## 著者：ポール・ヴェラディッタキット、パレンタキャピタルのパートナー；翻訳：ゴールドファイナンスの小鄒## ***要旨:****VLA**革新とスケールメリットが経済的で効率的、かつ汎用型のヒューマノイドロボットの誕生を推進しています。**倉庫ロボットが消費者向けロボット市場に拡大するにつれて、ロボットの安全性、資金調達、評価メカニズムについて深く探求する価値があります。**暗号技術は、ロボットの安全性を経済的に保証し、接続インフラ、遅延、およびデータ収集プロセスを最適化することで、ロボット産業の発展を促進します。*ChatGPTは人間の人工知能に対する認識の期待を根本的に変えました。大規模言語モデルが外部ソフトウェアの世界と相互作用を始めたとき、多くの人はAIエージェントが究極の形態であると考えていました。しかし、『スター・ウォーズ』や『ブレードランナー』、『ロボコップ』などのクラシックなSF映画を振り返ると、人類が本当に夢見ているのは、人工知能がロボットの形で物理世界と相互作用を実現することだとわかります。Pantera Capitalによれば、ロボット分野の「ChatGPTの瞬間」が間もなく訪れるとされています。まず、過去数年間の人工知能の突破口が業界の状況をどのように変えたかを分析し、次に、バッテリー技術、遅延最適化、およびデータ収集の改善が未来の景観をどのように形成するか、そしてその中で暗号技術が果たす役割について考察します。最後に、ロボットの安全性、資金調達、評価、および教育が重点的に注目すべき垂直分野であると考える理由を説明します。## **1****, 変化の要素****(****1****) 人工知能のブレークスルー**マルチモーダル大規模言語モデルの分野の進展は、ロボットが複雑なタスクを実行するために必要な「脳」を与えています。ロボットは主に視覚と聴覚の2つの感覚を通じて環境を認識します。従来のコンピュータビジョンモデル（例えば、畳み込みニューラルネットワーク）は物体検出や分類タスクに優れているが、視覚情報を目的のある行動指示に変換することが難しい。大規模言語モデルはテキスト理解と生成において卓越した性能を示すが、物理世界の知覚能力には限界がある。視覚-言語-行動モデル（VLA）を通じて、ロボットは統一された計算フレームワーク内で視覚的知覚、言語理解、実体行動を統合することができます。2025年2月、Figure AIは汎用ヒューマノイドロボット制御モデルHelixを発表しました。このVLAモデルは、ゼロショット一般化能力とシステム1/システム2の二重アーキテクチャにより、業界に新たな基準を設けました。ゼロショット一般化特性により、ロボットは各タスクに対して繰り返し訓練を行うことなく、新しいシーン、新しい物体、そして新しい指示に即座に適応できます。システム1/システム2アーキテクチャは、高次推論と軽量推論を分離し、人間の思考とリアルタイムの精度を兼ね備えた商業用ヒューマノイドロボットを実現しました。**（****2****）経済型ロボットが現実に**世界を変える技術には共通の特徴があります。それは普及性です。スマートフォン、パーソナルコンピュータ、3Dプリンティング技術は、中産階級が手の届く価格で普及しています。Unitree G1のようなロボットの価格がホンダアコードやアメリカの34,000ドルの最低年収を下回るとき、肉体労働や日常業務が主にロボットによって行われる世界を想像することは驚くべきことではありません。! [Tn1tv6S36bdGnnOOpqRRqjdc8pnTqJ1EKRERmKtZ.png](https://img-cdn.gateio.im/social/moments-498cd8f72bea9c4c1a66b077082a7dde "7379924" )**(****3****) 倉庫業から消費者市場へ**ロボット技術は、倉庫のソリューションから消費分野へと拡大しています。この世界は人間のために設計されており、人間はすべての専門ロボットの仕事をこなすことができますが、専門ロボットはすべての人間の仕事をこなすことはできません。ロボット会社はもはや工場専用ロボットの製造に限らず、より汎用的な人型ロボットの開発にシフトしています。したがって、ロボット技術の最前線は倉庫だけでなく、日常生活にも浸透していくでしょう。コストはスケーラビリティの主要なボトルネックの一つです。私たちが最も注目している指標は、毎時の総コストで、その計算方法は、トレーニングと充電の時間の機会コスト、タスク実行コスト、ロボット購入コストの合計をロボットの総稼働時間で割ったものです。