L'importance d'un SDK basé sur le cloud pour la robotique peut ne pas sembler flamboyante, mais elle est absolument cruciale pour faire avancer le secteur. Si vous êtes dans des cercles technologiques, vous entendrez parler des plateformes cloud quotidiennement, ce qui suscite rarement l'imagination. Pourtant, pour les robots humanoïdes et les opérateurs dans le monde physique, un kit d'outils de simulation cloud est une nécessité fondamentale pour tout développeur cherchant à faire évoluer sa formation. Des simulations précises du monde virtuel sont l'une des marchandises les plus recherchées dans la robotique en ce moment. Les chercheurs mènent d'innombrables expériences pour déterminer quelles combinaisons de données réelles et synthétiques génèrent les résultats les plus précis pour les tâches de formation. Oui, des entreprises comme Tesla ont un énorme avantage grâce aux données de réseau neuronal qu'elles ont collectées auprès de leurs flottes, bien que ces données ne soient que des informations brutes jusqu'à ce qu'elles soient mises en pratique à travers des simulations de formation réalistes. Pour tout le monde, acquérir ce niveau de données ou même le matériel pour le faire n'est tout simplement pas une option à moins d'être une entreprise massivement financée. C'est là que la simulation cloud entre en jeu. En déplaçant la formation et les tests des robots dans des environnements virtuels basés sur le cloud, n'importe qui peut accéder à la puissance de calcul nécessaire et à l'échelle. Une plateforme cloud peut centraliser le partage de ces simulations, résultats et données. Vous abstraisez essentiellement l'accès fermé dont disposent ces entreprises milliardaires, les composants matériels étendus utilisés dans les laboratoires et amenez les ensembles de données à la lumière publique où les contributions open source deviennent un +EV global pour l'innovation. Ce modèle commercial prouve déjà son efficacité avec l'initiative open source LeRobot de Hugging Face qui s'associe à Nvidia pour connecter leurs frameworks afin que les chercheurs puissent partager des modèles, des ensembles de données et des environnements de simulation sur le cloud. L'objectif final est de créer un flywheel de données, car les gens contribuent des données de simulation et des politiques entraînées à des dépôts ouverts, cela accélère les progrès des autres, générant à son tour plus de données accessibles au niveau mondial. Beaucoup de travail est consacré à cela en fermant l'écart "sim to real". Les simulateurs ont souvent échoué à reproduire la réalité, les robots apprenaient des comportements dans un monde virtuel qui ne se transféraient pas dans le monde réel, car la physique ou les visuels n'étaient pas assez précis. Cet écart se réduit maintenant rapidement grâce à une meilleure fidélité de simulation et à des approches de formation hybrides. La plupart des derniers modèles fondamentaux en robotique (comme Isaac GROOT de NVIDIA et Helix VLA de Figure) utilisent une architecture à double système qui imite la cognition humaine. Il en va de même pour la façon dont ils entraînent les données dans les simulations mondiales. Une partie du modèle est entraînée sur des données de démonstration humaine du monde réel, tandis qu'une autre partie est entraînée sur une énorme quantité de données synthétiques générées via des simulateurs de haute fidélité. En combinant la formation physique et simulée, le modèle apprend des compétences précises qui se généralisent mieux. Les données réelles fournissent la vérité en IA, tandis que les données simulées offrent l'échelle et la variété qu'il est impraticable de rassembler dans le monde physique. Les développeurs peuvent même affiner ou post-entraîner des modèles avec des données réelles ou synthétiques supplémentaires pour des tâches spécifiques, rendant le pipeline de formation extrêmement flexible. Helix VLA de Figures, qui utilise l'approche Système 1/Système 2, est entraîné sur seulement des centaines d'heures téléopérées (augmentées par la simulation et le marquage intelligent), Helix peut gérer de nouvelles tâches ménagères par le biais du langage naturel sans codage personnalisé. Cela démontre comment les modèles multimodaux et la formation synthétique réduisent considérablement les besoins en données. @codecopenflow applique le même principe avec Octo, un VLA ouvert intégré dans son SDK Optr, permettant une perception multi-caméras et un contrôle guidé par le langage avec des ensembles de données beaucoup plus petits et un calcul réduit. Les plateformes de simulation mondiale génèrent maintenant d'énormes volumes de données d'entraînement variées qui n'étaient tout simplement pas accessibles auparavant. Isaac Sim de Nvidia (partie d'Isaac Lab) peut prendre une seule démonstration humaine d'une tâche et la transformer en milliers de variations simulées en utilisant des instances cloud parallèles. Imaginez montrer à un robot comment ramasser une boîte dans la réalité, puis le simulateur crée d'innombrables scénarios avec différentes boîtes, conditions d'éclairage et légers ajustements physiques, produisant tous des expériences d'entraînement dont le robot peut apprendre. Une vision sur laquelle @unmoyai travaille très dur. Au moment où cette compétence est déployée sur un robot physique, elle a été prouvée en masse à travers des essais virtuels. En combinant ces riches ensembles de données synthétiques avec juste assez de données de calibration du monde réel, on produit