعة كورنيل وجامعة هارفارد وأبل ، والذي يجمع بين التميز الأكاديمي والتنفيذ الهندسي في العالم الحقيقي.
الروبوتات البشرية: من الأعمال الخيالية إلى التطبيقات المتقدمة
تُعتبر تجارية تكنولوجيا الروبوتات ليست بمفهوم جديد. الروبوتات المنزلية مثل جهاز التنظيف iRobot Roomba الذي تم طرحه في عام 2002، أو كاميرا Kasa للحيوانات الأليفة التي ظهرت في السنوات الأخيرة، هي جميعها أجهزة ذات وظيفة واحدة. مع تطور الذكاء الاصطناعي، تتطور الروبوتات من آلات ذات وظيفة واحدة إلى أشكال متعددة الوظائف، بهدف التكيف مع العمل في بيئات مفتوحة.
ستقوم الروبوتات البشرية بالترقية تدريجياً من المهام الأساسية مثل التنظيف والطهي على مدى 5 إلى 15 عاماً في المستقبل، لتكون قادرة في النهاية على القيام بأعمال معقدة مثل خدمات الاستقبال، وإطفاء الحرائق، وحتى الجراحة.
تطوير حديث يحول الروبوتات البشرية من الخيال العلمي إلى الواقع.
ديناميات السوق: أكثر من 100 شركة تستثمر في الروبوتات البشرية (مثل تسلا، ويوشيو تكنولوجيا، وفigure AI، وClone، وAgile وغيرها).
نجحت تكنولوجيا الأجهزة في عبور الوادي الخارق: يظهر جيل جديد من الروبوتات البشرية حركات طبيعية وسلسة ، مما يسمح لها بالتفاعل مثل الإنسان في بيئات العالم الحقيقي. من بينها ، يمكن ل Unitree H1 المشي بسرعة تصل إلى 3.3 متر في الثانية ، وهو ما يتجاوز بكثير متوسط السرعة البشرية البالغ 1.4 متر في الثانية.
(ملاحظة: نظرية الوادي الغريب (The Uncanny Valley) هي نظرية نفسية تصف ردود الفعل العاطفية للبشر تجاه الكيانات غير البشرية (مثل الروبوتات، والدمى، والصور الافتراضية، وغيرها).)
نموذج تكلفة الروبوتات البشرية: من المتوقع أن تكون أقل من مستوى رواتب العمالة الأمريكية بحلول عام 2032.
اختناق التنمية: بيانات التدريب في العالم الحقيقي
على الرغم من وجود عوامل إيجابية واضحة في مجال الروبوتات البشرية، إلا أن جودة البيانات المنخفضة ونقصها لا تزال تعيق نشرها على نطاق واسع.
تكنولوجيا الذكاء الاصطناعي الأخرى، مثل تقنية القيادة الذاتية، قد حلت بشكل أساسي مشكلة البيانات من خلال الكاميرات والمستشعرات المثبتة في المركبات الحالية. على سبيل المثال، أنظمة القيادة الذاتية مثل تسلا وWaymo، تستطيع هذه الأساطيل إنتاج مليارات الأميال من بيانات القيادة على الطرق الحقيقية. في هذه المرحلة من التطور، تم تجهيز المقعد الأمامي للسيارة بمراقب بشري للتدريب في الوقت الحقيقي.
ومع ذلك، من غير المرجح أن يقبل المستهلكون بوجود "روبوتات مربية". يجب أن تكون الروبوتات ذات أداء عالي جاهز للاستخدام، مما يجعل جمع البيانات قبل النشر أمرًا حيويًا. يجب إكمال جميع التدريبات قبل الإنتاج التجاري، ولا تزال كمية وجودة البيانات تمثل تحديًا مستمرًا.
