La technologie de chiffrement favorisera le développement de l'industrie des Bots en garantissant économiquement leur sécurité et en optimisant leur infrastructure d'interfaçage, la latence et les processus de collecte de données.
Rédigé par : Paul Veradittakit, partenaire de Pantera Capital
Compilation : xiaozou, Jinse Caijing
Résumé :
L'innovation et les effets d'échelle de VLA poussent à la naissance de robots humanoïdes économiques, efficaces et polyvalents.
Avec l'expansion des robots de stockage vers le marché des robots grand public, la sécurité des robots, le financement et les mécanismes d'évaluation méritent d'être explorés en profondeur.
Le chiffrement permettra de sécuriser les Bots en fournissant des garanties économiques et en optimisant leur infrastructure de connexion, la latence et le processus de collecte de données, ce qui favorisera le développement de l'industrie des Bots.
ChatGPT a complètement réécrit les attentes humaines concernant l'intelligence artificielle. Lorsque les grands modèles linguistiques ont commencé à interagir avec le monde des logiciels externes, beaucoup de gens pensaient que les agents IA représentaient la forme ultime. Mais en revisitant des films de science-fiction classiques comme "Star Wars", "Blade Runner" ou "RoboCop", on se rend compte que le véritable rêve de l'humanité est que l'intelligence artificielle puisse interagir avec le monde physique sous forme de robots.
Selon Pantera Capital, le « moment ChatGPT » dans le domaine des robots est sur le point d'arriver. Nous allons d'abord analyser comment les percées en intelligence artificielle au cours des dernières années ont modifié le paysage industriel, puis explorer comment la technologie des batteries, la latence optimisée et l'amélioration de la collecte de données façonneront le futur, ainsi que le rôle que joue le chiffrement dans tout cela. Enfin, nous expliquerons pourquoi nous pensons que la sécurité des robots, le financement, l'évaluation et l'éducation sont des domaines verticaux qui nécessitent une attention particulière.
1. Éléments de transformation
(1) percée de l'intelligence artificielle
Les avancées dans le domaine des modèles de langage multimodaux dotent les robots du « cerveau » nécessaire pour exécuter des tâches complexes. Les robots perçoivent principalement leur environnement par les sens visuels et auditifs.
Les modèles de vision par ordinateur traditionnels (comme les réseaux de neurones convolutifs) sont excellents pour les tâches de détection ou de classification d'objets, mais ont du mal à convertir l'information visuelle en instructions d'action ciblées. Bien que les grands modèles linguistiques excellent dans la compréhension et la génération de texte, ils sont limités par leur capacité à percevoir le monde physique.
Grâce au modèle visuel - linguistique - action (VLA), les robots peuvent intégrer la perception visuelle, la compréhension linguistique et l'action physique dans un cadre de calcul unifié. En février 2025, Figure AI a lancé le modèle de contrôle de robot humanoïde universel Helix. Ce modèle VLA établit une nouvelle référence pour l'industrie grâce à sa capacité de généralisation zéro échantillon et à son architecture à deux systèmes 1/2. La caractéristique de généralisation zéro échantillon permet aux robots de s'adapter instantanément à de nouveaux scénarios, objets et instructions sans avoir besoin d'un entraînement répété pour chaque tâche. L'architecture système 1/2 sépare le raisonnement de haut niveau et le raisonnement léger, réalisant ainsi un robot humanoïde commercialisé qui allie pensée humaine et précision en temps réel.
(2) Les robots économiques deviennent une réalité
Les technologies qui changent le monde ont toutes une caractéristique commune : la capacité de se généraliser. Les smartphones, les ordinateurs personnels et les technologies d'impression 3D se sont répandus grâce à des prix abordables pour la classe moyenne. Lorsque le prix de robots comme le Unitree G1 tombe en dessous de celui d'une Honda Accord ou du revenu annuel minimum de 34 000 dollars aux États-Unis, il n'est pas surprenant d'imaginer un monde où le travail physique et les tâches quotidiennes sont principalement effectués par des Bots.
(3) De l'entreposage au marché de consommation
La technologie des robots s'étend des solutions d'entreposage au domaine de la consommation. Ce monde est conçu pour les humains - les humains peuvent accomplir tout le travail des robots spécialisés, tandis que les robots spécialisés ne peuvent pas accomplir tout le travail des humains. Les entreprises de robots ne se limitent plus à fabriquer des robots destinés aux usines, mais développent plutôt des robots humanoïdes plus polyvalents. Par conséquent, l'avant-garde de la technologie des robots ne se trouve pas seulement dans les entrepôts, mais infiltrera également la vie quotidienne.
