机器人技术与人工智能的工作方式非常相似。

你需要大量高质量的数据来运营，除了你不能仅仅从互联网抓取机器人数据，因为它需要现实世界的经验和变量。

没有“机器人行动的互联网。”

成千上万的团队正在努力投入巨额资金到人形机器人中，因为它们是最明显的万亿级行业，由于它们将使劳动力变得(比印度平均工资每年50,000美元的效率更高)。

但最大的竞争，像人工智能一样是：

1. 获取高质量数据
2. 训练任务

基础模型在人工智能中类似于大型语言模型，但它们生成的是机器人执行的动作，而不是文本。

团队在任务训练方面采取了几种不同的方法，一些团队使用像Figure这样的高保真小数据集进行标注，而其他团队则采用喷洒和祈祷的方式，使用大量模型。

目标是赋予机器人广泛的、预训练的常识以及在任务和环境之间进行概括的能力。

与其为每项任务编程一个机器人，不如在多样的数据上训练一个巨型模型(人类视频、模拟、真实机器人演示、带有任务文本描述的图像等等)，模型学习对物理世界的具身理解。

然后您可以通过命令或示例提示机器人做某事(，基础模型的“知识”就会启动来处理，就像您可以向ChatGPT询问任何事情一样。

因此，对于许多这些公司来说，最大的脱节将是在任务训练领域，他们目前深度关注数据方面)世界仿真、合成数据、机器人轨迹、人类视频等(，因为他们需要它与现实世界完美互动，但在机器人/类人机器人实际能够做什么方面的发展并不多。

Nvidia 正在引领一个关键的基础模型 )Issac GR00T(，他们已完全开源。第三方团队已经在此基础上进行构建，并显著提高了效率 )基本上创建了一个程序，用于让类人机器人以最小的改动清理房间的基础模型数据(。

所以加密货币、人工智能与机器人技术的重大交集很可能在于这个任务训练领域)就像一个机器人应用商店(因为领先的基础模型已经开始开源，并且可能会有大型激励模型让独立开发者贡献并构建有趣的程序/任务给人形机器人。

年末/明年初将会有很多进展和主流发展，我认为机器人将迎来它的“chatgpt”时刻)埃隆大力宣传他的新型人形机器人，关于人形机器人执行现实任务的病毒视频，直观的资金流入，劳动力被裁减等等(。

我可以向你保证，我在这个想法上没有错，感觉就像2023年的人工智能。这是一个时间问题，而不是一个是否的问题。

不要忽视我们这一生中发生的最具创新性的技术进展之一，也不要忽视$CODEC，它是这一趋势重叠处唯一可用的投资。