Şifreleme teknolojisi, Botların güvenliğini ekonomik garanti sağlayarak ve bunların entegrasyon altyapısını, gecikme süresini ve veri toplama süreçlerini optimize ederek Botlar endüstrisinin gelişimini destekleyecektir.
Yazar: Paul Veradittakit, Pantera Capital Ortak
Derleme: xiaozou, Altın Finans
Özet:
VLA yenilik ve ölçek etkisi, ekonomik, verimli ve çok amaçlı insansı robotların doğuşunu teşvik ediyor.
Şifreleme teknolojisi, botların güvenliğini ekonomik garanti ile sağlayarak ve onların entegrasyon altyapısını, gecikme süresini ve veri toplama süreçlerini optimize ederek botlar endüstrisinin gelişimini destekleyecektir.
ChatGPT, insanlığın yapay zeka ile ilgili algı ve beklentilerini köklü bir şekilde değiştirmiştir. Büyük dil modelleri dış yazılım dünyasıyla etkileşime girmeye başladığında, birçok kişi AI akıllı varlıklarının nihai form olduğuna inanıyordu. Ancak "Star Wars", "Blade Runner" veya "RoboCop" gibi klasik bilim kurgu filmlerine geri dönüldüğünde, insanlığın gerçekten hayal ettiği şeyin yapay zekanın robot formunda fiziksel dünyayla etkileşimde bulunabilmesi olduğunu görebiliriz.
Pantera Capital'a göre, Botlar alanında "ChatGPT anı" gelmek üzere. Öncelikle son yıllarda yapay zekanın nasıl bir endüstri dönüşümüne yol açtığını analiz edeceğiz, ardından batarya teknolojisi, gecikme süresi optimizasyonu ve veri toplama iyileştirmelerinin gelecekteki manzarayı nasıl şekillendireceğini ve şifrelemenin bu süreçteki rolünü tartışacağız. Son olarak, Botlar güvenliği, finansman, değerlendirme ve eğitimin dikkat edilmesi gereken dikey alanlar olduğunu neden düşündüğümüzü açıklayacağız.
1, Değişim Unsurları
（1）yapay zeka突破
Çok modlu büyük dil modeli alanındaki ilerlemeler, Botlara karmaşık görevleri yerine getirmek için gerekli olan "beyni" sağlıyor. Botlar, çevreyi esas olarak görme ve işitme duyuları aracılığıyla algılar.
Geleneksel bilgisayarlı görme modelleri (örneğin, konvolüsyonel sinir ağları) nesne tespiti veya sınıflandırma görevlerinde yetenekli olsa da, görsel bilgiyi amaçlı eylem talimatlarına dönüştürmekte zorlanmaktadır. Büyük dil modelleri metin anlama ve üretme konusunda mükemmel performans sergilerken, fiziksel dünyayı algılama yetenekleri ile sınırlıdır.
Görsel - Dil - Eylem Modeli (VLA) aracılığıyla, Botlar, görsel algı, dil anlama ve fiziksel eylemi birleşik bir hesaplama çerçevesinde entegre edebilmektedir. Şubat 2025'te, Figure AI, genel insansı robot kontrol modeli Helix'i piyasaya sürdü; bu VLA modeli, sıfır örnek genelleme yeteneği ve sistem 1 / sistem 2 çift mimarisi ile sektörde yeni bir standart belirledi. Sıfır örnek genelleme özelliği, Botların her bir görev için tekrar tekrar eğitim almasına gerek kalmadan yeni sahnelere, yeni nesnelere ve yeni talimatlara anında uyum sağlamasını mümkün kılar. Sistem 1 / Sistem 2 mimarisi, yüksek düzeyde akıl yürütmeyi ve hafif akıl yürütmeyi ayrıştırarak, hem insan benzeri düşünme hem de gerçek zamanlı hassasiyete sahip ticari insansı robotların gerçekleştirilmesini sağlamıştır.
(2) Ekonomik Botlar gerçek oluyor
Dünyayı değiştiren teknolojilerin hepsinin ortak bir özelliği vardır - yaygınlaşabilirlik. Akıllı telefonlar, kişisel bilgisayarlar, 3D yazıcı teknolojileri, orta sınıfın karşılayabileceği fiyatlarla yaygın hale gelmiştir. Unitree G1 gibi robotların fiyatı Honda Accord otomobilinin veya Amerika'daki 34.000 dolarlık en düşük yıllık gelirden daha düşük olduğunda, fiziksel işlerin ve günlük işlerin çoğunun robotlar tarafından yapıldığı bir dünyayı hayal etmek şaşırtıcı değildir.