Le coût est l'un des principaux goulots d'étranglement de l'évolutivité. L'indicateur qui nous intéresse le plus est le coût total par heure, calculé comme suit : le coût d'opportunité du temps de formation et de recharge, le coût d'exécution des tâches et le coût d'acquisition des Bots, le tout divisé par la durée totale de fonctionnement des Bots. Ce coût doit être inférieur au niveau moyen des salaires de l'industrie concernée pour être compétitif.
Pour pénétrer pleinement le domaine de l'entreposage, le coût global des Bots par heure doit être inférieur à 31,39 dollars. Dans le plus grand marché de consommation - le secteur de l'éducation privée et des services de santé, ce coût doit être maintenu en dessous de 35,18 dollars. Actuellement, les Bots évoluent vers des solutions plus économiques, plus efficaces et plus polyvalentes.
2、Les prochaines percées de la technologie des Bots
（1）optimisation de la batterie
La technologie des batteries reste un goulot d'étranglement pour les robots conviviaux. Les premiers véhicules électriques comme la BMW i3 ont rencontré des difficultés de diffusion en raison des limitations de la technologie des batteries, entraînant une autonomie courte, des coûts élevés et une utilité réduite, et les robots font face à la même situation. Le robot Spot de Boston Dynamics a une autonomie d'une seule fois de seulement 90 minutes, tandis que l'autonomie de la batterie du Unitree G1 est d'environ 2 heures. Les utilisateurs ne souhaitent manifestement pas recharger manuellement toutes les deux heures, c'est pourquoi la recharge autonome et l'infrastructure de connexion sont devenues des axes de développement prioritaires. Actuellement, il existe principalement deux modes de recharge pour les robots : le remplacement de la batterie ou la recharge directe.
Le mode de remplacement de la batterie permet un fonctionnement continu grâce au remplacement rapide des ensembles de batteries épuisés, minimisant ainsi les temps d'arrêt, et est adapté aux scénarios en extérieur ou en usine. Ce processus peut être réalisé manuellement ou de manière automatisée.
La charge par induction utilise un mode d'alimentation sans fil. Bien que le temps de charge complet soit long, elle permet de réaliser facilement un processus entièrement automatisé.
（2）latence optimisation
Les opérations à faible latence peuvent être divisées en deux catégories : la perception environnementale et le contrôle à distance. La perception fait référence à la capacité des Bots à comprendre l'espace de l'environnement, tandis que le contrôle à distance se réfère spécifiquement au contrôle en temps réel par un opérateur humain.
Selon des recherches de Cintrini, les systèmes de perception des robots commencent par des capteurs bon marché, mais le véritable avantage technologique réside dans le logiciel d'intégration, le calcul à faible consommation d'énergie et les boucles de contrôle précises à la milliseconde. Une fois que le robot a terminé son positionnement spatial, un réseau neuronal léger marquera des éléments tels que les obstacles, les palettes ou les humains. Lorsque les étiquettes de scène sont introduites dans le système de planification, des instructions moteur sont immédiatement générées et envoyées aux pieds, aux roues ou aux bras mécaniques. Une latence de perception inférieure à 50 millisecondes équivaut à la vitesse réflexe humaine – toute latence dépassant ce seuil entraînera des mouvements maladroits du robot. Par conséquent, 90 % des décisions doivent être prises localement par un réseau unique de vision - langage - action.
Les robots entièrement autonomes doivent garantir que la latence du modèle VLA soit inférieure à 50 millisecondes ; pour les robots télécommandés, il est exigé que la latence du signal entre le terminal d'opération et le robot ne dépasse pas 50 millisecondes. L'importance du modèle VLA est particulièrement mise en évidence ici : si les entrées visuelles et textuelles sont traitées par différents modèles avant d'être introduites dans un grand modèle de langage, la latence globale dépassera largement le seuil de 50 millisecondes.
(3) optimisation de la collecte de données
La collecte de données se fait principalement par trois moyens : les données vidéo du monde réel, les données synthétiques et les données de télécommande. Le principal obstacle entre les données réelles et les données synthétiques réside dans la réduction des différences entre le comportement physique des Robots et les modèles vidéo/simulations. Les données vidéo réelles manquent de détails physiques tels que le retour de force, les erreurs de mouvement des articulations et la déformation des matériaux ; les données simulées, quant à elles, manquent de variables imprévisibles telles que les pannes de capteurs et le coefficient de frottement.
La méthode de collecte de données la plus prometteuse est le contrôle à distance - les opérateurs humains contrôlent à distance les Bots pour exécuter des tâches. Cependant, le coût de la main-d'œuvre est le principal facteur limitant la collecte de données par contrôle à distance.
