Resumo Executivo

Robôs humanoides de propósito geral estão rapidamente fazendo a transição da ficção científica para a realidade comercial. A diminuição dos custos de hardware, o aumento do investimento de capital e os avanços em locomoção e destreza estão convergindo para impulsionar a próxima grande mudança de plataforma na computação.

Enquanto a computação e o hardware estão se tornando cada vez mais commoditizados, proporcionando ventos a favor de baixo custo para a engenharia robótica, o setor ainda é limitado por um gargalo de dados de treinamento.

Reborn é um dos poucos projetos que utiliza inteligência artificial física descentralizada (DePAI) para crowdsourcing de dados de movimento e sintéticos de alta fidelidade, e construir modelos de fundação robótica, tornando-o singularmente posicionado para catalisar a implantação de humanoides. O projeto é liderado por uma equipe fundadora profundamente técnica, com formações de pesquisa e professor na UC Berkeley, Cornell, Harvard e Apple, combinando excelência acadêmica e execução de engenharia do mundo real.

Humanoides: Da Ficção à Linha de Frente

A robótica comercializada não é um conceito novo. A maioria está familiarizada com produtos como o aspirador iRobot Roomba, lançado em 2002, ou robôs domésticos mais recentes, como a câmera para pets da Kasa. Ambos são construídos para um único propósito. Com a ajuda da IA, os robôs estão evoluindo de máquinas de uso único para multiuso, projetados para operar em ambientes não estruturados.

Os robôs humanoides progredirão de tarefas básicas como limpeza e culinária para funções de concierge, combate a incêndios e até cirurgia nos próximos 5 a 15 anos.

Desenvolvimentos recentes estão transformando a robótica humanoide de ficção científica em realidade.

• Expansão de mercado: mais de 100 empresas construindo humanoides (por exemplo, Tesla, Unitree, Figure, Clone, Agile, etc.).
• A tecnologia de hardware ultrapassou o vale da estranheza: Novos humanoides exibem movimento fluido e natural, permitindo interações semelhantes às humanas em ambientes do mundo real. O H1 da Unitree caminha mais rápido do que o humano médio (3,3 m/s contra 1,4 m/s).
• Novo paradigma dos custos de trabalho: Espera-se que robôs humanoides reduzam os salários nos EUA até 2032.

O Gargalo: Dados de Treinamento do Mundo Real

Apesar dos ventos favoráveis claros para a robótica humanoide, a implantação em massa continua sendo restringida pela qualidade e escassez de dados.

Outras manifestações de IA, como a condução autônoma, superaram em grande parte o problema dos dados por meio de câmeras e sensores em veículos existentes. No caso da condução autônoma (por exemplo, Tesla, Waymo), essas frotas conseguem gerar bilhões de milhas de dados de condução do mundo real. A Waymo conseguiu colocar seus carros na estrada para treinamento em tempo real com um "babá" humano no banco do passageiro durante essa fase.

No entanto, os consumidores provavelmente não tolerarão a presença de um "babá robô". Os robôs devem ser eficientes desde o início, tornando a aquisição de dados antes da implantação essencial. O treinamento deve ser concluído antes da produção comercial, onde a escala e a qualidade dos dados permanecem como um problema.

Embora cada modalidade de treinamento tenha sua própria unidade de medida (ou seja, tokens para LLMs, pares de vídeo-texto para geradores de imagem e episódios de movimento para robótica), a comparação abaixo destaca a diferença de ordens de magnitude na disponibilidade de dados que os dados de robótica estão enfrentando:

• GPT-4 foi treinado em mais de 15 trilhões de tokens de texto
• Midjourney/Sora utiliza bilhões de pares de vídeo-texto rotulados
• Em contraste, os maiores conjuntos de dados de robótica contêm apenas ~2,4 milhões de episódios.

Essa disparidade ilustra por que a robótica ainda não alcançou um verdadeiro modelo de base da mesma forma que os LLMs. Os dados simplesmente não estão lá ainda.