（3）Depolamadan tüketici pazarına geçiş
Botlar teknolojisi, depo çözümlerinden tüketim alanına doğru genişliyor. Bu dünya insanlar için tasarlanmıştır - insanlar tüm uzman botların işlerini yapabilirken, uzman botlar tüm insanların işlerini yapamaz. Robot şirketleri artık sadece fabrika için özel botlar üretmekle sınırlı kalmıyor, daha evrensel insansı botlar geliştirmeye yöneliyor. Bu nedenle botlar teknolojisinin öncüsü sadece depolarda değil, günlük yaşama da sızacak.
Maliyet, ölçeklenebilirliğin en büyük engellerinden biridir. En çok ilgilendiğimiz gösterge, her saat için toplam maliyettir ve hesaplama şekli: eğitim ve şarj süresinin fırsat maliyeti, görev gerçekleştirme maliyeti ve Botlar alım maliyetinin toplamı, Botların toplam çalışma süresine bölünmesidir. Bu maliyet, ilgili sektörün ortalama maaş seviyesinin altında olmalıdır ki rekabetçi olabilsin.
Depolama alanına tam anlamıyla nüfuz etmek için, Botlar'ın saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında - bu maliyetin 35.18 doların altında tutulması gerekmektedir. Şu anda Botlar, daha ucuz, daha verimli ve daha evrensel bir yönde gelişiyor.
2, Botlar teknolojisinin bir sonraki büyük sıçraması
（1）pil optimizasyonu
Pil teknolojisi her zaman kullanıcı dostu Botların en büyük engellerinden biri olmuştur. BMW i3 gibi erken dönem elektrikli araçlar, pil teknolojisinin sınırlamaları nedeniyle düşük menzil, yüksek maliyet ve düşük kullanılabilirlik gibi sorunlarla yaygınlaşamamıştır; Botlar da benzer bir durumla karşı karşıyadır. Boston Dynamics'in Spot Botu, tek seferde yalnızca 90 dakika menzil sunarken, Unitree G1'in pil ömrü yaklaşık 2 saattir. Kullanıcılar her iki saatte bir manuel olarak şarj etmeyi kesinlikle istemiyor, bu nedenle otonom şarj ve altyapıya entegrasyon önemli gelişim alanları haline gelmiştir. Şu anda Botların şarj edilmesi için esasen iki ana mod bulunmaktadır: pil değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenen pil grubunun hızlı bir şekilde değiştirilmesiyle kesintisiz çalışma sağlar, duruş süresini en aza indirir ve saha veya fabrika senaryoları için uygundur. Bu süreç hem manuel olarak hem de otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır. Tam şarj süresi uzun sürse de, tamamen otomatik bir süreci kolayca gerçekleştirebilir.
（2）gecikme süresi optimizasyonu
Düşük gecikme süresi işlemleri, çevresel algılama ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algılama, botların çevreye dair mekansal algı yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü özel olarak belirtir.
Cintrini araştırmasına göre, robotların algılama sistemleri ucuz sensörlerle başlamakta, ancak teknolojik koruma unsurunu birleştirme yazılımı, düşük güç tüketimli hesaplama ve milisaniye düzeyinde hassas kontrol döngüsü oluşturmaktadır. Robot, mekansal konumlandırmayı tamamladıktan sonra, hafif bir sinir ağı engelleri, paletleri veya insanları gibi öğeleri etiketleyecektir. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayak, tekerlek grubu veya makineli kol için motor talimatları üretilir. 50 milisaniye altındaki algılama gecikmesi, insan yansıma hızına eşdeğerdir - bu eşik değeri aşan herhangi bir gecikme robot hareketlerini hantal hale getirecektir. Bu nedenle, %90'lık kararların yerel olarak tek bir görsel - dil - hareket ağı aracılığıyla alınması gerekmektedir.
Tam otonom Botlar, yüksek performanslı VLA modelinin gecikme süresinin 50 milisaniyeden düşük olmasını sağlamalıdır; uzaktan kontrol edilen Botlar için ise işletim terminali ile Botlar arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girdileri farklı modeller tarafından işlendikten sonra büyük dil modeline girerse, toplam gecikme 50 milisaniye eşiğini aşacaktır.
(3) Veri toplama optimizasyonu
Veri toplamanın üç ana yolu vardır: gerçek dünya video verisi, sentetik veri ve uzaktan kontrol verisi. Gerçek veriler ile sentetik veriler arasındaki temel engel, robotların fiziksel davranışları ile video/simülasyon modelleri arasındaki farkı kapatmaktır. Gerçek video verileri, kuvvet geri bildirimi, eklem hareketi hatası ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayısı gibi öngörülemeyen değişkenlerden yoksundur.
En potansiyelli veri toplama yöntemi uzaktan kontrol - insan operatörleri tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak, insan gücü maliyeti uzaktan kontrol veri toplamanın ana kısıtlama faktörüdür.