このコストは関連業界の平均賃金水準を下回る必要があります。! [rQCyavIaHdxhfr10i808m9Rj3UhR0JpqVvv1s4kq.png](https://img-cdn.gateio.im/social/moments-15e10cb580d95fce3d5a8eef4e2aae9b "7379925" )倉庫分野に全面的に浸透するためには、ロボットの時間あたりの総コストは31.39ドル未満でなければなりません。そして、最大の消費者市場である私立教育および健康サービス分野では、このコストは35.18ドル未満に抑える必要があります。現在、ロボットは**より安価で、より効率的で、より汎用的**な方向に進化しています。## **2****、ロボット技術の次のブレークスルー****（****1****）バッテリー最適化**バッテリー技術は常にユーザーフレンドリーなロボットのボトルネックです。初期のBMW i3などの電気自動車は、バッテリー技術の制限により航続距離が短く、コストが高く、実用性が低いため普及が難しかったが、ロボットも同じ困難に直面しています。ボストン・ダイナミクスのSpotロボットは、単一の航続時間がわずか90分であり、Unitree G1のバッテリー航続時間は約2時間です。ユーザーは明らかに2時間ごとに手動で充電することを望んでいないため、自律的な充電と接続インフラの構築が重要な発展方向となっています。現在、ロボットの充電には主に2つのモードがあります：バッテリー交換または直接充電です。バッテリー交換モードは、消耗したバッテリーを迅速に交換することで継続的な作業を実現し、ダウンタイムを最小限に抑えます。これは、野外または工場のシーンに適しています。このプロセスは手動操作でも自動化でも実行可能です。感応充電はワイヤレス電源供給方式を採用しており、完全な充電には時間がかかりますが、全自動化プロセスを簡単に実現できます。**(****2****) レイテンシーの最適化**低遅延操作は、環境認識と遠隔操作の二つのカテゴリーに分けられます。認識はロボットの環境に対する空間認知能力を指し、遠隔操作は人間オペレーターのリアルタイム制御を特に指します。Cintriniの研究によると、ロボットの感知システムは安価なセンサーから始まりますが、技術的な壁は融合ソフトウェア、低消費電力の計算、およびミリ秒単位の精密制御回路にあります。ロボットが空間の位置を特定すると、軽量なニューラルネットワークが障害物、パレット、人間などの要素をマークします。シーンラベルがプランニングシステムに入力されると、すぐに足、ホイールユニット、またはアームに送信されるモーター指令が生成されます。**50****ミリ秒以下の感知遅延は人間の反射速度に等しい****——****この閾値を超える遅延はロボットの動きを不器用にします。**したがって、90％の意思決定は単一の視覚-言語-行動ネットワークによってローカルで行われる必要があります。全自律型ロボットは、高性能VLAモデルの遅延が50ミリ秒未満であることを保証する必要があります；遠隔操作ロボットは、操作端とロボット間の信号遅延が50ミリ秒を超えないことが求められます。ここでのVLAモデルの重要性は特に顕著です——視覚とテキスト入力がそれぞれ異なるモデルによって処理された後に大規模言語モデルに入力される場合、全体の遅延は50ミリ秒の閾値を大きく超えることになります。**(****3****) データ収集の最適化**データ収集には主に三つの方法があります：**現実世界のビデオデータ、合成データ、リモート操作データ。現実データと合成データの核心的なボトルネックは、ロボットの物理的な行動とビデオ****/****シミュレーションモデルとの間のギャップを埋めることです。**現実のビデオデータは力のフィードバック、関節の動きの誤差、材料の変形などの物理的な詳細が欠けています； シミュレーションデータはセンサーの故障、摩擦係数などの予測不可能な変数が不足しています。**最も可能性のあるデータ収集方法はリモート操作**——人間のオペレーターがロボットを遠隔操作してタスクを実行します。しかし、人件費はリモート操作によるデータ収集の主な制約要因です。カスタムハードウェア開発は、高品質なデータ収集に新しいソリューションを提供しています。Mecka社は、主流の方法とカスタムハードウェアを組み合わせて、多次元の人間の運動データを収集し、処理後にロボット神経ネットワークのトレーニングに適したデータセットに変換します。