Sa kanyang talumpati sa Davos noong simula ng taon, binagong muli ni Musk ang kanyang napakapanghihikayat na propesya—sa hinaharap, mas maraming robot kaysa tao sa Earth.

Malinaw na ang AI at mga robot ay halos ang dalawang tanging teknolohiyang paksa sa buong mundo: ang isa ay ang pangkalahatang artificial intelligence na patuloy na umaabot sa kritikal na punto ng AGI, at ang isa pa ay ang mga robot na umiiwas sa mga laboratorio at nagtatangkang kunin ang buong paggawa ng katawan ng tao. Gayunpaman, maliban sa konsepto ng AI, ang isa pang pangunahing track sa industriya ng cryptocurrency sa taong ito ay ang embodied intelligence. Narito ang mga proyekto sa track na Robotic na dapat pansinin.

OpenMind

Noong Agosto 4, 2025, ayon sa opisyal na pahayag, ang OpenMind, isang kumpanya sa infrastraktura ng matalinong makina na nakabase sa Silicon Valley, ay nag-anunsyo na natapos ang pagpapalaki ng pondo na $20 milyon, na pinamumunuan ng Pantera Capital, kasama ang mga institusyon tulad ng Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, at Amber Group, pati na rin ang mga kilalang angel investor.

Ang OpenMind ay tumutulong sa mga robot na mag-isip, mag-aral, at magtrabaho sa pamamagitan ng pagbuo ng open-source software. Ang native na open-source AI robot operating system, OM1, ay nagpapahintulot sa pag-configure at pag-deploy ng AI Agent sa digital at pisikal na mundo. Maaari ng mga user na lumikha ng isang AI role, at i-run ito sa cloud o sa pisikal na robot sa totoong mundo.

Sa simpleng termino, ang paggawa ng OpenMind ng OM1 ay katulad ng paggawa ng “AI brain” para sa mga robot. Ang “AI brain” na ito ay maaaring magtrabaho nang koordinado ng maraming AI Agent, makipag-ugnayan sa maraming LLM, at makakuha ng data mula sa maraming pinagkukunan (tulad ng pagpapalabas ng mga post para sa user sa social media). Dahil open-source ang OM1, ito ay isang napakalakas na robot operating system na walang kinalaman sa hardware, tulad ng Android system sa mga cellphone.

Bukod dito, mayroon din ang OpenMind isang chain-based robot identity network na tinatawag na FABRIC, na naglalayong magbigay ng isang verifiable trust layer para sa mga tao at robot. Maaaring makakuha ng badges ang mga tao sa pamamagitan ng pagbabahagi ng location data sa mapa, pag-evaluate ng robot behavior, at pagbuo, habang ang bawat robot na may OM1 system ay sumasali sa network ng FABRIC upang makamit ang isang unique verifiable identity, at upang matiyak na ang mga utos, operation logs, at ownership ng robot ay mai-trace sa blockchain.

Noong Disyembre 2025, inihayag ng OpenMind at ang issuer ng stablecoin na Circle ang paglulunsad ng autonomous payment system batay sa x402 protocol. Kasabay ng pag-unlad ng mga robot, hindi na sila simpleng mga kasangkapan para sa pagpapatupad ng mga gawain, kundi simulan na nilang gawing mga autonomous economy. Kailangan nilang bumili ng computing power, data, at kasanayan, at kahit mag-employ ng iba pang mga robot o tao upang matapos ang mga kumplikadong gawain.

CodecFlow

Binibigyan ng CodecFlow ang isang magkakaisang platform na maaaring mag-run nang walang pagkakainterrupt sa cloud, edge, desktop, at robot hardware, habang sinusuportahan ang mga kasalukuyang sikat na API at tradisyonal na sistema. Ginagawa ng platform na magkakapareho ang mga input mula sa iba’t ibang sensor ng robot sa isang pangkalahatang format, at ginagawa ring modular ang mga mas kumplikadong robot action modules, upang hindi na kailangang magsimula mula sa zero ang mga koponan o gumagamit sa pagdisenyo ng robot. Ang pagkakaintindi, pagdedesisyon, at kontrol sa pagitan ng mga robot ay naging interaktibo sa pamamagitan ng network, sa halip na maging fragmented o hardware-specific.

