Dalam pidatonya di Davos awal tahun ini, Musk kembali menegaskan ramalan yang sangat menggugah itu—di masa depan, jumlah robot di Bumi akan melebihi jumlah manusia.

Jelas, AI dan robot pada dasarnya telah menjadi dua topik teknologi utama di seluruh dunia: satu adalah kecerdasan buatan umum yang terus mendekati titik kritis AGI, dan yang lainnya adalah robot yang sedang keluar dari laboratorium dan berusaha mengambil alih seluruh pekerjaan fisik manusia. Demikian pula, selain konsep AI, jalur fokus utama industri kripto tahun ini juga mencakup embodied intelligence. Berikut adalah proyek-proyek yang patut diperhatikan di jalur Robotic.

OpenMind

Pada 4 Agustus 2025, menurut pengumuman resmi, perusahaan infrastruktur mesin cerdas berbasis Silicon Valley, OpenMind, mengumumkan penyelesaian pendanaan sebesar $20 juta, dipimpin oleh Pantera Capital, dengan partisipasi dari berbagai institusi dan sejumlah investor malaikat terkenal termasuk Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, dan Amber Group.

OpenMind membantu robot berpikir, belajar, dan bekerja melalui pengembangan perangkat lunak sumber terbuka. Sistem operasi AI robot asli berbasis sumber terbuka, OM1, memungkinkan konfigurasi dan penyebaran AI Agent di dunia digital dan dunia fisik. Pengguna dapat membuat peran AI, menjalankannya di cloud, atau menjalankannya pada robot fisik di dunia nyata.

Secara sederhana, OpenMind membuat OM1 seolah-olah sedang menciptakan "otak AI" untuk robot. "Otak AI" ini dapat bekerja secara kolaboratif oleh beberapa AI Agent, berinteraksi dengan beberapa LLM, serta mengambil data dari berbagai sumber untuk menjalankan tugas (misalnya, membantu pengguna memposting di media sosial). Karena OM1 bersifat open-source, ini juga merupakan sistem operasi robot yang sangat adaptif, mirip seperti sistem Android pada ponsel yang tidak bergantung pada perangkat keras.

Selain itu, OpenMind juga memiliki jaringan identitas robot on-chain bernama FABRIC, yang bertujuan untuk menyediakan lapisan kepercayaan yang dapat diverifikasi bagi manusia dan robot. Manusia dapat memperoleh lencana melalui berbagai aktivitas seperti berbagi data lokasi melalui peta, mengevaluasi perilaku robot, dan pengembangan, sementara setiap robot yang dilengkapi sistem OM1 akan bergabung ke jaringan FABRIC, sehingga memiliki identitas unik yang dapat diverifikasi, memungkinkan tindakan terkait perintah robot, log operasi, dan kepemilikan untuk dilacak di blockchain.

Pada Desember 2025, OpenMind bekerja sama dengan penerbit stablecoin Circle mengumumkan peluncuran sistem pembayaran otonom robot berbasis protokol x402. Seiring peningkatan kemampuan robot, mereka tidak lagi hanya berperan sebagai alat eksekusi tugas, tetapi mulai berperan sebagai entitas ekonomi otonom. Mereka perlu membeli daya komputasi, data, keterampilan, bahkan merekrut robot atau manusia lain untuk menyelesaikan tugas kompleks.

CodecFlow

CodecFlow menyediakan platform terpadu yang dapat berjalan mulus di cloud, edge, desktop, dan perangkat keras robot, sekaligus mendukung API populer saat ini dan sistem tradisional. Platform ini menstandarkan masukan sensor robot yang berbeda ke dalam format universal dan memodularisasi modul aksi robot yang lebih kompleks, sehingga tim pengembang atau pengguna tidak perlu merancang robot dari awal, serta memungkinkan persepsi, pengambilan keputusan, dan kontrol antar robot saling berinteraksi melalui jaringan, bukan terpisah atau terbatas pada platform tertentu yang bergantung pada perangkat keras.

