Будет ли этот год годом роботов? Обзор проектов в области робототехники

Будет ли этот год годом роботов? Обзор проектов в области робототехники

Cookie

Mars Finance

В своей речи в Давосе в начале этого года Илон Маск вновь подтвердил свой провокационный прогноз — в будущем количество роботов на Земле превысит число людей.

Очевидно, что AI и роботы уже фактически являются двумя главными технологическими темами во всем мире: одна — это универсальный искусственный интеллект, приближающийся к критической точке AGI, другая — роботы, выходящие из лабораторий и пытающиеся полностью взять на себя физический труд человека. Также, помимо концепции AI, в этом году в криптоиндустрии особое внимание уделяется телесному интеллекту. Ниже представлены проекты в области робототехники, заслуживающие внимания.

OpenMind

4 августа 2025 года, согласно официальным сообщениям, компания OpenMind, базирующаяся в Кремниевой долине и занимающаяся инфраструктурой для интеллектуальных машин, объявила о завершении раунда финансирования на сумму 20 миллионов долларов, который возглавила Pantera Capital, а также в нем участвовали Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures и Amber Group, а также несколько известных ангельских инвесторов.

OpenMind разрабатывает открытое программное обеспечение, помогающее роботам думать, учиться и работать. Встроенная открытая операционная система AI-роботов OM1 позволяет конфигурировать и развертывать AI-агентов как в цифровом, так и в физическом мире. Пользователи могут создавать AI-персонажей, запускать их в облаке или на физических роботах в реальном мире.

Проще говоря, OpenMind создает OM1 — это как «мозг» для робота. Этот «AI-мозг» может работать совместно с несколькими AI-агентами, взаимодействовать с несколькими LLM и получать данные из различных источников (например, помогать пользователю публиковать посты в соцсетях). Поскольку OM1 — это open source, это очень гибкая операционная система для роботов, подобная Android для смартфонов, не привязанная к конкретному оборудованию.

Кроме того, у OpenMind есть сеть идентификаций роботов на блокчейне под названием FABRIC, которая предназначена для совместного использования доверенного уровня между людьми и роботами. Люди могут на ней делиться данными о местоположении через карты, оценивать поведение роботов и развивать их, зарабатывая медали. Для роботов каждый, у которого установлен OM1, автоматически подключается к сети FABRIC, получая уникальную проверяемую идентичность, а также обеспечивая отслеживание команд, логов операций, прав собственности и других действий в блокчейне.

В декабре 2025 года OpenMind совместно с эмитентом стейблкоинов Circle объявили о запуске системы автономных платежей для роботов на базе протокола x402. По мере развития возможностей роботы перестанут быть просто инструментами для выполнения задач и начнут играть роль автономных экономических субъектов. Они смогут покупать вычислительные ресурсы, данные, навыки, а также нанимать других роботов или людей для выполнения сложных задач.

CodecFlow

CodecFlow предоставляет единую платформу, которая обеспечивает бесшовную работу в облаке, на периферии, на настольных компьютерах и аппаратуре роботов, поддерживая при этом популярные API и традиционные системы. Эта платформа стандартизирует входные данные различных сенсоров роботов в универсальный формат и модульно разбивает сложные действия роботов, что позволяет разработчикам и пользователям не создавать роботов с нуля. Взаимодействие между роботами по восприятию, принятию решений и управлению осуществляется через сеть, а не на отдельной платформе, что исключает фрагментацию и привязку к конкретному оборудованию.

Операторы, управляемые AI, с помощью восприятия и реального времени делают выводы, реагируя на изменения в интерфейсе программного обеспечения или окружающей среде робота, что решает проблему чрезмерной зависимости от заранее прописанных сценариев автоматизации. Проще говоря, платформа захватывает скриншоты, видеопотоки или данные сенсоров, обрабатывает их с помощью AI и на основе этого принимает решения, взаимодействуя с пользователем через интерфейс.

Peaq

27 марта 2025 года протокол DePIN Layer1 Peaq завершил раунд финансирования на сумму 15 миллионов долларов, его возглавили Generative Ventures и Borderless Capital, а также участвовали Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund, Altana Wealth и другие.

Хотя изначально проект делал акцент на DePIN, в сентябре прошлого года Peaq выпустила SDK для робототехники, позволяющий роботам получать автономные идентификаторы, осуществлять платежи и принимать платежи, проверять данные и подключаться к сетевой экономике. Теперь любой робот, совместимый с системой ROS2, может присоединиться к сети Peaq и взаимодействовать с людьми или другими роботами по стандартным протоколам.

