На початку цього року, коли Ілон Маск повернувся до Давоса, він знову озвучив свою провокаційну прогноз: у майбутньому роботів стане більше, ніж людей на Землі.
У світовому контексті теми штучного інтелекту та робототехніки стали домінуючими технологічними трендами: штучний загальний інтелект (AGI) наближається до прориву, а робототехніка виходить за межі лабораторій, переходячи до масштабної автоматизації людської фізичної праці. Цього року, окрім AI, сектор embodied intelligence став ключовим напрямком криптовалютної індустрії. Нижче наведені кілька перспективних проектів у сфері робототехніки.
OpenMind
4 серпня 2025 року (UTC) компанія OpenMind із Силіконової долини, яка спеціалізується на інтелектуальній машинній інфраструктурі, оголосила про залучення 20 мільйонів доларів інвестицій. Раунд очолила Pantera Capital, участь взяли Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, Amber Group та кілька відомих ангельських інвесторів.
OpenMind розробляє програмне забезпечення з відкритим кодом, що дозволяє роботам мислити, навчатися і працювати. Її власна open-source операційна система для роботів, OM1, дозволяє конфігурувати і розгортати AI Agents у цифровому та фізичному середовищі. Користувачі можуть створювати AI агентів для роботи в хмарі або встановлювати їх на реальних роботах.
OM1 від OpenMind — це фактично "AI мозок" для роботів. Він координує кілька AI агентів, взаємодіє з різними LLMs і агрегує дані з різних джерел (наприклад, публікує контент у соцмережах від імені користувача). Завдяки open-source OM1 є дуже адаптивною операційною системою для роботів — так само, як Android не залежить від апаратної платформи смартфонів.
OpenMind також розробила блокчейн-мережу ідентифікації роботів FABRIC, яка створює перевірений шар довіри між людьми та роботами. Люди отримують бейджі за обмін даними про місцеположення, оцінювання поведінки роботів та створення застосунків. Роботи з OM1 приєднуються до FABRIC, отримують унікальний перевірений ідентифікатор і можуть здійснювати on-chain відстеження команд, логів, власності та активності.
У грудні 2025 року (UTC) OpenMind та емітент стейблкоїнів Circle спільно оголосили про запуск автономної платіжної системи для роботів на основі протоколу x402. З розвитком роботів вони перестають бути просто інструментами для виконання задач — стають автономними економічними агентами, які купують обчислювальні потужності, дані та навички, а також можуть наймати інших роботів чи людей для виконання складних цілей.
CodecFlow
CodecFlow створює єдину платформу, що працює безперервно у хмарі, на edge-пристроях, десктопах та апаратному забезпеченні роботів, підтримуючи сучасні API та застарілі системи. Платформа стандартизує різноманітні сенсорні дані роботів у загальний формат і модулює складні дії, тому розробникам і користувачам не потрібно проектувати роботів з нуля. Завдяки CodecFlow сприйняття, ухвалення рішень та контроль стають мережевими й інтегрованими, а не розділеними чи залежними від конкретного обладнання.
AI-оператори використовують сприйняття та реальний аналіз для реагування на зміни UI програмного забезпечення або зміни у середовищі робота. Такий підхід вирішує проблему крихкості традиційної автоматизації роботів, яка часто ламається навіть при незначних змінах. CodecFlow по суті захоплює зображення екрану, відеопотоки камери чи дані сенсорів, використовує AI для обробки цих зовнішніх сигналів, формує спостереження та інструкції, а потім виконує рішення через взаємодію з UI.
Peaq
27 березня 2025 року (UTC) протокол DePIN Layer1 Peaq залучив 15 мільйонів доларів у раунді, який очолили Generative Ventures та Borderless Capital, до яких приєдналися 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.
Peaq спочатку позиціонувався як DePIN-платформа, але у вересні минулого року запустив Robotics SDK, який дозволяє роботам отримувати автономні ідентичності, здійснювати платежі, верифікувати дані та отримувати доступ до on-chain економіки мережі. Тепер будь-який робот, сумісний з ROS2, може приєднуватися до мережі Peaq та використовувати її стандарти для транзакцій з людьми та іншими роботами.
Минулого року Peaq запустила проект RoboFarm RWA на DualMint — роботизовану ферму у Гонконзі, яка автоматизує 80% сільськогосподарського виробництва. Салат, шпинат та капуста з ферми продаються локально у Гонконзі, а власники NFT отримують орієнтовну річну прибутковість у 18%.
Axis Robotics
Axis Robotics будує розподілену, масштабовану інфраструктуру для Embodied Intelligence (фізичний AI). Компанія вважає, що підхід "Simulation First" — найкращий спосіб подолати вузькі місця дефіциту даних та узагальнення моделей у робототехніці. Поєднуючи низьковартісний масштабний збір даних із власною аугментацією, Axis досягла значного прогресу у якості, багатстві та масштабі даних. Кожен набір даних відстежується із надійною on-chain історією, формуючи центральний двигун даних для розвитку загального роботизованого інтелекту (RGI).
