Tác giả: @brezshares
Biên dịch: AididiaoJP, Foresight News
Bối cảnh tóm tắt
Robot nhân hình đang nhanh chóng chuyển từ tiểu thuyết khoa học viễn tưởng sang thực tế thương mại. Nhờ chi phí phần cứng giảm, đầu tư vốn gia tăng và sự tiến bộ về chuyển động và tính linh hoạt, lĩnh vực tính toán AI đang nung nấu một cuộc chuyển đổi lớn tiếp theo.
Mặc dù điện toán đám mây AI và cơ sở hạ tầng phần cứng ngày càng phổ biến, tạo ra môi trường sản xuất chi phí thấp cho kỹ thuật robot, nhưng lĩnh vực này vẫn bị hạn chế bởi thiếu dữ liệu đào tạo.
Reborn đang cố gắng sử dụng DePAI để tạo ra chuyển động và dữ liệu tổng hợp phi tập trung với độ trung thực cao, đồng thời xây dựng mô hình cơ sở robot. Các thành viên dự án đến từ Đại học California Berkeley, Đại học Cornell, Đại học Harvard và Apple.
Robot nhân hình: Từ khoa học viễn tưởng đến thực tế
Thương mại hóa robot không phải là khái niệm mới, chẳng hạn như máy hút bụi iRobot Roomba được ra mắt năm 2002 hoặc camera thú cưng Kasa gần đây, nhưng chúng thường chỉ có thiết kế chức năng đơn lẻ. Với sự phát triển của công nghệ AI, robot đang dần chuyển từ máy đơn năng sang thiết bị đa năng và các tác nhân thông minh có thể hoạt động trong môi trường phi cấu trúc.
Trong 5 đến 15 năm tới, robot nhân hình sẽ từng bước mở rộng từ các nhiệm vụ cơ bản như dọn dẹp, nấu ăn sang các lĩnh vực phức tạp như dịch vụ lễ tân, cứu hỏa và thậm chí phẫu thuật. Trong ba xu hướng sau, viễn cảnh mong đợi dần trở thành hiện thực:
Thị trường mở rộng nhanh chóng: Toàn cầu đã có hơn 100 công ty tham gia phát triển robot nhân hình, bao gồm các doanh nghiệp nổi tiếng như Tesla, Unitree, Figure, Clone, Agile, v.v.
Công nghệ phần cứng vượt qua "thung lũng chết": Thế hệ robot nhân hình mới có chuyển động mượt mà và tự nhiên, có thể tương tác phong phú với con người. Ví dụ, tốc độ đi bộ của Unitree H1 đạt 3,3 mét/giây, vượt xa mức trung bình 1,4 mét/giây của con người.
Mô hình mới về chi phí lao động: Dự kiến đến năm 2032, chi phí vận hành robot nhân hình sẽ thấp hơn mức lương của lao động thông thường ở Mỹ.
Nút thắt: Tính hiếm của dữ liệu đào tạo trong thế giới thực
Mặc dù triển vọng của lĩnh vực robot nhân hình rộng mở, nhưng để triển khai quy mô lớn, vẫn bị hạn chế bởi chất lượng và quy mô dữ liệu đào tạo.
Các lĩnh vực AI khác (như xe tự lái) đã giải quyết vấn đề dữ liệu thông qua camera và cảm biến trên xe. Ví dụ, Tesla và Waymo đã đào tạo hệ thống lái xe tự động của họ bằng dữ liệu lái xe thực tế khổng lồ. Waymo có thể để xe đào tạo trực tiếp trên đường và bố trí một huấn luyện viên robot ở ghế phụ trong quá trình đào tạo.
Tuy nhiên, người tiêu dùng có ý chí yếu trong việc chủ động cung cấp dữ liệu khi sử dụng robot, và khó có khả năng chấp nhận sự hiện diện của "người giúp việc robot". Do đó, robot nhân hình phải có hiệu suất cao ngay từ khi xuất xưởng, điều này khiến việc thu thập dữ liệu trước khi triển khai trở thành thách thức then chốt.
Mặc dù mỗi chế độ đào tạo đều có đơn vị quy mô riêng, nhưng khoảng cách về quy mô dữ liệu đào tạo robot so với các lĩnh vực AI khác đã đạt đến mức bậc.
Thời khắc "ChatGPT" của robot nhân hình sẽ không do các công ty phần cứng dẫn dắt, bởi vì việc triển khai phần cứng phải đối mặt với những thách thức vốn có như chi phí cao và chu kỳ dài. Bản chất lan rộng của công nghệ robot về cơ bản bị hạn chế bởi chi phí, tính khả dụng của phần cứng và độ phức tạp của hậu cần, trong khi phần mềm thuần túy số như ChatGPT thì không bị như vậy.
Kết luận cốt lõi: Dữ liệu là chìa khóa quyết định
Điểm chuyển đổi thực sự sẽ đến từ lợi thế về dữ liệu và mô hình sau khi chi phí giảm xuống. Dữ liệu cần cho robot nhân hình có tính hiệu quả chi phí, khả năng mở rộng và khả năng kết hợp, còn mô hình khích lệ token của crypto có thể lấp đầy khoảng trống cấp thiết nhất hiện nay. Reborn thông qua mô hình khích lệ token crypto sẽ biến những người bình thường thành "thợ đào dữ liệu hoạt động".
