我們尚未見到機器人領域出現像 chatGPT 那樣的時刻
尤其是人形機器人開始變得非常出色,但它們仍無法理解我們的世界
大型語言模型有數十年的文本可供學習;物理 AI 則是從極少的數據起步,然後直接面對現實世界的全部複雜性
這之間存在著巨大的差距需要彌補
目前這些機器正在被教導規則並展示特定任務,最終它們將進入現實世界並「在工作中學習」
以下是加密貨幣 x 機器人領域中這些細分領域的示範
部分項目有分類重疊,這不是完整清單,而是為展示而精選的成熟案例
訓練
遙操作、強化學習以及具身 AI 流程,用於教導機器人技能
項目:@BitRobotNetwork, @PrismaXai, @NRNAgents
重要性:在機器人能夠自律學習之前,必須擁有可教導的技能,而這些流程為它們打下了基礎
現實世界數據收集
去中心化感測器與地理空間網路,捕捉現實世界數據
項目:@NATIXNetwork, @GEODNET
重要性:現實世界的智能依賴於現實世界的數據,這些網路提供了機器所需的感知燃料
機器人部署
在現實世界環境中的空間運算與多機器人協作
項目:@Auki
重要性:現實世界的部署是加速機器智能的下一步之一,但經濟上與實際上都非常困難,因此Auki計劃明年在多個零售場域大規模推展,是一大突破
機器經濟
適用於機器身份、經濟活動與協作的基礎設施
項目:@peaq
重要性:身份與鏈上協作賦予機器自
查看原文