على الرغم من أن كل وضع تدريب له وحدات قياس خاصة به (مثل نموذج اللغة الكبير الذي يستخدم الرموز، ومولدات الصور التي تستخدم مقاطع الفيديو - النصوص التفاعلية، وتقنية الروبوتات التي تستخدم مقاطع الحركة)، إلا أن المقارنة أدناه تكشف بوضوح الفجوة في حجم توافر بيانات تقنية الروبوتات:
تتجاوز مجموعة بيانات تدريب GPT-4 150 تريليون علامة نصية.
تستخدم Midjourney و Sora مليارات من مقاطع الفيديو الموصوفة مع النصوص المتطابقة.
بالمقارنة ، تحتوي أكبر مجموعة بيانات للروبوتات فقط على حوالي 2.4 مليون سجل تفاعل.
تفسر هذه الفجوة لماذا لم تحقق تكنولوجيا الروبوتات نموذجًا أساسيًا حقيقيًا مثل نماذج اللغة الكبيرة، حيث تكمن المشكلة في أن البيانات الأساسية لا تزال غير مكتملة.
تواجه طرق جمع البيانات التقليدية صعوبة في تلبية متطلبات حجم بيانات تدريب الروبوتات البشرية. تشمل الطرق الحالية:
محاكاة: تكلفة منخفضة ولكن تفتقر إلى حدود المشهد الحقيقي (الفجوة بين المحاكاة والواقع)
فيديو الإنترنت: لا يمكن توفير إحساس الكينستيسي والبيئة المرتدة اللازمة لتعلم الروبوتات
بيانات العالم الحقيقي: على الرغم من دقتها، إلا أنها تحتاج إلى تحكم عن بعد وعمليات إغلاق يدوي، مما يؤدي إلى ارتفاع التكاليف (أكثر من 40,000 دولار لكل روبوت) ونقص القابلية للتوسع.
تعتبر تكلفة تدريب النماذج في بيئات افتراضية منخفضة ومرونة التوسع كبيرة، لكن هذه النماذج غالبًا ما تواجه صعوبات عند نشرها في العالم الحقيقي. تُعرف هذه المشكلة بفجوة الواقع الافتراضي (Sim2Real).
على سبيل المثال، قد تتمكن الروبوتات المدربة في بيئات محاكاة من التقاط الأشياء التي تتمتع بإضاءة مثالية وسطح أملس بسهولة، ولكن عند مواجهة بيئات فوضوية أو أنماط غير منتظمة أو حالات طارئة شائعة يتعرض لها البشر في العالم الحقيقي، غالبًا ما تجد نفسها عاجزة.
Reborn توفر طريقة فعالة من حيث التكلفة وسريعة لجمع البيانات من العالم الحقيقي، مما يساعد على تعزيز تدريب الروبوتات وحل مشكلة "الفجوة بين المحاكاة والواقع" (Sim2Real).
Reborn: الرؤية الشاملة لـ AI اللامركزية
Reborn تقوم ببناء منصة متكاملة للبرامج والبيانات موجهة لتطبيقات الروبوتات الذكية المدركة. الهدف الأساسي للشركة هو حل 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 السائق الشامل لتحقيق الذكاء المدرك.
تبدأ منصة Reborn بفضل جهاز التقاط الحركة الاستهلاكي الخاص بها "ReboCap"، وتبني نظامًا بيئيًا سريع التوسع لألعاب الواقع المعزز والواقع الافتراضي. يحصل المستخدمون على مكافآت تحفيزية عبر تقديم بيانات الحركة عالية الدقة، مما يعزز التنمية المستمرة للمنصة. حتى الآن، قامت Reborn ببيع أكثر من 5000 جهاز ReboCap، وبلغ عدد المستخدمين النشطين شهريًا 160000، وقد وضعت مسار نمو واضح يهدف إلى تجاوز 2 مليون مستخدم بنهاية العام.
Reborn يدعم جمع البيانات بفوائد تفوق بكثير الحلول الأخرى.