Ang mga operator na dinisenyo ng AI ay sumasagot sa mga pagbabago sa UI ng software o sa mga pagbabago sa kapaligiran ng robot sa pamamagitan ng pagpapansin at real-time reasoning, upang lutasin ang sobrang pagkakasalig sa mga nakasulat na iskrip sa tradisyonal na proseso ng robot automation, na nagiging mahina kahit sa pinakamaliit na pagbabago. Sa madaling salita, kinukuha ang screenshot, larawan mula sa camera, o data mula sa sensor, at pagkatapos ay ginagamit ang AI upang prosesuhin ang mga panlabas na input na ito upang tratuhin ang obserbasyon o utos, at huling isasagawa ang desisyon sa pamamagitan ng interaksyon sa user interface.

Peaq

Noong Marso 27, 2025, natapos ng DePIN Layer1 protocol na Peaq ang pagkakapondo ng $15 milyon, na pinamunuan ng Generative Ventures at Borderless Capital, kasama ang pagkakapondo ng Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund, at Altana Wealth.

Kahit na ang unang paksang binigyang-diin ay ang DePIN, inilabas ng peaq noong Setyembre ng nakaraang taon ang Robotics SDK, na nagpapahintulot sa mga robot na makakuha ng sariling pagkakakilanlan, magawa ang pagbabayad at pagtatanggap, at i-verify ang data upang makalink sa network economy sa blockchain. Ngayon, anumang robot na compatible sa ROS2 system ay maaaring sumali sa peaq network economy at gamitin ang kanilang pangkalahatang pamantayan upang magtrabaho kasama ang mga tao o iba pang mga robot.

Bukod dito, ipinakilala ng peaq noong nakaraang taon ang isang robot RWA project na tinatawag na “RoboFarm” sa DualMint, kung saan nila itinatag ang isang robot farm sa Hong Kong at nakamit ang 80% automation sa agrikultural na produksyon gamit ang mga robot. Ang mga itinanim na lettuce, spinach, at kale ay ibinebenta sa Hong Kong. Ang inaasahang taunang yield para sa mga tagapag-ayos ng NFT ay halos 18%.

Axis Robotics

Ang Axis Robotics ay nakatuon sa pagbuo ng distributed scaling infrastructure para sa embodied intelligence (Physical AI). Naniniwala sila na ang simulation-first ay ang pinakamahusay na paraan upang lutasin ang kakulangan sa robot data at ang mga hadlang sa model generalization, sa pamamagitan ng mababang gastos at malaking-scale na pagkuha ng data, kasama ang kanilang eksklusibong data augmentation engine, na nagresulta sa triple leap sa kalidad, kagandahan, at sukat ng data. Samantala, bawat data asset ay may tiyak na on-chain provenance, na nagtatayo ng core fuel library na nagpapalakas sa pag-unlad ng General Robot Intelligence (RGI).

Axis ay nagbago sa paraan ng pagbibigay ng data para sa pagtuturo ng mga robot. Ang iba pang mga proyekto sa merkado na "papasok/ipapasa ang data para sa pagtuturo ng robot" ay karaniwang gumagamit ng pagpapalakas sa mga user upang kumuha at i-upload ang mga video ng kanilang paggawa ng mga partikular na galaw sa totoong mundo gamit ang mga mobile phone, smart glasses, at iba pang mga device, upang makamit ang mababang hadlang at pandaigdigang pakikilahok ng mga user. Bagaman mababa ang gastos sa pagkuha ng data sa paraang ito, ang mga datos na kinuha mula sa mga video ay kulang sa pisikal na katotohanan at walang malalim na impormasyon, kaya hindi ito makakatulong na garantisahin ang patuloy at tumpak na 3D na datos.

Sa pamamagitan ng "simulation", nilutas ng Axis ang problema na ito, kung saan sa isang simulation environment, pinapagana ng modelo ang mga gawain sa mas mahigpit na virtual na kondisyon sa pamamagitan ng malaking bilang ng diverse simulation scenarios (lighting, angle, friction, dynamics, atbp.), upang makamit ang malakas na generalization capability. Gumagamit ang Axis ng Hybrid Strategy, na nag-uugnay sa limitadong totoong data at malaking halaga ng synthetic data. Gamit ang GPU-accelerated metadata augmentation technology, naisasagawa ang malaking pagbabago sa ilaw, texture, at physical properties ng isang eksaktong scenario. Ang virtual na scenario ay hindi nakakapit sa isang fixed, code-locked state, kundi maaaring ma-adjust nang flexibly. Sa pamamagitan ng code, maaaring mabuo ang walang hanggang bilang ng mga scenario, upang ipaalam sa robot ang mas mahigpit at komprehensibong hamon sa bawat scenario. Mababa ang gastos sa pagbuo ng mga scenario, samantalang malaki ang output. Ang epektibong paggamit ng malaking dami ng data para makamit ang optimal solution ay bahagyang na-verify na ng mga pangunahing kumpanya tulad ng Google at NVIDIA.