Axis докорінно змінила підхід до збору навчальних даних для роботів. Конкуренти переважно збирають відео користувачів із реальними діями через смартфони чи smart-glasses, що дозволяє широке залучення. Однак такий підхід дає дані, які бракує фізичної реалістичності, глибини й 3D-неперервності.
Axis вирішує це за допомогою симуляції, створюючи безліч різноманітних віртуальних сценаріїв (освітлення, кути, тертя, динаміка тощо), що дозволяє навчати моделі працювати у складних умовах та покращує узагальнення. Гібридна стратегія Axis поєднує обмежену кількість реальних даних із масивом синтетичних, використовуючи GPU-ускорену аугментацію метаданих для зміни освітлення, текстур та фізичних характеристик у кожній сцені. Віртуальні середовища гнучкі, не жорстко закодовані, що дозволяє створювати безліч сценаріїв для навчання роботів. Вартість кожного сценарію низька, а продуктивність висока; цей підхід до оптимізації моделей підтверджений лідерами, такими як Google і NVIDIA.
Axis запустила перший навчальний симуляційний проект "Троянда Маленького принца". У цьому проекті користувачі дистанційно керували роботом у браузерній симуляції, щоб поливати рослину. Аналіз дій користувачів дозволив роботу навчитися виконувати завдання. Такий підхід зберіг низький поріг відео завантажень, а також сформував 3D-орієнтовану VLA (Vision-Language-Action) базову модель для покращення просторового мислення — чого не забезпечує лише відео.
За 5 днів тисячі користувачів без досвіду у робототехніці внесли десятки тисяч якісних навчальних траєкторій. Axis використала ці дані для навчання політичної моделі і успішно розгорнула її на реальному маніпуляторі Franka, завершивши повний цикл: генерація завдання, збір даних спільнотою, аугментація, навчання моделі і реальне впровадження.
Цей підхід дозволяє одній годині реальних даних відповідати тисячі годин навчальних даних, що суттєво знижує витрати на узагальнення моделей роботів.
Під час бета-тесту на Китайський Новий рік, знову за 5 днів, 18 000 неекспертів виконали 27 нових завдань, додавши понад 100 000 траєкторій даних. Тест підтвердив високу рандомізацію завдань та сумісність із різними типами роботів, зокрема колісними та дворукими.
Axis офіційно запустить свій основний продукт наприкінці березня, а до кінця квітня чи початку травня відкриє найбільший у світі симуляційний датасет на основі Franka-arm — повністю відповідаючи стратегічним і навчальним потребам. Як Crypto-AI проект у сфері робототехніки, Axis просуває індустріальне впровадження: співпрацює з автовиробником щодо автоматизації виробництва; партнерить із компанією, що готується до IPO, у сфері віртуальних активів і світових моделей; а також будує глибокі партнерства із компаніями embodied entity для симуляційних даних і навчання моделей. Ці кроки підкреслюють унікальні зовнішні ефекти Crypto проектів.
GEODNET
GEODNET — це децентралізована мережа, що забезпечує сантиметрову точність позиціонування у реальному часі для дронів, роботів та інших пристроїв. Мережа має понад 21 000 активних базових станцій у більш ніж 150 країнах. За минулий рік проект згенерував понад 7 мільйонів доларів доходу із квартальним зростанням.
Хоча GEODNET часто відносять до DePIN, розвиток реальних роботів очікувано підвищить попит на високоточні дані позиціонування у реальному часі. У лютому 2025 року (UTC) Multicoin оголосила про придбання GEDO токенів на суму 8 мільйонів доларів від GEODNET Foundation.
BitRobot
BitRobot Network, розроблений FrodoBots Lab і Protocol Labs, забезпечує розподілену роботу та співпрацю роботів. Основні компоненти: Verifiable Robot Work (VRW — метрика винагороди для визначення та верифікації роботизованих завдань); Equipment Node Tokens (ENT — унікальні ідентифікатори роботів як NFT); та субмережі — кластери ресурсів для виконання завдань і створення цінності у мережі.
14 лютого 2025 року (UTC) FrodoBots Lab оголосила про seed-раунд у 6 мільйонів доларів, довівши загальне фінансування до 8 мільйонів доларів.
FrodoBots Lab також продає роботів: Earth Rovers, які схожі на Mario Karts із реального світу і коштують 249 доларів, можна дистанційно керувати у глобальній грі ET Fugi через браузер. Дані, що генеруються, допомагають дослідникам тестувати новітні AI-моделі навігації. ET Fugi — перша субмережа BitRobot.
У майбутньому робот Octo Arms дозволить користувачам дистанційно керувати роботизованими руками для розв’язання 3D-головоломок і участі у змаганнях.