Özelleştirilmiş donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sunmaktadır. Mecka şirketi, ana akım yöntemler ile özelleştirilmiş donanımı birleştirerek çok boyutlu insan hareket verilerini toplamakta, bu verileri işledikten sonra Botların sinir ağı eğitimi için uygun veri setlerine dönüştürmektedir. Hızlı iterasyon döngüleri ile AI Botları eğitimi için büyük miktarda yüksek kaliteli veri sağlamaktadır. Bu teknik boru hatları, ham verilerden dağıtılabilir Botlara dönüşüm süresini kısaltmaktadır.
3、Önemli Keşif Alanları
（1）şifreleme teknolojisi ile Botlar entegrasyonu
Şifreleme teknolojisi, güven duyulmayan tarafların Botlar ağının verimliliğini artırmalarını teşvik edebilir. Önceki bölümde belirtilen kilit alanlar temelinde, şifreleme teknolojisinin altyapı entegrasyonu, gecikme süresi optimizasyonu ve veri toplama açısından verimliliği artırabileceğini düşünüyoruz.
Merkeziyetsiz Fiziksel Altyapı Ağı (DePIN), şarj altyapısını devrim niteliğinde değiştirmeyi vaat ediyor. İnsan biçimli Botlar, otomobiller gibi küresel ölçekte çalışırken, şarj istasyonlarının benzin istasyonları kadar ulaşılabilir olması gerekiyor. Merkezi ağlar büyük ölçüde ön yatırım gerektirirken, DePIN maliyetleri düğüm işletmecilerine dağıtarak şarj tesislerinin daha fazla alana hızlıca yayılmasını sağlıyor.
DePIN ayrıca dağıtık altyapıyı kullanarak uzaktan kontrol gecikme süresini optimize edebilir. Coğrafi olarak dağılmış kenar düğümlerinin hesaplama kaynaklarını bir araya getirerek, uzaktan kontrol talimatları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilerek iletişim gecikmesi önemli ölçüde azaltılabilir. Ancak mevcut DePIN projeleri esas olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır; projelerin akış medyası veya nesnelerin internetindeki kenar hesaplama uygulama avantajlarını sergilemesine rağmen, henüz robotlar veya uzaktan kontrol alanına genişletilmemiştir.
Uzaktan kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların profesyonel personel işe alarak veri toplama maliyeti son derece yüksektir. DePIN, şifreleme tokenleri ile üçüncü tarafları uzaktan kontrol verileri sağlamaya teşvik ederek bu sorunu çözmektedir. Reborn projesi, küresel bir uzaktan operasyon ağı inşa ederek, katkılarını tokenleştirilmiş dijital varlıklara dönüştürmekte ve izin gerektirmeyen bir merkeziyetsiz sistem oluşturmaktadır - katılımcılar hem gelir elde edebilir hem de yönetime katılabilir ve AGI Botlarının eğitimine yardımcı olabilir.
(2) Güvenlik her zaman temel endişedir
Botlar teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak "Terminatör" serisi filmlerin uyardığı gibi, insanlığın en az istediği şey otonomitenin botları saldırgan silahlara dönüştürmesidir. Büyük dil modellerinin güvenlik sorunları endişe yaratmıştır ve bu modeller fiziksel hareket kabiliyetine sahip olduğunda, bot güvenliği toplumsal kabulün ana şartı haline gelir.
Ekonomik güvenlik, Botlar ekosisteminin gelişiminin temel taşlarından biridir. Bu alanda OpenMind şirketi, cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için şifreleme ile gerçekleştirilen FABRIC adlı merkeziyetsiz bir makine koordinasyon katmanı inşa etmektedir. Basit görev pazar yönetiminden farklı olarak, FABRIC Botların merkezi bir araca bağımlı olmadan, kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını bağımsız bir şekilde kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama, zincir üstü mekanizmalar aracılığıyla uygulanır ve herkesin uyumluluğu denetlemesini sağlar. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel normlara uygun Botlar ödüllendirilecek, ihlalde bulunanlar ise cezalandırılacak veya disiplinsizlik nedeniyle elenecektir. Böylece otonom makineler ağı içinde hesap verebilirlik ve güven mekanizması kurulmuş olacaktır.
Üçüncü taraf yeniden teminat ağı (örneğin Symbiotic) eşit güvence sağlamaktadır. Ceza parametreleri sisteminin hala geliştirilmesi gerekiyor ancak ilgili teknoloji pratik aşamaya girmiştir. Sektör güvenlik standartlarının yakında oluşmasını bekliyoruz, bu aşamada ceza parametreleri bu standartlara referansla modelleyecektir.
Uygulama Planı Örneği:
Botlar şirketi Symbiotic ağa katıldı.
Doğrulanabilir el koyma parametreleri belirleyin (örneğin, "2500 Newton'dan fazla insan temas gücü uygulamak");
Teminat sağlayıcıları, Botların parametrelere uymasını sağlamak için teminat sağlar;
İhlal gerçekleşirse, teminat mağdura tazminat olarak kullanılacaktır.