Natapos na ang unang simulation-based learning project ng Axis na tinatawag na “Little Prince's Rose.” Sa proyektong “Little Prince's Rose,” ang mga user ay nagpapagana ng isang robot sa isang simulated environment sa pamamagitan ng webpage upang matagumpay na maisagawa ang isang pag-aalaga sa bulaklak. Sa pamamagitan ng pagkolekta at pagsusuri sa mga aksyon ng user, natututo ang robot na magbigay ng tubig sa mga halaman. Ang mga user ay maaaring mag-remote control sa robot gamit ang webpage, na nagpapanatili ng mababang gastos at mababang hadlang ng paraan ng pag-upload ng video, samantalang binubuo nito ang isang native 3D-aware VLA (Vision-Language-Action) base model para sa robot, na nagpapalakas sa kakayahang mag-isip sa 3D space na kulang sa mga input mula sa video data.

Sa loob ng limang araw lamang pagkatapos ng paglulunsad ng proyektong «Little Prince's Rose», ang mga karaniwang gumagamit nang walang background sa robotics sa buong mundo ay nagkontribyu ng libu-libong mataas na kalidad na mga track na may kakayahang gamitin para sa pagtratrabaho ng mga estratehiya. Batay sa mga datos na ito, natagumpay na tinuruan ni Axis ang modelo ng estratehiya at natapos ang real-world replication sa Franka robotic arm. Ito ang nagmarka na natapos na ni Axis ang buong loop na «task generation -> community collection -> data augmentation -> model training -> real-world deployment».

1 oras ng totoong data ay maaaring i-convert sa 1000 oras ng training data, at ang efficiency leverage na ito ay nagpapababa nang malaki sa gastos para sa pag-generalize ng robot model.

Sa Beta testing sa Panahon ng Chinese New Year, ginawa lamang ng 18,000 na participant na walang background sa robotics ang 27 bagong task sa Axis sa loob ng 5 araw lamang, at nagbigay ng higit sa 100,000 na data trajectory. Matagumpay na sinuportahan ng pagsubok ang mataas na randomization sa loob ng task at pinatotohanan ang compatibility sa iba’t ibang uri ng asset tulad ng wheeled robots at dual-arm robots.

Ang pangunahing produkto ng Axis ay papanaligin noong huling bahagi ng Marso, at plano na buksan ang pinakamalaking pure simulation dataset batay sa Franka robotic arm noong huling bahagi ng Abril o unang bahagi ng Mayo, na lubos na sumasapat sa mga pangangailangan sa pagtrato ng mga estratehiya at modelo. Samantala, bilang isang proyekto sa robotics na nagsisimula sa Crypto-AI, ang Axis ay nagsisimula nang suriin at pagbutihin ang pagpapatupad sa labas ng industriya, na nakatuon sa mga pangunahing kliyente sa iba't ibang sektor upang mabilisang palakasin ang proseso ng komersyalisasyon: nagtatrabaho kasama ang isang automotive company upang ipatupad ang automated solution sa produksyon; nagkakaroon ng pagkakasundo sa pagitan ng isang quasi-IPO na kompanya sa computing power sa direksyon ng virtual assets at world models; at nagtataguyod ng malalim na ugnayan sa iba't ibang kompanya na may physical bodies sa mga kritikal na aspeto tulad ng pagkuha ng virtual simulation data at pagtrato ng modelo. Ang lahat ng ito ay nagpapakita ng isang makabuluhang externalidad na karaniwang hindi madalas makita sa mga Crypto project.

GEODNET

Isang decentralizadong network na nagbibigay ng real-time kinematic positioning data na may precision sa antas ng sentimetro para sa mga drone, robot, at iba pang mga device, na may higit sa 21,000 aktibong base station sa higit sa 150 bansa. Sa nakaraang taon, ang proyektong ito ay kumita ng higit sa 7 milyong dolyar at patuloy na umuunlad bawat kuartal.