Кроме того, в прошлом году на платформе DualMint был запущен проект «RoboFarm» — ферма роботов в Гонконге, где автоматизировано 80% сельскохозяйственного производства. Там выращивают салат, шпинат и капусту, которые продаются в Гонконге. Ожидаемая годовая доходность для держателей NFT составляет около 18%.

Axis Robotics

Axis Robotics занимается созданием распределенной инфраструктуры для телесного интеллекта (Physical AI). Они уверены, что подход «Simulation First» — лучший способ преодолеть нехватку данных и проблему обобщения моделей в робототехнике. За счет недорогого масштабируемого сбора данных и уникальной системы их усиления достигается тройной скачок по качеству, объему и разнообразию данных. Каждая единица данных имеет надежное происхождение (On-chain Provenance), что создает ядро для развития универсального интеллекта роботов (RGI).

Axis революционизирует способ сбора данных для обучения роботов. В большинстве существующих проектов данные собираются путем привлечения пользователей к съемке видео с помощью смартфонов или умных очков, где они выполняют заданные действия. Такой подход дешев, но физическая достоверность видео низкая, отсутствует глубина, и сложно обеспечить постоянство и точность 3D-данных.

Axis решает эту проблему с помощью «симуляции». В виртуальной среде создаются разнообразные сценарии (разное освещение, углы, трение, динамика), что позволяет моделям успешно выполнять задачи даже в более сложных виртуальных условиях, обеспечивая высокую обобщающую способность. Используя гибридную стратегию, объединяющую редкие реальные данные и огромные объемы синтезированных данных, а также GPU-ускоренные технологии расширения метаданных, достигается значительное разнообразие сцен — освещение, текстуры, физические свойства — и возможность их гибкой настройки. Виртуальные сцены не статичны и не зашиты в код, их можно генерировать бесконечно, что позволяет роботу сталкиваться с более сложными и разнообразными задачами. Стоимость генерации сцен низкая, а объем — очень большой, что подтверждается опытом таких гигантов, как Google и NVIDIA.

Первый проект по виртуальному обучению роботов «Little Prince’s Rose» уже завершен и открыт для сообщества. В нем пользователи через веб-интерфейс управляют роботом, чтобы он полил цветы, собирают и анализируют данные, что позволяет роботу научиться поливать. Такой подход сохраняет низкую стоимость и доступность, а также создает базовую 3D-aware VLA (Vision-Language-Action) модель, расширяющую возможности робота по восприятию трехмерного пространства.

За первые 5 дней после запуска проект собрал десятки тысяч высококачественных траекторий для обучения стратегий. На основе этих данных Axis успешно обучила модель поведения и воспроизвела работу робота Franka. Это завершение полного цикла: «генерация задач — сбор данных — их расширение — обучение модели — внедрение на реальном устройстве».

Один час реальных данных эквивалентен 1000 часам обучения, что значительно снижает затраты на обобщение моделей роботов.

Во время февральского бета-тестирования за 5 дней 18 000 участников без опыта в робототехнике выполнили 27 новых задач, собрав более 100 000 траекторий. Тест подтвердил высокую устойчивость к вариациям задач и совместимость с различными типами роботов, включая колесные и двухрукие.

Ключевой продукт Axis планируется официально запустить в конце марта, а к концу апреля или началу мая — открыть крупнейший в мире полностью виртуальный датасет на базе Franka, полностью отвечающий требованиям обучения стратегий и моделей. Как проект, возникший из Crypto-AI, Axis уже начал внедрение в отрасль, сотрудничая с крупными клиентами: автоматизация производственных процессов с автопроизводителем, партнерство с компанией по виртуальной вычислительной мощности в области виртуальных активов и мировых моделей, а также глубокое сотрудничество с производителями телесных систем по сбору виртуальных данных и обучению моделей. Эти инициативы демонстрируют внешнюю ценность крипто-проектов.

GEODNET

Децентрализованная сеть, обеспечивающая точное позиционирование для дронов и роботов с сантиметровой точностью в реальном времени, насчитывает более 21 000 активных базовых станций в более чем 150 странах. За последний год доход превысил 7 миллионов долларов и показывает рост по кварталам.

Хотя проект в основном относится к категории DePIN, с ростом применения роботов в реальной жизни возрастает и спрос на высокоточные данные о позиционировании в реальном времени. В феврале 2025 года Multicoin объявила о приобретении токенов $GEDO на сумму 8 миллионов долларов у фонда GEODNET.

BitRobot

BitRobot Network разрабатывается совместно FrodoBots Lab и Protocol Labs и предназначена для распределенной работы и сотрудничества роботов. Основные компоненты: VRW — проверяемая рабочая среда робота (метрика вознаграждения сети), ENT — токен устройства, удостоверяющий право собственности и доступ к сети (в виде NFT), и подсеть — ресурсный кластер для выполнения задач и создания ценности в сети.

