DePAI: Kripto'nun Humanoid Robotların Ölçeklenmesindeki Rolü

Yönetici Özeti: Humanoidlerin Yükselişi ve Veri Darboğazı

Genel amaçlı insansı robotlar, bilim kurgu dünyasından ticari gerçeğe hızla geçiş yapıyor. Düşen donanım maliyetleri, artan sermaye yatırımları ve hareket kabiliyeti ile becerideki ilerlemeler, bilgisayarlardaki bir sonraki büyük platform kaymasını tetiklemek üzere bir araya geliyor.

Hesaplama ve donanım giderek daha çok mal haline gelirken, robot mühendisliğine düşük maliyetli destek sağlıyor, sektör hala bir eğitim verisi darboğazı ile kısıtlı.

Reborn, yüksek kaliteli hareket ve sentetik veri toplamak için merkeziyetsiz fiziksel yapay zeka (DePAI) kullanan birkaç projeden biridir ve robotik temel modeller oluşturur, bu da onu insansı dağıtımını hızlandırmak için benzersiz bir konuma getirir. Proje, UC Berkeley, Cornell, Harvard ve Apple’daki araştırma ve profesör geçmişine sahip, derin teknik bir kurucu ekip tarafından yönetilmektedir; akademik mükemmeliyet ile gerçek dünya mühendisliği uygulamasını birleştirir.

Humanoidler: Kurgudan Gerçekliğe

Ticari robotlar yeni bir kavram değil. Çoğu, 2002’de piyasaya sürülen iRobot Roomba elektrikli süpürgesi veya daha yeni Kasa’nın evcil hayvan kamerası gibi ürünlerle tanışmıştır. İkisi de tek amaçlı olarak tasarlanmıştır. Yapay zekayardımıyla, robotlar tek amaçlı makinelerden çok amaçlı, yapılandırılmamış ortamlarda çalışacak şekilde tasarlanmış makineler haline evrim geçiriyor.

İnsansı robotlar, önümüzdeki 5-15 yıl içinde temizlik ve yemek pişirme gibi temel görevlerden konsiyerj, yangın söndürme ve hatta cerrahiye kadar ilerleyecek.

Son gelişmeler, insansı robotları bilim kurgudan gerçeğe dönüştürüyor:

• Pazar genişlemesi: 100’den fazla şirket humanoid inşa ediyor (örneğin Tesla, Unitree, Figure, Clone, Agile, vb.).
• Donanım teknolojisi garip vadiyi geçti: Yeni insansı robotlar akıcı, doğal hareket sergileyerek gerçek dünya ortamlarında insan benzeri etkileşimler sağlıyor. Unitree’nin H1’i ortalama bir insanın hızından daha hızlı yürüyor (3.3 m/s’ye karşı 1.4 m/s).
• Yeni iş gücü maliyetleri paradigması: Humanoid robotların 2032 yılına kadar ABD maaşlarını düşürmesi bekleniyor.

Darboğaz: Gerçek Dünya Eğitim Verisi

İnsansı robotlar için net destekleyici faktörlere rağmen, kitlesel dağıtım veri kalitesi ve kıtlığı nedeniyle engelleniyor.

Diğer yapay zeka tezahürleri, otonom sürüş gibi, mevcut araçlar üzerindeki kameralar ve sensörler aracılığıyla veri sorununu büyük ölçüde aşmıştır. Otonom sürüş durumunda (örneğin, Tesla, Waymo), bu filolar gerçek dünyada milyarlarca mil sürüş verisi üretebilmektedir. Waymo, bu aşamada insan bir “bebek bakıcısı” ile yolcu koltuğunda, araçlarını gerçek zamanlı eğitim için yola çıkarabilmiştir.

Ancak, tüketicilerin bir “robot bebek bakıcısı” varlığına tahammül etmeleri pek olası değildir. Robotların kutusundan çıkar çıkmaz performans göstermesi gerekmektedir, bu nedenle ön dağıtım veri edinimi hayati öneme sahiptir. Eğitim, ticari üretimden önce tamamlanmalıdır; burada veri ölçeği ve kalitesi bir sorun olmaya devam etmektedir.

Her eğitim modülünün kendi ölçek birimi vardır (yani LLM’ler için tokenlar, görüntü üreticileri için video-metin çiftleri ve robotik için hareket bölümleri), aşağıdaki karşılaştırma robotik verilerin karşılaştığı veri kullanılabilirliğindeki büyüklük sıraları farkını vurgulamaktadır:

• GPT-4, 15 trilyondan fazla metin tokenı üzerinde eğitildi.
• Midjourney/Sora, milyarlarca etiketli video-metin çiftinden faydalanıyor.
• Buna karşılık, en büyük robotik veri setleri yalnızca yaklaşık 2.4 milyon bölüm içermektedir.

Bu farklılık, robotik teknolojilerin neden LLM’ler gibi gerçek bir temel model elde edemediğini göstermektedir. Veriler henüz mevcut değil.

