A importância de um SDK baseado em nuvem para robótica pode não parecer chamativa, mas é absolutamente crucial para o avanço do setor. Se você estiver nos círculos de tecnologia, ouvirá falar de plataformas de nuvem diariamente, que raramente despertam a imaginação. No entanto, para robôs humanóides e operadores no mundo físico, um kit de ferramentas de simulação em nuvem é uma necessidade essencial para qualquer desenvolvedor que tente dimensionar seu treinamento. Simulações precisas de mundo virtual são uma das commodities mais procuradas em robótica no momento. Os pesquisadores estão realizando experimentos intermináveis para determinar quais combinações de dados reais e sintéticos geram os resultados mais precisos para tarefas de treinamento Sim, empresas como a Tesla têm uma grande vantagem graças aos dados de rede neural que coletaram de suas frotas, embora esses dados sejam simplesmente informações brutas até serem colocadas em prática por meio de simulações de treinamento realistas. Para todos os outros, adquirir esse nível de dados ou mesmo o hardware para alimentá-los simplesmente não é uma opção, a menos que você seja uma empresa massivamente financiada. É aqui que entra a simulação em nuvem. Ao mover o treinamento e o teste de robôs para ambientes virtuais baseados em nuvem, qualquer pessoa pode acessar a computação e a escala necessárias. Uma plataforma em nuvem pode centralizar o compartilhamento dessas simulações, resultados e dados. Você está essencialmente abstraindo o acesso a portas fechadas a que essas empresas de bilhões de dólares têm acesso, os extensos componentes de hardware usados em laboratórios e trazendo conjuntos de dados à luz do público, onde as contribuições de código aberto se tornam um +EV geral para a inovação. Esse modelo de negócios já está se provando com a parceria da LeRobot (iniciativa de código aberto) da Hugging Face com a Nvidia para conectar suas estruturas para que os pesquisadores possam compartilhar modelos, conjuntos de dados e ambientes de simulação na nuvem. O objetivo final é criar um volante de dados, à medida que as pessoas contribuem com dados de simulação e políticas treinadas para abrir repositórios, isso acelera o progresso de outros, gerando dados mais acessíveis globalmente. Muito trabalho está sendo canalizado para isso através do fechamento da lacuna "sim para real". Os simuladores muitas vezes ficavam aquém da realidade, os robôs aprendiam comportamentos em um mundo virtual que não eram transferidos para o mundo real, porque a física ou os visuais não eram precisos o suficiente. Essa lacuna agora está diminuindo rapidamente devido à melhor fidelidade de simulação e abordagens de treinamento híbrido. A maioria dos modelos de base mais recentes em robótica (como Isaac GROOT da NVIDIA e Helix VLA da Figure) usa uma arquitetura de sistema duplo que imita a cognição humana. O mesmo se aplica a como eles estão treinando dados em simuladores mundiais. Uma parte do modelo é treinada em dados de demonstração humana do mundo real, enquanto outra parte é treinada em uma enorme quantidade de dados sintéticos gerados por meio de simuladores de alta fidelidade. Ao combinar treinamento físico e simulado, o modelo aprende habilidades precisas que se generalizam melhor. Os dados reais fornecem a verdade na IA, enquanto os dados simulados fornecem a escala e a variedade que são impraticáveis de reunir no mundo físico. Os desenvolvedores podem até mesmo ajustar ou pós-treinar modelos com dados reais ou sintéticos adicionais para tarefas específicas, tornando o pipeline de treinamento extremamente flexível. Figuras O Helix VLA, que usa a abordagem do Sistema 1/Sistema 2, é treinado em apenas centenas de horas teleoperadas (aumentadas por simulação e rotulagem inteligente), o Helix pode lidar com novas tarefas domésticas por meio de linguagem natural sem codificação personalizada. Demonstrando como os modelos multimodais e o treinamento sintético reduzem drasticamente as necessidades de dados. @codecopenflow está aplicando o mesmo princípio com o Octo, um VLA aberto integrado ao seu Optr SDK, permitindo a percepção de várias câmeras e o controle guiado por linguagem com conjuntos de dados muito menores e computação inferior. As plataformas de simulação mundial agora estão gerando grandes volumes de dados de treinamento variados que simplesmente não eram acessíveis antes. O Isaac Sim da Nvidia (parte do Isaac Lab) pode pegar uma única demonstração humana de uma tarefa e transformá-la em milhares de variações simuladas usando instâncias de nuvem paralelas. Imagine mostrar a um robô como pegar uma caixa na realidade e, em seguida, o simulador cria inúmeros cenários com diferentes caixas, condições de iluminação e pequenos ajustes físicos, todos produzindo experiências de treinamento com as quais o robô pode aprender. Uma visão @unmoyai está trabalhando muito duro. No momento em que essa habilidade é implantada em um robô físico, ela foi comprovada em grandes quantidades de testes virtuais. A combinação desses ricos conjuntos de dados sintéticos com dados de calibração