Terobosan Besar di Industri Robot: AI dan enkripsi Memimpin Era Automatisasi Baru
Perkembangan pesat kecerdasan buatan sedang membentuk kembali harapan orang-orang terhadap Robot. Dengan model bahasa besar mulai berinteraksi dengan dunia luar, banyak orang percaya bahwa agen AI telah mencapai puncaknya. Namun, jika kita melihat kembali karya-karya fiksi ilmiah klasik, kita akan menemukan bahwa yang sebenarnya diimpikan oleh manusia adalah robot humanoid yang dapat berinteraksi di dunia fisik.
Para ahli di industri percaya bahwa bidang robotika akan segera mengalami terobosan besar serupa ChatGPT. Artikel ini akan terlebih dahulu menganalisis bagaimana teknologi AI telah mengubah lanskap industri dalam beberapa tahun terakhir, kemudian membahas kemajuan teknologi seperti baterai, latensi, dan pengumpulan data yang akan membentuk masa depan, serta peran enkripsi dalam hal ini. Akhirnya, kami akan fokus pada bidang kunci seperti keamanan robot, pendanaan, penilaian, dan pendidikan.
1. Faktor Kunci Perubahan
(1) terobosan kecerdasan buatan
Kemajuan model bahasa besar multimodal menyediakan "otak" yang diperlukan bagi Bot untuk menjalankan tugas-tugas kompleks. Bot terutama merasakan lingkungan melalui penglihatan dan pendengaran.
Model visi komputer tradisional unggul dalam deteksi dan klasifikasi objek, tetapi sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bertujuan. Model bahasa besar meskipun menunjukkan kinerja yang baik dalam pemahaman dan penghasilan teks, tetapi memiliki kemampuan persepsi yang terbatas terhadap dunia fisik.
Melalui model Visual-Language-Action ( VLA ), Bot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan entitas dalam kerangka komputasi yang terpadu. Pada Februari 2025, sebuah perusahaan AI meluncurkan model kontrol Bot humanoid universal Helix, yang dengan kemampuan generalisasi nol sampel dan arsitektur sistem ganda menetapkan standar baru untuk industri. Fitur generalisasi nol sampel memungkinkan Bot untuk beradaptasi dengan skenario baru, objek baru, dan instruksi baru tanpa perlu pelatihan ulang untuk setiap tugas. Arsitektur sistem ganda memisahkan penalaran tingkat tinggi dan penalaran ringan, mencapai Bot humanoid komersial dengan pemikiran mirip manusia dan akurasi waktu nyata.
(2) Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum—keterjangkauan. Smartphone, komputer pribadi, dan teknologi cetak 3D telah menjadi umum dengan harga yang terjangkau oleh kelas menengah. Ketika harga beberapa Bot turun di bawah harga sebuah mobil sedan menengah atau pendapatan tahunan terendah di Amerika, membayangkan dunia di mana pekerjaan fisik dan tugas sehari-hari sebagian besar diselesaikan oleh Bot tidak lagi terasa jauh.
(3) dari penyimpanan menuju pasar konsumen
Teknologi Bot sedang berkembang dari solusi penyimpanan ke bidang konsumsi. Dunia kita dirancang untuk manusia—manusia dapat melakukan semua pekerjaan yang bisa dilakukan oleh Bot profesional, sementara Bot profesional tidak dapat melaksanakan semua pekerjaan manusia. Perusahaan Bot tidak lagi terbatas pada pembuatan Bot khusus untuk pabrik, tetapi beralih ke pengembangan Bot humanoid yang lebih umum. Oleh karena itu, batasan teknologi Bot tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu hambatan utama untuk skalabilitas. Indikator kunci adalah biaya komprehensif per jam, yang dihitung sebagai: biaya peluang waktu untuk pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total waktu operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata di industri terkait agar dapat bersaing.
Untuk meresap secara menyeluruh ke dalam bidang pergudangan, biaya komprehensif robot harus di bawah 31,39 dolar per jam. Sementara di pasar konsumen terbesar—bidang pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikendalikan di bawah 35,18 dolar. Saat ini, robot sedang berkembang ke arah yang lebih murah, lebih efisien, dan lebih serbaguna.
