Bay đến Dubai để làm việc với đội ngũ $CODEC trực tiếp. Ngành robot sẽ trở thành một lĩnh vực quá lớn để không đầu tư toàn bộ. Hãy học cách làm việc vì túi tiền của bạn.

Tầm quan trọng của một SDK dựa trên đám mây cho robot có thể không nghe có vẻ hấp dẫn, nhưng nó thực sự rất quan trọng cho việc phát triển lĩnh vực này. Nếu bạn ở trong các vòng tròn công nghệ, bạn sẽ nghe về các nền tảng đám mây hàng ngày, điều này hiếm khi khơi dậy trí tưởng tượng. Tuy nhiên, đối với các robot hình người và các nhà điều hành trong thế giới vật lý, một bộ công cụ mô phỏng đám mây là một nhu cầu cốt lõi cho bất kỳ nhà phát triển nào đang cố gắng mở rộng quy mô đào tạo của họ. Các mô phỏng thế giới ảo chính xác là một trong những hàng hóa được tìm kiếm nhiều nhất trong lĩnh vực robot hiện nay. Các nhà nghiên cứu đang thực hiện vô số thí nghiệm để xác định những kết hợp nào của dữ liệu thực và dữ liệu tổng hợp tạo ra kết quả chính xác nhất cho các nhiệm vụ đào tạo. Có, các công ty như Tesla đã có một lợi thế lớn nhờ vào dữ liệu mạng nơ-ron mà họ đã thu thập từ các đội xe của mình, mặc dù dữ liệu này chỉ là thông tin thô cho đến khi nó được đưa vào thực tiễn thông qua các mô phỏng đào tạo thực tế. Đối với những người khác, việc có được mức độ dữ liệu đó hoặc thậm chí phần cứng để cung cấp cho nó chỉ đơn giản là không phải là một lựa chọn trừ khi bạn là một công ty được tài trợ lớn. Đây là lúc mô phỏng đám mây xuất hiện. Bằng cách chuyển đào tạo và thử nghiệm robot vào các môi trường ảo dựa trên đám mây, bất kỳ ai cũng có thể truy cập vào tính toán cần thiết và mở rộng quy mô. Một nền tảng đám mây có thể tập trung việc chia sẻ các mô phỏng, kết quả và dữ liệu đó. Bạn đang thực sự trừu tượng hóa việc truy cập cửa đóng mà các công ty trị giá hàng tỷ đô la có, các thành phần phần cứng rộng lớn được sử dụng trong các phòng thí nghiệm và đưa các tập dữ liệu ra ánh sáng công khai nơi các đóng góp mã nguồn mở trở thành một lợi thế tổng thể cho đổi mới. Mô hình kinh doanh này đã chứng minh được giá trị của nó với LeRobot của Hugging Face (sáng kiến mã nguồn mở) hợp tác với Nvidia để kết nối các khung của họ để các nhà nghiên cứu có thể chia sẻ các mô hình, tập dữ liệu và môi trường mô phỏng trên đám mây. Mục tiêu cuối cùng là tạo ra một vòng quay dữ liệu, khi mọi người đóng góp dữ liệu mô phỏng và chính sách đã được đào tạo vào các kho mở, nó thúc đẩy tiến trình của những người khác, từ đó tạo ra nhiều dữ liệu có thể truy cập toàn cầu hơn. Nhiều công việc đang được đổ vào điều này thông qua việc thu hẹp khoảng cách "mô phỏng đến thực tế". Các mô phỏng thường không đạt yêu cầu thực tế, robot sẽ học các hành vi trong một thế giới ảo mà không chuyển giao được vào thế giới thực, vì vật lý hoặc hình ảnh không đủ chính xác. Khoảng cách đó hiện đang thu hẹp nhanh chóng nhờ vào độ trung thực mô phỏng tốt hơn và các phương pháp đào tạo lai. Hầu hết các mô hình nền tảng mới nhất trong lĩnh vực robot (như Isaac GROOT của NVIDIA và Helix VLA của Figure) sử dụng kiến trúc hệ thống kép mô phỏng nhận thức của con người. Điều này cũng áp dụng cho cách họ đào tạo dữ liệu trong các mô phỏng thế giới. Một phần của mô hình được đào tạo trên dữ liệu trình diễn của con người từ thế giới thực, trong khi phần khác được đào tạo trên một lượng lớn dữ liệu tổng hợp được tạo ra thông qua các mô phỏng độ trung thực cao. Bằng cách kết hợp đào tạo vật lý và mô phỏng, mô hình học được các kỹ năng chính xác hơn, có khả năng tổng quát tốt hơn. Dữ liệu thực cung cấp sự thật trong AI, trong khi dữ liệu mô phỏng cung cấp quy mô và sự đa dạng mà không thực tế để thu thập trong thế giới vật