Kahit na mas maraming itinuturing na DePIN ang proyektong ito, inaasahan na lalong lalawak ang pangangailangan para sa mataas na precision at real-time location data kasunod ng paglalatag ng robotics sa totoong buhay. Noong Pebrero 2025, kinuha ni Multicoin ang pamumuno sa pagbili ng $GEDO tokens na may halagang $8 milyon mula sa GEODNET Foundation.

BitRobot

Ang BitRobot Network ay isinulong ng FrodoBots Lab at Protocol Labs upang maisakatuparan ang distributed robot work at collaboration. Ang mga pangunahing komponente nito ay ang Verifiable Robot Work (VRW), na ginagamit para sa pagtukoy at pag-verify ng robot tasks (quantitative measure ng network rewards); ang Entity Node Token (ENT), na ginagamit para sa device ownership at network access (unique identifier ng robot sa sistema, na may anyo ng NFT); at ang subnet, na nagiging operation layer para sa task execution (resource cluster na naglalikha ng value para sa BitRobot Network).

Noong Pebrero 14, 2025, inanunsyo ng FrodoBots Lab ang pagkumpleto ng pagsasama ng 6 milyong dolyar sa seed round, na nagdudulot ng kabuuang pagsasama ng 8 milyong dolyar.

Binibenta rin ng FrodoBots Lab ang mga robot, ang Earth Rovers ay parang Mario Kart sa totoong buhay, nagkakahalaga ng $249, kung saan ang mga manlalaro ay nagmamaneho ng kanilang mga robot sa pamamagitan ng browser sa isang global treasure hunt game na ET Fugi, at ang data ay ginagamit ng mga siyentipiko upang i-deploy at subukan ang kanilang mga pinakabagong AI navigation model. Ang ET Fugi ay ang unang subnet ng BitRobot.

Lalabas din ang isa pang game bot na Octo Arms sa hinaharap, kung saan ang mga player ay makakakontrol ng mga mechanical arm mula sa layo upang matapos ang iba’t ibang 3D puzzle games at kompetisyon.

Ang konsepto ng mga "subnetwork" sa network na ito ay abstrakto; sa simpleng termino, anumang grupo (o partikular na proyekto/okasyon na gagawin ng grupo) na nag-aambag sa kabuuang ekosistema ng network ay isang subnetwork, tulad ng ET Fugi game na nabanggit sa itaas, at ang SeeSaw na inilunsad ng Virtuals.

SeeSaw

Ang Subnet #5 ng BitRobot, isang app para sa pagbabahagi ng data sa pagtatrain ng robot na inilunsad ni Virtuals noong Oktubre ng nakaraang taon. Sa SeeSaw, ang mga user ay nag-uubos ng sariling video ng kanilang araw-araw na gawain, nag-upload upang makakuha ng reward. Ang mga video data mula sa mga user sa buong mundo, kabilang ang pagkakabit ng mga sapatos, pagpapalipat ng mga damit, at iba pang araw-araw na gawain, ay gagamitin upang matutunan ang mga robot.

Auki

Ang decentralized machine perception network ni Auki, ang Posemesh, ay ginagamit upang i-connect ang mga tao, device, at AI, at ang core nito ay isang DePIN (decentralized physical infrastructure network) architecture na nagpapahintulot sa mga robot, AR glasses, at iba pang device na magbahagi ng real-time na position at sensor data, upang magbuo ng kolaboratibong spatial understanding ng pisikal na mundo, na maaaring magbigay ng shared spatial view para sa mga robot, AR, at AI.

Ipinagmamalaki ang iba’t ibang papel ng node batay sa protokol ng Posemesh. Ang mga computing node ang nagbibigay ng computing power, habang ang motion nodes (robotic terminals) ay nag-uupload ng impormasyon sa posisyon at sensor data; ang reconstruction nodes ay gumagawa ng 3D map model batay dito, at ang domain nodes ang nagpapamahala sa 3D space. Ang bawat node ay binibigyan ng $AUKI token bilang insentibo batay sa kanilang kontribusyon, na nagpapagalaw sa isang sariling umuunlad na machine vision network.

Nagbibigay-diin ang network na ito sa pagpaprotekta sa privacy, nag-iwas sa pagmonito ng isang solong entidad sa pribadong espasyo ng mga user, at maaaring gamitin sa iba’t ibang aplikasyon tulad ng retail (pag-optimize ng pagkakalagay ng produkto), property management (pagtatawid ng mga ari-arian), navigation sa mga eksibisyon, at paggawa ng gusali.

