La combinaison de DePIN et de l'intelligence incarnée : défis technologiques et perspectives d'avenir

Lors d'un podcast du 27 février, Michael Cho, cofondateur de FrodoBot Lab, a exploré les défis et les opportunités que représente le réseau d'infrastructure physique décentralisé (DePIN) dans le domaine de la robotique. Bien que ce domaine en soit encore à ses débuts, son potentiel est immense et pourrait transformer radicalement la façon dont les robots IA fonctionnent dans le monde réel. Cependant, contrairement à l'IA traditionnelle qui dépend d'une grande quantité de données Internet, la technologie des robots IA DePIN fait face à des problèmes plus complexes, notamment la collecte de données, les limitations matérielles, les goulets d'étranglement d'évaluation et la durabilité des modèles économiques.

Cet article analysera en profondeur les points clés de cette discussion, explorera les problèmes auxquels la technologie des robots DePIN est confrontée, élargira les principaux obstacles aux robots décentralisés et mettra en lumière les avantages de DePIN par rapport aux méthodes centralisées. Enfin, nous envisagerons l'avenir de la technologie des robots DePIN, en réfléchissant à la possibilité d'une "moment ChatGPT" dans ce domaine.

Les goulots d'étranglement des robots intelligents DePIN

Goulot d'étranglement 1 : Données

Contrairement aux modèles d'IA "en ligne" qui dépendent de grandes quantités de données Internet, l'IA incarnée doit interagir avec le monde réel pour développer son intelligence. Actuellement, il manque une telle base à grande échelle dans le monde, et il n'y a pas de consensus sur la manière de collecter ces données. La collecte de données pour l'IA incarnée peut être divisée en trois grandes catégories :

1. Opérations humaines sur les données : qualité élevée, capable de capturer des flux vidéo et des étiquettes de mouvement, mais coûteux et exigeant en main-d'œuvre.
2. Données synthétiques (données simulées) : adaptées pour entraîner des robots à se déplacer dans des environnements complexes, mais peu efficaces dans des tâches changeantes.
3. Apprentissage par vidéo : apprendre en observant des vidéos du monde réel, mais sans le véritable retour d'interaction physique nécessaire à l'intelligence.

Goulot d'étranglement 2 : niveau d'autonomie

Pour que la robotique soit réellement pratique, le taux de réussite doit être proche de 99,99 % voire plus. Cependant, chaque augmentation de 0,001 % de précision nécessite un temps et un effort exponentiels. Les progrès de la robotique ne sont pas linéaires, mais exponentiels ; chaque pas en avant rend la tâche beaucoup plus difficile.

Goulot d'étranglement trois : limitations matérielles

Même si les modèles d'IA sont de plus en plus avancés, le matériel robotique existant n'est pas encore prêt à réaliser une véritable autonomie. Les principaux problèmes incluent :

• Capteurs tactiles insuffisants : la technologie actuelle la plus avancée est encore loin de la sensibilité des doigts humains.
• Problème de visibilité : les robots ont du mal à reconnaître et à interagir avec certains objets partiellement masqués.
• Conception de l'actionneur : La plupart des actionneurs des robots humanoïdes sont directement placés sur les articulations, ce qui entraîne des mouvements lourds et potentiellement dangereux.

Goulot d'étranglement quatre : difficulté d'expansion matérielle

La mise en œuvre de la technologie des robots intelligents nécessite le déploiement d'équipements physiques dans le monde réel, ce qui pose un énorme défi en termes de capital. Actuellement, même les robots humanoïdes les plus efficaces coûtent jusqu'à plusieurs dizaines de milliers de dollars, rendant leur adoption à grande échelle très difficile.

Goulot d'étranglement cinq : évaluer l'efficacité

L'évaluation de l'IA physique nécessite un déploiement à long terme et à grande échelle dans le monde réel, un processus qui est à la fois long et complexe. La seule façon de valider la technologie d'intelligence robotique est d'observer où elle échoue, ce qui implique un déploiement en temps réel prolongé.

Goulot d'étranglement six : besoins en main-d'œuvre

Dans le développement de l'IA des robots, la main-d'œuvre humaine reste indispensable. Les robots ont besoin d'opérateurs humains pour fournir des données d'entraînement, d'équipes de maintenance pour rester opérationnels, ainsi que de chercheurs et de développeurs pour optimiser continuellement les modèles d'IA. Cette intervention humaine continue est l'un des principaux défis que DePIN doit relever.

Perspectives d'avenir : l'heure de ChatGPT pour la technologie robotique

Bien que l'IA des robots universels soit encore loin d'une adoption à grande échelle, les progrès de la technologie des robots DePIN offrent de l'espoir. L'échelle et la coordination des réseaux décentralisés peuvent alléger le fardeau du capital et accélérer le processus de collecte et d'évaluation des données.

Les avantages de DePIN dans le domaine de la robotique comprennent :

1. Accélérer la collecte et l'évaluation des données : un réseau décentralisé peut fonctionner à une plus grande échelle en parallèle et collecter des données.
2. Amélioration de la conception matérielle basée sur l'IA : l'optimisation des puces et de l'ingénierie des matériaux par l'IA pourrait considérablement réduire le temps de développement.
3. Infrastructure de calcul décentralisée : permet aux chercheurs du monde entier de former et d'évaluer des modèles sans contraintes de capital.
4. Nouveau modèle de profit : comme le mode de fonctionnement autonome et le modèle d'incitation par jetons présenté par l'agent AI.

Conclusion

Le développement de l'IA robotique dépend non seulement des algorithmes, mais aussi des mises à niveau matérielles, de l'accumulation de données, du soutien financier et de la participation humaine. L'établissement d'un réseau robotique DePIN signifie qu'avec la puissance d'un réseau décentralisé, la collecte de données des robots, les ressources de calcul et les investissements en capital peuvent être coordonnés à l'échelle mondiale. Cela accélère non seulement l'entraînement de l'IA et l'optimisation matérielle, mais abaisse également le seuil de développement, permettant à un plus grand nombre de chercheurs, d'entrepreneurs et d'utilisateurs individuels de participer.

Nous espérons que l'industrie des robots ne dépendra plus de quelques géants de la technologie, mais sera plutôt propulsée par une communauté mondiale vers un véritable écosystème technologique ouvert et durable. Malgré les nombreux défis, l'avenir de la technologie robotique DePIN est plein d'espoir et a le potentiel de transformer radicalement la manière dont l'IA interagit avec le monde physique.