des cerveaux de robot beaucoup plus précis et résilients. C'est pour cela que le SDK cloud de Codec est positionné, en permettant aux utilisateurs de puiser dans et de contribuer à de grands ensembles de données open source (par exemple, en s'interfaçant avec le hub LeRobot de Hugging Face). Chaque exécution de simulation dans le cloud pourrait devenir de nouvelles données d'entraînement qui affinent un modèle global de la façon dont les robots interagissent avec le monde. Tous les éléments suggèrent que les robots humanoïdes et les robots en général approchent d'un "moment App Store". Le matériel robotique sera inutile sans une bibliothèque de compétences. Optr fournit une API unifiée afin qu'un agent autonome contrôlant une application web, un bras robotique ou un avatar simulé utilise tous le même cadre et la même logique de base. Cette abstraction est dynamique, car les développeurs pourraient prototyper une tâche dans un environnement de simulation de type jeu, puis déployer la même logique sur un vrai robot avec des changements minimes. En étant basé sur le cloud et ouvert, le SDK Optr peut servir de fondation pour un marché de la robotique. Les développeurs peuvent créer une nouvelle compétence sans posséder de robot (grâce à la simulation cloud), la tester en toute sécurité dans des environnements virtuels, puis la publier pour les autres. Ceux qui ont besoin de la compétence, comme une startup en robotique ou un particulier avec un robot domestique, pourraient la tirer de la bibliothèque et l'exécuter sur leurs machines. Ce type de marché ouvert et de modèle d'incitation est la clé de l'économie des développeurs en robotique. Il abaisse la barrière à l'entrée (aucun matériel ou laboratoire coûteux nécessaire grâce aux outils cloud), encourage la collaboration puisque les contributions améliorent les ensembles de données et les modèles partagés et fournit une motivation financière aux individus pour résoudre des problèmes de niche. Il existe de nombreuses possibilités de flywheel économique en aval qui découlent de cela (ce que vous pouvez voir à partir de partenariats récents), mais je vais garder cela pour un article séparé.

Pourquoi j'ai investi dans Forward Industries : Lorsque @multicoincap, @KyleSamani, @jump_, @galaxyhq et d'autres ont annoncé un investissement de 1,65 milliard de dollars dans Forward Industries, j'ai su que nous assistions à un point d'inflexion pour notre industrie. @FWDind crée la première société de trésorerie Solana au monde – une structure qui pourrait s'avérer aussi significative pour Solana que MicroStrategy l'a été pour Bitcoin. Les entreprises détenaient traditionnellement trois types d'actifs sur leur bilan : des liquidités, des obligations et des actions. Cette formule est restée largement inchangée pendant des décennies jusqu'à ce qu'@saylor réécrive le livre de règles en mettant du $BTC dans une trésorerie d'entreprise. Lorsque @MicroStrategy a commencé à accumuler du BTC en 2020, cela a constitué un changement de paradigme qui a légitimé un actif crypto pour la première fois. Ce mouvement a transformé le BTC en un véhicule pour les investisseurs institutionnels qui souhaitaient une exposition au BTC sans détenir directement l'actif, débloquant des milliards de capitaux de Wall Street et propulsant le BTC dans la conscience financière grand public. Mais ce n'était que le début. Le BTC, pour tout son potentiel révolutionnaire, reste largement statique et non productif en dehors du niche BTCfi. Il est traité comme de l'or numérique - comme une réserve de valeur qui reste inerte sur les bilans. Forward Industries élève ce concept à un niveau supérieur, et la différence dans les principes fondamentaux est profonde. @solana n'est pas seulement une réserve de valeur – c'est un système d'exploitation financier où les actifs sont : ▪️ Rapides (jusqu'à ~65 000 TPS) ▪️ Composables (peuvent être programmés et combinés) ▪️ Générateurs de rendement (productifs plutôt que statiques) Alors que le BTC a brisé le schéma de ce que les actifs pouvaient être sur un bilan d'entreprise, Forward Industries brise le schéma de ce que ces actifs peuvent faire une fois qu'ils y sont. Ma thèse d'investissement va au-delà de l'innovation en matière de trésorerie. Je crois que DeAI - intelligence artificielle décentralisée - aura besoin d'une couche financière aussi robuste que sa couche de calcul. C'est pourquoi nous construisons des réseaux GPU décentralisés, des modèles open-source et des protocoles pour libérer l'intelligence du contrôle centralisé. Mais DeAI ne fonctionnera pas juste sur l'espoir et l'idéologie. Elle fonctionnera sur des rails : ▪️ Les marchés de calcul ont besoin de garanties. ▪️ Les modèles et ensembles de données ont besoin d'assurance et de règlement. ▪️ Les agents autonomes ont besoin d'argent qui se déplace aussi vite qu'eux, transigeant à travers les entreprises et les frontières 24/7 sans approbation humaine. Cela nécessite un système d'exploitation financier stable, liquide et composable. Solana fournit les rails. Forward approfondit la liquidité et renforce le rôle de Solana en tant que système d'exploitation qui alimentera DeAI. De mon point de vue, ces mouvements s'accumulent : ▪️ Bitcoin a libéré l'argent. ▪️ Forward libère les trésoreries. ▪️ DeAI libérera l'intelligence. Chaque étape supprime un gardien. Chaque étape construit un monde plus libre et plus juste. Chaque étape nous rapproche du moment où l'intelligence elle-même sera libre.