ما يلفت الانتباه هو أن هذا النمو ناتج بالكامل عن التطور الطبيعي: حيث يجذب المستخدمون إلى متعة اللعبة نفسها، بينما يستخدم المتحكمون ReboCap لتحقيق التقاط حي لحالاتهم الرقمية. وقد حقق هذه الحلقة الجيدة التي تتشكل بشكل تلقائي إنتاج بيانات قابل للتوسع، ومنخفض التكلفة، وعالي الدقة، مما جعل مجموعة بيانات Reborn مورد تدريب تتنافس عليه شركات الروبوتات الرائدة.
الطبقة الثانية من مجموعة برمجيات ReBorn هي Roboverse: منصة بيانات متعددة الأنماط موحدة لبيئة محاكاة مجزأة. إن مجال المحاكاة الحالي مجزأ بشدة، مثل أدوات مثل Mujoco و NVIDIA Isaac Lab التي تعمل بشكل مستقل، على الرغم من أن لكل منها مزاياها، إلا أنها غير متوافقة. هذه الحالة من الانقسام تؤخر تقدم البحث والتطوير، وتزيد الفجوة بين المحاكاة والواقع. من خلال تحقيق معيارية متعددة المحاكيات، أنشأت Roboverse بنية تحتية افتراضية مشتركة لتطوير وتقييم نماذج الروبوتات. تدعم هذه التكاملات اختبارات معيارية متسقة، مما يعزز بشكل كبير قدرة النظام على التوسع والتعميم.
يتيح Roboverse التعاون السلس. الأول يجمع بيانات العالم الحقيقي على نطاق واسع ، والثاني يبني بيئة محاكاة لدفع التدريب على النموذج ، مما يدل على القوة الحقيقية لشبكة الذكاء المادي الموزعة Reborn. تقوم المنصة ببناء نظام بيئي مادي لمطوري الذكاء الاصطناعي يتجاوز مجرد الحصول على البيانات ، وقد تم توسيع وظائفها لتشمل مجال نشر النموذج الفعلي والترخيص التجاري.
نموذج Reborn الأساسي
قد تكون المكونات الأكثر أهمية في مجموعة تقنيات Reborn هي نموذج Reborn الأساسي (RFM). كواحد من أوائل نماذج الأساس للروبوتات، يتم تطوير هذا النموذج ليكون نظامًا أساسيًا رئيسيًا للبنية التحتية للذكاء الاصطناعي الفيزيائي الناشئ. إن تصنيفه مشابه لنماذج اللغة الأساسية التقليدية، مثل GPT-4 من OpenAI أو Llama من Meta، لكن مع التركيز على مجال الروبوتات.
Reborn تقنية الستاك
تتكون ثلاث مكونات أساسية من تقنية Reborn (منصة بيانات ReboCap، نظام المحاكاة Roboverse، وآلية ترخيص نموذج RFM) معًا من بناء خندق متكامل قوي. من خلال دمج بيانات الحركة المجمعة مع نظام المحاكاة القوي ونظام ترخيص النموذج، تستطيع Reborn تدريب نماذج أساسية تمتلك القدرة على التعميم عبر المشاهد المختلفة. يمكن أن يدعم هذا النموذج تطبيقات الروبوتات المتنوعة في مجالات الصناعة والاستهلاك والبحث، مما يحقق نشرًا عامًا تحت كميات ضخمة ومتنوعة من البيانات.
تعمل Reborn بقوة على تطوير تسويق تقنيتها ، حيث تطلق برامج تجريبية مدفوعة الأجر مع Galbot و Noematrix ، بالإضافة إلى شراكات استراتيجية مع Unitree و Booster Robotics و Swiss Mile و Agile Robots. يشهد سوق الروبوتات البشرية في الصين نموا سريعا ، حيث يمثل حوالي 32.7٪ من السوق العالمية. والجدير بالذكر أن Unitree لديها حصة تزيد عن 60٪ من سوق الروبوتات رباعية الأرجل العالمية وهي واحدة من ستة مصنعين صينيين يخططون لإنتاج أكثر من 1000 وحدة (روبوتات بشرية) بحلول عام 2025.
دور تقنية العملات المشفرة في تقنية الذكاء الاصطناعي الفيزيائي
تكنولوجيا التشفير تبني مجموعة عمودية كاملة للذكاء الاصطناعي في العالم المادي.
