Pentingnya SDK berbasis cloud untuk robotika mungkin tidak terdengar mencolok, tetapi sangat penting untuk memajukan sektor ini. Jika Anda berada di kalangan teknologi, Anda akan mendengar tentang platform cloud setiap hari, yang jarang memicu imajinasi. Namun untuk robot dan operator humanoid di dunia fisik, toolkit simulasi cloud adalah kebutuhan inti bagi setiap pengembang yang mencoba menskalakan pelatihan mereka. Simulasi dunia virtual yang akurat adalah salah satu komoditas yang paling dicari dalam robotika saat ini. Para peneliti menjalankan eksperimen tanpa akhir untuk menentukan kombinasi data nyata dan sintetis mana yang menghasilkan hasil yang paling tepat untuk tugas pelatihan Ya, perusahaan seperti Tesla memiliki awal yang besar berkat data jaringan saraf yang mereka kumpulkan dari armada mereka, meskipun data ini hanyalah informasi mentah sampai dipraktikkan melalui simulasi pelatihan yang realistis. Bagi orang lain, memperoleh tingkat data atau bahkan perangkat keras untuk menggerakkannya bukanlah pilihan kecuali Anda adalah perusahaan yang didanai secara besar-besaran. Di sinilah simulasi cloud masuk. Dengan memindahkan pelatihan dan pengujian robot ke lingkungan virtual berbasis cloud, siapa pun dapat mengakses komputasi dan skala yang diperlukan. Platform cloud dapat memusatkan berbagi simulasi, hasil, dan data tersebut. Anda pada dasarnya mengabstraksi akses pintu tertutup yang dapat diakses oleh perusahaan miliaran dolar ini, komponen perangkat keras ekstensif yang digunakan di laboratorium dan membawa kumpulan data ke cahaya publik di mana kontribusi open source menjadi +EV keseluruhan untuk inovasi. Model bisnis ini sudah membuktikan dirinya dengan LeRobot (inisiatif open source) Hugging Face yang bermitra dengan Nvidia untuk menghubungkan kerangka kerja mereka sehingga peneliti dapat berbagi model, kumpulan data, dan lingkungan simulasi di cloud. Tujuan akhirnya adalah untuk membuat roda gila data, karena orang menyumbangkan data simulasi dan kebijakan terlatih untuk membuka reposito, itu mempercepat kemajuan orang lain, pada gilirannya menghasilkan data yang lebih dapat diakses secara global. Banyak pekerjaan yang disalurkan ke dalam hal ini dengan menutup celah "sim ke nyata". Simulator sering kali gagal dengan kenyataan, robot akan mempelajari perilaku di dunia virtual yang tidak ditransfer ke dunia nyata, karena fisika atau visualnya tidak cukup akurat. Kesenjangan itu sekarang menutup dengan cepat karena kesetiaan simulasi yang lebih baik dan pendekatan pelatihan hibrida. Sebagian besar model fondasi terbaru dalam robotika (seperti Isaac GROOT NVIDIA dan Helix VLA dari Figure) menggunakan arsitektur sistem ganda yang meniru kognisi manusia. Hal yang sama berlaku untuk cara mereka melatih data di sim dunia. Satu bagian dari model dilatih pada data demonstrasi manusia dari dunia nyata, sementara bagian lain dilatih pada sejumlah besar data sintetis yang dihasilkan melalui simulator fidelitas tinggi. Dengan menggabungkan pelatihan fisik dan simulasi, model mempelajari keterampilan akurat yang menggeneralisasi dengan lebih baik. Data nyata memberikan kebenaran dalam AI, sedangkan data simulasi memberikan skala dan variasi yang tidak praktis untuk dikumpulkan di dunia fisik. Pengembang bahkan dapat menyempurnakan atau memposting model pelatihan dengan data nyata atau sintetis tambahan untuk tugas-tugas tertentu, membuat saluran pelatihan menjadi sangat fleksibel. Gambar