2. Langkah Terobosan Selanjutnya dalam Teknologi Bot
(1) optimasi baterai
Teknologi baterai selalu menjadi hambatan bagi robot yang ramah pengguna. Mobil listrik awal sulit untuk dipopulerkan karena keterbatasan teknologi baterai yang menyebabkan jarak tempuh pendek, biaya tinggi, dan utilitas rendah, dan robot menghadapi masalah yang sama. Beberapa robot terkenal hanya memiliki jarak tempuh sekali pakai antara 90 menit hingga 2 jam. Pengguna jelas tidak mau mengisi daya secara manual setiap dua jam, sehingga pengisian daya mandiri dan infrastruktur docking menjadi arah pengembangan utama. Saat ini, pengisian daya robot terutama memiliki dua mode: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan penggantian cepat kelompok baterai yang habis untuk menjaga operasi berkelanjutan, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau secara otomatis.
Pengisian daya induktif menggunakan metode penyediaan daya nirkabel, meskipun pengisian penuh memakan waktu lebih lama, tetapi dapat dengan mudah mewujudkan proses otomatisasi penuh.
(2) optimasi keterlambatan
Operasi latensi rendah dapat dibagi menjadi dua kategori: persepsi lingkungan dan pengendalian jarak jauh. Persepsi mengacu pada kemampuan kognisi spasial robot terhadap lingkungan, sementara pengendalian jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Penelitian menunjukkan bahwa sistem persepsi Bot dimulai dengan sensor murah, tetapi keunggulan teknologi terletak pada perangkat lunak integrasi, komputasi berdaya rendah, dan sirkuit pengendalian presisi dalam milidetik. Setelah Bot menyelesaikan pemetaan ruang, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label skenario dimasukkan ke dalam sistem perencanaan, instruksi motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Latensi persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia—setiap latensi yang melebihi ambang ini akan menyebabkan gerakan Bot menjadi canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visual-bahasa-tindakan tunggal.
Robot otonom sepenuhnya harus memastikan model VLA berkinerja tinggi dengan latensi di bawah 50 milidetik; robot yang dikendalikan dari jarak jauh mengharuskan latensi sinyal antara sisi operator dan robot tidak melebihi 50 milidetik. Pentingnya model VLA di sini sangat jelas - jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, total latensi akan jauh melebihi ambang 50 milidetik.
(3) optimasi pengumpulan data
Pengumpulan data terutama memiliki tiga jalur: data video dunia nyata, data sintetik, dan data kontrol jarak jauh. Kendala inti antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik Bot dan model video/simulasi. Data video nyata kehilangan umpan balik kekuatan, kesalahan gerakan sendi, dan detail fisik seperti deformasi material; data simulasi kekurangan variabel tak terduga seperti kerusakan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh — di mana operator manusia mengendalikan Bot untuk melaksanakan tugas. Namun, biaya tenaga kerja adalah faktor utama yang membatasi pengumpulan data melalui pengendalian jarak jauh.
Pengembangan perangkat keras kustom juga sedang menyediakan solusi baru untuk pengumpulan data berkualitas tinggi. Beberapa perusahaan menggabungkan metode mainstream dengan perangkat keras kustom untuk mengumpulkan data gerakan manusia multidimensi, yang setelah diproses diubah menjadi kumpulan data yang cocok untuk pelatihan jaringan saraf Bot, bersama dengan siklus iterasi cepat untuk menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI Bot. Saluran teknologi ini secara bersama-sama memperpendek jalur transformasi dari data mentah ke Bot yang dapat diterapkan.
3. Bidang yang Ditekankan untuk Eksplorasi
(1) teknologi enkripsi dan Bot
Teknologi enkripsi dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan Bot. Berdasarkan bidang kunci yang disebutkan sebelumnya, teknologi enkripsi dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, pengoptimalan latensi, dan pengumpulan data.