do mundo real apenas o suficiente produz cérebros robóticos muito mais precisos e resilientes. É para isso que o SDK em nuvem da Codec está posicionado, permitindo que os usuários extraiam e contribuam com grandes conjuntos de dados de código aberto (por exemplo, fazendo interface com o hub LeRobot da Hugging Face). Cada simulação executada na nuvem pode se tornar novos dados de treinamento que aprimoram um modelo global de como os robôs interagem com o mundo. Todas as peças sugerem que humanóides e robôs em geral estão se aproximando de um "momento App Store". O hardware do robô será inútil sem uma biblioteca de habilidades. O Optr fornece uma API unificada para que um agente autônomo que controla um aplicativo da web, um braço robótico ou um avatar simulado usem a mesma estrutura e lógica principais. Essa abstração é dinâmica, pois os desenvolvedores podem prototipar uma tarefa em um ambiente de simulação de jogo e, em seguida, implantar a mesma lógica em um robô real com alterações mínimas. Por ser baseado em nuvem e aberto, o Optr SDK pode atuar como base para um mercado de robótica. Os desenvolvedores podem criar uma nova habilidade sem possuir um robô (graças ao simulador de nuvem), testá-la com segurança em ambientes virtuais e publicá-la para outras pessoas. Aqueles que precisam da habilidade, como uma startup de robótica ou um indivíduo com um robô doméstico, podem retirá-la da biblioteca e executá-la em suas máquinas. Esse tipo de mercado aberto e modelo de incentivo é o estopim para a economia do desenvolvedor de robótica. Ele reduz a barreira de entrada (não é necessário hardware ou laboratórios caros devido às ferramentas em nuvem), incentiva a colaboração, pois as contribuições melhoram os conjuntos de dados e modelos compartilhados e fornece motivação financeira para os indivíduos resolverem problemas de nicho. Há muitas possibilidades de volante econômico a jusante que surgem disso (que você pode ver em parcerias recentes), mas vou guardar isso para um artigo separado.

Por que investi na Forward Industries: Quando @multicoincap, @KyleSamani, @jump_, @galaxyhq e outros anunciaram um investimento de US$ 1,65 bilhão na Forward Industries, eu sabia que estávamos testemunhando um ponto de inflexão para nossa indústria. @FWDind está criando a primeira Solana Treasury Company do mundo – uma estrutura que pode ser tão significativa para Solana quanto a MicroStrategy foi para o Bitcoin. As corporações tradicionalmente mantinham três tipos de ativos em seus balanços: dinheiro, títulos e ações. Essa fórmula permaneceu praticamente inalterada por décadas até que @saylor reescreveu o manual, colocando$BTC em um tesouro corporativo. Quando @MicroStrategy começou a empilhar BTC em 2020, foi uma mudança de paradigma que legitimou um criptoativo pela primeira vez. Esse movimento transformou o BTC em um veículo para investidores institucionais que queriam exposição ao BTC sem deter diretamente o ativo, desbloqueando bilhões em capital de Wall Street e impulsionando o BTC para a consciência financeira convencional. Mas isso foi apenas o começo. O BTC, apesar de todo o seu potencial revolucionário, permanece em grande parte estático e improdutivo fora do nicho BTCfi. É tratado como ouro digital - como uma reserva de valor que fica inerte nos balanços. A Forward Industries leva esse conceito para o próximo nível, e a diferença nos primeiros princípios é profunda. @solana não é apenas uma reserva de valor – é um sistema operacional financeiro onde os ativos são: ▪️ Rápido (até ~ 65.000 TPS) ▪️ Combinável (pode ser programado e combinado) ▪️ Rendimento (produtivo em vez de estático) Enquanto o BTC quebrou o padrão de quais ativos poderiam estar em um balanço corporativo, a Forward Industries está quebrando o padrão do que esses ativos podem fazer quando estiverem lá. Minha tese de investimento vai além da inovação em tesouraria. Acredito que a DeAI - inteligência artificial descentralizada - precisará de uma camada financeira tão robusta quanto sua camada de computação. É por isso que estamos construindo redes de GPU descentralizadas, modelos de código aberto e protocolos para liberar a inteligência do controle centralizado. Mas o DeAI não funcionará apenas com esperança e ideologia. Ele será executado sobre trilhos: ▪️ Os mercados de computação precisam de garantias. ▪️ Modelos e conjuntos de dados precisam de seguro e liquidação. ▪️ Agentes autônomos precisam de dinheiro que se mova tão rápido quanto eles, transacionando empresas e fronteiras 24 horas por dia, 7 dias por semana, sem a aprovação humana. Isso requer um sistema operacional financeiro estável, líquido e combinável. Solana fornece os trilhos. O Forward aprofunda a liquidez e fortalece o papel da Solana como o sistema operacional que alimentará a DeAI. A meu ver, esses movimentos estão se acumulando: ▪️ Bitcoin liberou dinheiro. ▪️ Forward está liberando tesouros. ▪️ DeAI libertará inteligência. Cada etapa remove um gatekeeper. Cada passo constrói um mundo mais livre e justo. Cada passo nos aproxima do momento em que a própria inteligência é livre.