Ang kanilang Cactus AI space computing platform ay nagsisimula na ng aktibong pilot test kasama ang Toyota Material Handling at ang Swedish supermarket na Stora Coop.

XMAQUINA

Isang DAO na nagbibigay-daan sa mga maliit na investor na makilahok sa pag-invest sa mga kumpanya ng robotika. Ang DAO ay nakalikom ng $10 milyon sa pamamagitan ng pagbebenta ng kanilang token, $DEUS. Kasalukuyan, ginamit ng DAO ang kita mula sa auksiyon upang bumili ng mga bahagi sa anim na kumpanya sa larangan ng robotika: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics, at Robotico. Ang ilan sa mga pag-invest na ito ay nagsimula nang magdala ng kita, at ang ilan ay may ROI na higit pa sa 100%.

PrismaX

Noong Hunyo 17, 2025, inanunsyo ni PrismaX ang pagkumpleto ng pagsasapulot ng $11 milyon mula sa mga investor tulad ng a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator, at Virtuals.

Binubuo ng PrismaX isang bukas na koordinasyong layer na nag-uugnay sa mga remote operator, mga user ng robot, at mga kumpanya ng robot. Maaaring magkonekta ang mga operator sa mga user, kontrolin nang malayo ang mga robot upang matapos ang mga aktwal na gawain, habang kumukuha ng may halagang data. Maaari rin silang humiling ng mga aktwal na serbisyo tulad ng logistics at advertising.

Mayroon din ang PrismaX ng isang protokolo para sa remote robot operation kung saan ang mga negosyo ay maaaring maghanap ng mga karanasan at kasanayan sa pagpapatakbo ng mga robot na may kakayahang harapin ang mga kumplikadong gawain. Maaari ng mga operator na piliin ang pag-质押 ng network token upang pataasin ang kanilang katapatan at dagdagan ang kanilang pagkakataon na makakuha ng mga gawain na may mataas na kita. Ang kita ng mga nag-质押 ay hindi lamang nakadepende sa dami ng kanilang pag-质押 kundi pati na rin sa kalidad ng kanilang trabaho, at may karagdagang reward para sa pagpapabuti ng kanilang produktibidad.

Ang mga data na nakalap mula sa remote operation ay gagamitin upang matuto ang mga robot at mapabuti ang kanilang autonomy, na magpapataas sa efficiency ng remote operators, at sa huli ay makakamit ang mataas o kahit ganap na autonomy ng mga robot.

Mga Tagapag-ugnay ng NRN

Ang NRN ay nagmula sa real-time training blockchain game na AI Arena mula sa AI Agent battles. Noong Oktubre 28, 2021, inanunsyo ng developer na ArenaX Labs ang pagkumpleto ng $5 milyong seed funding round, na pinamumunuan ng Paradigm Capital at kasama ang Framework Venture Partners. Noong Enero 9, 2024, inanunsyo ng ArenaX Labs ang pagkumpleto ng bagong $6 milyong funding round, na pinamumunuan ng Framework Ventures, kasama ang SevenX Ventures, FunPlus/Xterio, at Moore Strategic Ventures.

Kahit na ang pangkalahatang proseso ay pagkolekta ng data para sa pagpapalakas ng pagkatuto ng robot, ang NRN, batay sa kanilang malawak na karanasan sa larangan ng mga laro, ay nag-aalok ng browser-based na karanasan na nagpapalit ng pagkuha ng data ng robot sa isang laro, kung saan ang mga gumagamit ay maaaring direktang kontrolin ang simulated robot sa pamamagitan ng browser. Habang naglalaro, ang mga data ng pagkilos na ginawa ng mga gumagamit ay gagamitin para sa pagtuturo sa mga sistema ng robot sa totoong mundo.

Sa kasalukuyang yugto, tatarget ng proyekto ang robotic arm (RME-1) upang patunayan ang pagkuha ng data, real-time learning, at adaptability.

I-click para malaman ang mga posisyon na hinahanap ng BlockBeats

Maligayang pagdating sa opisyal na komunidad ng BlockBeats:

Telegram subscription group: https://t.me/theblockbeats

Telegram group: https://t.me/BlockBeats_App

Twitter official account: https://twitter.com/BlockBeatsAsia