Jaringan infrastruktur fisik terdesentralisasi ( DePIN ) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian harus mudah diakses seperti pom bensin. Jaringan terpusat membutuhkan investasi awal yang besar, sedangkan DePIN membagi biaya kepada operator node, memungkinkan fasilitas pengisian cepat berkembang ke lebih banyak area.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi kontrol jarak jauh. Dengan mengagregasi sumber daya komputasi dari node tepi yang terdistribusi secara geografis, instruksi kontrol jarak jauh dapat diproses oleh node lokal atau yang tersedia terdekat, meminimalkan jarak pengiriman data dan secara signifikan mengurangi latensi komunikasi. Namun, proyek DePIN saat ini lebih fokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum diperluas ke bidang robot atau kontrol jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling menjanjikan, tetapi biaya untuk entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data sangat tinggi. DePIN mengatasi masalah ini dengan memberi insentif kepada pihak ketiga melalui token kripto untuk menyediakan data pengendalian jarak jauh. Beberapa proyek sedang membangun jaringan operator jarak jauh global, mengubah kontribusi mereka menjadi aset digital yang tertokenisasi, membentuk sistem terdesentralisasi yang tanpa izin—peserta dapat memperoleh keuntungan, berpartisipasi dalam pemerintahan, dan membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan utama dari teknologi robot adalah mencapai otonomi penuh, tetapi manusia sangat tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah memicu perhatian, dan ketika model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan sosial.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem Bot. Beberapa perusahaan di bidang ini sedang membangun lapisan koordinasi mesin yang terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui enkripsi. Berbeda dengan manajemen pasar tugas yang sederhana, sistem ini memungkinkan Bot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan autentikasi identitas dilaksanakan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Bot yang memenuhi standar keamanan, persyaratan kualitas, dan norma regional akan mendapatkan penghargaan, sedangkan pelanggar akan menghadapi sanksi atau dicabut kelayakannya, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan robot otonom.
Jaringan re-staking pihak ketiga juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter hukuman masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Diperkirakan pedoman keamanan industri akan segera terbentuk, pada saat itu parameter hukuman akan dimodelkan berdasarkan pedoman ini.
4. Mengisi Kekosongan dalam Tumpukan Teknologi Bot
Berbeda dengan AI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya perlu diturunkan hingga tingkat kemudahan yang sama dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan dalam tiga aspek: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli motor, sensor, baterai, dan perangkat keras lainnya, dengan biaya yang mudah melampaui 100.000 dolar. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan mahal dibandingkan dengan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang baik tidak dapat langsung diterjemahkan menjadi solusi efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi otonom di lingkungan nyata yang beragam agar dapat mencapai optimasi iteratif.
Setelah infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Beberapa perusahaan sedang bergerak ke arah ini—proyek open source mereka mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dengan kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah penalaran disajikan dalam bahasa Inggris yang jelas, memungkinkan operator untuk mengaudit atau menyesuaikan perilaku tanpa menyentuh firmware. Kemampuan penalaran bahasa alami ini memungkinkan generasi talenta baru untuk masuk ke bidang robotika dengan mulus, mengambil langkah kunci menuju platform terbuka yang akan meledakkan revolusi robot, seperti yang dilakukan gerakan open source untuk mempercepat AI.
Kepadatan bakat menentukan jalur industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pengiriman bakat di bidang Bot. Beberapa perusahaan telah mulai meluncurkan kurikulum pendidikan umum berbasis Bot humanoid di sekolah umum K-12 di Amerika Serikat. Kurikulum ini dirancang dengan ketergantungan platform, dapat disesuaikan dengan berbagai bentuk Bot, memberikan kesempatan praktik bagi siswa. Sinyal positif ini memperkuat penilaian di industri: dalam beberapa tahun mendatang, tingkat kekayaan sumber daya pendidikan Bot akan setara dengan bidang AI.
5. Prospek Masa Depan
Inovasi dan efek skala ekonomi dari model visual-bahasa-tindakan (VLA) telah melahirkan robot humanoid yang terjangkau, efisien, dan universal. Dengan robot gudang yang meluas ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi yang penting. Para ahli di industri yakin bahwa teknologi enkripsi akan melalui tiga
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
11 Suka
Hadiah
11
4
Posting ulang
Bagikan
Komentar
0/400
WalletDetective
· 17jam yang lalu
Merasa bingung, ada masalah apa lagi?
Lihat AsliBalas0
ChainSpy
· 19jam yang lalu
ai ini belum bekerja dengan serius, setiap hari hanya berbual.