Métodos tradicionais de coleta de dados não escalam para dados de treinamento de robótica humanóide. Os métodos atuais incluem:

• Simulação: Barata, mas carece de casos de borda do mundo real (gap Sim2Real)
• Vídeo na Internet: Não contém o contexto proprioceptivo ou de feedback de força necessário para o aprendizado de robôs
• Dados do mundo real: Precisos, mas requer teleoperação e um humano no loop, o que é caro (mais de $40K por robô) e carece de escalabilidade.

O treinamento em ambientes virtuais é barato e escalável, mas os modelos geralmente enfrentam dificuldades quando implantados no mundo real. Esse problema é conhecido como a lacuna Sim2Real.

Por exemplo, um robô treinado em simulação pode ter sucesso em pegar objetos com iluminação perfeita e superfícies planas, mas falhar quando enfrenta ambientes desordenados, texturas irregulares ou situações imperfeitas que os humanos estão acostumados no mundo físico.

Reborn fornece uma maneira de coletar dados do mundo real de forma barata e rápida, possibilitando um treinamento robusto de robótica e resolvendo a lacuna Sim2Real.

Reborn: Uma Visão Full-Stack para IA Física Descentralizada

Reborn está construindo uma plataforma de software e dados verticalmente integrada para IA física. No seu núcleo, a Reborn está resolvendo o gargalo de dados para robótica humanoide, mas sua ambição vai muito além disso. Por meio de uma combinação de hardware proprietário, infraestrutura de simulação multimodal e desenvolvimento de modelos fundamentais, a Reborn se torna um habilitador de pilha completa de inteligência incorporada.

A pilha Reborn começa com o “ReboCap”, um dispositivo de captura de movimento de grau consumidor proprietário. Isso alimenta um ecossistema de jogos AR/VR em rápida expansão, onde os usuários geram dados de movimento de alta fidelidade em troca de incentivos de rede. A Reborn vendeu mais de 5.000 unidades do ReboCap e agora suporta 160.000 usuários ativos mensais (MAUs), com um caminho claro em direção a dois milhões até o final do ano.

Reborn permite a captura de dados com uma economia muito melhor do que métodos alternativos

Impressionantemente, esse crescimento tem sido orgânico: os usuários são atraídos pelo valor de entretenimento dos próprios jogos, e os livestreamers estão adotando o ReboCap para animar avatares digitais com rastreamento corporal em tempo real. Esse ciclo de engajamento orgânico alimenta a geração de dados escalável, de baixo custo e alta fidelidade, tornando o conjunto de dados da Reborn um recurso valioso de treinamento para as principais empresas de robótica.

A segunda camada da pilha de software do Reborn éRoboverse, uma plataforma de dados multimodal que unifica ambientes de simulação fragmentados. O cenário de simulação de hoje é altamente fragmentado, por exemplo, ferramentas como Mujoco e NVIDIA Isaac Lab oferecem forças diferentes, mas carecem de interoperabilidade. Essa balkanização desacelera o progresso e exacerba a lacuna Sim2Real. O Roboverse aborda isso padronizando entre simuladores, criando uma infraestrutura virtual compartilhada para desenvolver e avaliar modelos robóticos. Essa integração permite a padronização consistente, melhorando a escalabilidade e a generalizabilidade.

Juntos, ReboCap e Roboverse formam a base da plataforma full-stack da Reborn. O primeiro captura dados do mundo real em escala, enquanto o último orquestra ambientes de simulação para treinamento de modelos. Essa abordagem integrada demonstra o verdadeiro poder da rede DePAI da Reborn. Está construindo uma plataforma para desenvolvedores de IA Física que se estende além da simples aquisição de dados, até o real uso e licenciamento de modelos.

O Modelo de Fundação Reborn

Talvez o componente mais crucial da pilha de software da Reborn seja o modelo de fundação Reborn (RFM). A Reborn está construindo um dos primeiros modelos de fundação para robótica, projetado para servir como infraestrutura central para a emergente pilha de IA Física. Pense em modelos de fundação tradicionais para LLMs, como o o4 da OpenAI ou o Llama da Meta, mas para robôs.