Le développement de matériel personnalisé offre également de nouvelles solutions pour la collecte de données de haute qualité. La société Mecka combine des méthodes traditionnelles avec du matériel personnalisé pour collecter des données de mouvement humain multidimensionnelles, qui, après traitement, sont transformées en ensembles de données adaptés à l'entraînement de réseaux neuronaux de Bots, fournissant ainsi une grande quantité de données de haute qualité pour l'entraînement des Bots d'IA grâce à des cycles d'itération rapides. Ces pipelines technologiques raccourcissent ensemble le chemin de conversion des données brutes aux Bots déployables.
3、Domaines d'exploration clés
(1) chiffrement technologie et Bots fusion
La technologie de chiffrement peut inciter les parties à confiance réduite à améliorer l'efficacité des réseaux de Bots. Sur la base des domaines clés mentionnés précédemment, nous pensons que la technologie de chiffrement peut améliorer l'efficacité dans trois domaines : l'intégration des infrastructures, l'optimisation de la latence et la collecte de données.
Le réseau d'infrastructure physique décentralisé (DePIN) promet de révolutionner l'infrastructure de recharge. Lorsque les robots humanoïdes fonctionnent à l'échelle mondiale comme des voitures, les stations de recharge doivent être aussi accessibles que des stations-service. Les réseaux centralisés nécessitent des investissements initiaux considérables, tandis que DePIN répartit les coûts parmi les opérateurs de nœuds, permettant une expansion rapide des installations de recharge dans davantage de régions.
DePIN peut également utiliser des infrastructures distribuées pour optimiser la latence de la télécommande. En agrégeant les ressources de calcul des nœuds de périphérie géographiquement dispersés, les instructions de télécommande peuvent être traitées par des nœuds locaux ou les plus proches disponibles, minimisant ainsi la distance de transmission des données et réduisant considérablement la latence de communication. Cependant, les projets DePIN actuels se concentrent principalement sur le stockage décentralisé, la distribution de contenu et le partage de bande passante. Bien que certains projets démontrent les avantages de l'informatique en périphérie dans le streaming ou l'Internet des objets, cela n'a pas encore été étendu aux Bots ou au domaine de la télécommande.
Le contrôle à distance est la méthode de collecte de données la plus prometteuse, mais le coût d'embauche de professionnels par des entités centralisées pour collecter des données est extrêmement élevé. DePIN résout ce problème en incitant des tiers à fournir des données de contrôle à distance grâce à des jetons cryptographiques. Le projet Reborn construit un réseau mondial d'opérateurs à distance, transformant leurs contributions en actifs numériques tokenisés, formant un système décentralisé sans autorisation - les participants peuvent à la fois générer des revenus et participer à la gouvernance tout en aidant à l'entraînement des Bots AGI.
(2) La sécurité est toujours une préoccupation centrale
Le but ultime de la technologie des robots est d'atteindre une autonomie complète, mais comme le mettent en garde les films de la série "Terminator", ce que l'humanité craint le plus, c'est que l'autonomie transforme les robots en armes offensives. Les problèmes de sécurité des grands modèles de langage ont suscité des préoccupations, et lorsque ces modèles possèdent des capacités d'action physique, la sécurité des robots devient un préalable clé à l'acceptation par la société.
La sécurité économique est l'un des piliers de la prospérité de l'écosystème des Robots. La société OpenMind dans ce domaine construit FABRIC - une couche de coordination des machines décentralisée, permettant d'authentifier l'identité des dispositifs, de vérifier leur présence physique et d'accéder aux ressources grâce au chiffrement. Contrairement à la simple gestion de marché des tâches, FABRIC permet aux Robots de prouver de manière autonome leurs informations d'identité, leur localisation géographique et leurs enregistrements de comportement, sans dépendre d'intermédiaires centralisés.
Les contraintes comportementales et l'authentification des identités sont exécutées par des mécanismes sur la chaîne, garantissant que tout le monde peut auditer la conformité. Les robots conformes aux normes de sécurité, aux exigences de qualité et aux réglementations régionales recevront des récompenses, tandis que les contrevenants feront face à des sanctions ou à une disqualification, établissant ainsi un mécanisme de responsabilité et de confiance au sein du réseau de machines autonomes.
Les réseaux de re-staking tiers (comme Symbiotic) peuvent également offrir des garanties de sécurité équivalentes. Bien que le système de paramètres de pénalité doive encore être amélioré, la technologie pertinente est déjà à un stade pratique. Nous prévoyons que des normes de sécurité pour l'industrie seront bientôt établies, et à ce moment-là, les paramètres de pénalité seront modélisés en référence à ces normes.
Exemple de plan d'action :
Bots de la société rejoignent le réseau Symbiotic.