Lihat AsliBalas0
StablecoinArbitrageur
· 19jam yang lalu
*sigh* siklus hype teknologi lainnya... tampilkan saya margin keuntungan dari arbitrase robot terlebih dahulu sejujurnya
Lihat AsliBalas0
DaoDeveloper
· 20jam yang lalu
menarik bagaimana zk-proofs dapat mengamankan interaksi manusia-robot sejujurnya
AI dan enkripsi teknologi memimpin perubahan industri robotika, model VLA membuka era otomatisasi baru
Terobosan Besar di Industri Robot: AI dan enkripsi Memimpin Era Automatisasi Baru
Perkembangan pesat kecerdasan buatan sedang membentuk kembali harapan orang-orang terhadap Robot. Dengan model bahasa besar mulai berinteraksi dengan dunia luar, banyak orang percaya bahwa agen AI telah mencapai puncaknya. Namun, jika kita melihat kembali karya-karya fiksi ilmiah klasik, kita akan menemukan bahwa yang sebenarnya diimpikan oleh manusia adalah robot humanoid yang dapat berinteraksi di dunia fisik.
Para ahli di industri percaya bahwa bidang robotika akan segera mengalami terobosan besar serupa ChatGPT. Artikel ini akan terlebih dahulu menganalisis bagaimana teknologi AI telah mengubah lanskap industri dalam beberapa tahun terakhir, kemudian membahas kemajuan teknologi seperti baterai, latensi, dan pengumpulan data yang akan membentuk masa depan, serta peran enkripsi dalam hal ini. Akhirnya, kami akan fokus pada bidang kunci seperti keamanan robot, pendanaan, penilaian, dan pendidikan.
1. Faktor Kunci Perubahan
(1) terobosan kecerdasan buatan
Kemajuan model bahasa besar multimodal menyediakan "otak" yang diperlukan bagi Bot untuk menjalankan tugas-tugas kompleks. Bot terutama merasakan lingkungan melalui penglihatan dan pendengaran.
Model visi komputer tradisional unggul dalam deteksi dan klasifikasi objek, tetapi sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bertujuan. Model bahasa besar meskipun menunjukkan kinerja yang baik dalam pemahaman dan penghasilan teks, tetapi memiliki kemampuan persepsi yang terbatas terhadap dunia fisik.
Melalui model Visual-Language-Action ( VLA ), Bot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan entitas dalam kerangka komputasi yang terpadu. Pada Februari 2025, sebuah perusahaan AI meluncurkan model kontrol Bot humanoid universal Helix, yang dengan kemampuan generalisasi nol sampel dan arsitektur sistem ganda menetapkan standar baru untuk industri. Fitur generalisasi nol sampel memungkinkan Bot untuk beradaptasi dengan skenario baru, objek baru, dan instruksi baru tanpa perlu pelatihan ulang untuk setiap tugas. Arsitektur sistem ganda memisahkan penalaran tingkat tinggi dan penalaran ringan, mencapai Bot humanoid komersial dengan pemikiran mirip manusia dan akurasi waktu nyata.
(2) Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum—keterjangkauan. Smartphone, komputer pribadi, dan teknologi cetak 3D telah menjadi umum dengan harga yang terjangkau oleh kelas menengah. Ketika harga beberapa Bot turun di bawah harga sebuah mobil sedan menengah atau pendapatan tahunan terendah di Amerika, membayangkan dunia di mana pekerjaan fisik dan tugas sehari-hari sebagian besar diselesaikan oleh Bot tidak lagi terasa jauh.
(3) dari penyimpanan menuju pasar konsumen
Teknologi Bot sedang berkembang dari solusi penyimpanan ke bidang konsumsi. Dunia kita dirancang untuk manusia—manusia dapat melakukan semua pekerjaan yang bisa dilakukan oleh Bot profesional, sementara Bot profesional tidak dapat melaksanakan semua pekerjaan manusia. Perusahaan Bot tidak lagi terbatas pada pembuatan Bot khusus untuk pabrik, tetapi beralih ke pengembangan Bot humanoid yang lebih umum. Oleh karena itu, batasan teknologi Bot tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu hambatan utama untuk skalabilitas. Indikator kunci adalah biaya komprehensif per jam, yang dihitung sebagai: biaya peluang waktu untuk pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total waktu operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata di industri terkait agar dapat bersaing.