Operator yang didorong AI merespons perubahan dalam antarmuka pengguna perangkat lunak atau perubahan dalam lingkungan robot melalui persepsi dan penalaran real-time, untuk mengatasi kerentanan dalam proses otomasi robot tradisional yang terlalu bergantung pada skrip yang telah ditulis sebelumnya ketika menghadapi perubahan sekecil apa pun. Singkatnya, ini melibatkan penangkapan tangkapan layar, gambar kamera, atau data sensor, lalu memproses data input eksternal ini dengan AI untuk menangani observasi atau instruksi, dan akhirnya menjalankan keputusan melalui interaksi antarmuka pengguna.

Peaq

Pada 27 Maret 2025, protokol DePIN Layer1 Peaq menyelesaikan pendanaan senilai $15 juta, dipimpin oleh Generative Ventures dan Borderless Capital, dengan partisipasi dari Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund, dan Altana Wealth.

Meskipun narasi awalnya berfokus pada DePIN, peaq meluncurkan Robotics SDK pada September tahun lalu, memungkinkan robot untuk mendapatkan identitas otonom, melakukan pembayaran dan penerimaan pembayaran, memverifikasi data, serta terhubung ke ekonomi berbasis rantai. Kini, setiap robot yang kompatibel dengan sistem ROS2 dapat bergabung ke ekonomi peaq dan menggunakan standar universalnya untuk bertransaksi dengan manusia atau robot lainnya.

Selain itu, peaq meluncurkan proyek RWA robot bernama «RoboFarm» di DualMint tahun lalu, di mana mereka membangun peternakan robot di Hong Kong dan mencapai otomatisasi 80% dalam produksi pertanian melalui robot. Lettuce, spinach, dan kale yang ditanam dijual di Hong Kong. Estimasi imbal hasil tahunan bagi pemegang NFT sekitar 18%.

Axis Robotics

Axis Robotics berkomitmen untuk membangun infrastruktur terdistribusi yang mendukung kecerdasan fisik (Physical AI). Mereka yakin bahwa pendekatan simulasi terlebih dahulu (Simulation First) adalah jalur terbaik untuk mengatasi keterbatasan data robotik dan hambatan generalisasi model, dengan memanfaatkan pengumpulan data berbiaya rendah dan berskala besar, serta mesin peningkatan data eksklusif, yang mencapai lompatan tiga kali lipat dalam kualitas, kekayaan, dan skala data. Seiring itu, setiap aset data memiliki jejak terpercaya di rantai (On-chain Provenance), bersama-sama membangun perpustakaan bahan bakar inti yang mendorong evolusi kecerdasan robotik umum (RGI).

Axis merevolusi cara penyediaan data pelatihan robot. Proyek-proyek lain di pasaran yang "memasukkan/menyediakan data pelatihan robot" sebagian besar mengandalkan motivasi pengguna untuk merekam dan mengunggah video yang menunjukkan tindakan tertentu di dunia nyata melalui perangkat seperti ponsel atau kacamata cerdas, guna mencapai partisipasi pengguna yang rendah hambatan dan berskala global. Meskipun cara ini memiliki biaya pengumpulan data yang rendah, data yang diambil dari video memiliki tingkat realitas fisik yang tidak memadai, kekurangan informasi kedalaman, dan tidak dapat menjamin konsistensi serta akurasi data 3D.

Dengan "simulasi virtual", Axis menyelesaikan titik nyeri ini, yaitu dalam lingkungan simulasi, memungkinkan model untuk menyelesaikan tugas bahkan di bawah kondisi virtual yang lebih ketat melalui berbagai skenario simulasi yang banyak dan beragam (pencahayaan, sudut, gesekan, dinamika, dll.), sehingga memperoleh kemampuan generalisasi yang kuat. Axis menggunakan Hybrid Strategy (strategi hibrida), menggabungkan data nyata yang langka dengan data sintetis dalam jumlah besar. Dengan memanfaatkan teknik augmentasi metadata yang dipercepat GPU, tercapailah berbagai perubahan besar pada pencahayaan, tekstur, dan atribut fisik dari satu skenario saja. Skenario virtual bukanlah sesuatu yang tetap dan ditulis mati dalam kode, tetapi dapat disesuaikan secara fleksibel. Dengan kode, dapat dihasilkan tak terhingga banyaknya skenario, sehingga robot menghadapi tantangan yang lebih ketat dan komprehensif di setiap skenario. Biaya untuk menghasilkan skenario rendah, sementara jumlah outputnya sangat besar. Efektivitas pendekatan ini—menggunakan sejumlah besar data untuk konvergen mendekati solusi optimal—juga telah sebagian diverifikasi oleh sejumlah raksasa seperti Google dan NVIDIA.

