La combinación de DePIN y la inteligencia encarnada: desafíos técnicos y perspectivas futuras

En un podcast del 27 de febrero, Michael Cho, cofundador de FrodoBot Lab, exploró los desafíos y oportunidades que enfrenta la red de infraestructura física descentralizada (DePIN) en el campo de la robótica. Aunque este campo todavía está en sus primeras etapas, su potencial es enorme y podría cambiar radicalmente la forma en que los robots de IA operan en el mundo real. Sin embargo, a diferencia de la IA tradicional que depende de una gran cantidad de datos de Internet, la tecnología de IA de robots DePIN enfrenta problemas más complejos, incluidos la recopilación de datos, las limitaciones de hardware, los cuellos de botella en la evaluación y la sostenibilidad de los modelos económicos.

Este artículo analizará en profundidad los puntos clave de esta discusión, explorará los problemas que enfrenta la tecnología de robots DePIN, ampliará los principales obstáculos de los robots descentralizados y destacará las ventajas de DePIN en comparación con los métodos centralizados. Por último, miraremos hacia el futuro de la tecnología de robots DePIN, reflexionando sobre si estamos a punto de experimentar el "momento ChatGPT" en este campo.

Los cuellos de botella de los robots inteligentes DePIN

Cuello de botella uno: datos

A diferencia de los grandes modelos de IA "en línea" que dependen de una gran cantidad de datos de Internet, la IA encarnada necesita interactuar con el mundo real para desarrollar inteligencia. Actualmente, el mundo carece de esta infraestructura a gran escala y no hay consenso sobre cómo recopilar estos datos. La recopilación de datos para la IA encarnada se puede dividir en tres grandes categorías:

1. Operación de datos humanos: alta calidad, capaz de capturar flujos de video y etiquetas de acción, pero con altos costos y gran intensidad laboral.
2. Datos sintéticos (datos simulados): adecuados para entrenar robots para moverse en terrenos complejos, pero no funcionan bien en tareas cambiantes.
3. Aprendizaje a través de video: aprender observando videos del mundo real, pero carece de la verdadera retroalimentación de interacción física necesaria para la inteligencia.

Cuello de botella dos: Nivel de autonomía

Para que la tecnología robótica sea realmente práctica, la tasa de éxito debe acercarse al 99.99% o incluso ser más alta. Sin embargo, cada aumento del 0.001% en la precisión requiere un tiempo y esfuerzo exponencial. El avance de la tecnología robótica no es lineal, sino exponencial; cada paso adelante aumenta considerablemente la dificultad.

Cuello de botella tres: limitaciones de hardware

Incluso si los modelos de IA son muy avanzados, el hardware de robot existente aún no está preparado para lograr una verdadera autonomía. Los principales problemas incluyen:

• Sensores táctiles insuficientes: la tecnología más avanzada actual todavía está muy por detrás de la sensibilidad de las yemas de los dedos humanos.
• Problemas de obstrucción: los robots tienen dificultades para reconocer e interactuar con algunos objetos que están parcialmente obstruidos.
• Diseño de actuadores: la mayoría de los actuadores de los robots humanoides se colocan directamente en las articulaciones, lo que resulta en movimientos torpes y potencialmente peligrosos.

Cuello de botella cuatro: dificultad de expansión de hardware

La implementación de la tecnología de robots inteligentes requiere el despliegue de dispositivos físicos en el mundo real, lo que plantea un gran desafío de capital. Actualmente, incluso los robots humanoides más eficientes tienen un costo de decenas de miles de dólares, lo que dificulta su difusión masiva.

Cuello de botella cinco: Evaluar la efectividad

Evaluar la IA física requiere un despliegue a gran escala y a largo plazo en el mundo real, lo cual es un proceso que consume mucho tiempo y es complejo. La única forma de validar la tecnología de inteligencia robótica es observar dónde falla, lo que significa que se necesita un despliegue en tiempo real durante un largo período.

Cuello de botella seis: Necesidades de mano de obra

En el desarrollo de la IA de robots, la mano de obra humana sigue siendo indispensable. Los robots necesitan que los operadores humanos proporcionen datos de entrenamiento, que los equipos de mantenimiento mantengan su funcionamiento, y que los investigadores y desarrolladores optimicen continuamente los modelos de IA. Esta intervención humana continua es uno de los principales desafíos que DePIN debe abordar.

Perspectivas futuras: el momento ChatGPT de la tecnología robótica

A pesar de que la IA de robots generales aún está lejos de su adopción a gran escala, los avances en la tecnología de robots DePIN ofrecen esperanza. La escala y la coordinación de las redes descentralizadas pueden dispersar la carga de capital y acelerar el proceso de recopilación y evaluación de datos.

Las ventajas de DePIN en el campo de la robótica incluyen:

1. Acelerar la recolección y evaluación de datos: las redes descentralizadas pueden operar a una escala mayor en paralelo y recopilar datos.
2. Mejora del diseño de hardware impulsada por IA: la optimización de chips y materiales a través de IA podría reducir significativamente el tiempo de desarrollo.
3. Infraestructura de computación descentralizada: permite a los investigadores de todo el mundo entrenar y evaluar modelos sin las limitaciones del capital.
4. Nuevos modelos de ganancias: como el modelo de funcionamiento autónomo y de incentivos de tokens presentado por el agente de IA.

Conclusión

El desarrollo de la IA de robots no solo depende de los algoritmos, sino que también involucra la actualización de hardware, la acumulación de datos, el apoyo financiero y la participación humana. La creación de una red de robots DePIN significa que, gracias al poder de una red descentralizada, la recolección de datos de robots, los recursos de cálculo y la inversión de capital pueden llevarse a cabo de manera colaborativa a nivel global. Esto no solo acelera el entrenamiento de IA y la optimización de hardware, sino que también reduce las barreras de desarrollo, permitiendo que más investigadores, emprendedores y usuarios individuales participen.

Esperamos que la industria robótica ya no dependa de unos pocos gigantes tecnológicos, sino que sea impulsada por una comunidad global que avance hacia un ecosistema tecnológico verdaderamente abierto y sostenible. A pesar de los numerosos desafíos, el futuro de la tecnología robótica DePIN está lleno de esperanza y tiene el potencial de transformar por completo la forma en que la IA interactúa con el mundo físico.