Resumen Ejecutivo

Los robots humanoides de propósito general están pasando rápidamente de la ciencia ficción a la realidad comercial. La disminución de los costos de hardware, el aumento de la inversión de capital y los avances en locomoción y destreza están convergiendo para impulsar el próximo gran cambio de plataforma en la computación.

Mientras que la computación y el hardware están cada vez más commoditizados, proporcionando vientos favorables de bajo costo a la ingeniería robótica, el sector aún está limitado por un cuello de botella en los datos de entrenamiento.

Reborn es uno de los pocos proyectos que aprovechan la inteligencia artificial física descentralizada (DePAI) para obtener datos de movimiento y datos sintéticos de alta fidelidad a través de la colaboración colectiva, y construir modelos fundacionales robóticos, lo que lo posiciona de manera única para catalizar el despliegue de humanoides. El proyecto está dirigido por un equipo fundador profundamente técnico con antecedentes de investigación y profesor en UC Berkeley, Cornell, Harvard y Apple, combinando la excelencia académica y la ejecución de ingeniería en el mundo real.

Humanoides: De la ficción a la línea del frente

La robótica comercializada no es un concepto nuevo. La mayoría está familiarizada con productos como la aspiradora iRobot Roomba, que debutó en 2002, o con robótica doméstica más reciente, como la cámara para mascotas de Kasa. Ambos son dispositivos construidos para un solo propósito. Con la ayuda de la IA, los robots están evolucionando de máquinas de un solo propósito a máquinas multipropósito, diseñadas para operar en entornos no estructurados.

Los robots humanoides progresarán de tareas básicas como limpiar y cocinar a conserjería, lucha contra incendios e incluso cirugía en los próximos 5 a 15 años.

Los desarrollos recientes están convirtiendo la robótica humanoide de ciencia ficción en realidad.

• Expansión del mercado: más de 100 empresas construyendo humanoides (por ejemplo, Tesla, Unitree, Figure, Clone, Agile, etc.).
• La tecnología de hardware ha cruzado el valle inquietante: Nuevos humanoides exhiben un movimiento fluido y natural, lo que permite interacciones similares a las humanas en entornos del mundo real. El H1 de Unitree camina más rápido que el humano promedio (3.3 m/s frente a 1.4 m/s).
• Nuevo paradigma de costos laborales: Se espera que los robots humanoides reduzcan los salarios en EE. UU. para 2032.

El Cuello de Botella: Datos de Entrenamiento del Mundo Real

A pesar de los claros vientos a favor para la robótica humanoide, el despliegue masivo sigue estando obstaculizado por la calidad y escasez de datos.

Otros embodiments de IA, como la conducción autónoma, han superado en gran medida el problema de los datos a través de cámaras y sensores en vehículos existentes. En el caso de los vehículos autónomos (por ejemplo, Tesla, Waymo), estas flotas son capaces de generar miles de millones de millas de datos de conducción en el mundo real. Waymo pudo poner sus autos en la carretera para entrenamiento en tiempo real con un “niñero” humano en el asiento del pasajero durante esta fase.

Sin embargo, es poco probable que los consumidores toleren la presencia de un "niñero robot". Los robots deben ser eficientes desde el primer momento, lo que hace que la adquisición de datos previa a la implementación sea esencial. El entrenamiento debe completarse antes de la producción comercial, donde la escala y la calidad de los datos siguen siendo un problema.

Mientras que cada modalidad de entrenamiento tiene su propia unidad de escala (es decir, tokens para LLMs, pares de video-texto para generadores de imágenes y episodios de movimiento para robótica), la comparación a continuación destaca la diferencia de órdenes de magnitud en la disponibilidad de datos con la que los datos de robótica están lidiando:

• GPT-4 fue entrenado con más de 15 billones de tokens de texto
• Midjourney/Sora aprovecha miles de millones de pares de video-texto etiquetados
• En contraste, los conjuntos de datos de robótica más grandes contienen solo ~2.4 millones de episodios

Esta disparidad ilustra por qué la robótica aún no ha logrado un verdadero modelo base de la misma manera en que lo han hecho los LLM. Simplemente, los datos no están disponibles todavía.