Untuk meresap secara menyeluruh ke dalam bidang pergudangan, biaya komprehensif robot harus di bawah 31,39 dolar per jam. Sementara di pasar konsumen terbesar—bidang pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikendalikan di bawah 35,18 dolar. Saat ini, robot sedang berkembang ke arah yang lebih murah, lebih efisien, dan lebih serbaguna.
2. Langkah Terobosan Selanjutnya dalam Teknologi Bot
(1) optimasi baterai
Teknologi baterai selalu menjadi hambatan bagi robot yang ramah pengguna. Mobil listrik awal sulit untuk dipopulerkan karena keterbatasan teknologi baterai yang menyebabkan jarak tempuh pendek, biaya tinggi, dan utilitas rendah, dan robot menghadapi masalah yang sama. Beberapa robot terkenal hanya memiliki jarak tempuh sekali pakai antara 90 menit hingga 2 jam. Pengguna jelas tidak mau mengisi daya secara manual setiap dua jam, sehingga pengisian daya mandiri dan infrastruktur docking menjadi arah pengembangan utama. Saat ini, pengisian daya robot terutama memiliki dua mode: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan penggantian cepat kelompok baterai yang habis untuk menjaga operasi berkelanjutan, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau secara otomatis.
Pengisian daya induktif menggunakan metode penyediaan daya nirkabel, meskipun pengisian penuh memakan waktu lebih lama, tetapi dapat dengan mudah mewujudkan proses otomatisasi penuh.
(2) optimasi keterlambatan
Operasi latensi rendah dapat dibagi menjadi dua kategori: persepsi lingkungan dan pengendalian jarak jauh. Persepsi mengacu pada kemampuan kognisi spasial robot terhadap lingkungan, sementara pengendalian jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Penelitian menunjukkan bahwa sistem persepsi Bot dimulai dengan sensor murah, tetapi keunggulan teknologi terletak pada perangkat lunak integrasi, komputasi berdaya rendah, dan sirkuit pengendalian presisi dalam milidetik. Setelah Bot menyelesaikan pemetaan ruang, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label skenario dimasukkan ke dalam sistem perencanaan, instruksi motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Latensi persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia—setiap latensi yang melebihi ambang ini akan menyebabkan gerakan Bot menjadi canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visual-bahasa-tindakan tunggal.
Robot otonom sepenuhnya harus memastikan model VLA berkinerja tinggi dengan latensi di bawah 50 milidetik; robot yang dikendalikan dari jarak jauh mengharuskan latensi sinyal antara sisi operator dan robot tidak melebihi 50 milidetik. Pentingnya model VLA di sini sangat jelas - jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, total latensi akan jauh melebihi ambang 50 milidetik.
(3) optimasi pengumpulan data
Pengumpulan data terutama memiliki tiga jalur: data video dunia nyata, data sintetik, dan data kontrol jarak jauh. Kendala inti antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik Bot dan model video/simulasi. Data video nyata kehilangan umpan balik kekuatan, kesalahan gerakan sendi, dan detail fisik seperti deformasi material; data simulasi kekurangan variabel tak terduga seperti kerusakan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh — di mana operator manusia mengendalikan Bot untuk melaksanakan tugas. Namun, biaya tenaga kerja adalah faktor utama yang membatasi pengumpulan data melalui pengendalian jarak jauh.
Pengembangan perangkat keras kustom juga sedang menyediakan solusi baru untuk pengumpulan data berkualitas tinggi. Beberapa perusahaan menggabungkan metode mainstream dengan perangkat keras kustom untuk mengumpulkan data gerakan manusia multidimensi, yang setelah diproses diubah menjadi kumpulan data yang cocok untuk pelatihan jaringan saraf Bot, bersama dengan siklus iterasi cepat untuk menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI Bot. Saluran teknologi ini secara bersama-sama memperpendek jalur transformasi dari data mentah ke Bot yang dapat diterapkan.
3. Bidang yang Ditekankan untuk Eksplorasi
(1) teknologi enkripsi dan Bot
Teknologi enkripsi dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan Bot. Berdasarkan bidang kunci yang disebutkan sebelumnya, teknologi enkripsi dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, pengoptimalan latensi, dan pengumpulan data.