迅速なイテレーションサイクルと合わせて、AIロボットのトレーニングに膨大な高品質データを提供します。これらの技術パイプラインは、原データから展開可能なロボットへの変換経路を短縮しています。## **3**** 探索すべき主要エリア****（****1****）暗号技術とロボットの融合**暗号技術は、信頼を置かない者にロボットネットワークの効率を向上させるインセンティブを提供します。前述の重要な分野に基づいて、私たちは暗号技術がインフラの統合、遅延の最適化、データ収集の3つの側面で効率を向上させると考えています。分散型物理インフラネットワーク（DePIN）は、充電インフラを革新することが期待されています。人型ロボットが自動車のように世界中で運行する時、充電ステーションはガソリンスタンドのように手の届くところに必要です。中央集権型ネットワークは膨大な初期投資を必要としますが、DePINはコストをノードオペレーターに分散させ、充電施設をより多くの地域に迅速に拡張します。DePINは分散型インフラを利用してリモート操作の遅延を最適化することもできます。地理的に分散されたエッジノードの計算リソースを集約することにより、リモート操作の指令はローカルまたは最も近くの利用可能なノードによって処理され、データ転送距離を最小限に抑え、通信遅延を大幅に削減します。しかし、現在のDePINプロジェクトは主に分散型ストレージ、コンテンツ配信、帯域幅共有に焦点を当てており、エッジコンピューティングがストリーミングメディアやIoTにおける応用の利点を示しているプロジェクトはありますが、ロボットやリモート操作の分野にはまだ展開されていません。リモートコントロールは最も有望なデータ収集方法ですが、中央集権的な実体が専門家を雇ってデータを収集するコストは非常に高い。DePINは暗号トークンを通じて第三者にリモートコントロールデータを提供するインセンティブを与えることでこの問題を解決する。Rebornプロジェクトは、世界的なリモートオペレーターのネットワークを構築し、その貢献をトークン化されたデジタル資産に変換し、許可不要の分散型システムを形成する。参加者は利益を得るだけでなく、ガバナンスに参加し、AGIロボットのトレーニングを支援することもできる。**（****2****）セキュリティは常に核心の関心事です**ロボット技術の究極の目標は完全な自律を実現することですが、『ターミネーター』シリーズの映画が警告しているように、人類が最も望まないのは自律性がロボットを攻撃的な武器に変えてしまうことです。大規模言語モデルの安全性の問題が注目を集めており、これらのモデルが実体的な行動能力を持つ場合、ロボットの安全性は社会的受容の重要な前提条件となります。**経済の安全性はロボットエコシステムの繁栄の柱の一つです。**この分野のOpenMind社はFABRICを構築しています——これは分散型のロボット調整層であり、暗号学的証明によってデバイスのアイデンティティ認証、物理的存在の検証、およびリソースの取得を実現します。単純なタスクマーケット管理とは異なり、FABRICはロボットが中央集権的な仲介者に依存せず、自己証明によってアイデンティティ情報、地理的位置、行動記録を自主的に証明できるようにします。行動制約と身分認証はオンチェーンメカニズムによって実行され、誰でもコンプライアンスを監査できることを保証します。安全基準、品質要件、地域規範を満たすロボットは報酬を受け取り、違反者は罰則や資格剥奪に直面し、自律型ロボットネットワーク内に責任と信頼のメカニズムを構築します。第三者再担保ネットワーク（Symbioticなど）も同様に対等な安全担保を提供できます。罰則パラメータ体系はまだ改善が必要ですが、関連技術は実用段階に入っています。業界の安全基準が間もなく形成されると予想しており、その際には罰則パラメータはこれらの基準に基づいてモデル化されるでしょう。実装の例:*ロボット会社が**Symbiotic**ネットワークに参加。**検証可能な没収パラメータを設定する（例：**"**2500**ニュートンを超える人間の接触力を施加する**"**）；**ステーキング者は、ロボットがパラメータを遵守することを保証するためにマージンを提供します；**違反が発生した場合、担保金は被害者への賠償金として使用されます。*このモデルは、企業がセキュリティを最優先することを奨励し、また、資金プールの保険メカニズムによって消費者の受容を促進します。