Tác giả: brianbreslow , Hypersphere Ventures
Biên soạn bởi: Tim, PANews
Tóm tắt nội dung
- Robot đa năng hình người đang nhanh chóng chuyển từ khoa học viễn tưởng sang hiện thực. Chi phí phần cứng giảm, đầu tư vốn tăng trưởng và những đột phá công nghệ trong chuyển động và thao tác đang hội tụ để thúc đẩy sự lặp lại nền tảng lớn tiếp theo trong điện toán.
- Mặc dù việc ngày càng phổ biến sức mạnh tính toán và thiết bị phần cứng đã mang lại lợi thế về chi phí thấp cho kỹ thuật robot, nhưng ngành này vẫn bị hạn chế bởi tình trạng thiếu hụt dữ liệu đào tạo.
- Reborn là một trong số ít dự án tận dụng Trí tuệ nhân tạo vật lý phi tập trung(DePAI) để huy động cộng dữ liệu chuyển động và tổng hợp có độ chính xác cao và xây dựng các mô hình nền tảng rô bốt, giúp dự án có vị thế độc đáo để thúc đẩy việc triển khai rô bốt hình người. Đội ngũ được dẫn dắt bởi một đội ngũ sáng lập có trình độ kỹ thuật cao với các nghiên cứu học thuật và giáo sư bối cảnh UC Berkeley, Cornell, Harvard và Apple, thể hiện cả sự xuất sắc trong học thuật và thực hiện kỹ thuật trong thế giới thực.
Robot hình người: từ khoa học viễn tưởng đến các ứng dụng tiên tiến
Việc thương mại hóa công nghệ robot không phải là một khái niệm mới. Máy hút bụi iRobot Roomba nổi tiếng ra mắt năm 2002, hay camera thú cưng Kasa và các robot gia đình khác xuất hiện trong những năm gần đây, tất cả đều là những thiết bị đơn chức năng. Với sự phát triển của trí tuệ nhân tạo, robot đang tiến hóa từ những cỗ máy đơn chức năng thành những dạng đa chức năng, được thiết kế để thích ứng với các hoạt động trong hoàn cảnh mở.
Trong 5 đến 15 năm tới, robot hình người sẽ dần nâng cấp từ nhiệm vụ cơ bản như dọn dẹp và nấu ăn, và cuối cùng sẽ có thể thực hiện các nhiệm vụ phức tạp như lễ tân, chữa cháy và thậm chí là phẫu thuật.
Những phát triển gần đây đang đưa robot hình người từ khoa học viễn tưởng trở thành hiện thực.
- Động thái thị trường: Hơn 100 công ty đang có kế hoạch phát triển robot hình người (như Tesla, Yushu Technology, Figure AI, Clone, Agile, v.v.).
- Công nghệ phần cứng đã thành công vượt qua thung lũng kỳ lạ: thế hệ robot hình người mới thể hiện chuyển động tự nhiên và mượt mà, cho phép tương tác giống con người trong hoàn cảnh thực tế. Trong đó, tốc độ đi bộ của Yushu H1 có thể đạt tới 3,3 mét mỗi giây, vượt xa tốc độ đi bộ trung bình của con người là 1,4 mét mỗi giây.
(Lưu ý: Thung lũng kỳ lạ là một lý thuyết tâm lý mô tả phản ứng cảm xúc của con người đối với các thực thể không phải con người (như rô-bốt, búp bê, hình ảnh ảo, v.v.).
- Mô hình mới về chi phí cho robot hình người: dự kiến sẽ thấp hơn tiền lương lao động ở Hoa Kỳ vào năm 2032.
Nút thắt phát triển: dữ liệu đào tạo thực tế
Bất chấp những yếu tố tích cực rõ ràng trong lĩnh vực robot hình người, chất lượng dữ liệu kém và tình trạng khan hiếm vẫn tiếp tục cản trở việc triển khai trên diện rộng.
Các thực thể AI khác, chẳng hạn như lái xe tự động, đã giải quyết phần lớn vấn đề dữ liệu thông qua camera và cảm biến được lắp đặt trong các phương tiện hiện có. Lấy Tesla, Waymo và các hệ thống lái xe tự động khác làm ví dụ. Các đội xe này có thể tạo ra hàng tỷ dặm dữ liệu lái xe trên đường thực tế. Khi Waymo đưa các phương tiện của mình ra đường ở giai đoạn phát triển này, họ sẽ có một người thật ngồi trên ghế hành khách để đào tạo theo thời gian thực.