Jaringan infrastruktur fisik terdesentralisasi ( DePIN ) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian harus mudah diakses seperti pom bensin. Jaringan terpusat membutuhkan investasi awal yang besar, sedangkan DePIN membagi biaya kepada operator node, memungkinkan fasilitas pengisian cepat berkembang ke lebih banyak area.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi kontrol jarak jauh. Dengan mengagregasi sumber daya komputasi dari node tepi yang terdistribusi secara geografis, instruksi kontrol jarak jauh dapat diproses oleh node lokal atau yang tersedia terdekat, meminimalkan jarak pengiriman data dan secara signifikan mengurangi latensi komunikasi. Namun, proyek DePIN saat ini lebih fokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum diperluas ke bidang robot atau kontrol jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling menjanjikan, tetapi biaya untuk entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data sangat tinggi. DePIN mengatasi masalah ini dengan memberi insentif kepada pihak ketiga melalui token kripto untuk menyediakan data pengendalian jarak jauh. Beberapa proyek sedang membangun jaringan operator jarak jauh global, mengubah kontribusi mereka menjadi aset digital yang tertokenisasi, membentuk sistem terdesentralisasi yang tanpa izin—peserta dapat memperoleh keuntungan, berpartisipasi dalam pemerintahan, dan membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan utama dari teknologi robot adalah mencapai otonomi penuh, tetapi manusia sangat tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah memicu perhatian, dan ketika model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan sosial.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem Bot. Beberapa perusahaan di bidang ini sedang membangun lapisan koordinasi mesin yang terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui enkripsi. Berbeda dengan manajemen pasar tugas yang sederhana, sistem ini memungkinkan Bot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan autentikasi identitas dilaksanakan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Bot yang memenuhi standar keamanan, persyaratan kualitas, dan norma regional akan mendapatkan penghargaan, sedangkan pelanggar akan menghadapi sanksi atau dicabut kelayakannya, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan robot otonom.
Jaringan re-staking pihak ketiga juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter hukuman masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Diperkirakan pedoman keamanan industri akan segera terbentuk, pada saat itu parameter hukuman akan dimodelkan berdasarkan pedoman ini.
4. Mengisi Kekosongan dalam Tumpukan Teknologi Bot
Berbeda dengan AI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya perlu diturunkan hingga tingkat kemudahan yang sama dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan dalam tiga aspek: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli motor, sensor, baterai, dan perangkat keras lainnya, dengan biaya yang mudah melampaui 100.000 dolar. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan mahal dibandingkan dengan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang baik tidak dapat langsung diterjemahkan menjadi solusi efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi otonom di lingkungan nyata yang beragam agar dapat mencapai optimasi iteratif.
Setelah infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Beberapa perusahaan sedang bergerak ke arah ini—proyek open source mereka mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dengan kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah penalaran disajikan dalam bahasa Inggris yang jelas, memungkinkan operator untuk mengaudit atau menyesuaikan perilaku tanpa menyentuh firmware. Kemampuan penalaran bahasa alami ini memungkinkan generasi talenta baru untuk masuk ke bidang robotika dengan mulus, mengambil langkah kunci menuju platform terbuka yang akan meledakkan revolusi robot, seperti yang dilakukan gerakan open source untuk mempercepat AI.
Kepadatan bakat menentukan jalur industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pengiriman bakat di bidang Bot. Beberapa perusahaan telah mulai meluncurkan kurikulum pendidikan umum berbasis Bot humanoid di sekolah umum K-12 di Amerika Serikat. Kurikulum ini dirancang dengan ketergantungan platform, dapat disesuaikan dengan berbagai bentuk Bot, memberikan kesempatan praktik bagi siswa. Sinyal positif ini memperkuat penilaian di industri: dalam beberapa tahun mendatang, tingkat kekayaan sumber daya pendidikan Bot akan setara dengan bidang AI.
5. Prospek Masa Depan
Inovasi dan efek skala ekonomi dari model visual-bahasa-tindakan (VLA) telah melahirkan robot humanoid yang terjangkau, efisien, dan universal. Dengan robot gudang yang meluas ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi yang penting. Para ahli di industri yakin bahwa teknologi enkripsi akan melalui tiga