Définir des paramètres de confiscation vérifiables (comme « appliquer une force de contact humain supérieure à 2500 newtons ») ;
Les stakers fournissent une marge pour s'assurer que les Bots respectent les paramètres ;
En cas de violation, le dépôt de garantie sera utilisé comme indemnité pour la victime.
Ce modèle incite les entreprises à placer la sécurité en premier lieu, tout en favorisant l'acceptation par les consommateurs grâce au mécanisme d'assurance du pool de fonds stakés.
L'équipe Symbiotic a des perspectives sur le domaine des Bots :
Le cadre de staking universel Symbiotic vise à étendre le concept de staking à tous les domaines nécessitant une garantie de sécurité économique, que ce soit par un modèle partagé ou indépendant. Ses cas d'application vont de l'assurance à la technologie des Bots, nécessitant une conception spécifique pour chaque cas. Par exemple, un réseau de Bots peut être entièrement construit sur le cadre Symbiotic, permettant aux parties prenantes de fournir une garantie économique pour l'intégrité du réseau.
4、Combler les lacunes dans la pile technologique des Bots
OpenAI a favorisé la vulgarisation de l'IA, mais les bases de ChatGPT étaient déjà établies. Les services cloud ont rompu la dépendance des modèles à la puissance de calcul locale, Huggingface a réalisé l'open source des modèles, et Kaggle a fourni une plateforme d'expérimentation pour les ingénieurs en IA. Ces avancées progressives ont ensemble contribué à la démocratisation de l'IA.
Contrairement à l'IA, le domaine des Bots est difficile d'accès lorsque les fonds sont limités. Pour réaliser la vulgarisation des Bots, le seuil de développement doit être abaissé à un niveau de commodité comparable à celui du développement d'applications d'IA. Nous pensons qu'il existe des possibilités d'amélioration à trois niveaux : mécanisme de financement, système d'évaluation et écosystème éducatif.
Le financement est un point de douleur dans le domaine des robots. Développer des programmes informatiques ne nécessite qu'un ordinateur et des ressources de cloud computing, tandis que construire un robot entièrement fonctionnel nécessite l'achat de moteurs, de capteurs, de batteries et d'autres matériel, ce qui fait que le coût dépasse facilement 100 000 dollars. Cette propriété matérielle rend le développement de robots moins flexible et plus coûteux par rapport à l'IA.
L'infrastructure d'évaluation des Bots dans des scénarios réels en est encore à ses débuts. Le domaine de l'IA a établi un système de fonctions de perte clair, et les tests peuvent être entièrement virtualisés. Cependant, d'excellentes stratégies virtuelles ne peuvent pas être directement converties en solutions efficaces dans le monde réel. Les Bots ont besoin d'installations d'évaluation des stratégies autonomes testées dans des environnements réels diversifiés pour réaliser une optimisation itérative.
Lorsque ces infrastructures seront matures, un grand nombre de talents afflueront et les robots humanoïdes reproduiront la courbe d'explosion du Web2. La société de robots de chiffrement OpenMind avance dans cette direction - son projet open source OM1 ("système Android pour robots") transforme le matériel brut en agents intelligents évolutifs dotés de conscience économique. Les modules de vision, de langage et de planification des mouvements peuvent être branchés et utilisés comme des applications mobiles, toutes les étapes de raisonnement étant présentées en anglais clair, permettant aux opérateurs d'auditer ou d'ajuster le comportement sans toucher au firmware. Cette capacité de raisonnement en langage naturel permet à une nouvelle génération de talents d'entrer sans couture dans le domaine de la robotique, franchissant une étape clé vers le lancement d'une plateforme ouverte pour la révolution robotique, tout comme le mouvement open source a accéléré l'IA.
La densité des talents détermine la trajectoire de l'industrie. Un système éducatif inclusif et structuré est crucial pour l'approvisionnement en talents dans le domaine des Bots. L'introduction d'OpenMind sur le Nasdaq marque le début d'une nouvelle ère où les machines intelligentes participent à l'innovation financière et à l'éducation réelle. OpenMind et Robostore annoncent conjointement le lancement du premier programme éducatif général basé sur le robot humanoïde Unitree G1 dans les écoles publiques K-12 aux États-Unis. Ce programme est conçu pour être indépendant de la plateforme et peut s'adapter à diverses formes de robots, offrant aux étudiants des opportunités de pratique. Ce signal positif renforce notre jugement : au cours des prochaines années, la richesse des ressources éducatives pour les Bots sera comparable à celle du domaine de l'IA.
5, Perspectives d'avenir
L'innovation et l'effet d'échelle du modèle visuel - langage - action (VLA) ont donné naissance à des robots humanoïdes économiques, efficaces et polyvalents. Avec l'expansion des robots de stockage vers le marché grand public, la sécurité, les modes de financement et les systèmes d'évaluation deviennent des directions clés d'exploration. Nous croyons fermement que la technologie de chiffrement fera progresser le développement des robots par trois voies : fournir une garantie économique pour la sécurité, optimiser l'infrastructure de recharge, et améliorer la latence et les pipelines de collecte de données.