Tuy nhiên, người tiêu dùng khó có thể chấp nhận sự tồn tại của "robot bảo mẫu". Robot phải có hiệu suất cao ngay từ đầu, điều này khiến việc thu thập dữ liệu trước khi triển khai trở nên thiết yếu. Mọi hoạt động đào tạo phải được hoàn thành trước khi sản xuất thương mại và quy mô cũng như chất lượng dữ liệu vẫn là những thách thức dai dẳng.
Trong khi mỗi mô hình đào tạo có đơn vị tỷ lệ riêng (ví dụ: mã thông báo cho các mô hình ngôn ngữ lớn, cặp video-văn bản cho trình tạo hình ảnh, clip chuyển động cho robot), thì phép so sánh dưới đây cho thấy rõ ràng khoảng cách về mặt độ lớn trong tính khả dụng của dữ liệu cho robot:
- Kích thước dữ liệu đào tạo của GPT-4 vượt quá 15 nghìn tỷ đánh dấu văn bản.
- Midjourney và Sora tận dụng hàng tỷ cặp video-văn bản được gắn nhãn.
- Trong khi đó, dữ liệu robot lớn nhất chỉ chứa khoảng 2,4 triệu bản ghi tương tác.
Khoảng cách này giải thích tại sao ngành robot vẫn chưa đạt được mô hình nền tảng thực sự như các mô hình ngôn ngữ lớn, điều quan trọng là nền tảng dữ liệu vẫn chưa hoàn thiện.
Phương pháp thu thập dữ liệu truyền thống khó có thể đáp ứng được các yêu cầu quy mô lớn về dữ liệu đào tạo robot hình người. Phương pháp hiện có bao gồm:
- Mô phỏng: chi phí thấp nhưng thiếu các kịch bản ranh giới thực tế (khoảng cách giữa mô phỏng và thực tế)
- Video trên Internet: không thể cung cấp hoàn cảnh phản hồi lực và cảm giác bản thể cần thiết cho quá trình học của robot
- Dữ liệu thực tế: Mặc dù chính xác, nhưng nó đòi hỏi phải có điều khiển từ xa và vận hành vòng kín của con người, dẫn đến chi phí cao (hơn 40.000 đô la cho mỗi robot) và thiếu mở rộng.
Đào tạo các mô hình trong hoàn cảnh ảo có chi phí thấp và mở rộng, nhưng các mô hình này thường gặp khó khăn khi triển khai trong thế giới thực. Vấn đề này được gọi là khoảng cách Sim2Real.
Ví dụ, một robot được huấn luyện trong hoàn cảnh có thể dễ dàng nhận diện các vật thể sáng và mịn, nhưng thường đối diện các vật thể hoàn cảnh , kết cấu gồ ghề hoặc các loại tình huống bất ngờ mà con người coi là bình thường trong thế giới thực.
Reborn cung cấp phương pháp nhanh chóng và tiết kiệm chi phí để thu thập dữ liệu thực tế nhằm nâng cao khả năng đào tạo robot và giải quyết vấn đề "khoảng cách Sim2Real".
Reborn: Viễn cảnh mong đợi toàn diện cho AI thực thể phi tập trung
Reborn đang xây dựng một nền tảng dữ liệu liệu và phần mềm tích hợp theo chiều dọc cho các ứng dụng robot thông minh được tích hợp. Mục tiêu cốt lõi của công ty là giải quyết vấn đề tắc nghẽn dữ liệu trong lĩnh vực robot hình người, nhưng viễn cảnh mong đợi của công ty còn vượt xa hơn thế nữa. Thông qua sự kết hợp giữa phần cứng tự phát triển, cơ sở hạ tầng mô phỏng đa phương thức và các mô hình cơ bản, Reborn sẽ trở thành trình điều khiển toàn bộ cho trí thông minh được tích hợp.
Nền tảng Reborn sử dụng thiết bị chụp chuyển động độc quyền dành cho người tiêu dùng "ReboCap" làm điểm khởi đầu để xây dựng hệ sinh thái trò chơi thực tế tăng cường và thực tế ảo đang phát triển nhanh chóng. Người dùng cung cấp dữ liệu chuyển động có độ trung thực cao để đổi lấy khích lệ và phần thưởng mạng lưới nhằm thúc đẩy sự phát triển liên tục của nền tảng. Reborn đã bán được hơn 5.000 bộ thiết bị ReboCap, có 160.000 người dùng hoạt động hàng tháng và đã thiết lập lộ trình tăng trưởng rõ ràng để vượt quá 2 triệu người dùng vào cuối năm.
