Маск під час своєї промови на Давосі на початку цього року знову підтвердив той дуже натхненний прогноз — у майбутньому кількість роботів на Землі перевищить кількість людей.

Звичайно, штучний інтелект і роботи зараз — це єдині дві технологічні теми, які домінують у світі: одна — це загальний штучний інтелект, який постійно наближається до критичної точки AGI, а інша — роботи, які виходять з лабораторій і намагаються повністю взяти на себе фізичну працю людини. Аналогічно, крім концепції AI, ключовим напрямком у криптовалютній галузі цього року є ембодід інтелект. Ось проекти у секторі Robotic, які варто відстежувати.

OpenMind

4 серпня 2025 року, за офіційним повідомленням, компанія OpenMind, що має штаб-квартиру в Сіліконовій долині та спеціалізується на інфраструктурі розумних машин, оголосила про завершення фінансування на 20 мільйонів доларів США, яке очолив Pantera Capital, а також участь у якому взяли такі інвестиційні фонди та видатні ангельські інвестори, як Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures та Amber Group.

OpenMind розробляє відкрите програмне забезпечення, щоб допомогти роботам думати, вчитися та працювати. Нативна відкрита ОС для AI-роботів OM1 дозволяє налаштовувати та розгортати AI-агенти в цифровому та фізичному світі. Користувачі можуть створити AI-персонажа, запустити його в хмарі або на фізичному роботі в реальному світі.

Простими словами, OpenMind створює OM1, як «AI-мозок» для роботів. Цей «AI-мозок» може працювати за участю кількох AI-агентів, взаємодіяти з кількома LLM та отримувати дані з різних джерел (наприклад, допомагати користувачам публікувати матеріали в соцмережах). Оскільки OM1 є відкритим кодом, це також надзвичайно гнучка робототехнічна операційна система, подібна до Android для смартфонів — незалежна від апаратного забезпечення.

Крім того, OpenMind має мережу ончейн-роботів під назвою FABRIC, яка призначена для створення спільного перевірного рівня довіри для людей і роботів. Люди можуть отримувати медалі, ділячись даними про місцезнаходження на карті, оцінюючи поведінку роботів та розробляючи їх, тоді як кожен робот, оснащений системою OM1, приєднується до мережі FABRIC, отримуючи унікальну перевірну ідентичність, що дозволяє відстежувати на ланцюжку команди роботів, журнали операцій, власність та інші пов’язані дії.

У грудні 2025 року OpenMind разом із випускачем стабільних монет Circle оголосила про запуск системи автономних платежів на основі протоколу x402. Зі зростанням здатностей роботів вони перестануть бути просто інструментами для виконання завдань і почнуть відігравати роль автономних економік. Їм потрібно буде купувати обчислювальну потужність, дані, навички, а навіть наймати інших роботів або людей для виконання складних завдань.

CodecFlow

CodecFlow надає єдину платформу для безперебійного виконання в хмарі, на краю, на настільних комп’ютерах та робототехнічному обладнанні, підтримуючи одночасно сучасні API та традиційні системи. Платформа нормалізує різні вхідні дані з датчиків робота до єдиного формату та модуляризує складні робототехнічні дії, дозволяючи командам розробників чи користувачам не створювати робота з нуля, а також забезпечує мережеву взаємодію між роботами щодо сприйняття, прийняття рішень та керування, замість ізольованих або прив’язаних до апаратного забезпечення платформ.

AI-драйверовані оператори відповідають на зміни в інтерфейсі програмного забезпечення або середовищі робота завдяки сприйняттю та реальному міркуванню, щоб вирішити вразливість традиційних роботизованих автоматизацій, які надто залежать від заздалегідь написаних сценаріїв навіть при найменших змінах. Коротко кажучи, це захоплення знімків екрана, зображень з камер або даних датчиків, а потім обробка цих зовнішніх вхідних даних за допомогою ШІ для виконання спостережень або інструкцій, що в кінцевому підсумку призводить до виконання рішень через взаємодію з інтерфейсом користувача.

Peaq

27 березня 2025 року протокол DePIN Layer1 Peaq залучив 15 мільйонів доларів США, інвестиції возглавили Generative Ventures та Borderless Capital, а також взяли участь Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund та Altana Wealth.