Bu model, hem işletmeleri güvenliği öncelikli hale getirmeye teşvik eder hem de teminat havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırır.
Symbiotic genel staking çerçevesi, staking kavramını ekonomik güvence gerektiren tüm alanlara, ister paylaşımlı ister bağımsız modeller aracılığıyla genişletmeyi amaçlamaktadır. Uygulama senaryoları, sigortadan bot teknolojisine kadar belirli durumlar için özel tasarım gerektirmektedir. Örneğin, bot ağı tamamen Symbiotic çerçevesine dayalı olarak inşa edilebilir, böylece paydaşlar ağın bütünlüğüne ekonomik garanti sağlayabilirler.
OpenAI, AI'nin yaygınlaşmasını teşvik etti, ancak ChatGPT'nin temeli çoktan atıldı. Bulut hizmetleri, modellerin yerel hesaplama gücüne bağımlılığını kırdı, Huggingface modellerin açık kaynak olmasını sağladı, Kaggle ise AI mühendislerine deney platformu sundu. Bu aşamalı atılımlar, AI'nın kitleselleşmesine katkıda bulundu.
AI'den farklı olarak, Botlar alanında sınırlı fonlarla başlamak zordur. Botların yaygınlaşmasını sağlamak için, geliştirme eşiğinin AI uygulama geliştirme kadar kolay bir seviyeye indirilmesi gerekmektedir. Üç alanda iyileştirme potansiyeli olduğunu düşünüyoruz: finansman mekanizmaları, değerlendirme sistemleri ve eğitim ekosistemi.
Finansman, botlar alanında bir acı noktadır. Bilgisayar programları geliştirmek için yalnızca bir bilgisayar ve bulut bilişim kaynakları yeterlidir, ancak tam işlevsel bir robot inşa etmek için motorlar, sensörler, piller gibi donanımlar satın almak gerekir ve maliyeti kolayca 100.000 doları aşabilir. Bu donanım özellikleri, robot geliştirmeyi AI'ya kıyasla daha az esnek ve maliyetli hale getirir.
Gerçek dünya senaryolarında Botlar değerlendirme altyapısı henüz emekleme aşamasında. AI alanında belirgin bir kayıp fonksiyonu sistemi oluşturulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler, gerçek dünya için etkili çözümlere doğrudan dönüştürülemez. Botların, çeşitli gerçek ortamda otonom stratejilerin değerlendirme altyapısını test etmesi gerekmektedir, böylece yineleme optimizasyonu gerçekleştirilebilir.
Altyapılar olgunlaştığında, yetenekler büyük bir akınla giriş yapacak ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşayacak. Şifreleme robot şirketi OpenMind bu yönde ilerliyor - açık kaynak projesi OM1 ("robot versiyonu Android sistemi") ham donanımı ekonomik farkındalığa sahip yükseltilebilir akıllı varlıklara dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çalıştır olarak kullanılabilir; tüm çıkarım adımları sade İngilizce ile sunulmakta, böylece operatörler donanıma dokunmadan davranışları denetleyebilir veya ayarlayabilir. Bu doğal dil çıkarım yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini ateşleyecek açık platform için kritik bir adım atılıyor; bu, açık kaynak hareketinin AI üzerindeki hızlandırıcı etkisi gibi.
Yetenek yoğunluğu sektörün rotasını belirler. Yapılandırılmış kapsayıcı eğitim sistemi, Botlar alanında yetenek akışını sağlamak için son derece önemlidir. OpenMind'in Nasdaq'a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde eş zamanlı olarak yer aldığı yeni bir çağın başladığını gösteriyor. OpenMind ve Robostore, ABD K-12 devlet okullarında Unitree G1 insansı robotuna dayalı ilk genel eğitim müfredatını başlatacaklarını ortaklaşa duyurdu. Bu müfredat, platformdan bağımsız olarak tasarlanmış olup, çeşitli robot biçimlerine uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu olumlu sinyal, gelecekteki yıllarda robotik eğitim kaynaklarının zenginliğinin AI alanıyla eşit seviyeye geleceği yönündeki yargımızı pekiştiriyor.
5, Gelecek Perspektifi
Görsel - Dil - Eylem Modeli (VLA)nin yenilikleri ve ölçek ekonomisi etkileri, ekonomik, verimli ve evrensel insansı robotların ortaya çıkmasına neden olmuştur. Depolama robotlarının tüketici pazarına genişlemesiyle birlikte, güvenlik, finansman modelleri ve değerlendirme sistemleri ana keşif yönleri haline gelmiştir. Şifreleme teknolojisinin robotların gelişimini üç ana yol ile destekleyeceğine inanıyoruz: güvenliğe ekonomik garanti sağlama, şarj altyapısını optimize etme, gecikme performansını artırma ve veri toplama kanallarını geliştirme.