Helix VLA yang menggunakan pendekatan Sistem 1/Sistem 2 dilatih hanya pada ratusan jam yang dioperasikan secara teleoperasional (ditambah dengan simulasi dan pelabelan cerdas), Helix dapat menangani tugas-tugas rumah tangga baru melalui bahasa alami tanpa pengkodean khusus. Mendemonstrasikan bagaimana model multimoda dan pelatihan sintetis memangkas kebutuhan data secara dramatis. @codecopenflow menerapkan prinsip yang sama dengan Octo, VLA terbuka yang terintegrasi ke dalam Optr SDK-nya, memungkinkan persepsi multi kamera dan kontrol terpandu bahasa dengan kumpulan data yang jauh lebih kecil dan komputasi yang lebih rendah. Platform simulasi dunia sekarang menghasilkan sejumlah besar data pelatihan yang bervariasi yang sebelumnya tidak dapat diakses. Isaac Sim Nvidia (bagian dari Isaac Lab) dapat mengambil satu demonstrasi manusia dari suatu tugas dan memutarnya menjadi ribuan variasi simulasi menggunakan instance cloud paralel. Bayangkan menunjukkan kepada robot cara mengambil satu kotak dalam kenyataan dan kemudian simulator membuat skenario yang tak terhitung jumlahnya dengan kotak yang berbeda, kondisi pencahayaan, dan sedikit penyesuaian fisika yang semuanya menghasilkan pengalaman pelatihan yang dapat dipelajari oleh robot. Visi yang @unmoyai bekerja sangat keras. Pada saat keterampilan itu digunakan pada robot fisik, itu telah terbukti dalam jumlah besar uji coba virtual. Menggabungkan kumpulan data sintetis yang kaya ini dengan data kalibrasi dunia nyata yang cukup menghasilkan otak robot yang jauh lebih akurat dan tangguh. Inilah yang diposisikan oleh cloud SDK Codec dengan memungkinkan pengguna menarik dari dan berkontribusi pada kumpulan data open source yang besar (misalnya, berinteraksi dengan hub LeRobot Hugging Face). Setiap simulasi yang dijalankan di cloud dapat menjadi data pelatihan baru yang mempertajam model global tentang bagaimana robot berinteraksi dengan dunia. Semua bagian menunjukkan bahwa humanoid dan robot pada umumnya mendekati "momen App Store." Perangkat keras robot tidak akan berguna tanpa perpustakaan keterampilan. Optr menyediakan API terpadu sehingga agen otonom yang mengontrol aplikasi web, lengan robot, atau avatar simulasi semuanya menggunakan kerangka kerja dan logika inti yang sama. Abstraksi ini dinamis, karena pengembang dapat membuat prototipe tugas dalam lingkungan game seperti sim, kemudian menerapkan logika yang sama ke robot sungguhan dengan perubahan minimal. Dengan berbasis cloud dan terbuka, Optr SDK dapat bertindak sebagai dasar untuk pasar robotika. Pengembang dapat membangun keterampilan baru tanpa memiliki robot (berkat cloud sim), mengujinya dengan aman di lingkungan virtual, dan kemudian mempublikasikannya untuk orang lain. Mereka yang membutuhkan keterampilan, seperti startup robotika atau individu dengan robot rumahan dapat menariknya dari perpustakaan dan menjalankannya di mesin mereka. Pasar terbuka dan model insentif semacam ini adalah sekering untuk ekonomi pengembang robotika. Ini menurunkan hambatan masuk (tidak diperlukan perangkat keras atau laboratorium mahal karena alat cloud), ini mendorong kolaborasi karena kontribusi meningkatkan kumpulan data dan model bersama dan memberikan motivasi keuangan bagi individu untuk memecahkan masalah khusus. Ada banyak kemungkinan roda gila ekonomi hilir yang muncul dari ini (yang dapat Anda lihat dari kemitraan baru-baru ini) tetapi saya akan menyimpannya untuk tulisan terpisah.