Reborn hỗ trợ thu thập dữ liệu với hiệu quả cao hơn nhiều so với các giải pháp khác.
Điều đáng chú ý là tăng trưởng này hoàn toàn là do sự phát triển tự nhiên: người dùng bị thu hút bởi tính giải trí của trò chơi và người dẫn chương trình sử dụng ReboCap để đạt được khả năng chụp ảnh cơ thể kỹ thuật số theo thời gian thực. Chu kỳ lành mạnh được hình thành tự phát này đã đạt được khả năng sản xuất dữ liệu có thể mở rộng, chi phí thấp và độ trung thực cao, khiến dữ liệu Reborn trở thành nguồn đào tạo mà các công ty robot hàng đầu đang cạnh tranh để áp dụng.
Lớp thứ hai của ngăn xếp phần mềm ReBorn là Roboverse: một nền tảng dữ liệu đa phương thức hợp nhất hoàn cảnh mô phỏng phân mảnh. Lĩnh vực mô phỏng hiện tại bị phân mảnh cao, với các công cụ như Mujoco và NVIDIA Isaac Lab hoạt động độc lập, mỗi công cụ có những ưu điểm riêng nhưng không thể giao tiếp với nhau. Sự phân mảnh này đã làm chậm quá trình phát triển và nới rộng khoảng cách giữa mô phỏng và thực tế. Roboverse tạo ra một cơ sở hạ tầng ảo dùng chung để phát triển và đánh giá các mô hình robot bằng cách chuẩn hóa nhiều trình mô phỏng. Sự tích hợp này hỗ trợ chuẩn mực nhất quán, giúp cải thiện đáng kể khả năng mở rộng và tổng quát hóa của hệ thống.
Roboverse đạt được sự cộng tác liền mạch. Phần trước thu thập dữ liệu thực tế trên quy mô lớn, trong khi phần sau xây dựng hoàn cảnh mô phỏng để thúc đẩy đào tạo mô hình. Cả hai cùng nhau làm việc để chứng minh sức mạnh thực sự của mạng lưới trí tuệ vật lý phân tán của Reborn. Nền tảng này đang tạo ra một hệ sinh thái phát triển trí tuệ nhân tạo vật lý vượt qua việc thu thập dữ liệu đơn giản và các chức năng của nó đã mở rộng sang lĩnh vực triển khai mô hình thực tế và ủy quyền thương mại.
Mô hình cơ bản tái sinh
Có lẽ thành phần quan trọng nhất của ngăn xếp công nghệ Reborn là Mô hình nền tảng Reborn (RFM). Là một trong những mô hình nền tảng robot đầu tiên, mô hình này đang được xây dựng như một hệ thống cốt lõi cho cơ sở hạ tầng AI vật lý mới nổi. Vị trí của nó tương tự như các mô hình nền tảng ngôn ngữ lớn truyền thống, chẳng hạn như GPT-4 của OpenAI hoặc Llama của Meta, nhưng dành cho lĩnh vực robot.
Công nghệ Reborn Stack
Ba thành phần cốt lõi của ngăn xếp công nghệ Reborn (nền tảng dữ liệu ReboCap, hệ thống mô phỏng Roboverse và cơ chế cấp phép mô hình RFM) cùng nhau xây dựng một hệ thống bảo vệ tích hợp theo chiều dọc vững chắc. Bằng cách kết hợp dữ liệu chuyển động do cộng đồng cung cấp với hệ thống mô phỏng mạnh mẽ và hệ thống cấp phép mô hình, Reborn có thể đào tạo một mô hình cơ bản với khả năng khái quát hóa chéo kịch bản. Mô hình này có thể hỗ trợ nhiều ứng dụng robot trong các lĩnh vực công nghiệp, tiêu dùng và nghiên cứu, đồng thời đạt được triển khai phổ biến dưới dữ liệu lớn và đa dạng.