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Partenaire de Pantera : l'ère des Bots alimentés par le chiffrement
Rédigé par : Paul Veradittakit, partenaire de Pantera Capital
Compilation : xiaozou, Jinse Caijing
Résumé :
L'innovation et les effets d'échelle de VLA poussent à la naissance de robots humanoïdes économiques, efficaces et polyvalents.
Avec l'expansion des robots de stockage vers le marché des robots grand public, la sécurité des robots, le financement et les mécanismes d'évaluation méritent d'être explorés en profondeur.
Le chiffrement permettra de sécuriser les Bots en fournissant des garanties économiques et en optimisant leur infrastructure de connexion, la latence et le processus de collecte de données, ce qui favorisera le développement de l'industrie des Bots.
ChatGPT a complètement réécrit les attentes humaines concernant l'intelligence artificielle. Lorsque les grands modèles linguistiques ont commencé à interagir avec le monde des logiciels externes, beaucoup de gens pensaient que les agents IA représentaient la forme ultime. Mais en revisitant des films de science-fiction classiques comme "Star Wars", "Blade Runner" ou "RoboCop", on se rend compte que le véritable rêve de l'humanité est que l'intelligence artificielle puisse interagir avec le monde physique sous forme de robots.
Selon Pantera Capital, le « moment ChatGPT » dans le domaine des robots est sur le point d'arriver. Nous allons d'abord analyser comment les percées en intelligence artificielle au cours des dernières années ont modifié le paysage industriel, puis explorer comment la technologie des batteries, la latence optimisée et l'amélioration de la collecte de données façonneront le futur, ainsi que le rôle que joue le chiffrement dans tout cela. Enfin, nous expliquerons pourquoi nous pensons que la sécurité des robots, le financement, l'évaluation et l'éducation sont des domaines verticaux qui nécessitent une attention particulière.
1. Éléments de transformation
(1) percée de l'intelligence artificielle
Les avancées dans le domaine des modèles de langage multimodaux dotent les robots du « cerveau » nécessaire pour exécuter des tâches complexes. Les robots perçoivent principalement leur environnement par les sens visuels et auditifs.
Les modèles de vision par ordinateur traditionnels (comme les réseaux de neurones convolutifs) sont excellents pour les tâches de détection ou de classification d'objets, mais ont du mal à convertir l'information visuelle en instructions d'action ciblées. Bien que les grands modèles linguistiques excellent dans la compréhension et la génération de texte, ils sont limités par leur capacité à percevoir le monde physique.
Grâce au modèle visuel - linguistique - action (VLA), les robots peuvent intégrer la perception visuelle, la compréhension linguistique et l'action physique dans un cadre de calcul unifié. En février 2025, Figure AI a lancé le modèle de contrôle de robot humanoïde universel Helix. Ce modèle VLA établit une nouvelle référence pour l'industrie grâce à sa capacité de généralisation zéro échantillon et à son architecture à deux systèmes 1/2. La caractéristique de généralisation zéro échantillon permet aux robots de s'adapter instantanément à de nouveaux scénarios, objets et instructions sans avoir besoin d'un entraînement répété pour chaque tâche. L'architecture système 1/2 sépare le raisonnement de haut niveau et le raisonnement léger, réalisant ainsi un robot humanoïde commercialisé qui allie pensée humaine et précision en temps réel.
(2) Les robots économiques deviennent une réalité
Les technologies qui changent le monde ont toutes une caractéristique commune : la capacité de se généraliser. Les smartphones, les ordinateurs personnels et les technologies d'impression 3D se sont répandus grâce à des prix abordables pour la classe moyenne. Lorsque le prix de robots comme le Unitree G1 tombe en dessous de celui d'une Honda Accord ou du revenu annuel minimum de 34 000 dollars aux États-Unis, il n'est pas surprenant d'imaginer un monde où le travail physique et les tâches quotidiennes sont principalement effectués par des Bots.
(3) De l'entreposage au marché de consommation
La technologie des robots s'étend des solutions d'entreposage au domaine de la consommation. Ce monde est conçu pour les humains - les humains peuvent accomplir tout le travail des robots spécialisés, tandis que les robots spécialisés ne peuvent pas accomplir tout le travail des humains. Les entreprises de robots ne se limitent plus à fabriquer des robots destinés aux usines, mais développent plutôt des robots humanoïdes plus polyvalents. Par conséquent, l'avant-garde de la technologie des robots ne se trouve pas seulement dans les entrepôts, mais infiltrera également la vie quotidienne.