Поняття “субмережа” — абстрактне: будь-який кластер, що робить внесок у екосистему мережі (чи проект або подію), є субмережею, наприклад ET Fugi чи SeeSaw від Virtuals.
SeeSaw
П’ята субмережа BitRobot, SeeSaw — це застосунок для обміну даними навчання роботів, створений Virtuals у жовтні минулого року. У SeeSaw користувачі завантажують відео своїх щоденних дій для отримання винагород. Ці відео, що фіксують повсякденні дії, такі як зав’язування шнурків чи складання одягу, надходять від міжнародної спільноти і використовуються для навчання роботів.
Auki
Децентралізована мережа машинного сприйняття Auki — Posemesh — об’єднує людей, пристрої та AI. Ядро архітектури DePIN (Decentralized Physical Infrastructure Network) дозволяє роботам, AR-окулярам і іншим пристроям обмінюватися даними про місцезнаходження та сенсорами у реальному часі, формуючи спільне просторове розуміння фізичного світу для роботів, AR і AI.
Posemesh розрізняє кілька типів вузлів: compute nodes забезпечують обчислювальні потужності; motion nodes (кінцеві точки роботів) завантажують дані про місцезнаходження і сенсори; reconstruction nodes генерують 3D-картографічні моделі; domain nodes управляють тривимірним простором. Кожен вузол заробляє AUKI токени відповідно до внеску, що забезпечує еволюційність мережі машинного бачення.
Мережа акцентує увагу на приватності, не дозволяючи жодному суб’єкту контролювати простір користувачів, і застосовується для рітейлу (оптимізація розміщення товарів), управління майном (відстеження активів), навігації подій, будівництва та ремонту.
Платформа просторових обчислень Cactus AI вже проходить пілотні впровадження із Toyota Material Handling та шведським супермаркетом Stora Coop.
XMAQUINA
XMAQUINA — це DAO, що дозволяє роздрібним інвесторам брати участь у фінансуванні робототехнічних компаній. DAO залучила 10 мільйонів доларів через поетапний продаж токенів DEUS, використовуючи кошти для придбання частки у шести компаніях: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics та Robotico. Деякі інвестиції вже принесли прибуток, і окремі угоди дали понад 100% доходності.
PrismaX
17 червня 2025 року (UTC) PrismaX оголосила про залучення 11 мільйонів доларів інвестицій, серед підтримки — a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator та Virtuals.
PrismaX створює відкритий координаційний шар, що об’єднує віддалених операторів, користувачів роботів і робототехнічні компанії. Оператори можуть підключатися до користувачів, дистанційно керувати роботами у реальному світі та збирати цінні дані. Вони також можуть запитувати логістичні, рекламні або інші реальні послуги.
Протокол дистанційної роботи PrismaX дозволяє компаніям знаходити кваліфікованих операторів роботів для складних задач. Оператори можуть стейкати токени мережі для підвищення довіри й шансів отримати цінні завдання. Винагороди за стейкінг залежать від суми та якості роботи, а підвищена ефективність приносить додаткові бонуси.
Дані з дистанційних операцій використовуються для навчання роботів, підвищуючи їх автономність, що, у свою чергу, підвищує ефективність операторів і прискорює перехід до високої або повної автономії машин.
NRN Agents
NRN виріс із AI Arena — гри для реального тренування AI агентів. 28 жовтня 2021 року (UTC) розробник ArenaX Labs залучив 5 мільйонів доларів у seed-раунді, який очолила Paradigm Capital і за участі Framework Venture Partners. 9 січня 2024 року (UTC) ArenaX Labs завершила новий раунд у 6 мільйонів доларів, який очолила Framework Ventures, за підтримки SevenX Ventures, FunPlus/Xterio та Moore Strategic Ventures.
Хоча основна модель все ще базується на зборі даних і підкріпленому навчанні для роботів, NRN використовує гейміфікований підхід для перетворення збору даних роботів на браузерну гру. Користувачі інтуїтивно керують симульованими роботами, генеруючи поведінкові дані у геймплеї, які потім використовуються для навчання реальних роботизованих систем.
Наразі проект фокусується на роботизованих руках (RME-1), перевіряючи збір даних, реальне навчання та адаптивність.
Примітка:
- Статтю повторно опубліковано з [BlockBeats], авторські права належать оригінальному автору [Cookie]. З питаннями щодо повторного розміщення звертайтеся до команди Gate Learn, яка оперативно вирішить їх згідно з затвердженими процедурами.
- Відмова від відповідальності: думки та позиції, викладені у статті, належать виключно автору і не є інвестиційною порадою.
- Інші мовні версії перекладені командою Gate Learn. Якщо Gate не зазначено як джерело, перекладені статті не можуть бути відтворені, поширені або копіюватися.
