BitRobot, una rete robotica basata su Solana, ha rilasciato come materiale open source 2.000 ore di dati di navigazione urbana, con l'obiettivo di affrontare uno dei principali ostacoli dell'intelligenza artificiale embodied: ottenere grandi volumi di dati di interazione nel mondo reale.

Il progetto sta sviluppando un marketplace decentralizzato per dataset robotici, utilizzando la tecnologia blockchain per tracciare i contributi e premiare i partecipanti. L'approccio è concepito come alternativa alle strutture centralizzate di teleoperazione, in cui grandi team di lavoratori azionano da remoto i robot per generare dati di addestramento.

Il nuovo dataset FrodoBots-2K contiene 2.000 ore di dati di navigazione urbana — un volume di gran lunga superiore alle circa 60 ore disponibili nei precedenti dataset pubblici — offrendo ai ricercatori di AI una risorsa notevolmente più ampia per l'addestramento dei sistemi di navigazione.

Dai robot marciapiede controllati a distanza ai dati AI aperti

BitRobot è stato inizialmente fondato con il nome di FrodoBots, con un lavoro iniziale incentrato su robot marciapiede controllati a distanza dai giocatori. I partecipanti azionavano le macchine durante attività in stile caccia al tesoro, generando dati da scenari di navigazione reali.

Tali informazioni sono state successivamente raccolte in FrodoBots-2K e rese pubbliche. Secondo quanto riportato, team associati a DeepMind, Meta e all'Università della California, Berkeley, hanno già utilizzato il dataset per sviluppare modelli di navigazione.

Il progetto ritiene che i dati del mondo reale restino uno dei vincoli più significativi per lo sviluppo della robotica. Jonathan Victor, presidente di BitRobot, ha sostenuto che le esigenze del settore vanno oltre la capacità di calcolo e l'architettura dei modelli, poiché i robot devono imparare da ambienti e interazioni imprevedibili anziché esclusivamente da condizioni di laboratorio controllate. La sfida ricalca la traiettoria dei grandi modelli linguistici, che hanno progredito rapidamente una volta resi disponibili corpora testuali su scala internet; all'AI embodied è mancato una fonte equivalente di dati di interazione fisica, e i rilasci aperti come FrodoBots-2K rappresentano un tentativo di colmare questo divario.

Per affrontare la sfida, BitRobot ha stabilito subnet specifiche per attività, concepite per raccogliere diverse categorie di dati robotici. Queste riguardano la navigazione urbana nonché compiti che richiedono destrezza fisica, consentendo alla rete di puntare a dataset specializzati invece di dipendere da un unico sistema di raccolta centralizzato.

Le telecamere indossabili ampliano la raccolta di dati

Uno degli strumenti principali di BitRobot è RoboCap, un dispositivo indossabile dal prezzo di circa 1.000 dollari, dotato di sei telecamere. L'apparecchiatura registra video in prima persona e i movimenti delle mani, permettendo la raccolta di dati mentre le persone svolgono compiti ordinari in ambienti come panifici e fabbriche.

L'azienda prevede di distribuire i dispositivi tra lavoratori e altri contributori per ampliare la gamma di scenari reali rappresentati nei propri dataset. Ci si aspetta che i partecipanti ricevano ricompense in base alla novità e all'utilità delle informazioni fornite.

Un meccanismo di punteggio è progettato per favorire situazioni insolite o preziose rispetto ai dati ripetitivi, il che potrebbe incoraggiare i contributori a catturare scenari difficilmente emergenti dalle convenzionali operazioni di raccolta dati altamente controllate.

Solana fornisce l'infrastruttura blockchain

Solana funge da infrastruttura blockchain sottostante di BitRobot, supportando il tracciamento dei contributi, la contabilità e i pagamenti. I suoi costi di transazione relativamente bassi sono pensati per rendere pratico compensare i partecipanti in una rete distribuita geograficamente.

Victor ha evidenziato gli strumenti di sviluppo di Solana e la sua consolidata comunità di sviluppatori come fattori determinanti nella decisione di costruire il progetto su questa blockchain.

BitRobot utilizza inoltre credenziali Access ID per consentire ai contributori di costruire reputazioni nel settore robotico. I partecipanti possono guadagnare ricompense digitali note come Bolts per i loro contributi, creando un sistema concepito per collegare partecipazione, reputazione e remunerazione.

Combinando dataset aperti, hardware indossabile per la raccolta di dati e incentivi basati su blockchain, BitRobot punta a creare una rete robotica in cui i contributori forniscano dati preziosi del mondo reale e condividano i benefici generati.

La proprietà dei dati potrebbe plasmare la competizione nella robotica

Lo sviluppo del progetto arriva mentre l'AI embodied diventa un'area di ricerca sempre più importante, con aziende e istituzioni accademiche alla ricerca di metodi migliori per addestrare i robot a compiti nel mondo fisico. Le principali società tecnologiche hanno investito massicciamente in programmi di apprendimento robotico, e l'accesso a scarsi dataset reali è diventato un fattore competitivo tra loro — uno dei motivi per cui rilasci aperti come FrodoBots-2K, che abbassano la barriera per laboratori più piccoli e ricercatori indipendenti, attirano l'attenzione in tutto il settore.

Per Solana, BitRobot rappresenta un'altra potenziale applicazione oltre alle transazioni finanziarie e all'attività speculativa. Alle 7 settembre 2026 SOL scambiava a $104.60, in calo dello 0,66% nelle 24 ore precedenti, sebbene le prestazioni di mercato del token restino distinte dalla tecnologia sottostante della rete.

Le prospettive a lungo termine di BitRobot dipenderanno dalla capacità del suo modello decentralizzato di produrre dataset di qualità superiore e più diversificati a un costo competitivo rispetto alle alternative centralizzate. In caso di successo, il modello basato sulla rete potrebbe offrire agli sviluppatori di robotica un accesso più ampio ai dati di addestramento reali, creando al contempo nuovi incentivi per individui e imprese nel contribuire informazioni in precedenza difficili da raccogliere.