Geleneksel veri toplama yöntemleri insansı robotik eğitim verileri için ölçeklenemez. Mevcut yöntemler şunları içerir:

• Simülasyon: Ucuz ama gerçek dünya kenar durumlarından yoksun (Sim2Real aralığı).
• İnternet Videosu: Robot öğrenimi için gerekli olan proprioseptif veya kuvvet geri bildirimi bağlamını içermez.
• Gerçek dünya verileri: Doğru, ancak teleoperasyon ve insan müdahalesi gerektirir, bu da maliyetli (robot başına 40.000 dolardan fazla) ve ölçeklenebilirlikten yoksundur.

Sanal ortamlarda eğitim ucuz ve ölçeklenebilir, ancak modeller genellikle gerçek dünyada kullanıldıklarında zorluk çeker. Bu sorun Sim2Real boşluğu olarak bilinir.

Örneğin, simülasyonda eğitilmiş bir robot, mükemmel aydınlatma ve düz yüzeyler ile nesneleri alma konusunda başarılı olabilir, ancak karmaşık ortamlarda, düzensiz dokularda veya insanların fiziksel dünyada alışkın olduğu kusurlu durumlarla karşılaştığında başarısız olabilir.

Reborn, gerçek dünya verilerini ucuz ve hızlı bir şekilde toplamak için bir yol sunar; bu, sağlam robotik eğitimini mümkün kılar ve Sim2Real açığını çözer.

Reborn: Merkeziyetsiz Fiziksel Yapay Zeka için Tam Yığın Vizyonu

Reborn, fiziksel yapay zeka için dikey olarak entegre bir yazılım ve veri platformu kuruyor. Reborn’un temelinde, insansı robotlar için veri darboğazını çözmek yatıyor, ancak hedefi bunun çok ötesine uzanıyor. Patentli donanım, çok modlu simülasyon altyapısı ve temel model geliştirmesinin bir kombinasyonu sayesinde, Reborn bedensel zekanın tam yığın sağlayıcısı haline geliyor.

Reborn yığını, “ReboCap”, bir özel tüketici sınıfı hareket yakalama cihazı ile başlar. Bu, kullanıcıların ağ teşvikleri karşılığında yüksek kaliteli hareket verileri ürettiği hızla büyüyen bir AR/VR oyun ekosistemini güçlendiriyor. Reborn, 5.000’den fazla ReboCap birimi sattı ve şu anda 160.000 aylık etkin kullanıcı (MAU) destekliyor, yıl sonuna kadar iki milyona ulaşmak için net bir yol haritası var.

Reborn, alternatif yöntemlere göre çok daha iyi ekonomik şartlarla veri toplama imkanı sağlar.

Etkileyici bir şekilde, bu büyüme organik olmuştur: kullanıcılar oyunların eğlence değerine çekilmektedir ve canlı yayıncılar, gerçek zamanlı vücut takibi ile dijital avatarları canlandırmak için ReboCap’i benimsemektedir. Bu organik etkileşim döngüsü, ölçeklenebilir, düşük maliyetli ve yüksek kaliteli veri üretimini desteklemekte, bu da Reborn’un veri setini önde gelen robotik şirketleri için değerli bir eğitim kaynağı haline getirmektedir.

Reborn’un yazılım yığınındaki ikinci katman ise “Roboverse”, parçalı simülasyon ortamlarını birleştiren çok modlu bir veri platformu. Bugünün simülasyon manzarası oldukça parçalıdır; örneğin, Mujoco ve NVIDIA Isaac Lab gibi araçlar farklı güçlü yönler sunar ancak etkileşim eksikliği vardır. Bu parçalanma ilerlemeyi yavaşlatır ve Sim2Real açığını artırır. Roboverse, simülatörler arasında standartlaştırma yaparak, robotik modellerin geliştirilmesi ve değerlendirilmesi için ortak bir sanal altyapı oluşturur. Bu entegrasyon, tutarlı kıyaslamalara olanak tanır, ölçeklenebilirliği ve genelleştirilebilirliği artırır.

ReboCap ve Roboverse birlikte Reborn’un tam yığın platformunun temelini oluşturur. İlk olarak gerçek dünya verilerini ölçekli bir şekilde toplarken, ikincisi model eğitimi için simülasyon ortamlarını yönetir. Bu entegre yaklaşım, Reborn’un DePAI ağının gerçek gücünü sergilemektedir. Fiziksel yapay zeka için, yalnızca basit veri ediniminin ötesine geçerek, gerçek model dağıtımı ve lisanslamasına kadar uzanan bir geliştirici platformu inşa ediyor.

Reborn Vakfı Modeli

Reborn’un yazılım yığını için belki de en kritik bileşen, Reborn temel modelidir (RFM). Reborn, ortaya çıkan Fiziksel yapay zeka yığını için temel altyapı olarak hizmet vermek üzere tasarlanmış ilk robotik temel modellerden birini inşa ediyor. OpenAI’nin o4 veya Meta’nın Llama gibi LLM’ler için geleneksel temel modelleri düşünün, ancak robotlar için.