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Pantera Ortakları: Şifreleme destekli AI Botlar çağı
Yazar: Paul Veradittakit, Pantera Capital Ortak
Derleme: xiaozou, Altın Finans
Özet:
VLA yenilik ve ölçek etkisi, ekonomik, verimli ve çok amaçlı insansı robotların doğuşunu teşvik ediyor.
Depolama Botları tüketici seviyesindeki robot pazarına genişledikçe, robot güvenliği, finansmanı ve değerlendirme mekanizması derinlemesine incelenmeyi gerektiriyor.
Şifreleme teknolojisi, botların güvenliğini ekonomik garanti ile sağlayarak ve onların entegrasyon altyapısını, gecikme süresini ve veri toplama süreçlerini optimize ederek botlar endüstrisinin gelişimini destekleyecektir.
ChatGPT, insanlığın yapay zeka ile ilgili algı ve beklentilerini köklü bir şekilde değiştirmiştir. Büyük dil modelleri dış yazılım dünyasıyla etkileşime girmeye başladığında, birçok kişi AI akıllı varlıklarının nihai form olduğuna inanıyordu. Ancak "Star Wars", "Blade Runner" veya "RoboCop" gibi klasik bilim kurgu filmlerine geri dönüldüğünde, insanlığın gerçekten hayal ettiği şeyin yapay zekanın robot formunda fiziksel dünyayla etkileşimde bulunabilmesi olduğunu görebiliriz.
Pantera Capital'a göre, Botlar alanında "ChatGPT anı" gelmek üzere. Öncelikle son yıllarda yapay zekanın nasıl bir endüstri dönüşümüne yol açtığını analiz edeceğiz, ardından batarya teknolojisi, gecikme süresi optimizasyonu ve veri toplama iyileştirmelerinin gelecekteki manzarayı nasıl şekillendireceğini ve şifrelemenin bu süreçteki rolünü tartışacağız. Son olarak, Botlar güvenliği, finansman, değerlendirme ve eğitimin dikkat edilmesi gereken dikey alanlar olduğunu neden düşündüğümüzü açıklayacağız.
1, Değişim Unsurları
（1）yapay zeka突破
Çok modlu büyük dil modeli alanındaki ilerlemeler, Botlara karmaşık görevleri yerine getirmek için gerekli olan "beyni" sağlıyor. Botlar, çevreyi esas olarak görme ve işitme duyuları aracılığıyla algılar.
Geleneksel bilgisayarlı görme modelleri (örneğin, konvolüsyonel sinir ağları) nesne tespiti veya sınıflandırma görevlerinde yetenekli olsa da, görsel bilgiyi amaçlı eylem talimatlarına dönüştürmekte zorlanmaktadır. Büyük dil modelleri metin anlama ve üretme konusunda mükemmel performans sergilerken, fiziksel dünyayı algılama yetenekleri ile sınırlıdır.
Görsel - Dil - Eylem Modeli (VLA) aracılığıyla, Botlar, görsel algı, dil anlama ve fiziksel eylemi birleşik bir hesaplama çerçevesinde entegre edebilmektedir. Şubat 2025'te, Figure AI, genel insansı robot kontrol modeli Helix'i piyasaya sürdü; bu VLA modeli, sıfır örnek genelleme yeteneği ve sistem 1 / sistem 2 çift mimarisi ile sektörde yeni bir standart belirledi. Sıfır örnek genelleme özelliği, Botların her bir görev için tekrar tekrar eğitim almasına gerek kalmadan yeni sahnelere, yeni nesnelere ve yeni talimatlara anında uyum sağlamasını mümkün kılar. Sistem 1 / Sistem 2 mimarisi, yüksek düzeyde akıl yürütmeyi ve hafif akıl yürütmeyi ayrıştırarak, hem insan benzeri düşünme hem de gerçek zamanlı hassasiyete sahip ticari insansı robotların gerçekleştirilmesini sağlamıştır.
(2) Ekonomik Botlar gerçek oluyor
Dünyayı değiştiren teknolojilerin hepsinin ortak bir özelliği vardır - yaygınlaşabilirlik. Akıllı telefonlar, kişisel bilgisayarlar, 3D yazıcı teknolojileri, orta sınıfın karşılayabileceği fiyatlarla yaygın hale gelmiştir. Unitree G1 gibi robotların fiyatı Honda Accord otomobilinin veya Amerika'daki 34.000 dolarlık en düşük yıllık gelirden daha düşük olduğunda, fiziksel işlerin ve günlük işlerin çoğunun robotlar tarafından yapıldığı bir dünyayı hayal etmek şaşırtıcı değildir.