Хоча початковим нарративом був DePIN, peaq у вересні минулого року запустив Robotics SDK, який дозволяє роботам отримувати автономні ідентифікатори, здійснювати платежі та отримувати кошти, перевіряти дані та підключатися до мережевої економіки ланцюга. Зараз будь-який робот, сумісний із системою ROS2, може приєднатися до мережевої економіки peaq та використовувати її загальні стандарти для торгівлі з людьми або іншими роботами.

Крім того, peaq минулого року запустила на DualMint проект роботизованих RWA під назвою «RoboFarm», де вони створили ферму роботів у Гонконзі, досягнувши автоматизації 80% сільськогосподарського виробництва за допомогою роботів. Вирощені салат, шпинат і кольрабі продаються в Гонконзі. Очікувана річна дохідність для власників NFT становить приблизно 18%.

Axis Robotics

Axis Robotics присвячена створенню розподіленої інфраструктури для масштабування фізичної штучної інтелігентності (Physical AI). Вони переконані, що підхід «симуляція перш за все» (Simulation First) — це найкращий шлях подолання обмежень у кількості даних робототехніки та узагальненні моделей, досягаючи потрійного стрибка якості, багатства та масштабу даних завдяки низьким витратам та масштабованому збору даних у поєднанні з унікальним двигуном підсилення даних. Крім того, кожен актив даних має надійне ланцюгове походження (On-chain Provenance), разом утворюючи основну топливну базу для еволюції загального робототехнічного інтелекту (RGI).

Axis змінив спосіб надання даних для навчання роботів. Інші проекти на ринку, які «вводять або надають дані для навчання роботів», зазвичай залучають користувачів через знімання та завантаження відео з реальних дій, виконаних за допомогою мобільних телефонів, розумних окулярів тощо, щоб забезпечити низький поріг входу та глобальну участь користувачів. Хоча такий спосіб отримання даних має низькі витрати, фізична реалістичність зібраних відеоданих недостатня, вони не містять глибинної інформації і не забезпечують сталості та точності 3D-даних.

За допомогою «симуляції» Axis вирішив цю проблему: у симуляційному середовищі модель може виконувати завдання навіть у більш жорстких віртуальних умовах завдяки величезній кількості різноманітних симуляційних сценаріїв (освітлення, кути, тертя, динаміка тощо), отримуючи таким чином потужну узагальнювальну здатність. Axis використовує Hybrid Strategy (гібридну стратегію), поєднуючи обмежені реальні дані з величезною кількістю синтетичних даних. За допомогою технології метаданих з прискоренням на GPU досягнуто великої кількості змін освітлення, текстур та фізичних властивостей для однієї сцени. Віртуальні сцени не є незмінними і жорстко закодованими — вони гнучко налаштовуються. За допомогою коду можна генерувати безліч сцен, щоб роботи зустріли більш жорсткі та всебічні виклики в різних умовах. Витрати на створення сцен низькі, а кількість отриманих даних дуже велика; ефективність такого підходу — використання великої кількості даних для збіжності до оптимального розв’язку — частково підтверджена такими гігантами, як Google та NVIDIA.

Перший симуляційний проект з навчання роботів для спільноти Axis — «Маленький принц і троянда» — завершено. У проекті «Маленький принц і троянда» користувачі через веб-сайт у симуляційному середовищі успішно виконали дію з поливанням квітки, а шляхом збору та аналізу дій користувачів робот навчився поливати квіти. Користувачі можуть віддалено керувати роботом через веб-сайт, що зберігає низькі витрати та низький поріг входу, характерні для методу завантаження відео, одночасно створюючи для робота нативну 3D-усвідомлену VLA (Vision-Language-Action) базову модель, яка надає роботові здатність мислити в тривимірному просторі, якої бракує при використанні лише відеоданих.

Проект «Little Prince's Rose» за п’ять днів після запуску зібрав тисячі якісних, корисних для навчання стратегій траєкторій від звичайних користувачів по всьому світу без досвіду в робототехніці, через цікавий досвід. На основі цих даних Axis успішно навчив стратегічну модель і відтворив її на реальному роботі Franka. Це означає, що Axis успішно реалізував повний цикл: «генерація завдання -> збір даних від спільноти -> підсилення даних -> навчання моделі -> розгортання на реальному обладнанні».

1 година реальних даних може бути перетворена на 1000 годин тренувальних даних — такий ефект важелю значно знижує витрати на узагальнення моделей роботів.