Symbioticチームのロボット分野に対する見解は、*Symbiotic**汎用ステーキングフレームワークは、ステーキングの概念を経済的な安全性が求められるすべての分野に拡張することを目的としており、共有モデルまたは独立モデルのいずれかを通じて実現されます。適用シナリオは、保険からロボット工学まで、具体的なケースに応じて設計する必要があります。たとえば、ロボットネットワークは完全に**Symbiotic**フレームワークに基づいて構築でき、利害関係者がネットワークの完全性に対して経済的な保証を提供できるようになります。*## **4****、ロボット技術スタックの空白を埋める**OpenAIはAIの普及を促進しましたが、ChatGPTの基盤はすでに確立されています。クラウドサービスはモデルのローカル計算能力への依存を打破し、Huggingfaceはモデルのオープンソース化を実現し、KaggleはAIエンジニアに実験プラットフォームを提供しました。これらの漸進的な突破口が共同でAIの大衆化を促進しました。**AI**とは異なり、ロボット分野は資金が限られているときに参入が難しい。ロボットの普及を実現するためには、その開発の敷居を**AI**アプリケーション開発と同じくらい便利なレベルにまで引き下げる必要があると考えています。私たちは、資金調達メカニズム、評価システム、教育エコシステムの3つの側面で改善の余地があると考えています。ロボット分野における資金調達は痛点です。コンピュータープログラムを開発するにはパソコンとクラウドコンピューティングリソースがあれば十分ですが、機能が完全なロボットを構築するにはモーター、センサー、バッテリーなどのハードウェアを調達する必要があり、コストは簡単に10万ドルを超えます。このようなハードウェアの特性により、ロボット開発はAIに比べて柔軟性に欠け、コストが高くなります。現実のシーンにおけるロボット評価インフラはまだ芽生えの段階にあります。AI分野では明確な損失関数の体系が確立されており、テストは完全に仮想化されています。**しかし、優れた仮想戦略は直接現実世界の有効なソリューションに転換することはできません。ロボットは多様な現実環境で自律戦略の評価施設をテストする必要があり、それによって反復的な最適化を実現します。**これらのインフラが成熟すると、人材が大量に流入し、ヒューマノイドロボットはWeb2の爆発曲線を再現するでしょう。暗号ロボット会社OpenMindはこの方向に向けて進んでいます——そのオープンソースプロジェクトOM1（"ロボット版Androidシステム"）は、原始的なハードウェアを経済意識を持つアップグレード可能なインテリジェントエージェントに変換します。視覚、言語、運動計画モジュールは、スマートフォンアプリのようにプラグアンドプレイ可能で、すべての推論ステップは明確な英語で提示されるため、オペレーターはファームウェアに直接触れることなく行動を監査または調整できます。この自然言語推論能力は、新世代の人材がロボット分野にシームレスに参入することを可能にし、ロボット革命を引き起こすオープンプラットフォームの重要な一歩を踏み出すことになります。それは、オープンソース運動がAIの加速に与える影響と同様です。! [9w4FeDFrQpSzIOVnqjQL1iz3LrIaGlrRUCz29CRB.png](https://img-cdn.gateio.im/social/moments-943bd77674108670ab740ff959012d73 "7379926" )人材の密度が業界の軌跡を決定します。構造化された普遍的な教育体系はロボット分野の人材供給にとって非常に重要です。OpenMindがナスダックに上場したことは、知能を持つ機械が金融革新と実体教育に同時に参加する新しい時代の始まりを示しています。**OpenMind****と****Robostore****は共同で、アメリカの****K-12****公立学校において、****Unitree G1****ヒューマノイドロボットを基にした初の汎用教育カリキュラムを導入することを発表しました。**このカリキュラムはプラットフォームに依存せず、さまざまなロボット形態に適応可能で、学生に実践的な操作の機会を提供します。この積極的な信号は、我々の判断を強化します：**今後数年間でロボット教育資源の豊富さは****AI****分野に匹敵するでしょう。**## **5**** 将来の展望**視覚-言語-行動モデル（VLA）の革新と規模の経済効果は、経済的で効率的かつ汎用的なヒューマノイドロボットを生み出しました。**倉庫ロボットが消費者向け市場に拡大するにつれて、安全性、資金調達モデル、評価システムが重要な探求の方向性となっています。**私たちは、暗号技術が三つの道を通じてロボットの発展を促進すると確信しています：安全に経済的保証を提供し、充電インフラを最適化し、遅延性能とデータ収集パイプラインを向上させること。
Pantera Partners:暗号駆動型AIロボットの時代