lý. Các nhà phát triển thậm chí có thể tinh chỉnh hoặc đào tạo lại các mô hình với dữ liệu thực hoặc tổng hợp bổ sung cho các nhiệm vụ cụ thể, làm cho quy trình đào tạo cực kỳ linh hoạt. Helix VLA của Figure, sử dụng phương pháp Hệ thống 1/Hệ thống 2, được đào tạo chỉ với hàng trăm giờ điều khiển từ xa (được tăng cường bởi mô phỏng và gán nhãn thông minh), Helix có thể xử lý các nhiệm vụ gia đình mới thông qua ngôn ngữ tự nhiên mà không cần mã hóa tùy chỉnh. Chứng minh cách các mô hình đa phương thức và đào tạo tổng hợp giảm nhu cầu dữ liệu một cách đáng kể. @codecopenflow đang áp dụng cùng một nguyên tắc với Octo, một VLA mở tích hợp vào SDK Optr của nó, cho phép nhận thức đa camera và điều khiển hướng dẫn bằng ngôn ngữ với tập dữ liệu nhỏ hơn và tính toán thấp hơn. Các nền tảng mô phỏng thế giới hiện đang tạo ra khối lượng lớn dữ liệu đào tạo đa dạng mà trước đây đơn giản là không thể truy cập. Isaac Sim của Nvidia (một phần của Isaac Lab) có thể lấy một trình diễn của con người về một nhiệm vụ và biến nó thành hàng ngàn biến thể mô phỏng bằng cách sử dụng các phiên bản đám mây song song. Hãy tưởng tượng việc chỉ cho một robot cách nhặt một hộp trong thực tế và sau đó mô phỏng tạo ra vô số kịch bản với các hộp khác nhau, điều kiện ánh sáng và các điều chỉnh vật lý nhỏ, tất cả đều tạo ra những trải nghiệm đào tạo mà robot có thể học hỏi. Một tầm nhìn mà @unmoyai đang làm việc rất chăm chỉ để đạt được. Khi kỹ năng đó được triển khai trên một robot vật lý, nó đã được chứng minh qua một khối lượng lớn các thử nghiệm ảo. Kết hợp các tập dữ liệu tổng hợp phong phú này với một chút dữ liệu hiệu chỉnh từ thế giới thực tạo ra những bộ não robot chính xác và bền bỉ hơn. Đây là điều mà SDK đám mây của Codec được định vị để thực hiện bằng cách cho phép người dùng vừa rút ra vừa đóng góp vào các tập dữ liệu mã nguồn mở lớn (ví dụ, giao diện với trung tâm LeRobot của Hugging Face). Mỗi lần mô phỏng chạy trên đám mây có thể trở thành dữ liệu đào tạo mới làm sắc nét mô hình toàn cầu về cách robot tương tác với thế giới. Tất cả các mảnh ghép cho thấy rằng robot hình người và robot nói chung đang tiến gần đến một "thời điểm App Store". Phần cứng robot sẽ vô dụng nếu không có một thư viện kỹ năng. Optr cung cấp một API thống nhất để một tác nhân tự động điều khiển một ứng dụng web, một cánh tay robot hoặc một hình đại diện mô phỏng đều sử dụng cùng một khung và logic cốt lõi. Sự trừu tượng này là động, vì các nhà phát triển có thể tạo mẫu một nhiệm vụ trong một môi trường mô phỏng giống như trò chơi, sau đó triển khai cùng một logic đó cho một robot thực với những thay đổi tối thiểu. Bằng cách dựa trên đám mây và mở, SDK Optr có thể hoạt động như nền tảng cho một thị trường robot. Các nhà phát triển có thể xây dựng một kỹ năng mới mà không cần sở hữu một robot (nhờ vào mô phỏng đám mây), thử nghiệm một cách an toàn trong các môi trường ảo, và sau đó công bố nó cho người khác. Những người cần kỹ năng đó, như một công ty khởi nghiệp robot hoặc một cá nhân có robot tại nhà có thể rút nó từ thư viện và chạy nó trên máy của họ. Loại mô hình thị trường mở và động lực này là ngòi nổ cho nền kinh tế phát triển robot. Nó hạ thấp rào cản gia nhập (không cần phần cứng hoặc phòng thí nghiệm đắt tiền nhờ vào các công cụ đám mây), nó khuyến khích sự hợp tác vì các đóng góp cải thiện các tập dữ liệu và mô hình chia sẻ và cung cấp động lực tài chính cho các cá nhân giải quyết các vấn đề ngách. Có nhiều khả năng vòng quay kinh tế hạ nguồn phát sinh từ điều này (mà bạn có thể thấy từ các quan hệ đối tác gần đây) nhưng tôi sẽ để lại điều đó cho một bài viết riêng.