Yeniden Doğmuş Teknoloji Yığını

Reborn’un yığınındaki üç ana unsurun (ReboCap, Roboverse ve RFM) birleşimi, Reborn için güçlü bir dikey entegrasyon koruması oluşturur. Kalabalık kaynaklı hareket verilerini sağlam simülasyon ve model lisanslaması ile eşleştirerek, Reborn kullanım senaryoları arasında genelleştirmek için gereken ölçek ve çeşitlilikle modelleri eğitebilir. Sonuç, endüstriyel, tüketici ve araştırma robotikleri gibi geniş bir kullanım senaryosunda aşağı akış uygulamalarını destekleyen bir temel modeldir.

Reborn, teknolojisini aktif olarak ticarileştiriyor, Galbot ve Noematrix ile ücretli pilot projeler başlatıyor ve Unitree, Booster Robotics, Swiss Mile ve Agile Robots ile stratejik ortaklıklar kuruyor. Çin’in insansı robot pazarı hızlı bir büyüme yaşıyor ve küresel pazarın yaklaşık %32.7’sini oluşturuyor. Özellikle Unitree, küresel dört ayaklı robot pazarının %60’ından fazlasını elinde bulunduruyor ve 2025’te 1.000’den fazla birim üretmeyi planlayan altı Çinli insansı robot üreticisinden biri.

Kripto’nun Fiziksel Yapay Zeka Yığınındaki Rolü

Kripto, fiziksel yapay zeka için tam dikey yığın oluşturmayı sağlıyor.

Reborn, önde gelen bir bedensel AI kripto projesidir.

Bu projelerin hepsi fiziksel yapay zeka yığınının farklı kısımlarında yer alsa da, hepsinin ortak bir noktası var: Hepsi %100 DePAI projeleri! DePAI, yığın boyunca token teşvikleri aracılığıyla açık, bileşenli ve izin gerektirmeyen ölçeklenmeyi sağlayarak merkeziyetsiz fiziksel yapay zekayı mümkün kılmaktadır.

Reborn’un henüz bir token piyasaya sürmemiş olması, organik büyümesini daha da etkileyici kılıyor. Token teşvikleri aktif hale geldiğinde, ağ katılımının DePAI döngüsünün bir parçası olarak hızlanması bekleniyor: Reborn, donanımını (ReboCap) edinmek için teşvikler sunuyor, robotik şirketler ReboCap sahiplerine katkıları için ödeme yapıyor, bu da daha fazla kişinin ReboCap satın almasını ve kullanmasını teşvik ediyor. Reborn ayrıca yüksek değerli uç durum davranışlarını dinamik olarak teşvik edecek; Sim2Real boşluğunu daha iyi kapsama sağlamak için.

Reborn’un DePAI Flywheel’ı faaliyette

Veri ile İlgili Her Şey

Robot teknolojisindeki “ChatGPT” anı, robotik şirketlerin kendilerinden gelmeyecek çünkü donanım, yazılımdan çok daha zor dağıtılmakta. Robotikteki viral etki, maliyet, donanım bulunabilirliği ve lojistik karmaşıklıklar tarafından doğası gereği kısıtlanmıştır. Bu faktörler, ChatGPT gibi tamamen dijital yazılımlarda yoktur.

İnsansı robotların dönüm noktası, prototiplerin etkileyici olduğu zaman değil, maliyetlerin kitlesel benimseme için yeterince düştüğü zaman gelecektir; akıllı telefonlar veya PC’ler gibi. Maliyetler düştüğünde, donanım standart hale gelir. Gerçek rekabet avantajı, veri ve modellere dayanacaktır. Özellikle, bu makineleri eğitmek için kullanılan hareket zekasının ölçeği, kalitesi ve çeşitliliği.

Sonuç

Robotik platform değişimi kaçınılmazdır ama, tüm platformlar gibi, ölçeklenmek için veriye ihtiyaç duyar. Reborn, kriptonun yapay zeka robotik yığınındaki en keskin açığı doldurabileceği yüksek kaldıraçlı bir bahistir. Robotik veriler için DePAI maliyet açısından verimli, ölçeklenebilir ve bileşen bazlıdır. Robotiklerin yapay zekanın bir sonraki sınırı olduğu bir dünyada, Reborn, günlük insanları hareket verisinin “madencileri” haline getirmenin eşdeğeridir. LLM’lerinmetin tokenlarına ihtiyaç duyduğu gibi, insansı robotlar da hareket bölümlerine ihtiyaç duyar. Reborn, insansı robotikleri bilim kurgu olmaktan gerçeğe dönüştürmenin son kalan darboğazlarından birini nasıl açığa çıkardığımızdır.

Bu makale, hipersfer_ kaynağından alıntılanmıştır. İçeriğin tüm telif hakları yazara aittir. Telif haklarına ilişkin sorularınız için bizimle iletişime geçebilirsiniz.