Proyek simulasi pembelajaran robot pertama yang dibuka untuk komunitas oleh Axis, "Little Prince's Rose", telah selesai. Dalam proyek "Little Prince's Rose", pengguna berhasil memerintahkan robot untuk menyirami bunga di lingkungan simulasi melalui web, dan melalui pengumpulan serta analisis terhadap tindakan pengguna, robot tersebut belajar cara menyirami bunga. Pengguna dapat mengendalikan robot secara jarak jauh melalui web, mempertahankan biaya rendah dan hambatan masuk yang rendah dari metode unggah video, sekaligus membangun model dasar VLA (Vision-Language-Action) 3D-aware asli untuk robot, sehingga meningkatkan kemampuan berpikir ruang tiga dimensi yang hilang pada input data video.

Proyek «Little Prince's Rose» dalam waktu hanya 5 hari sejak peluncurannya, pengguna biasa tanpa latar belakang industri robot di seluruh dunia memberikan ribuan jejak berkualitas tinggi yang dapat digunakan untuk pelatihan strategi melalui pengalaman yang menarik. Berdasarkan data ini, Axis berhasil melatih model strategi dan merealisasikan replikasi nyata pada lengan robot Franka. Ini menandai bahwa Axis telah menyelesaikan siklus penuh «generasi tugas -> pengumpulan komunitas -> peningkatan data -> pelatihan model -> deploy nyata».

1 jam data nyata dapat diubah menjadi 1000 jam data pelatihan, efisiensi leverage semacam ini secara signifikan mengurangi biaya yang dibutuhkan untuk generalisasi model robot.

Dalam uji coba Beta selama Liburan Tahun Baru Imlek, hanya dalam 5 hari, 18.000 peserta tanpa latar belakang industri robotik menyelesaikan 27 tugas baru di Axis, menyumbang lebih dari 100.000 jejak data. Uji coba berhasil mendukung randomisasi tinggi di dalam tugas dan mengonfirmasi kompatibilitas dengan berbagai bentuk aset, seperti robot roda dan robot dua lengan.

Produk inti Axis akan dirilis secara resmi pada akhir Maret, dan direncanakan pada akhir April atau awal Mei, akan melepaskan dataset simulasi murni terbesar di dunia berbasis lengan robot Franka secara open-source, yang sepenuhnya memenuhi kebutuhan pelatihan strategi dan model. Sebagai proyek robotika yang berawal dari Crypto-AI, Axis telah mulai mengeksplorasi dan mendorong penerapan industri eksternal, mempercepat proses komersialisasi dengan berfokus pada pelanggan unggulan di berbagai segmen: bekerja sama dengan sebuah perusahaan otomotif untuk menerapkan solusi otomatisasi di tahap produksi; mencapai kesepakatan kerja sama dengan perusahaan komputasi yang akan IPO terkait aset virtual dan model dunia; serta membangun kemitraan mendalam dengan beberapa perusahaan berbasis fisik dalam tahap kunci seperti pengumpulan data simulasi virtual dan pelatihan model. Semua ini mencerminkan eksternalitas yang jarang dimiliki oleh proyek Crypto.

GEODNET

Jaringan terdesentralisasi yang menyediakan data real-time kinematic dengan akurasi posisi sentimeter untuk drone, robot, dan lainnya, memiliki lebih dari 21.000基站 aktif di lebih dari 150 negara. Dalam setahun terakhir, proyek ini menghasilkan pendapatan lebih dari 7 juta dolar AS dan menunjukkan tren pertumbuhan kuartalan demi kuartalan.