Reborn đang tích cực thúc đẩy thương mại hóa công nghệ của mình, triển khai các dự án thí điểm có trả phí với Galbot và Noematrix, và thiết lập quan hệ đối tác chiến lược với Unitree, Booster Robotics, Swiss Mile và Agile Robots. Thị trường robot hình người của Trung Quốc đang tăng trưởng nhanh chóng, chiếm khoảng 32,7% thị trường toàn cầu. Đáng chú ý, Yushu Technology thị phần hơn 60% thị trường robot bốn chân toàn cầu và là một trong sáu nhà sản xuất Trung Quốc có kế hoạch sản xuất hơn 1.000 đơn vị vào năm 2025.
Nhân vật của crypto trong công nghệ AI vật lý
Crypto đang xây dựng một ngăn xếp dọc hoàn chỉnh cho AI thế giới thực.
Reborn là dự án crypto AI hiện thân hàng đầu
Mặc dù các dự án này thuộc về các cấp độ khác nhau của ngăn xếp trí tuệ nhân tạo vật lý, chúng có một điểm chung: tất cả đều là các dự án DePAI 100%. DePAI sử dụng khích lệ token trong toàn bộ ngăn xếp công nghệ để tạo ra một cơ chế mở, có thể cấu thành và mở rộng không cần cấp phép. Chính sự đổi mới này đã biến sự phát triển phi tập trung của trí tuệ nhân tạo vật lý thành hiện thực.
Reborn vẫn chưa phát hành token , và sự tăng trưởng hữu cơ của việc kinh doanh thậm chí còn có giá trị hơn. Khi cơ chế khích lệ token chính thức được ra mắt, sự tham gia của mạng lưới sẽ được đẩy nhanh như một mắt xích quan trọng trong hiệu ứng bánh đà DePAI: người dùng mua thiết bị phần cứng Reborn (người sưu tầm ReboCap) có thể nhận được khích lệ từ dự án và các công ty R&D robot sẽ trả phần thưởng đóng góp cho người nắm giữ ReboCap. Khích lệ kép này sẽ khuyến khích nhiều người mua và sử dụng thiết bị ReboCap hơn. Đồng thời, dự án sẽ khích lệ việc thu thập dữ liệu hành vi tùy chỉnh có giá trị cao, do đó thu hẹp khoảng cách kỹ thuật giữa mô phỏng và các ứng dụng thực tế (Sim2Real) hiệu quả hơn.
Bánh đà DePAI của Reborn đang chuyển động
"Khoảnh khắc ChatGPT" trong lĩnh vực robot sẽ không được kích hoạt bởi chính các công ty robot, vì việc triển khai phần cứng phức tạp hơn nhiều so với phần mềm. Sự tăng trưởng bùng nổ của công nghệ robot tự nhiên bị giới hạn bởi chi phí, tính khả dụng của phần cứng và độ phức tạp của việc triển khai, và những trở ngại này hoàn toàn không tồn tại trong phần mềm kỹ thuật số thuần túy như ChatGPT.
Bước ngoặt đối với robot hình người không phải là mức độ tuyệt vời của nguyên mẫu, mà là khi chi phí giảm xuống mức mà công chúng có thể chi trả được, giống như sự phổ biến của điện thoại thông minh hoặc máy tính. Khi chi phí giảm, phần cứng sẽ chỉ là một tấm vé vào cửa, và lợi thế cạnh tranh thực sự nằm ở dữ liệu và mô hình: cụ thể là quy mô, chất lượng và sự đa dạng của trí thông minh vận động được sử dụng để đào tạo máy.
Phần kết luận
Cuộc cách mạng nền tảng robot là không thể ngăn cản, nhưng giống như tất cả các nền tảng, sự phát triển có thể mở rộng của nó không thể tách rời khỏi hỗ trợ dữ liệu. Là một khoản cược có đòn bẩy cao, Reborn tin chắc rằng công nghệ crypto có thể lấp đầy khoảng trống quan trọng nhất trong ngăn xếp công nghệ robot AI: giải pháp dữ liệu robot DePAI của họ tiết kiệm chi phí, mở rộng cao và mô-đun . Khi công nghệ robot trở thành biên giới tiếp theo của AI, Reborn đang biến công chúng thành " thợ đào " dữ liệu chuyển động. Cũng giống như các mô hình ngôn ngữ lớn yêu cầu hỗ trợ đánh dấu văn bản, robot hình người yêu cầu đào tạo chuỗi chuyển động lớn. Với Reborn, chúng ta sẽ vượt qua nút thắt cuối cùng và hiện thực hóa bước nhảy vọt của robot hình người từ khoa học viễn tưởng sang hiện thực.