Los métodos tradicionales de recopilación de datos no son escalables para la capacitación de datos de robótica humanoide. Los métodos actuales incluyen:

• Simulación: Barata pero carece de casos límite del mundo real (brecha Sim2Real)
• Video de Internet: No contiene el contexto proprioceptivo o de retroalimentación de fuerza necesario para el aprendizaje robótico
• Datos del mundo real: Precisos, pero requieren teleoperación y un humano en el bucle, lo que es costoso (más de $40K por robot) y carece de escalabilidad.

El entrenamiento en entornos virtuales es barato y escalable, pero los modelos a menudo tienen dificultades cuando se implementan en el mundo real. Este problema se conoce como la brecha Sim2Real.

Por ejemplo, un robot entrenado en simulación podría tener éxito al recoger objetos con iluminación perfecta y superficies planas, pero fallar cuando se enfrenta a entornos desordenados, texturas irregulares o situaciones imperfectas a las que los humanos están acostumbrados en el mundo físico.

Reborn proporciona una forma de obtener datos del mundo real de manera económica y rápida, lo que permite un entrenamiento robusto de robots y resuelve la brecha Sim2Real.

Reborn: Una Visión de Pilas Completas para la IA Física Descentralizada

Reborn está construyendo una plataforma de software y datos verticalmente integrada para la IA física. En su núcleo, Reborn está resolviendo el cuello de botella de datos para la robótica humanoide, pero su ambición se extiende mucho más allá de eso. A través de una combinación de hardware propietario, infraestructura de simulación multimodal y desarrollo de modelos fundamentales, Reborn se convierte en un habilitador de pila completa de la inteligencia encarnada.

La pila Reborn comienza con el “ReboCap”, un dispositivo de captura de movimiento de grado de consumidor patentado. Esto impulsa un ecosistema de juegos AR/VR en rápido crecimiento, donde los usuarios generan datos de movimiento de alta fidelidad a cambio de incentivos de la red. Reborn ha vendido más de 5,000 unidades de ReboCap y ahora apoya a 160,000 usuarios activos mensuales (MAUs), con un camino claro hacia dos millones para fin de año.

Reborn permite la captura de datos a una economía mucho mejor que los métodos alternativos.

Impresionantemente, este crecimiento ha sido orgánico: los usuarios se sienten atraídos por el valor de entretenimiento de los propios juegos, y los livestreamers están adoptando ReboCap para animar avatares digitales con seguimiento corporal en tiempo real. Este bucle de compromiso orgánico potencia una generación de datos escalable, de bajo costo y alta fidelidad, convirtiendo el conjunto de datos de Reborn en un recurso de entrenamiento valioso para las principales compañías de robótica.

La segunda capa de la pila de software de Reborn esRoboverse, una plataforma de datos multimodal que unifica entornos de simulación fragmentados. El paisaje de simulación de hoy está altamente fragmentado, por ejemplo, herramientas como Mujoco y NVIDIA Isaac Lab ofrecen diferentes fortalezas pero carecen de interoperabilidad. Esta balcanización ralentiza el progreso y agrava la brecha Sim2Real. Roboverse aborda esto estandarizando entre simuladores, creando una infraestructura virtual compartida para desarrollar y evaluar modelos de robótica. Esta integración permite una evaluación constante, mejorando la escalabilidad y la generalizabilidad.

Juntos, ReboCap y Roboverse forman la base de la plataforma de pila completa de Reborn. El primero captura datos del mundo real a gran escala, mientras que el segundo orquesta entornos de simulación para el entrenamiento de modelos. Este enfoque integrado muestra el verdadero poder de la red DePAI de Reborn. Está construyendo una plataforma para desarrolladores de IA Física que se extiende más allá de la simple adquisición de datos, hasta el despliegue y licencia de modelos reales.

El Modelo de Fundación Renacida

Quizás el componente más crucial de la pila de software de Reborn es el modelo de fundación de Reborn (RFM). Reborn está construyendo uno de los primeros modelos de fundación de robótica, diseñado para servir como infraestructura central para la emergente pila de IA Física. Piensa en modelos de fundación tradicionales para LLMs, como el o4 de OpenAI o el Llama de Meta, pero para robots.

