BitRobot, un réseau de robotique bâti sur Solana, a publié 2 000 heures de données de navigation urbaine en open source, afin de s'attaquer à l'un des plus grands obstacles de l'intelligence artificielle incarnée : l'obtention de grands volumes de données d'interaction dans le monde réel.

Le projet développe une place de marché décentralisée pour les jeux de données robotiques, en utilisant la technologie blockchain pour suivre les contributions et récompenser les participants. Cette approche est conçue comme une alternative aux installations centralisées de téléopération, où de grandes équipes d'opérateurs pilotent à distance des robots pour générer des données d'entraînement.

Le nouveau jeu de données FrodoBots-2K contient 2 000 heures de données de navigation urbaine — de loin supérieures aux quelque 60 heures disponibles dans les jeux de données publics antérieurs — offrant aux chercheurs en IA une ressource bien plus vaste pour entraîner les systèmes de navigation.

De robots de trottoir pilotés à distance aux données IA ouvertes

BitRobot a été créé à l'origine sous le nom de FrodoBots, avec des travaux initiaux centrés sur des robots de trottoir pilotés à distance par des joueurs. Les participants manipulaient ces machines lors d'activités de type chasse au trésor, générant ainsi des données à partir de scénarios de navigation réels.

Ces informations ont depuis été compilées dans FrodoBots-2K et rendues publiques. Selon le rapport, des équipes associées à DeepMind, Meta et l'université de Californie à Berkeley ont déjà utilisé ce jeu de données pour développer des modèles de navigation.

Le projet estime que les données du monde réel demeurent l'une des contraintes les plus importantes au développement de la robotique. Jonathan Victor, président de BitRobot, a soutenu que les besoins du secteur vont au-delà de la capacité de calcul et de l'architecture des modèles, car les robots doivent apprendre d'environnements et d'interactions imprévisibles plutôt qu'exclusivement de conditions de laboratoire contrôlées. Ce défi rappelle la trajectoire des grands modèles de langage, qui ont progressé rapidement une fois des corpus textuels à l'échelle d'Internet devenus disponibles ; l'IA incarnée a manqué d'une source équivalente de données d'interaction physique, et les publications ouvertes comme FrodoBots-2K constituent une tentative de combler cet écart.

Pour relever ce défi, BitRobot a mis en place des sous-réseaux spécifiques à des tâches, conçus pour recueillir différentes catégories de données robotiques. Ils couvrent la navigation urbaine ainsi que des tâches exigeant de la dextérité physique, permettant au réseau de cibler des jeux de données spécialisés au lieu de dépendre d'un système de collecte centralisé unique.

Des caméras portables pour élargir la collecte de données

L'un des principaux outils de BitRobot est RoboCap, un dispositif portable d'environ 1 000 dollars équipé de six caméras. L'équipement enregistre la vidéo en vue subjective et les mouvements des mains, permettant la collecte de données pendant que les personnes accomplissent des tâches ordinaires dans des environnements tels que des boulangeries ou des usines.

L'entreprise prévoit de distribuer ces dispositifs à des travailleurs et autres contributeurs afin d'élargir la gamme de scénarios réels représentés dans ses jeux de données. Les participants devraient être récompensés en fonction du caractère nouveau et utile des informations qu'ils fournissent.

Un mécanisme de notation est conçu pour favoriser les situations inhabituelles ou précieuses plutôt que les données répétitives, ce qui pourrait encourager les contributeurs à capturer des scénarios peu susceptibles d'émerger d'opérations de collecte conventionnelles et hautement contrôlées.

Solana fournit l'infrastructure blockchain

Solana sert d'infrastructure blockchain sous-jacente à BitRobot, prenant en charge le suivi des contributions, la comptabilité et les paiements. Ses coûts de transaction relativement faibles sont destinés à rendre pratique la rémunération des participants au sein d'un réseau géographiquement distribué.

Victor a souligné que les outils de développement de Solana et sa communauté de développeurs établie ont été des facteurs clés dans la décision de construire le projet sur cette blockchain.

BitRobot utilise également des identifiants Access ID permettant aux contributeurs de bâtir une réputation dans le domaine de la robotique. Les participants peuvent gagner des récompenses numériques appelées Bolts pour leurs contributions, créant un système conçu pour relier participation, réputation et rémunération.

En combinant des jeux de données ouverts, du matériel portable de collecte de données et des incitations fondées sur la blockchain, BitRobot vise à créer un réseau de robotique dans lequel les contributeurs fournissent des données précieuses du monde réel et partagent les avantages qu'elles génèrent.

La propriété des données pourrait façonner la concurrence en robotique

Le développement du projet intervient alors que l'IA incarnée devient un domaine de recherche de plus en plus important, les entreprises et les institutions académiques cherchant de meilleures façons d'entraîner les robots à des tâches du monde physique. Les grandes entreprises technologiques ont investi massivement dans des programmes d'apprentissage robotique, et l'accès à des jeux de données réels rares est devenu un facteur de concurrence entre elles — l'une des raisons pour lesquelles les publications ouvertes comme FrodoBots-2K, qui abaissent la barrière pour les petits laboratoires et les chercheurs indépendants, attirent l'attention dans tout le domaine.

Pour Solana, BitRobot représente une autre application potentielle au-delà des transactions financières et de l'activité spéculative. SOL s'échangeait à 104,60 dollars au 7 septembre 2026, en baisse de 0,66 % sur les 24 heures précédentes, bien que la performance du token reste distincte de la technologie sous-jacente du réseau.

Les perspectives à long terme de BitRobot dépendront de la capacité de son modèle décentralisé à produire des jeux de données de meilleure qualité et plus diversifiés à un coût compétitif par rapport aux alternatives centralisées. En cas de succès, ce modèle fondé sur le réseau pourrait donner aux développeurs en robotique un accès plus large aux données d'entraînement réelles, tout en créant de nouvelles incitations pour les particuliers et les entreprises à contribuer des informations jusqu'ici difficiles à collecter.