Meskipun proyek ini lebih banyak diklasifikasikan sebagai DePIN, permintaan akan data lokasi real-time presisi tinggi diharapkan akan lebih luas seiring dengan semakin luasnya penerapan teknologi robotik dalam kehidupan nyata. Pada Februari 2025, Multicoin mengumumkan memimpin akuisisi senilai 8 juta dolar AS terhadap token $GEDO dari GEODNET Foundation.

BitRobot

BitRobot Network dikembangkan oleh FrodoBots Lab dan Protocol Labs untuk mewujudkan pekerjaan dan kolaborasi robot terdistribusi. Komponen kuncinya meliputi: Verified Robot Work (VRW), yang digunakan untuk mendefinisikan dan memverifikasi tugas robot sebagai indikator kuantitatif dari insentif jaringan; Device Node Tokens (ENT), yang merupakan identitas unik robot dalam sistem dalam bentuk NFT, digunakan untuk kepemilikan perangkat dan akses jaringan; serta subnet, yang berfungsi sebagai lapisan eksekusi tugas untuk menciptakan nilai bagi jaringan BitRobot melalui kumpulan sumber daya.

Pada 14 Februari 2025, FrodoBots Lab mengumumkan penyelesaian putaran pendanaan benih senilai $6 juta, dengan total pendanaan mencapai $8 juta.

FrodoBots Lab juga menjual robot, Earth Rovers seperti Mario Kart dunia nyata dengan harga $249, di mana pemain mengendalikan robot mereka secara jarak jauh melalui browser dalam permainan pencarian harta karun global ET Fugi, dengan data yang digunakan peneliti untuk menerapkan dan menguji model navigasi AI terbaru mereka. ET Fugi juga merupakan subnet pertama BitRobot.

Robot game lainnya, Octo Arms, juga akan dirilis di masa depan, di mana pemain mengendalikan lengan robot secara jarak jauh untuk menyelesaikan berbagai permainan teka-teki 3D dan kompetisi.

Konsep yang disebut "subnet" dalam jaringan robot ini agak abstrak; secara sederhana, setiap klaster (atau proyek/kegiatan spesifik yang dilakukan oleh klaster) yang memberikan kontribusi bagi ekosistem jaringan secara keseluruhan merupakan sebuah subnet, misalnya game ETFugi yang disebutkan di atas, serta SeeSaw yang diluncurkan oleh Virtuals.

SeeSaw

Subnet #5 dari BitRobot, aplikasi berbagi data pelatihan robot yang diluncurkan oleh Virtuals pada Oktober tahun lalu. Di SeeSaw, pengguna merekam video perilaku sehari-hari mereka, mengunggahnya untuk menyelesaikan tugas dan mendapatkan imbalan. Data video dari pengguna global, termasuk perilaku sehari-hari seperti mengikat tali sepatu dan melipat pakaian, akan digunakan untuk melatih robot.

Auki

Jaringan persepsi mesin terdesentralisasi Posemesh dari Auki digunakan untuk menghubungkan manusia, perangkat, dan AI, dengan inti berupa arsitektur DePIN (jaringan fisik terdesentralisasi) yang memungkinkan perangkat seperti robot dan kacamata AR berbagi data lokasi dan sensor secara real-time, membangun pemahaman spasial kolaboratif terhadap dunia fisik, serta menyediakan pandangan spasial bersama bagi robot, AR, dan AI.

Dirancang berbagai peran node berdasarkan protokol Posemesh. Node komputasi menyediakan daya komputasi, node gerak (terminal robot) mengunggah informasi posisi dan data sensor, node rekonstruksi menghasilkan model peta 3D berdasarkan data tersebut, dan node domain mengelola ruang 3D. Setiap node mendapatkan insentif token $AUKI berdasarkan kontribusinya, mendorong jaringan visi mesin yang berevolusi secara mandiri.