El stack tecnológico renacido

La combinación de los tres elementos principales de la pila de Reborn (ReboCap, Roboverse y el RFM), crea una fuerte ventaja competitiva verticalmente integrada para Reborn. Al combinar datos de movimiento recopilados por la multitud con simulación robusta y licencias de modelos, Reborn puede entrenar modelos con la escala y diversidad necesarias para generalizar en diferentes casos de uso. El resultado es un modelo base que soporta aplicaciones posteriores en una amplia gama de casos de uso, incluidos la robótica industrial, de consumo e investigación.

Reborn está comercializando activamente su tecnología, lanzando pilotos pagos con Galbot y Noematrix y estableciendo asociaciones estratégicas con Unitree, Booster Robotics, Swiss Mile y Agile Robots. El mercado de robots humanoides de China está experimentando un rápido crecimiento, representando alrededor del 32.7% del mercado global. Notablemente, Unitree tiene más del 60% del mercado global de robots cuadrúpedos y está entre seis fabricantes chinos de robots humanoides que planean producir más de 1,000 unidades en 2025.

El papel de Cripto en la pila de IA física

Cripto está habilitando la pila vertical completa para la IA física.

Reborn es un proyecto de Cripto de IA encarnada líder

Mientras todos estos proyectos se encuentran en diferentes partes de la pila de IA física, todos comparten algo en común: ¡el 100% de ellos son proyectos DePAI! DePAI hace posible la IA física descentralizada al garantizar una escalabilidad abierta, componible y sin permisos a través de incentivos de tokens en toda la pila.

El hecho de que Reborn no haya lanzado un token aún hace que su crecimiento orgánico sea aún más impresionante. Una vez que los incentivos del token entren en funcionamiento, se espera que la participación en la red se acelere como parte de la rueda de impulso de DePAI: Reborn emite incentivos para adquirir su hardware (el ReboCap), las empresas de robótica pagan a los propietarios de ReboCap por sus contribuciones, animando a más personas a comprar y usar ReboCap. Reborn también incentivará dinámicamente comportamientos de casos extremos de alto valor, garantizando una mejor cobertura de la brecha Sim2Real.

El Flywheel DePAI de Reborn en acción

Todo se trata de los Datos

El momento "ChatGPT" de la robótica no vendrá de las propias empresas de robótica porque el hardware es mucho más complicado de implementar que el software. La viralidad en la robótica está inherentemente limitada por el costo, la disponibilidad del hardware y las complejidades logísticas. Estos factores están ausentes en software puramente digital como ChatGPT.

El punto de inflexión para la robótica humanoide no llegará cuando los prototipos impresionen, sino cuando los costos caigan lo suficiente para la adopción masiva, como ocurrió con los smartphones o los PCs. Cuando los costos caen, el hardware se convierte en un requisito básico. La verdadera ventaja competitiva residirá en los datos y los modelos. Específicamente, la escala, calidad y diversidad de la inteligencia de movimiento utilizada para entrenar estas máquinas.

Conclusión

El cambio de la plataforma de robótica es inevitable, pero, como todas las plataformas, necesita datos para escalar. Reborn es una apuesta de alto apalancamiento de que Cripto puede llenar la brecha más aguda en la pila de robótica de IA. DePAI para datos de robótica es rentable, escalable y componible. En un mundo donde la robótica es la próxima frontera de la IA, Reborn es el equivalente a convertir a los humanos cotidianos en los “mineros” de datos de movimiento. Así como los LLMs necesitan tokens de texto, los robots humanoides necesitan episodios de movimiento. Reborn es cómo desbloqueamos uno de los últimos cuellos de botella restantes para convertir la robótica humanoide de ciencia ficción a realidad.

Descargo de responsabilidad:

1. Este artículo es reproducido de [hipersfera_]. Todos los derechos de autor pertenecen al autor original [hiperesfera_]. Si hay objeciones a esta reimpresión, por favor contacte a el Gate Learn equipo, y se encargarán de ello de manera rápida.
2. Descargo de responsabilidad: Las opiniones y puntos de vista expresados en este artículo son únicamente del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, copiar, distribuir o plagiar los artículos traducidos está prohibido.