著者：ポール・ヴェラディッタキット、パレンタキャピタルのパートナー；翻訳：ゴールドファイナンスの小鄒
要旨:
VLA**革新とスケールメリットが経済的で効率的、かつ汎用型のヒューマノイドロボットの誕生を推進しています。
倉庫ロボットが消費者向けロボット市場に拡大するにつれて、ロボットの安全性、資金調達、評価メカニズムについて深く探求する価値があります。
暗号技術は、ロボットの安全性を経済的に保証し、接続インフラ、遅延、およびデータ収集プロセスを最適化することで、ロボット産業の発展を促進します。
ChatGPTは人間の人工知能に対する認識の期待を根本的に変えました。大規模言語モデルが外部ソフトウェアの世界と相互作用を始めたとき、多くの人はAIエージェントが究極の形態であると考えていました。しかし、『スター・ウォーズ』や『ブレードランナー』、『ロボコップ』などのクラシックなSF映画を振り返ると、人類が本当に夢見ているのは、人工知能がロボットの形で物理世界と相互作用を実現することだとわかります。
Pantera Capitalによれば、ロボット分野の「ChatGPTの瞬間」が間もなく訪れるとされています。まず、過去数年間の人工知能の突破口が業界の状況をどのように変えたかを分析し、次に、バッテリー技術、遅延最適化、およびデータ収集の改善が未来の景観をどのように形成するか、そしてその中で暗号技術が果たす役割について考察します。最後に、ロボットの安全性、資金調達、評価、および教育が重点的に注目すべき垂直分野であると考える理由を説明します。
1**, 変化の要素**
(1) 人工知能のブレークスルー
マルチモーダル大規模言語モデルの分野の進展は、ロボットが複雑なタスクを実行するために必要な「脳」を与えています。ロボットは主に視覚と聴覚の2つの感覚を通じて環境を認識します。
従来のコンピュータビジョンモデル（例えば、畳み込みニューラルネットワーク）は物体検出や分類タスクに優れているが、視覚情報を目的のある行動指示に変換することが難しい。大規模言語モデルはテキスト理解と生成において卓越した性能を示すが、物理世界の知覚能力には限界がある。
視覚-言語-行動モデル（VLA）を通じて、ロボットは統一された計算フレームワーク内で視覚的知覚、言語理解、実体行動を統合することができます。2025年2月、Figure AIは汎用ヒューマノイドロボット制御モデルHelixを発表しました。このVLAモデルは、ゼロショット一般化能力とシステム1/システム2の二重アーキテクチャにより、業界に新たな基準を設けました。ゼロショット一般化特性により、ロボットは各タスクに対して繰り返し訓練を行うことなく、新しいシーン、新しい物体、そして新しい指示に即座に適応できます。システム1/システム2アーキテクチャは、高次推論と軽量推論を分離し、人間の思考とリアルタイムの精度を兼ね備えた商業用ヒューマノイドロボットを実現しました。
（2）経済型ロボットが現実に
世界を変える技術には共通の特徴があります。それは普及性です。スマートフォン、パーソナルコンピュータ、3Dプリンティング技術は、中産階級が手の届く価格で普及しています。Unitree G1のようなロボットの価格がホンダアコードやアメリカの34,000ドルの最低年収を下回るとき、肉体労働や日常業務が主にロボットによって行われる世界を想像することは驚くべきことではありません。
! Tn1tv6S36bdGnnOOpqRRqjdc8pnTqJ1EKRERmKtZ.png
(3) 倉庫業から消費者市場へ
ロボット技術は、倉庫のソリューションから消費分野へと拡大しています。この世界は人間のために設計されており、人間はすべての専門ロボットの仕事をこなすことができますが、専門ロボットはすべての人間の仕事をこなすことはできません。ロボット会社はもはや工場専用ロボットの製造に限らず、より汎用的な人型ロボットの開発にシフトしています。したがって、ロボット技術の最前線は倉庫だけでなく、日常生活にも浸透していくでしょう。