Під час бета-тестування під час Свят Весни, за ті ж 5 днів, 18 000 учасників без досвіду в робототехніці виконали 27 нових завдань на Axis, надавши понад 100 000 треків даних. Тестування успішно підтвердило високий рівень випадковості всередині завдань та сумісність з різними типами активів, такими як колісні роботи та двохручі роботи.

Основний продукт Axis буде офіційно запущений наприкінці березня, а наприкінці квітня або на початку травня планується відкрити код найбільшого у світі синтетичного датасету на основі роботизованого маніпулятора Franka, повністю задовольняючи вимоги до навчання стратегій та моделей. Окрім цього, Axis, як проект у сфері робототехніки, що виник з Crypto-AI, вже розпочав пошук та просування практичного застосування за межами криптовалютного простору, прискорюючи комерціалізацію через співпрацю з лідерами кількох сегментів: спільно з автовиробником реалізовує автоматизацію виробничих процесів; досягнуто згоди з компанією, що підготується до IPO у сфері обчислювальних потужностей, щодо співпраці у напрямку віртуальних активів та світових моделей; а також встановлено глибокі партнерські стосунки з кількома компаніями, що виробляють фізичні роботи, у ключових етапах збору віртуальних симуляційних даних та навчання моделей. Це демонструє рідкісну зовнішню цінність крипто-проекту.

GEODNET

Децентралізована мережа, що надає дані RTK з точністю до сантиметрів для дронів, роботів тощо, має понад 21 000 активних базових станцій у більш ніж 150 країнах. За минулий рік дохід проекту перевищив 7 мільйонів доларів США і продовжує зростати щоквартально.

Хоча цей проект більше відносять до DePIN, очікується, що з поширенням застосування робототехніки у реальному житті попит на високоточні дані у реальному часі зросте. У лютому 2025 року Multicoin оголосив, що очолює покупку токенів $GEDO на суму 8 мільйонів доларів США від фонду GEODNET.

BitRobot

BitRobot Network розроблений FrodoBots Lab та Protocol Labs з метою забезпечення розподіленої роботизованої роботи та співпраці. Його ключові компоненти включають: перевіряємі роботизовані завдання (VRW) — квантифікований показник нагород мережі для визначення та верифікації завдань роботів; пристрій-вузлові токени (ENT) — унікальні ідентифікатори пристроїв у мережі у форматі NFT, що визначають власність та доступ до мережі; та підмережі — шар виконання завдань, які створюють цінність для мережі BitRobot шляхом збирання ресурсів.

14 лютого 2025 року FrodoBots Lab оголосила про завершення семінарного раунду фінансування на 6 мільйонів доларів США, загальний обсяг фінансування досяг 8 мільйонів доларів США.

FrodoBots Lab також продає роботів, Earth Rovers — як реальна гра Mario Kart за ціною 249 доларів США, де гравці керують своїми роботами через браузер у глобальній грі-скарб-полюванні ET Fugi, надаючи дані дослідникам для розгортання та тестування їхніх останніх моделей AI-навігації. ET Fugi також є першою підмережею BitRobot.

Ще один ігровий бот — Octo Arms — з’явиться у майбутньому, гравці будуть керувати роботизованими руками на відстані, щоб вирішувати різноманітні 3D-пазли та брати участь у змаганнях.

Поняття так званих «підмереж» у цій мережі роботів є досить абстрактним; простіше кажучи, будь-який кластер, що вносить внесок у загальну екосистему мережі (або конкретний проект/подію, яку цей кластер реалізує), є підмережею — наприклад, згадана вище гра ETFugi та SeeSaw, запущений Virtuals.

SeeSaw

Підмережа №5 BitRobot — це додаток для обміну даними для навчання роботів, запущений Virtuals у жовтні минулого року. У SeeSaw користувачі знімають відео своїх повсякденних дій, завантажують їх для виконання завдань і отримують винагороди. Ці відеодані з усього світу, включаючи повсякденні дії, такі як зав’язування шнурків або складання одягу, будуть використовуватися для навчання роботів.

Auki

Децентралізована мережа машинного сприйняття Auki Posemesh призначена для з’єднання людей, пристроїв та ШІ; її основу становить архітектура DePIN (децентралізована фізична мережа), яка дозволяє пристроям, таким як роботи та AR- окуляри, у реальному часі обмінюватися даними про місцезнаходження та сенсорну інформацію, спільно створюючи спільне просторове розуміння фізичного світу, що може надати роботам, AR та ШІ спільний просторовий огляд.