14 февраля 2025 года FrodoBots Lab объявила о завершении посевного раунда на 6 миллионов долларов, всего собрано 8 миллионов.

FrodoBots также продает роботов: Earth Rovers — как в реальной жизни Mario Kart, цена — 249 долларов. Игроки участвуют в глобальной игре ET Fugi, управляя роботами через браузер, а данные используются для тестирования новых моделей навигации AI. ET Fugi — это первый подсеть BitRobot.

Также в будущем выйдет Octo Arms — робот-игра, управляемый удаленно, для выполнения 3D-пазлов и соревнований.

Концепция «подсети» в этой сети довольно абстрактна: любой кластер, который вносит вклад в развитие сети (или конкретный проект/событие), считается подсетью, например, игра ET Fugi или SeeSaw от Virtuals.

SeeSaw

Пятая подсеть BitRobot — это приложение для обмена данными о тренировке роботов, запущенное Virtuals в октябре прошлого года. В SeeSaw пользователи снимают видео своих повседневных действий, загружают их и получают вознаграждение. Эти данные, включающие такие действия, как завязывание шнурков или складывание одежды, используются для обучения роботов.

Auki

Децентрализованная сеть восприятия роботов Posemesh от Auki предназначена для соединения людей, устройств и AI. Ее ядро — архитектура DePIN, которая позволяет роботам, AR-очкам и другим устройствам обмениваться данными о местоположении и сенсорах в реальном времени, создавая совместное пространственное понимание физического мира. Это обеспечивает совместное пространственное представление для роботов, AR и AI.

В рамках протокола Posemesh реализованы различные роли узлов: вычислительные узлы предоставляют мощность, узлы движения (роботы) передают данные о местоположении и сенсорах, а узлы реконструкции создают 3D-модели карт, управляемые доменными узлами. За вклад каждый узел получает $AUKI — токен, стимулирующий развитие самосовершенствующейся системы машинного зрения.

Особенность сети — акцент на конфиденциальность, чтобы избежать слежки за личным пространством пользователей одним субъектом. Также она применяется в рознице (оптимизация выкладки товаров), управлении недвижимостью (отслеживание активов), навигации на выставках, строительстве и ремонте.

Платформа Cactus AI для пространственных вычислений уже прошла пилотные проекты с компанией Toyota Material Handling и шведским супермаркетом Stora Coop.

XMAQUINA

DAO, позволяющий частным инвесторам участвовать в финансировании робототехнических компаний. Этот DAO собирает средства, продавая токены $DEUS, и уже привлек 10 миллионов долларов. Средства использованы для покупки долей в шести компаниях: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics и Robotico. Некоторые инвестиции уже приносят прибыль, а доходность по отдельным сделкам превышает 100%.

PrismaX

17 июня 2025 года PrismaX объявила о завершении раунда финансирования на сумму 11 миллионов долларов, в нем участвовали a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator и Virtuals.

PrismaX создает открытую координационную платформу, соединяющую удаленных операторов, пользователей роботов и компании. Операторы могут подключаться к пользователям, управлять роботами дистанционно для выполнения задач и собирать ценные данные. Также платформа позволяет запрашивать услуги, такие как логистика или реклама.

У PrismaX есть протокол для удаленного управления роботами, позволяющий компаниям искать опытных операторов для сложных задач, а операторам — ставить залог в токенах сети для повышения доверия и получения более выгодных заданий. Чем выше качество работы и эффективность, тем больше шансов получить награды.

Данные, собранные при удаленном управлении, используются для обучения роботов, повышая их автономность. Это, в свою очередь, повышает эффективность операторов и способствует полной автоматизации роботов.

NRN Agents

NRN — это развитие AI-агентов для соревнований в реальном времени, таких как AI Arena. 28 октября 2021 года ArenaX Labs завершила раунд посевного финансирования на 5 миллионов долларов, возглавленный Paradigm Capital, с участием Framework Venture Partners. 9 января 2024 года компания объявила о новом раунде на 6 миллионов долларов, в который вошли Framework Ventures, SevenX Ventures, FunPlus/Xterio и Moore Strategic Ventures.

Хотя процесс сбора данных и обучения роботов схож с другими проектами, благодаря богатому опыту в игровой индустрии NRN предлагает браузерный интерфейс, превращая сбор данных в игру. Пользователи управляют моделируемыми роботами через браузер, а их действия используются для обучения реальных роботов. В настоящее время проект сосредоточен на роботах с манипуляторами RME-1 для проверки сбора данных, обучения в реальном времени и адаптивности.