コストはスケーラビリティの主要なボトルネックの一つです。私たちが最も注目している指標は、毎時の総コストで、その計算方法は、トレーニングと充電の時間の機会コスト、タスク実行コスト、ロボット購入コストの合計をロボットの総稼働時間で割ったものです。このコストは関連業界の平均賃金水準を下回る必要があります。
! rQCyavIaHdxhfr10i808m9Rj3UhR0JpqVvv1s4kq.png
倉庫分野に全面的に浸透するためには、ロボットの時間あたりの総コストは31.39ドル未満でなければなりません。そして、最大の消費者市場である私立教育および健康サービス分野では、このコストは35.18ドル未満に抑える必要があります。現在、ロボットはより安価で、より効率的で、より汎用的な方向に進化しています。
2**、ロボット技術の次のブレークスルー**
（1）バッテリー最適化
バッテリー技術は常にユーザーフレンドリーなロボットのボトルネックです。初期のBMW i3などの電気自動車は、バッテリー技術の制限により航続距離が短く、コストが高く、実用性が低いため普及が難しかったが、ロボットも同じ困難に直面しています。ボストン・ダイナミクスのSpotロボットは、単一の航続時間がわずか90分であり、Unitree G1のバッテリー航続時間は約2時間です。ユーザーは明らかに2時間ごとに手動で充電することを望んでいないため、自律的な充電と接続インフラの構築が重要な発展方向となっています。現在、ロボットの充電には主に2つのモードがあります：バッテリー交換または直接充電です。
バッテリー交換モードは、消耗したバッテリーを迅速に交換することで継続的な作業を実現し、ダウンタイムを最小限に抑えます。これは、野外または工場のシーンに適しています。このプロセスは手動操作でも自動化でも実行可能です。
感応充電はワイヤレス電源供給方式を採用しており、完全な充電には時間がかかりますが、全自動化プロセスを簡単に実現できます。
(2) レイテンシーの最適化
低遅延操作は、環境認識と遠隔操作の二つのカテゴリーに分けられます。認識はロボットの環境に対する空間認知能力を指し、遠隔操作は人間オペレーターのリアルタイム制御を特に指します。
Cintriniの研究によると、ロボットの感知システムは安価なセンサーから始まりますが、技術的な壁は融合ソフトウェア、低消費電力の計算、およびミリ秒単位の精密制御回路にあります。ロボットが空間の位置を特定すると、軽量なニューラルネットワークが障害物、パレット、人間などの要素をマークします。シーンラベルがプランニングシステムに入力されると、すぐに足、ホイールユニット、またはアームに送信されるモーター指令が生成されます。**50ミリ秒以下の感知遅延は人間の反射速度に等しい——****この閾値を超える遅延はロボットの動きを不器用にします。**したがって、90％の意思決定は単一の視覚-言語-行動ネットワークによってローカルで行われる必要があります。
全自律型ロボットは、高性能VLAモデルの遅延が50ミリ秒未満であることを保証する必要があります；遠隔操作ロボットは、操作端とロボット間の信号遅延が50ミリ秒を超えないことが求められます。ここでのVLAモデルの重要性は特に顕著です——視覚とテキスト入力がそれぞれ異なるモデルによって処理された後に大規模言語モデルに入力される場合、全体の遅延は50ミリ秒の閾値を大きく超えることになります。
(3) データ収集の最適化
データ収集には主に三つの方法があります：現実世界のビデオデータ、合成データ、リモート操作データ。現実データと合成データの核心的なボトルネックは、ロボットの物理的な行動とビデオ**/****シミュレーションモデルとの間のギャップを埋めることです。**現実のビデオデータは力のフィードバック、関節の動きの誤差、材料の変形などの物理的な詳細が欠けています； シミュレーションデータはセンサーの故障、摩擦係数などの予測不可能な変数が不足しています。
最も可能性のあるデータ収集方法はリモート操作——人間のオペレーターがロボットを遠隔操作してタスクを実行します。しかし、人件費はリモート操作によるデータ収集の主な制約要因です。
カスタムハードウェア開発は、高品質なデータ収集に新しいソリューションを提供しています。Mecka社は、主流の方法とカスタムハードウェアを組み合わせて、多次元の人間の運動データを収集し、処理後にロボット神経ネットワークのトレーニングに適したデータセットに変換します。迅速なイテレーションサイクルと合わせて、AIロボットのトレーニングに膨大な高品質データを提供します。これらの技術パイプラインは、原データから展開可能なロボットへの変換経路を短縮しています。