（3）Depolamadan tüketici pazarına geçiş
Botlar teknolojisi, depo çözümlerinden tüketim alanına doğru genişliyor. Bu dünya insanlar için tasarlanmıştır - insanlar tüm uzman botların işlerini yapabilirken, uzman botlar tüm insanların işlerini yapamaz. Robot şirketleri artık sadece fabrika için özel botlar üretmekle sınırlı kalmıyor, daha evrensel insansı botlar geliştirmeye yöneliyor. Bu nedenle botlar teknolojisinin öncüsü sadece depolarda değil, günlük yaşama da sızacak.
Maliyet, ölçeklenebilirliğin en büyük engellerinden biridir. En çok ilgilendiğimiz gösterge, her saat için toplam maliyettir ve hesaplama şekli: eğitim ve şarj süresinin fırsat maliyeti, görev gerçekleştirme maliyeti ve Botlar alım maliyetinin toplamı, Botların toplam çalışma süresine bölünmesidir. Bu maliyet, ilgili sektörün ortalama maaş seviyesinin altında olmalıdır ki rekabetçi olabilsin.
Depolama alanına tam anlamıyla nüfuz etmek için, Botlar'ın saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında - bu maliyetin 35.18 doların altında tutulması gerekmektedir. Şu anda Botlar, daha ucuz, daha verimli ve daha evrensel bir yönde gelişiyor.
2, Botlar teknolojisinin bir sonraki büyük sıçraması
（1）pil optimizasyonu
Pil teknolojisi her zaman kullanıcı dostu Botların en büyük engellerinden biri olmuştur. BMW i3 gibi erken dönem elektrikli araçlar, pil teknolojisinin sınırlamaları nedeniyle düşük menzil, yüksek maliyet ve düşük kullanılabilirlik gibi sorunlarla yaygınlaşamamıştır; Botlar da benzer bir durumla karşı karşıyadır. Boston Dynamics'in Spot Botu, tek seferde yalnızca 90 dakika menzil sunarken, Unitree G1'in pil ömrü yaklaşık 2 saattir. Kullanıcılar her iki saatte bir manuel olarak şarj etmeyi kesinlikle istemiyor, bu nedenle otonom şarj ve altyapıya entegrasyon önemli gelişim alanları haline gelmiştir. Şu anda Botların şarj edilmesi için esasen iki ana mod bulunmaktadır: pil değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenen pil grubunun hızlı bir şekilde değiştirilmesiyle kesintisiz çalışma sağlar, duruş süresini en aza indirir ve saha veya fabrika senaryoları için uygundur. Bu süreç hem manuel olarak hem de otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır. Tam şarj süresi uzun sürse de, tamamen otomatik bir süreci kolayca gerçekleştirebilir.
（2）gecikme süresi optimizasyonu
Düşük gecikme süresi işlemleri, çevresel algılama ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algılama, botların çevreye dair mekansal algı yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü özel olarak belirtir.
Cintrini araştırmasına göre, robotların algılama sistemleri ucuz sensörlerle başlamakta, ancak teknolojik koruma unsurunu birleştirme yazılımı, düşük güç tüketimli hesaplama ve milisaniye düzeyinde hassas kontrol döngüsü oluşturmaktadır. Robot, mekansal konumlandırmayı tamamladıktan sonra, hafif bir sinir ağı engelleri, paletleri veya insanları gibi öğeleri etiketleyecektir. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayak, tekerlek grubu veya makineli kol için motor talimatları üretilir. 50 milisaniye altındaki algılama gecikmesi, insan yansıma hızına eşdeğerdir - bu eşik değeri aşan herhangi bir gecikme robot hareketlerini hantal hale getirecektir. Bu nedenle, %90'lık kararların yerel olarak tek bir görsel - dil - hareket ağı aracılığıyla alınması gerekmektedir.
Tam otonom Botlar, yüksek performanslı VLA modelinin gecikme süresinin 50 milisaniyeden düşük olmasını sağlamalıdır; uzaktan kontrol edilen Botlar için ise işletim terminali ile Botlar arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girdileri farklı modeller tarafından işlendikten sonra büyük dil modeline girerse, toplam gecikme 50 milisaniye eşiğini aşacaktır.
(3) Veri toplama optimizasyonu
Veri toplamanın üç ana yolu vardır: gerçek dünya video verisi, sentetik veri ve uzaktan kontrol verisi. Gerçek veriler ile sentetik veriler arasındaki temel engel, robotların fiziksel davranışları ile video/simülasyon modelleri arasındaki farkı kapatmaktır. Gerçek video verileri, kuvvet geri bildirimi, eklem hareketi hatası ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayısı gibi öngörülemeyen değişkenlerden yoksundur.
En potansiyelli veri toplama yöntemi uzaktan kontrol - insan operatörleri tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak, insan gücü maliyeti uzaktan kontrol veri toplamanın ana kısıtlama faktörüdür.