A Pilha de Tecnologia Renascida

A combinação dos três principais elementos da pilha do Reborn (ReboCap, Roboverse e o RFM) cria uma forte barreira integrada verticalmente para o Reborn. Ao combinar dados de movimento coletados pela multidão com simulação robusta e licenciamento de modelos, o Reborn pode treinar modelos com a escala e diversidade necessárias para generalizar em diferentes casos de uso. O resultado é um modelo base que suporta aplicações subsequentes em uma ampla gama de casos de uso, incluindo robótica industrial, de consumo e de pesquisa.

A Reborn está comercializando ativamente sua tecnologia, lançando pilotos pagos com a Galbot e a Noematrix e estabelecendo parcerias estratégicas com a Unitree, a Booster Robotics, a Swiss Mile e a Agile Robots. O mercado de robôs humanoides da China está passando por um rápido crescimento, representando cerca de 32,7% do mercado global. Notavelmente, a Unitree detém mais de 60% do mercado global de robôs quadrúpedes e está entre seis fabricantes chineses de robôs humanoides que planejam produzir mais de 1.000 unidades em 2025.

O Papel do Cripto na Pilha de IA Física

Cripto está permitindo toda a pilha vertical para IA física.

Reborn é um projeto cripto de IA incorporada líder.

Enquanto todos esses projetos ocupam diferentes partes da pilha de IA física, todos compartilham algo em comum: 100% deles são projetos DePAI! DePAI torna a IA física descentralizada possível ao garantir escalabilidade aberta, composável e sem permissão por meio de incentivos de token em toda a pilha.

O fato de que a Reborn ainda não lançou um token torna seu crescimento orgânico ainda mais impressionante. Uma vez que os incentivos de token sejam ativados, espera-se que a participação na rede acelere como parte do ciclo de DePAI: a Reborn oferece incentivos para a aquisição de seu hardware (o ReboCap), empresas de robótica pagam os proprietários de ReboCap por suas contribuições, incentivando mais pessoas a comprar e usar o ReboCap. A Reborn também incentivará dinamicamente comportamentos de alto valor em casos extremos – garantindo uma cobertura ainda melhor da lacuna Sim2Real.

O Flywheel DePAI da Reborn em ação

É tudo sobre os Dados

O momento “ChatGPT” da robótica não virá das próprias empresas de robótica, pois o hardware é muito mais complicado de implementar do que o software. A viralidade na robótica é inerentemente limitada por custos, disponibilidade de hardware e complexidades logísticas. Esses fatores estão ausentes em softwares puramente digitais como o ChatGPT.

O ponto de virada para a robótica humanoide não virá quando os protótipos impressionarem, mas sim quando os custos caírem o suficiente para a adoção em massa — como aconteceu com smartphones ou PCs. Quando os custos caírem, o hardware se tornará um requisito básico. A verdadeira vantagem competitiva estará nos dados e modelos. Especificamente, na escala, qualidade e diversidade da inteligência de movimento usada para treinar essas máquinas.

Conclusão

A mudança da plataforma de robótica é inevitável, mas, como todas as plataformas, precisa de dados para escalar. Reborn é uma aposta de alto retorno de que o cripto pode preencher a lacuna mais aguda na pilha de robótica de IA. DePAI para dados de robótica é custo-efetivo, escalável e composável. Em um mundo onde a robótica é a próxima fronteira da IA, Reborn é o equivalente a transformar humanos comuns em "mineradores" de dados de movimento. Assim como os LLMs precisam de tokens de texto, os robôs humanoides precisam de episódios de movimento. Reborn é como desbloqueamos um dos últimos gargalos restantes para transformar a robótica humanoide de ficção científica em realidade.

Aviso:

1. Este artigo é reproduzido de [hiperesfera_]. Todos os direitos autorais pertencem ao autor original [hiperesfera_]. Se houver objeções a esta reimpressão, por favor entre em contato com o Gate Learnequipe, e eles lidarão com isso prontamente.
2. Isenção de Responsabilidade: As opiniões e visões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo em outras línguas são feitas pela equipe do Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.