Jaringan ini menekankan perlindungan privasi, menghindari pemantauan ruang pribadi pengguna oleh entitas tunggal, dan dapat diterapkan dalam berbagai skenario, seperti ritel (optimalisasi penempatan produk), manajemen properti (pelacakan aset), navigasi pameran, dan renovasi bangunan.

Platform komputasi spasial Cactus AI mereka telah menjalani uji coba aktif dengan Toyota Material Handling dan supermarket Swedia Stora Coop.

XMAQUINA

DAO yang memungkinkan investor ritel untuk berpartisipasi dalam investasi perusahaan robotika. DAO ini mengumpulkan $10 juta melalui penjualan bertahap token $DEUS-nya. Saat ini, DAO telah menggunakan dana hasil lelang untuk membeli saham di enam perusahaan bidang robotika: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics, dan Robotico. Sebagian investasi telah mulai menghasilkan keuntungan, bahkan tingkat pengembalian tunggal melebihi 100%.

PrismaX

Pada 17 Juni 2025, PrismaX mengumumkan penyelesaian pendanaan senilai $11 juta, dengan investor termasuk a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator, dan Virtuals.

PrismaX membangun lapisan koordinasi terbuka yang menghubungkan operator jarak jauh, pengguna robot, dan perusahaan robot. Operator dapat terhubung dengan pengguna, mengendalikan robot dari jarak jauh, menyelesaikan tugas nyata, sekaligus mengumpulkan data bernilai. Juga dapat meminta layanan nyata seperti logistik dan iklan.

PrismaX juga memiliki protokol operator robot jarak jauh, di mana perusahaan dapat mencari operator robot berpengalaman yang mampu menangani tugas-tugas kompleks. Operator dapat memilih untuk mengunci token jaringan untuk meningkatkan kepercayaan dan meningkatkan peluang mendapatkan tugas dengan imbalan tinggi. Imbalan yang diterima oleh para penguncian tidak hanya terkait dengan jumlah yang dikunci, tetapi juga dengan kualitas pekerjaan mereka, serta mendapatkan bonus tambahan seiring peningkatan efisiensi kerja.

Data yang dikumpulkan dari operasi jarak jauh akan digunakan untuk melatih robot guna meningkatkan otonominya, yang selanjutnya akan meningkatkan efisiensi operator jarak jauh, sehingga mencapai otonomi tinggi atau bahkan penuh pada robot.

Agen NRN

NRN berkembang dari game chain yang dilatih secara real-time AI Arena, yang melibatkan pertarungan AI Agent. Pada 28 Oktober 2021, pengembang ArenaX Labs mengumumkan penyelesaian pendanaan seed senilai $5 juta, yang dipimpin oleh Paradigm Capital dengan partisipasi Framework Venture Partners. Pada 9 Januari 2024, ArenaX Labs mengumumkan penyelesaian pendanaan baru senilai $6 juta, yang dipimpin oleh Framework Ventures, dengan partisipasi SevenX Ventures, FunPlus/Xterio, dan Moore Strategic Ventures.

Meskipun secara umum juga mengikuti proses pengumpulan data -> penguatan pembelajaran robot, berkat pengalaman luas di bidang game, NRN menyediakan pengalaman berbasis browser yang mengubah pengumpulan data robot menjadi game, memungkinkan pengguna untuk secara intuitif mengendalikan robot simulasi melalui browser. Selama bermain game, data perilaku yang dihasilkan dari operasi pengguna digunakan untuk melatih sistem robot dunia nyata.

Pada tahap saat ini, proyek ini akan berfokus pada lengan mekanis (RME-1) untuk menguji pengumpulan data, pembelajaran real-time, dan adaptabilitas.

Klik untuk mengetahui posisi yang sedang dibuka oleh BlockBeats

Selamat bergabung dengan komunitas resmi BlockBeats:

Grup langganan Telegram: https://t.me/theblockbeats

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

Akun resmi Twitter: https://twitter.com/BlockBeatsAsia