Özelleştirilmiş donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sunmaktadır. Mecka şirketi, ana akım yöntemler ile özelleştirilmiş donanımı birleştirerek çok boyutlu insan hareket verilerini toplamakta, bu verileri işledikten sonra Botların sinir ağı eğitimi için uygun veri setlerine dönüştürmektedir. Hızlı iterasyon döngüleri ile AI Botları eğitimi için büyük miktarda yüksek kaliteli veri sağlamaktadır. Bu teknik boru hatları, ham verilerden dağıtılabilir Botlara dönüşüm süresini kısaltmaktadır.
3、Önemli Keşif Alanları
（1）şifreleme teknolojisi ile Botlar entegrasyonu
Şifreleme teknolojisi, güven duyulmayan tarafların Botlar ağının verimliliğini artırmalarını teşvik edebilir. Önceki bölümde belirtilen kilit alanlar temelinde, şifreleme teknolojisinin altyapı entegrasyonu, gecikme süresi optimizasyonu ve veri toplama açısından verimliliği artırabileceğini düşünüyoruz.
Merkeziyetsiz Fiziksel Altyapı Ağı (DePIN), şarj altyapısını devrim niteliğinde değiştirmeyi vaat ediyor. İnsan biçimli Botlar, otomobiller gibi küresel ölçekte çalışırken, şarj istasyonlarının benzin istasyonları kadar ulaşılabilir olması gerekiyor. Merkezi ağlar büyük ölçüde ön yatırım gerektirirken, DePIN maliyetleri düğüm işletmecilerine dağıtarak şarj tesislerinin daha fazla alana hızlıca yayılmasını sağlıyor.
DePIN ayrıca dağıtık altyapıyı kullanarak uzaktan kontrol gecikme süresini optimize edebilir. Coğrafi olarak dağılmış kenar düğümlerinin hesaplama kaynaklarını bir araya getirerek, uzaktan kontrol talimatları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilerek iletişim gecikmesi önemli ölçüde azaltılabilir. Ancak mevcut DePIN projeleri esas olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır; projelerin akış medyası veya nesnelerin internetindeki kenar hesaplama uygulama avantajlarını sergilemesine rağmen, henüz robotlar veya uzaktan kontrol alanına genişletilmemiştir.
Uzaktan kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların profesyonel personel işe alarak veri toplama maliyeti son derece yüksektir. DePIN, şifreleme tokenleri ile üçüncü tarafları uzaktan kontrol verileri sağlamaya teşvik ederek bu sorunu çözmektedir. Reborn projesi, küresel bir uzaktan operasyon ağı inşa ederek, katkılarını tokenleştirilmiş dijital varlıklara dönüştürmekte ve izin gerektirmeyen bir merkeziyetsiz sistem oluşturmaktadır - katılımcılar hem gelir elde edebilir hem de yönetime katılabilir ve AGI Botlarının eğitimine yardımcı olabilir.
(2) Güvenlik her zaman temel endişedir
Botlar teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak "Terminatör" serisi filmlerin uyardığı gibi, insanlığın en az istediği şey otonomitenin botları saldırgan silahlara dönüştürmesidir. Büyük dil modellerinin güvenlik sorunları endişe yaratmıştır ve bu modeller fiziksel hareket kabiliyetine sahip olduğunda, bot güvenliği toplumsal kabulün ana şartı haline gelir.
Ekonomik güvenlik, Botlar ekosisteminin gelişiminin temel taşlarından biridir. Bu alanda OpenMind şirketi, cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için şifreleme ile gerçekleştirilen FABRIC adlı merkeziyetsiz bir makine koordinasyon katmanı inşa etmektedir. Basit görev pazar yönetiminden farklı olarak, FABRIC Botların merkezi bir araca bağımlı olmadan, kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını bağımsız bir şekilde kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama, zincir üstü mekanizmalar aracılığıyla uygulanır ve herkesin uyumluluğu denetlemesini sağlar. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel normlara uygun Botlar ödüllendirilecek, ihlalde bulunanlar ise cezalandırılacak veya disiplinsizlik nedeniyle elenecektir. Böylece otonom makineler ağı içinde hesap verebilirlik ve güven mekanizması kurulmuş olacaktır.
Üçüncü taraf yeniden teminat ağı (örneğin Symbiotic) eşit güvence sağlamaktadır. Ceza parametreleri sisteminin hala geliştirilmesi gerekiyor ancak ilgili teknoloji pratik aşamaya girmiştir. Sektör güvenlik standartlarının yakında oluşmasını bekliyoruz, bu aşamada ceza parametreleri bu standartlara referansla modelleyecektir.
Uygulama Planı Örneği:
Bu model, hem işletmeleri güvenliği öncelikli hale getirmeye teşvik eder hem de teminat havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırır.