Le coût est l'un des principaux goulots d'étranglement de l'évolutivité. L'indicateur qui nous intéresse le plus est le coût total par heure, calculé comme suit : le coût d'opportunité du temps de formation et de recharge, le coût d'exécution des tâches et le coût d'acquisition des Bots, le tout divisé par la durée totale de fonctionnement des Bots. Ce coût doit être inférieur au niveau moyen des salaires de l'industrie concernée pour être compétitif.
Pour pénétrer pleinement le domaine de l'entreposage, le coût global des Bots par heure doit être inférieur à 31,39 dollars. Dans le plus grand marché de consommation - le secteur de l'éducation privée et des services de santé, ce coût doit être maintenu en dessous de 35,18 dollars. Actuellement, les Bots évoluent vers des solutions plus économiques, plus efficaces et plus polyvalentes.
2、Les prochaines percées de la technologie des Bots
（1）optimisation de la batterie
La technologie des batteries reste un goulot d'étranglement pour les robots conviviaux. Les premiers véhicules électriques comme la BMW i3 ont rencontré des difficultés de diffusion en raison des limitations de la technologie des batteries, entraînant une autonomie courte, des coûts élevés et une utilité réduite, et les robots font face à la même situation. Le robot Spot de Boston Dynamics a une autonomie d'une seule fois de seulement 90 minutes, tandis que l'autonomie de la batterie du Unitree G1 est d'environ 2 heures. Les utilisateurs ne souhaitent manifestement pas recharger manuellement toutes les deux heures, c'est pourquoi la recharge autonome et l'infrastructure de connexion sont devenues des axes de développement prioritaires. Actuellement, il existe principalement deux modes de recharge pour les robots : le remplacement de la batterie ou la recharge directe.
Le mode de remplacement de la batterie permet un fonctionnement continu grâce au remplacement rapide des ensembles de batteries épuisés, minimisant ainsi les temps d'arrêt, et est adapté aux scénarios en extérieur ou en usine. Ce processus peut être réalisé manuellement ou de manière automatisée.
La charge par induction utilise un mode d'alimentation sans fil. Bien que le temps de charge complet soit long, elle permet de réaliser facilement un processus entièrement automatisé.
（2）latence optimisation
Les opérations à faible latence peuvent être divisées en deux catégories : la perception environnementale et le contrôle à distance. La perception fait référence à la capacité des Bots à comprendre l'espace de l'environnement, tandis que le contrôle à distance se réfère spécifiquement au contrôle en temps réel par un opérateur humain.
Selon des recherches de Cintrini, les systèmes de perception des robots commencent par des capteurs bon marché, mais le véritable avantage technologique réside dans le logiciel d'intégration, le calcul à faible consommation d'énergie et les boucles de contrôle précises à la milliseconde. Une fois que le robot a terminé son positionnement spatial, un réseau neuronal léger marquera des éléments tels que les obstacles, les palettes ou les humains. Lorsque les étiquettes de scène sont introduites dans le système de planification, des instructions moteur sont immédiatement générées et envoyées aux pieds, aux roues ou aux bras mécaniques. Une latence de perception inférieure à 50 millisecondes équivaut à la vitesse réflexe humaine – toute latence dépassant ce seuil entraînera des mouvements maladroits du robot. Par conséquent, 90 % des décisions doivent être prises localement par un réseau unique de vision - langage - action.
Les robots entièrement autonomes doivent garantir que la latence du modèle VLA soit inférieure à 50 millisecondes ; pour les robots télécommandés, il est exigé que la latence du signal entre le terminal d'opération et le robot ne dépasse pas 50 millisecondes. L'importance du modèle VLA est particulièrement mise en évidence ici : si les entrées visuelles et textuelles sont traitées par différents modèles avant d'être introduites dans un grand modèle de langage, la latence globale dépassera largement le seuil de 50 millisecondes.
(3) optimisation de la collecte de données
La collecte de données se fait principalement par trois moyens : les données vidéo du monde réel, les données synthétiques et les données de télécommande. Le principal obstacle entre les données réelles et les données synthétiques réside dans la réduction des différences entre le comportement physique des Robots et les modèles vidéo/simulations. Les données vidéo réelles manquent de détails physiques tels que le retour de force, les erreurs de mouvement des articulations et la déformation des matériaux ; les données simulées, quant à elles, manquent de variables imprévisibles telles que les pannes de capteurs et le coefficient de frottement.
La méthode de collecte de données la plus prometteuse est le contrôle à distance - les opérateurs humains contrôlent à distance les Bots pour exécuter des tâches. Cependant, le coût de la main-d'œuvre est le principal facteur limitant la collecte de données par contrôle à distance.
