Vi un breve video de ROBO1 en el laboratorio dando vueltas alrededor de la mesa, este dispositivo realmente ha cambiado la industria de los robots.
La popularidad de $ROBO ha sido muy alta estos días.
El precio ha sido relativamente estable estos días, y creo que muchos quieren saber cómo se comportará en el futuro.
Nadie puede dar una respuesta exacta a esto, así que hoy analizaré desde el aspecto técnico y te daré una dosis de realidad.
Primero hablemos de lo difícil que era trabajar con robots.
Quien haya trabajado con robots debería entender.
Si cambias un brazo robótico, tendrás que volver a aprender un conjunto de scripts.
Si cambias un perro robot, tendrás que recorrer nuevamente el controlador, SDK y la extraña documentación.
Incluso si el modelo es fuerte, al final casi todo se detiene en 'cada uno juega con su propia pila de tecnología'.
Desarrolladores pasan un año, seis meses en la conexión y seis meses en apagar incendios.
Hacer que robots de diferentes marcas trabajen juntos es casi una pesadilla.
OM1 cambió directamente esta situación después de llegar.
Directamente proporciona al cerebro del robot una capa de operación unificada.
No importa qué hardware esté debajo.
Lo anterior es un conjunto estándar de percepciones, comprensión y procesos de acción.
Los desarrolladores usan Python para escribir lógica.
Usar lenguaje natural como bus.
Cámaras, radares, voz, modelos en la nube, todos se introducen en un solo canal.
Los robots finalmente pueden hablar el mismo idioma.
Esto es muy importante para personas como yo que han estado observando AI + DePIN por mucho tiempo:
En el futuro, compraré robots que se conectan a la red, ya no serán juguetes cerrados de un fabricante.
ROBO1 implementó esta arquitectura en un robot real.
Lo mejor es que no juega en un sistema de caja negra.
Parte de la percepción.
Parte de la fusión.
Parte de la inferencia.
Parte de la acción.
El modelo visual convierte primero la imagen en texto.
@Fabric Foundation Mezclar reglas, memoria y contexto.
Cortex LLM calcula qué hacer a continuación.
La última parte de la acción descompone el comando en cada articulación y cada rueda.
Si hay un problema en algún paso, la gente puede verlo, interrumpirlo y revisarlo.
Esto es el estándar para los robots que ingresan a fábricas y hogares.
No se trata de parecer inteligente, sino de quién es responsable y cómo se cubre en caso de problemas.
@Fabric Foundation Hacer que esta cadena de responsabilidades esté muy clara.
Lo más impresionante es la capa de chips de habilidad (Skill Chips).
En el pasado, enseñar a un robot a doblar ropa requería quemar mucho dinero y tiempo.
Una vez enseñado, solo esa máquina puede hacerlo; si se cambia a otra, hay que empezar de nuevo.
Pero en Fabric, doblar ropa se convierte en un chip de habilidad independiente.
Una vez entrenado, se sube a la red y otros robots que recibieron OM1 pueden cargarlo y usarlo directamente.
Quien enseña la habilidad, recibe la participación en las ganancias.
Cuando alguien lo usa una vez, esta habilidad obtiene un registro más en la cadena, un poco más de ingresos reales.
Esta parte es muy importante para mí.
Esto ya no se trata de hablar de un sentimiento revolucionario de robots.
Esto está abriendo un ciclo cerrado para desarrolladores, fábricas y personas comunes: enseñar a las máquinas a trabajar → las máquinas trabajan → se distribuyen ganancias en la cadena.
Desde la perspectiva de alguien que ha estado en Web3 durante 8 años, evaluando proyectos todos los días, mi juicio sobre Fabric es muy simple:
¿Cuántos robots reciben OM1?
¿Cuántas habilidades reales se han convertido en Skill Chip?
¿Cuántas tareas son aceptadas, liquidadas y reutilizadas por robots en la red?
Mientras estos datos sigan subiendo de manera constante, $ROBO el precio encontrará su posición.
Fabric realmente es bueno, no se encuentra en una narrativa de AI.
Es la primera vez que completa toda la pila de tecnología de robots, haciéndola abierta, combinable y de base pública.