Symbiotic ekibinin Botlar alanındaki görüşü şudur:
Symbiotic genel staking çerçevesi, staking kavramını ekonomik güvence gerektiren tüm alanlara, ister paylaşımlı ister bağımsız modeller aracılığıyla genişletmeyi amaçlamaktadır. Uygulama senaryoları, sigortadan bot teknolojisine kadar belirli durumlar için özel tasarım gerektirmektedir. Örneğin, bot ağı tamamen Symbiotic çerçevesine dayalı olarak inşa edilebilir, böylece paydaşlar ağın bütünlüğüne ekonomik garanti sağlayabilirler.
4, Botlar teknolojik yelpazesindeki boşlukları doldurmak
OpenAI, AI'nin yaygınlaşmasını teşvik etti, ancak ChatGPT'nin temeli çoktan atıldı. Bulut hizmetleri, modellerin yerel hesaplama gücüne bağımlılığını kırdı, Huggingface modellerin açık kaynak olmasını sağladı, Kaggle ise AI mühendislerine deney platformu sundu. Bu aşamalı atılımlar, AI'nın kitleselleşmesine katkıda bulundu.
AI'den farklı olarak, Botlar alanında sınırlı fonlarla başlamak zordur. Botların yaygınlaşmasını sağlamak için, geliştirme eşiğinin AI uygulama geliştirme kadar kolay bir seviyeye indirilmesi gerekmektedir. Üç alanda iyileştirme potansiyeli olduğunu düşünüyoruz: finansman mekanizmaları, değerlendirme sistemleri ve eğitim ekosistemi.
Finansman, botlar alanında bir acı noktadır. Bilgisayar programları geliştirmek için yalnızca bir bilgisayar ve bulut bilişim kaynakları yeterlidir, ancak tam işlevsel bir robot inşa etmek için motorlar, sensörler, piller gibi donanımlar satın almak gerekir ve maliyeti kolayca 100.000 doları aşabilir. Bu donanım özellikleri, robot geliştirmeyi AI'ya kıyasla daha az esnek ve maliyetli hale getirir.
Gerçek dünya senaryolarında Botlar değerlendirme altyapısı henüz emekleme aşamasında. AI alanında belirgin bir kayıp fonksiyonu sistemi oluşturulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler, gerçek dünya için etkili çözümlere doğrudan dönüştürülemez. Botların, çeşitli gerçek ortamda otonom stratejilerin değerlendirme altyapısını test etmesi gerekmektedir, böylece yineleme optimizasyonu gerçekleştirilebilir.
Altyapılar olgunlaştığında, yetenekler büyük bir akınla giriş yapacak ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşayacak. Şifreleme robot şirketi OpenMind bu yönde ilerliyor - açık kaynak projesi OM1 ("robot versiyonu Android sistemi") ham donanımı ekonomik farkındalığa sahip yükseltilebilir akıllı varlıklara dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çalıştır olarak kullanılabilir; tüm çıkarım adımları sade İngilizce ile sunulmakta, böylece operatörler donanıma dokunmadan davranışları denetleyebilir veya ayarlayabilir. Bu doğal dil çıkarım yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini ateşleyecek açık platform için kritik bir adım atılıyor; bu, açık kaynak hareketinin AI üzerindeki hızlandırıcı etkisi gibi.
Yetenek yoğunluğu sektörün rotasını belirler. Yapılandırılmış kapsayıcı eğitim sistemi, Botlar alanında yetenek akışını sağlamak için son derece önemlidir. OpenMind'in Nasdaq'a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde eş zamanlı olarak yer aldığı yeni bir çağın başladığını gösteriyor. OpenMind ve Robostore, ABD K-12 devlet okullarında Unitree G1 insansı robotuna dayalı ilk genel eğitim müfredatını başlatacaklarını ortaklaşa duyurdu. Bu müfredat, platformdan bağımsız olarak tasarlanmış olup, çeşitli robot biçimlerine uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu olumlu sinyal, gelecekteki yıllarda robotik eğitim kaynaklarının zenginliğinin AI alanıyla eşit seviyeye geleceği yönündeki yargımızı pekiştiriyor.
5, Gelecek Perspektifi
Görsel - Dil - Eylem Modeli (VLA)nin yenilikleri ve ölçek ekonomisi etkileri, ekonomik, verimli ve evrensel insansı robotların ortaya çıkmasına neden olmuştur. Depolama robotlarının tüketici pazarına genişlemesiyle birlikte, güvenlik, finansman modelleri ve değerlendirme sistemleri ana keşif yönleri haline gelmiştir. Şifreleme teknolojisinin robotların gelişimini üç ana yol ile destekleyeceğine inanıyoruz: güvenliğe ekonomik garanti sağlama, şarj altyapısını optimize etme, gecikme performansını artırma ve veri toplama kanallarını geliştirme.