Le développement de matériel personnalisé offre également de nouvelles solutions pour la collecte de données de haute qualité. La société Mecka combine des méthodes traditionnelles avec du matériel personnalisé pour collecter des données de mouvement humain multidimensionnelles, qui, après traitement, sont transformées en ensembles de données adaptés à l'entraînement de réseaux neuronaux de Bots, fournissant ainsi une grande quantité de données de haute qualité pour l'entraînement des Bots d'IA grâce à des cycles d'itération rapides. Ces pipelines technologiques raccourcissent ensemble le chemin de conversion des données brutes aux Bots déployables.
3、Domaines d'exploration clés
(1) chiffrement technologie et Bots fusion
La technologie de chiffrement peut inciter les parties à confiance réduite à améliorer l'efficacité des réseaux de Bots. Sur la base des domaines clés mentionnés précédemment, nous pensons que la technologie de chiffrement peut améliorer l'efficacité dans trois domaines : l'intégration des infrastructures, l'optimisation de la latence et la collecte de données.
Le réseau d'infrastructure physique décentralisé (DePIN) promet de révolutionner l'infrastructure de recharge. Lorsque les robots humanoïdes fonctionnent à l'échelle mondiale comme des voitures, les stations de recharge doivent être aussi accessibles que des stations-service. Les réseaux centralisés nécessitent des investissements initiaux considérables, tandis que DePIN répartit les coûts parmi les opérateurs de nœuds, permettant une expansion rapide des installations de recharge dans davantage de régions.
DePIN peut également utiliser des infrastructures distribuées pour optimiser la latence de la télécommande. En agrégeant les ressources de calcul des nœuds de périphérie géographiquement dispersés, les instructions de télécommande peuvent être traitées par des nœuds locaux ou les plus proches disponibles, minimisant ainsi la distance de transmission des données et réduisant considérablement la latence de communication. Cependant, les projets DePIN actuels se concentrent principalement sur le stockage décentralisé, la distribution de contenu et le partage de bande passante. Bien que certains projets démontrent les avantages de l'informatique en périphérie dans le streaming ou l'Internet des objets, cela n'a pas encore été étendu aux Bots ou au domaine de la télécommande.
Le contrôle à distance est la méthode de collecte de données la plus prometteuse, mais le coût d'embauche de professionnels par des entités centralisées pour collecter des données est extrêmement élevé. DePIN résout ce problème en incitant des tiers à fournir des données de contrôle à distance grâce à des jetons cryptographiques. Le projet Reborn construit un réseau mondial d'opérateurs à distance, transformant leurs contributions en actifs numériques tokenisés, formant un système décentralisé sans autorisation - les participants peuvent à la fois générer des revenus et participer à la gouvernance tout en aidant à l'entraînement des Bots AGI.
(2) La sécurité est toujours une préoccupation centrale
Le but ultime de la technologie des robots est d'atteindre une autonomie complète, mais comme le mettent en garde les films de la série "Terminator", ce que l'humanité craint le plus, c'est que l'autonomie transforme les robots en armes offensives. Les problèmes de sécurité des grands modèles de langage ont suscité des préoccupations, et lorsque ces modèles possèdent des capacités d'action physique, la sécurité des robots devient un préalable clé à l'acceptation par la société.
La sécurité économique est l'un des piliers de la prospérité de l'écosystème des Robots. La société OpenMind dans ce domaine construit FABRIC - une couche de coordination des machines décentralisée, permettant d'authentifier l'identité des dispositifs, de vérifier leur présence physique et d'accéder aux ressources grâce au chiffrement. Contrairement à la simple gestion de marché des tâches, FABRIC permet aux Robots de prouver de manière autonome leurs informations d'identité, leur localisation géographique et leurs enregistrements de comportement, sans dépendre d'intermédiaires centralisés.
Les contraintes comportementales et l'authentification des identités sont exécutées par des mécanismes sur la chaîne, garantissant que tout le monde peut auditer la conformité. Les robots conformes aux normes de sécurité, aux exigences de qualité et aux réglementations régionales recevront des récompenses, tandis que les contrevenants feront face à des sanctions ou à une disqualification, établissant ainsi un mécanisme de responsabilité et de confiance au sein du réseau de machines autonomes.
Les réseaux de re-staking tiers (comme Symbiotic) peuvent également offrir des garanties de sécurité équivalentes. Bien que le système de paramètres de pénalité doive encore être amélioré, la technologie pertinente est déjà à un stade pratique. Nous prévoyons que des normes de sécurité pour l'industrie seront bientôt établies, et à ce moment-là, les paramètres de pénalité seront modélisés en référence à ces normes.
Exemple de plan d'action :
Ce modèle incite les entreprises à placer la sécurité en premier lieu, tout en favorisant l'acceptation par les consommateurs grâce au mécanisme d'assurance du pool de fonds stakés.
