Robotika mengalami salah satu minggu terkuatnya sejauh ini.
$25K humanoid mulai memasuki pasar, peluncuran torsi 450 N·m, terobosan gearbox, robot reforestasi yang menanam 200 pohon per jam, dan NVIDIA menuliskan cek $50M untuk otonomi tujuan umum.
Namun, inilah bagian yang benar-benar penting: tidak satu pun dari terobosan ini dapat berkembang tanpa lapisan kecerdasan yang terintegrasi, dan bagi saya @openmind_agi adalah satu-satunya tim yang benar-benar menutup kesenjangan itu.
Setiap platform yang disebutkan — humanoid, lengan industri, robot berkaki enam untuk medan berat, robot reforestasi — semuanya menghadapi hambatan yang sama: mereka dapat bergerak, tetapi mereka tidak dapat belajar bersama.
BrainPack dari OpenMind sedang menjadi OS yang mengikat ekosistem yang terfragmentasi ini ke dalam satu jaringan kecerdasan. Sebuah lapisan kognisi universal yang dapat dipasang pada $25K humanoid atau robot pemadam kebakaran hutan dengan efisiensi yang sama — memungkinkan mereka merencanakan, bernalar, beradaptasi, dan berbagi peningkatan di seluruh jaringan.
Siklus perangkat keras semakin cepat. Biaya semakin turun. Pendanaan meledak.
Satu-satunya hal yang kurang adalah jaringan kecerdasan yang memungkinkan robot beroperasi sebagai ekosistem yang saling terhubung. OpenMind sedang membangun hal tersebut.
OpenMind juga sedang membangun lapisan pengembang penuh yang memungkinkan tim mengintegrasikan kognisi tanpa harus merancang ulang seluruh stack mereka, menciptakan antarmuka standar untuk perencanaan, persepsi, memori, dan penalaran jangka panjang. Dengan setiap robot baru yang online, jaringan ini semakin baik — memberikan seluruh industri robotika tulang punggung kecerdasan yang dapat diskalakan, bukan sistem-sistem terisolasi yang terus-menerus menciptakan ulang komponen yang sama.
Inilah cara robotika beralih dari demo yang mengesankan ke penerapan dunia nyata dalam skala besar.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Robotika mengalami salah satu minggu terkuatnya sejauh ini.
$25K humanoid mulai memasuki pasar, peluncuran torsi 450 N·m, terobosan gearbox, robot reforestasi yang menanam 200 pohon per jam, dan NVIDIA menuliskan cek $50M untuk otonomi tujuan umum.
Namun, inilah bagian yang benar-benar penting: tidak satu pun dari terobosan ini dapat berkembang tanpa lapisan kecerdasan yang terintegrasi, dan bagi saya @openmind_agi adalah satu-satunya tim yang benar-benar menutup kesenjangan itu.
Setiap platform yang disebutkan — humanoid, lengan industri, robot berkaki enam untuk medan berat, robot reforestasi — semuanya menghadapi hambatan yang sama: mereka dapat bergerak, tetapi mereka tidak dapat belajar bersama.
BrainPack dari OpenMind sedang menjadi OS yang mengikat ekosistem yang terfragmentasi ini ke dalam satu jaringan kecerdasan. Sebuah lapisan kognisi universal yang dapat dipasang pada $25K humanoid atau robot pemadam kebakaran hutan dengan efisiensi yang sama — memungkinkan mereka merencanakan, bernalar, beradaptasi, dan berbagi peningkatan di seluruh jaringan.
Siklus perangkat keras semakin cepat.
Biaya semakin turun.
Pendanaan meledak.
Satu-satunya hal yang kurang adalah jaringan kecerdasan yang memungkinkan robot beroperasi sebagai ekosistem yang saling terhubung.
OpenMind sedang membangun hal tersebut.
OpenMind juga sedang membangun lapisan pengembang penuh yang memungkinkan tim mengintegrasikan kognisi tanpa harus merancang ulang seluruh stack mereka, menciptakan antarmuka standar untuk perencanaan, persepsi, memori, dan penalaran jangka panjang. Dengan setiap robot baru yang online, jaringan ini semakin baik — memberikan seluruh industri robotika tulang punggung kecerdasan yang dapat diskalakan, bukan sistem-sistem terisolasi yang terus-menerus menciptakan ulang komponen yang sama.
Inilah cara robotika beralih dari demo yang mengesankan ke penerapan dunia nyata dalam skala besar.