На основі протоколу Posemesh розроблено кілька ролей вузлів. Обчислювальні вузли надають обчислювальну потужність, вузли руху (роботизовані термінали) завантажують інформацію про місцезнаходження та дані датчиків, вузли відновлення на основі цих даних створюють 3D-моделі карт, а доменні вузли керують 3D-простором. Кожен вузол отримує стимулювання у вигляді токенів $AUKI за внесок, що забезпечує розвиток саморозвиваючої мережі машинного зору.

Ця мережа зосереджена на захисті конфіденційності, униканні моніторингу приватного простору користувачів одним суб’єктом, і може застосовуватися в різних сценаріях, таких як роздрібна торгівля (оптимізація розміщення продуктів), управління нерухомістю (відстеження активів), навігація на виставках та будівельний ремонт.

Їхня платформа просторових обчислень Cactus AI вже перебуває у активному пілотному проекті з Toyota Material Handling та шведським супермаркетом Stora Coop.

XMAQUINA

DAO, яка дозволяє дрібним інвесторам брати участь у інвестуванні робототехнічних компаній. Ця DAO зібрала 10 мільйонів доларів США шляхом поетапної продажу своїх токенів $DEUS. Зараз DAO використала кошти від аукціону для придбання акцій шести компаній у сфері робототехніки: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics та Robotico. Деякі інвестиції вже принесли прибуток, а окремі повернення перевищили 100%.

PrismaX

17 червня 2025 року PrismaX оголосила про завершення фінансування на 11 мільйонів доларів США, інвесторами якого стали a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator та Virtuals.

PrismaX створює відкритий координаційний шар, який з’єднує віддалених операторів, користувачів роботів та компанії-виробники роботів. Оператори можуть з’єднуватися з користувачами, віддалено керувати роботами для виконання реальних завдань та збирати цінні дані. Також можна замовляти реальні послуги, такі як логістика та реклама.

PrismaX також має протокол для віддаленого керування роботами, де компанії можуть шукати досвідчених операторів роботів, здатних виконувати складні завдання. Оператори можуть вибирати заблокувати мережеві токени, щоб підвищити рівень довіри та збільшити шанси отримати завдання з високою прибутковістю. Доходи, які отримують заблокувавши, залежать не лише від кількості заблокованих токенів, а й від якості їх роботи, а також отримують додаткові нагороди за підвищення ефективності.

Дані, зібрані під час віддаленого керування, використовуватимуться для навчання роботів, щоб підвищити їх автономність, що, у свою чергу, збільшить ефективність роботи операторів на відстані і в кінцевому підсумку досягне високого або повного рівня автономності роботів.

Агенти NRN

NRN розроблений на основі ігрової платформи AI Arena, яка використовує реальний тренувальний ланцюг для змагань між AI-агентами. 28 жовтня 2021 року розробник ArenaX Labs оголосив про завершення семінарського раунду фінансування на 5 мільйонів доларів США, який очолив Paradigm Capital з участью Framework Venture Partners. 9 січня 2024 року ArenaX Labs оголосив про завершення нового раунду фінансування на 6 мільйонів доларів США, який очолив Framework Ventures, а також взяли участь SevenX Ventures, FunPlus/Xterio та Moore Strategic Ventures.

Хоча загалом це також процес збирання даних -> підсилення навчання роботів, завдяки багатому досвіду в галузі ігор NRN пропонує браузерний досвід, який перетворює збір даних роботів на гру, де користувачі можуть інтуїтивно керувати симуляцією роботів через браузер. Під час гри поведінкові дані, згенеровані діями користувача, використовуються для навчання робототехнічних систем у реальному світі.

На цьому етапі проект зосередиться на роботизованій руці (RME-1), щоб перевірити збір даних, навчання в реальному часі та адаптивність.

Натисніть, щоб дізнатися про вакансії в律動BlockBeats

Вступайте до офіційного спільноти律动 BlockBeats:

Telegram-канал з підпискою: https://t.me/theblockbeats

Telegram-чат: https://t.me/BlockBeats_App

Офіційний аккаунт Twitter: https://twitter.com/BlockBeatsAsia