Mỗi ngày chúng ta đều thấy những tiêu đề tỷ đô về robotics. Chỉ 12 tháng trước, những công ty và con số này thấp hơn 10-20 lần. Nếu điều này chưa rõ ràng đến mức đau đớn về việc lĩnh vực này sẽ thành công như thế nào, hãy dành một cuối tuần để nghiên cứu để bạn không bị bỏ lại phía sau. Lịch sử cho thấy giá trị lớn nhất trong các làn sóng công nghệ thường tích lũy vào các lớp hỗ trợ, Microsoft trong máy tính cá nhân, Apple trong điện thoại thông minh, AWS trong đám mây. Robotics sẽ không khác, lớp hạ tầng mà các nhà phát triển xây dựng sẽ thu hút nhiều hơn bất kỳ phần cứng đơn lẻ nào. Một chủ đề chung mà tôi nghe từ bạn bè là họ lo lắng về việc bị thiếu hụt trong robotics truyền thống. Có, sẽ có những tiêu đề điên rồ về Figure AI đạt 200 lần từ các định giá hạt giống hoặc tương đương. Nhưng nếu bạn dưới mức 7 con số giữa, Web2 không phải là nơi bạn muốn ở (trừ khi bạn có thông tin/kết nối điên rồ). Lặp đi lặp lại, crypto đã cung cấp cơ hội không đối xứng và quan trọng hơn, tăng trưởng nhanh chóng. Có nhiều rủi ro hơn, nhưng nó cũng đi kèm với sự sang trọng không bị thời gian làm khó, điều này đôi khi còn tệ hơn chính nó. Nvidia là cổ phiếu lớn nhất thế giới nhờ vào sự tăng tốc của AI. Nhìn lại, bạn có muốn đặt cược vào ai16z, Virtuals, AIXBT, GOAT trong giai đoạn đầu của họ, hay tìm kiếm những "đầu tư AI cơ bản" bị định giá thấp trên Robinhood? Bạn có thể đã giữ được nhiều tiền hơn trong dài hạn, tuy nhiên chúng ta ở đây vì những uPNL khiến bạn mất ngủ, phải không? Giống như những giai đoạn đầu của AI, chúng ta đã được trao một khoảnh khắc rất đặc biệt khi đỉnh cao của đổi mới công nghệ đang nhìn thẳng vào chúng ta. Cách bạn điều hướng sự tiến triển của nó phản ánh sự hiểu biết của bạn về các nguyên tắc thị trường và lòng tham của con người. Cũng giống như AI, chúng ta sẽ gặp phải vô số sản phẩm ảo khi chúng ta tiến gần hơn đến robot đa năng. Đối với những ai sẵn sàng mạo hiểm và bắt kịp những người dẫn đầu, bạn sẽ tạo ra những bội số lớn khiến các khoản đầu tư hạt giống của Andrew Kang trông nhỏ bé. Tôi biết mình đang chơi trò chơi nào.