3** 探索すべき主要エリア**
（1）暗号技術とロボットの融合
暗号技術は、信頼を置かない者にロボットネットワークの効率を向上させるインセンティブを提供します。前述の重要な分野に基づいて、私たちは暗号技術がインフラの統合、遅延の最適化、データ収集の3つの側面で効率を向上させると考えています。
分散型物理インフラネットワーク（DePIN）は、充電インフラを革新することが期待されています。人型ロボットが自動車のように世界中で運行する時、充電ステーションはガソリンスタンドのように手の届くところに必要です。中央集権型ネットワークは膨大な初期投資を必要としますが、DePINはコストをノードオペレーターに分散させ、充電施設をより多くの地域に迅速に拡張します。
DePINは分散型インフラを利用してリモート操作の遅延を最適化することもできます。地理的に分散されたエッジノードの計算リソースを集約することにより、リモート操作の指令はローカルまたは最も近くの利用可能なノードによって処理され、データ転送距離を最小限に抑え、通信遅延を大幅に削減します。しかし、現在のDePINプロジェクトは主に分散型ストレージ、コンテンツ配信、帯域幅共有に焦点を当てており、エッジコンピューティングがストリーミングメディアやIoTにおける応用の利点を示しているプロジェクトはありますが、ロボットやリモート操作の分野にはまだ展開されていません。
リモートコントロールは最も有望なデータ収集方法ですが、中央集権的な実体が専門家を雇ってデータを収集するコストは非常に高い。DePINは暗号トークンを通じて第三者にリモートコントロールデータを提供するインセンティブを与えることでこの問題を解決する。Rebornプロジェクトは、世界的なリモートオペレーターのネットワークを構築し、その貢献をトークン化されたデジタル資産に変換し、許可不要の分散型システムを形成する。参加者は利益を得るだけでなく、ガバナンスに参加し、AGIロボットのトレーニングを支援することもできる。
（2）セキュリティは常に核心の関心事です
ロボット技術の究極の目標は完全な自律を実現することですが、『ターミネーター』シリーズの映画が警告しているように、人類が最も望まないのは自律性がロボットを攻撃的な武器に変えてしまうことです。大規模言語モデルの安全性の問題が注目を集めており、これらのモデルが実体的な行動能力を持つ場合、ロボットの安全性は社会的受容の重要な前提条件となります。
**経済の安全性はロボットエコシステムの繁栄の柱の一つです。**この分野のOpenMind社はFABRICを構築しています——これは分散型のロボット調整層であり、暗号学的証明によってデバイスのアイデンティティ認証、物理的存在の検証、およびリソースの取得を実現します。単純なタスクマーケット管理とは異なり、FABRICはロボットが中央集権的な仲介者に依存せず、自己証明によってアイデンティティ情報、地理的位置、行動記録を自主的に証明できるようにします。
行動制約と身分認証はオンチェーンメカニズムによって実行され、誰でもコンプライアンスを監査できることを保証します。安全基準、品質要件、地域規範を満たすロボットは報酬を受け取り、違反者は罰則や資格剥奪に直面し、自律型ロボットネットワーク内に責任と信頼のメカニズムを構築します。
第三者再担保ネットワーク（Symbioticなど）も同様に対等な安全担保を提供できます。罰則パラメータ体系はまだ改善が必要ですが、関連技術は実用段階に入っています。業界の安全基準が間もなく形成されると予想しており、その際には罰則パラメータはこれらの基準に基づいてモデル化されるでしょう。
実装の例:
ロボット会社がSymbioticネットワークに参加。
検証可能な没収パラメータを設定する（例："2500ニュートンを超える人間の接触力を施加する"**）；
ステーキング者は、ロボットがパラメータを遵守することを保証するためにマージンを提供します；
違反が発生した場合、担保金は被害者への賠償金として使用されます。
このモデルは、企業がセキュリティを最優先することを奨励し、また、資金プールの保険メカニズムによって消費者の受容を促進します。
Symbioticチームのロボット分野に対する見解は、