Reborn هو مشروع رائد في مجال الذكاء الاصطناعي المتجسد والعملات المشفرة
على الرغم من أن هذه المشاريع تنتمي إلى جوانب مختلفة من طبقة الذكاء الاصطناعي الفيزيائي، إلا أن لديها نقطة مشتركة واحدة: جميعها مشاريع DePAI بنسبة 100%. يربط DePAI عبر الحوافز الرمزية جميع أجزاء التقنية، مما يخلق آلية توسيع مفتوحة وقابلة للتجميع وغير مرخصة، وهذا الابتكار هو ما يجعل تطوير الذكاء الاصطناعي الفيزيائي اللامركزي حقيقة.
لم تصدر Reborn بعد الرموز المميزة ، والنمو العضوي لأعمالها أكثر قيمة. عندما يتم إطلاق آلية الحوافز الرمزية رسميا ، ستتسارع مشاركة الشبكة كجزء أساسي من تأثير دولاب الموازنة DePAI: يمكن للمستخدمين الحصول على حوافز من فريق المشروع عند شراء أجهزة Reborn (جامعي ReboCap) ، وستدفع شركات البحث والتطوير الروبوتية مكافآت مساهمة لحاملي ReboCap ، وهذا الحافز المزدوج سيدفع المزيد من الأشخاص لشراء واستخدام أجهزة ReboCap. في الوقت نفسه ، سيقوم فريق المشروع بتحفيز جمع البيانات السلوكية المخصصة عالية القيمة ديناميكيا ، وذلك لسد الفجوة التكنولوجية بين تطبيقات المحاكاة والعالم الحقيقي بشكل أكثر فعالية (Sim2Real).
دائرة DePAI لـ Reborn تعمل
لن يتم تحفيز "لحظة ChatGPT" في مجال الروبوتات من قبل شركات الروبوتات نفسها، لأن نشر الأجهزة أكثر تعقيدًا بكثير من البرمجيات. النمو الانفجاري لتكنولوجيا الروبوتات مقيد بشكل طبيعي بتكاليف وتوافر الأجهزة وتعقيد النشر، بينما هذه العقبات لا وجود لها في البرمجيات الرقمية الخالصة مثل ChatGPT.
نقطة التحول في الروبوتات البشرية ليست في مدى روعة النموذج الأولي، بل في خفض التكاليف إلى نطاق يمكن للجمهور تحمله، تمامًا كما حدث مع انتشار الهواتف الذكية أو الكمبيوترات في السابق. عندما تنخفض التكاليف، ستصبح الأجهزة مجرد تذكرة دخول، والمزايا التنافسية الحقيقية ستكون في البيانات والنماذج: وبشكل أكثر تحديدًا، ستكون في حجم وجودة وتنوع الذكاء الحركي المستخدم في تدريب الآلات.
خاتمة
لا يمكن إيقاف ثورة منصة الروبوت ، ولكن مثل جميع الأنظمة الأساسية ، فإن تطويرها على نطاق واسع لا يمكن فصله عن دعم البيانات. Reborn هو رهان ذو رافعة مالية عالية على أن العملات المشفرة يمكن أن تملأ الفجوة الأكثر أهمية في مجموعة روبوتات الذكاء الاصطناعي: حل بيانات الروبوت الخاص بها ، DePAI ، فعال من حيث التكلفة وقابل للتطوير بدرجة كبيرة ومعياري. في حين أن الروبوتات هي الحدود التالية لنظام الذكاء الاصطناعي ، فإن Reborn تحول عامة الناس إلى "عمال مناجم" لبيانات العمل. مثلما تحتاج نماذج اللغة الكبيرة إلى الدعم بعلامات نصية ، يجب تدريب الروبوتات البشرية على تسلسلات حركة ضخمة. مع Reborn ، سنخترق عنق الزجاجة الأخير وندرك القفزة من الخيال العلمي إلى الواقع للروبوتات البشرية.