ロボティクス分野では、まだchatGPTのような瞬間は訪れていません。

特にヒューマノイドロボットは見た目が非常に素晴らしくなってきていますが、まだ私たちの世界を理解していません。

LLM（大規模言語モデル）は数十年分のテキストから学習できますが、フィジカルAIはほとんどデータがない状態から始まり、現実世界の複雑さに直面します。

埋めなければならない大きなギャップがあります。

現在、これらの機械はルールを教えられ、特定のタスクを示されていますが、最終的には現実世界に出て「現場で学ぶ」ようになります。

暗号資産 x ロボティクスにおけるこれらニッチ分野のデモンストレーション

これらのプロジェクトの中にはカテゴリが重複するものもあり、完全なリストではなく、あくまでデモンストレーション用の確立された例のセレクションです。

トレーニング

ロボットにスキルを教えるための遠隔操作、強化学習、およびエンボディドAIパイプライン

プロジェクト: @BitRobotNetwork, @PrismaXai, @NRNAgents

重要性: ロボットが自律的に学習できるようになる前に、教えられるスキルが必要であり、これらのパイプラインはその最初の基礎を提供します。

現実世界データの収集

現実世界のデータを取得する分散型センサー＆地理空間ネットワーク

プロジェクト: @NATIXNetwork, @GEODNET

重要性: 現実世界のインテリジェンスは現実世界のデータに依存しており、これらのネットワークは機械が必要とする感覚的な燃料を供給します。

ロボットの展開

現実世界の環境における空間コンピューティングおよびマルチロボットのオーケストレーション

プロジェクト: @Auki

重要性: 現実世界での展開は機械知能を加速させる次のステップの一つですが、経済的にも実務的にも困難です。そのためAukiが来年多数の小売展開を計画しているのは大きな動きです。

マシンエコノミー

マシンID、経済活動、協調のためのインフラ

プロジェクト: @peaq

重要性: アイデンティティとオンチェーン協調によって、機械は人間の絶え間ない監督なしに取引や協働、運用ができる自律性を得ます。

オペレーティングシステム

自律型マシンを統括・制御するソフトウェアレイヤー

プロジェクト: @openmind_agi, @codecopenflow

重要性: 共有知能レイヤーを提供することで、マシンが大規模に学習・協働・運用するための構造を与えます。

少なくとも暗号資産側では、多くの人がロボティクス分野への注目を非常に短期的、短命なセクターと見ています。

注目は波のようにやってきますが、全体として最大のポテンシャルに到達するにはまだ長い道のりです。

そして近い将来、現時点での課題点や、達成に向けて注目すべきポイントが見えてきます。

より広範なカバレッジや定期更新を希望する場合は、私のニュースレター「State of the Machines」をぜひご覧ください。フィジカルAI、ロボティクス、その他重複分野をカバーしています。