Symbiotic汎用ステーキングフレームワークは、ステーキングの概念を経済的な安全性が求められるすべての分野に拡張することを目的としており、共有モデルまたは独立モデルのいずれかを通じて実現されます。適用シナリオは、保険からロボット工学まで、具体的なケースに応じて設計する必要があります。たとえば、ロボットネットワークは完全にSymbiotic**フレームワークに基づいて構築でき、利害関係者がネットワークの完全性に対して経済的な保証を提供できるようになります。
4**、ロボット技術スタックの空白を埋める**
OpenAIはAIの普及を促進しましたが、ChatGPTの基盤はすでに確立されています。クラウドサービスはモデルのローカル計算能力への依存を打破し、Huggingfaceはモデルのオープンソース化を実現し、KaggleはAIエンジニアに実験プラットフォームを提供しました。これらの漸進的な突破口が共同でAIの大衆化を促進しました。
AIとは異なり、ロボット分野は資金が限られているときに参入が難しい。ロボットの普及を実現するためには、その開発の敷居をAIアプリケーション開発と同じくらい便利なレベルにまで引き下げる必要があると考えています。私たちは、資金調達メカニズム、評価システム、教育エコシステムの3つの側面で改善の余地があると考えています。
ロボット分野における資金調達は痛点です。コンピュータープログラムを開発するにはパソコンとクラウドコンピューティングリソースがあれば十分ですが、機能が完全なロボットを構築するにはモーター、センサー、バッテリーなどのハードウェアを調達する必要があり、コストは簡単に10万ドルを超えます。このようなハードウェアの特性により、ロボット開発はAIに比べて柔軟性に欠け、コストが高くなります。
現実のシーンにおけるロボット評価インフラはまだ芽生えの段階にあります。AI分野では明確な損失関数の体系が確立されており、テストは完全に仮想化されています。しかし、優れた仮想戦略は直接現実世界の有効なソリューションに転換することはできません。ロボットは多様な現実環境で自律戦略の評価施設をテストする必要があり、それによって反復的な最適化を実現します。
これらのインフラが成熟すると、人材が大量に流入し、ヒューマノイドロボットはWeb2の爆発曲線を再現するでしょう。暗号ロボット会社OpenMindはこの方向に向けて進んでいます——そのオープンソースプロジェクトOM1（"ロボット版Androidシステム"）は、原始的なハードウェアを経済意識を持つアップグレード可能なインテリジェントエージェントに変換します。視覚、言語、運動計画モジュールは、スマートフォンアプリのようにプラグアンドプレイ可能で、すべての推論ステップは明確な英語で提示されるため、オペレーターはファームウェアに直接触れることなく行動を監査または調整できます。この自然言語推論能力は、新世代の人材がロボット分野にシームレスに参入することを可能にし、ロボット革命を引き起こすオープンプラットフォームの重要な一歩を踏み出すことになります。それは、オープンソース運動がAIの加速に与える影響と同様です。
! 9w4FeDFrQpSzIOVnqjQL1iz3LrIaGlrRUCz29CRB.png
人材の密度が業界の軌跡を決定します。構造化された普遍的な教育体系はロボット分野の人材供給にとって非常に重要です。OpenMindがナスダックに上場したことは、知能を持つ機械が金融革新と実体教育に同時に参加する新しい時代の始まりを示しています。OpenMindとRobostoreは共同で、アメリカのK-12公立学校において、Unitree G1ヒューマノイドロボットを基にした初の汎用教育カリキュラムを導入することを発表しました。**このカリキュラムはプラットフォームに依存せず、さまざまなロボット形態に適応可能で、学生に実践的な操作の機会を提供します。この積極的な信号は、我々の判断を強化します：**今後数年間でロボット教育資源の豊富さはAI****分野に匹敵するでしょう。
5** 将来の展望**
視覚-言語-行動モデル（VLA）の革新と規模の経済効果は、経済的で効率的かつ汎用的なヒューマノイドロボットを生み出しました。**倉庫ロボットが消費者向け市場に拡大するにつれて、安全性、資金調達モデル、評価システムが重要な探求の方向性となっています。**私たちは、暗号技術が三つの道を通じてロボットの発展を促進すると確信しています：安全に経済的保証を提供し、充電インフラを最適化し、遅延性能とデータ収集パイプラインを向上させること。