Setiap hari kita melihat berita utama miliaran dolar untuk robotika. Hanya 12 bulan yang lalu, perusahaan dan angka-angka ini 10-20x lebih rendah. Jika belum jelas seberapa sukses sektor ini, dedikasikan akhir pekan untuk penelitian sehingga Anda tidak ketinggalan. Sejarah menunjukkan nilai terbesar dalam gelombang teknologi sering kali diperoleh ke lapisan yang memungkinkan, Microsoft di PC, Apple di smartphone, AWS di cloud. Robotika tidak akan berbeda, lapisan infra yang dibangun pengembang akan menangkap lebih dari permainan perangkat keras tunggal. Salah satu tema umum yang saya dengar dari teman-teman adalah mereka khawatir kurang terpapar robotika tradisional. Ya, akan ada berita utama gila tentang Figure AI melakukan 200x dari penilaian benih atau yang setara. Tetapi jika Anda berada di bawah pertengahan 7 buah ara, Web2 tidak berada di tempat yang Anda inginkan (kecuali Anda memiliki info/koneksi yang gila). Berkali-kali, kripto telah menawarkan kenaikan yang paling asimetris dan yang lebih penting, dipercepat. Ada lebih banyak risiko, tetapi juga datang dengan kemewahan untuk tidak menjadi kasar waktu yang terkadang lebih buruk dengan sendirinya. Nvidia adalah saham terbesar di dunia karena akselerasi AI. Melihat ke belakang, apakah Anda lebih suka melakukan tendangan di ai16z, Virtuals, AIXBT, GOAT di leg pertama mereka, atau berburu "permainan AI mendasar" yang diremehkan di Robinhood? Anda mungkin menyimpan lebih banyak uang dalam jangka panjang, namun kami di sini untuk uPNL yang menghilangkan tidur bukan? Seperti babak awal AI, kita telah diberi momen yang sangat istimewa di mana puncak inovasi teknologi menatap kita mati. Cara Anda menavigasi perkembangannya adalah cerminan dari pemahaman Anda tentang fundamental pasar dan keserakahan manusia. Sama seperti AI, kita akan bertemu dengan vaporware tanpa akhir saat kita bergerak lebih dekat dengan robot serba guna. Bagi mereka yang mau melempar dadu dan menangkap pemimpin, Anda akan membuat kelipatan besar yang membuat investasi awal Andrew Kang terlihat kecil. Saya tahu game mana yang saya mainkan.

Saya sering ditanya apa yang saya mainkan di robotika selain $CODEC. Jawaban: sejauh ini tidak ada. Jika saya percaya robotika adalah meta gaya AI berikutnya dengan potensi mencapai miliaran, dan jika saya melihat Codec sebagai ai16z/Virtual ekosistem, mengapa saya mengalokasikan modal dan yang lebih penting, keyakinan, untuk ide terbaik kedua saya? Gaya perdagangan saya lebih dekat dengan Jez, di mana saya memainkan permainan keyakinan tertinggi saya. Itu berarti saya memiliki beberapa perjalanan pulang pergi yang mengerikan, tetapi saya tidak di sini untuk pengembalian rata-rata. Akuntabilitas kekuatan porting penuh, Anda tidak dapat bersembunyi di balik sekeranjang taruhan setengah matang. Kejernihan mental itu adalah bagian dari keunggulan Anda. Jika Anda muncul di industri ini setiap hari, tujuan Anda adalah mengambil risiko dan perubahan yang sangat besar yang dapat memberi Anda kekayaan generasi jika benar. Masalahnya adalah sebagian besar pedagang "ide terbaik" sebenarnya tidak bagus. Ketika Anda penuh port biasa-biasa saja, Anda meledak. Diversifikasi hanya masuk akal setelah Anda mencapai kendala likuiditas dalam proyek utama Anda. Meski begitu, kecuali Anda memiliki 3-4%+ dari pasokan, saya tidak berpikir itu masalah nyata (Anda selalu bisa OTC). Selama setahun terakhir, onchain telah membuktikan bahwa rotasi semakin cepat. Bahkan jika robotika menjadi narasi besar yang telah saya serukan selama berbulan-bulan, hanya proyek teratas yang akan menarik mindshare dan likuiditas yang diperlukan untuk memberikan hasil yang mengubah hidup. Pemimpin selalu menjadi perdagangan pembuat raja dan mengejar beta tidak berhasil selama 9 bulan sekarang. Tidak ada cukup likuiditas aktif. Sejarah menunjukkan sebagian besar pengembalian generasi diperoleh ke 1-3 proyek teratas di suatu sektor. Robotika tidak akan berbeda. Kuda tercepat adalah kuda tercepat.