L'équipe Symbiotic a des perspectives sur le domaine des Bots :
Le cadre de staking universel Symbiotic vise à étendre le concept de staking à tous les domaines nécessitant une garantie de sécurité économique, que ce soit par un modèle partagé ou indépendant. Ses cas d'application vont de l'assurance à la technologie des Bots, nécessitant une conception spécifique pour chaque cas. Par exemple, un réseau de Bots peut être entièrement construit sur le cadre Symbiotic, permettant aux parties prenantes de fournir une garantie économique pour l'intégrité du réseau.
4、Combler les lacunes dans la pile technologique des Bots
OpenAI a favorisé la vulgarisation de l'IA, mais les bases de ChatGPT étaient déjà établies. Les services cloud ont rompu la dépendance des modèles à la puissance de calcul locale, Huggingface a réalisé l'open source des modèles, et Kaggle a fourni une plateforme d'expérimentation pour les ingénieurs en IA. Ces avancées progressives ont ensemble contribué à la démocratisation de l'IA.
Contrairement à l'IA, le domaine des Bots est difficile d'accès lorsque les fonds sont limités. Pour réaliser la vulgarisation des Bots, le seuil de développement doit être abaissé à un niveau de commodité comparable à celui du développement d'applications d'IA. Nous pensons qu'il existe des possibilités d'amélioration à trois niveaux : mécanisme de financement, système d'évaluation et écosystème éducatif.
Le financement est un point de douleur dans le domaine des robots. Développer des programmes informatiques ne nécessite qu'un ordinateur et des ressources de cloud computing, tandis que construire un robot entièrement fonctionnel nécessite l'achat de moteurs, de capteurs, de batteries et d'autres matériel, ce qui fait que le coût dépasse facilement 100 000 dollars. Cette propriété matérielle rend le développement de robots moins flexible et plus coûteux par rapport à l'IA.
L'infrastructure d'évaluation des Bots dans des scénarios réels en est encore à ses débuts. Le domaine de l'IA a établi un système de fonctions de perte clair, et les tests peuvent être entièrement virtualisés. Cependant, d'excellentes stratégies virtuelles ne peuvent pas être directement converties en solutions efficaces dans le monde réel. Les Bots ont besoin d'installations d'évaluation des stratégies autonomes testées dans des environnements réels diversifiés pour réaliser une optimisation itérative.
Lorsque ces infrastructures seront matures, un grand nombre de talents afflueront et les robots humanoïdes reproduiront la courbe d'explosion du Web2. La société de robots de chiffrement OpenMind avance dans cette direction - son projet open source OM1 ("système Android pour robots") transforme le matériel brut en agents intelligents évolutifs dotés de conscience économique. Les modules de vision, de langage et de planification des mouvements peuvent être branchés et utilisés comme des applications mobiles, toutes les étapes de raisonnement étant présentées en anglais clair, permettant aux opérateurs d'auditer ou d'ajuster le comportement sans toucher au firmware. Cette capacité de raisonnement en langage naturel permet à une nouvelle génération de talents d'entrer sans couture dans le domaine de la robotique, franchissant une étape clé vers le lancement d'une plateforme ouverte pour la révolution robotique, tout comme le mouvement open source a accéléré l'IA.
La densité des talents détermine la trajectoire de l'industrie. Un système éducatif inclusif et structuré est crucial pour l'approvisionnement en talents dans le domaine des Bots. L'introduction d'OpenMind sur le Nasdaq marque le début d'une nouvelle ère où les machines intelligentes participent à l'innovation financière et à l'éducation réelle. OpenMind et Robostore annoncent conjointement le lancement du premier programme éducatif général basé sur le robot humanoïde Unitree G1 dans les écoles publiques K-12 aux États-Unis. Ce programme est conçu pour être indépendant de la plateforme et peut s'adapter à diverses formes de robots, offrant aux étudiants des opportunités de pratique. Ce signal positif renforce notre jugement : au cours des prochaines années, la richesse des ressources éducatives pour les Bots sera comparable à celle du domaine de l'IA.
5, Perspectives d'avenir
L'innovation et l'effet d'échelle du modèle visuel - langage - action (VLA) ont donné naissance à des robots humanoïdes économiques, efficaces et polyvalents. Avec l'expansion des robots de stockage vers le marché grand public, la sécurité, les modes de financement et les systèmes d'évaluation deviennent des directions clés d'exploration. Nous croyons fermement que la technologie de chiffrement fera progresser le développement des robots par trois voies : fournir une garantie économique pour la sécurité, optimiser l'infrastructure de recharge, et améliorer la latence et les pipelines de collecte de données.