¿Crear un nuevo concepto? Conocer DeSPIN y 8 proyectos que vale la pena seguir.

El núcleo de DeSPIN radica en combinar la información geográfica con el contexto ambiental, proporcionando así apoyo a la toma de decisiones humanas.

Redactado por: cookies

Compilado por: Shenchao TechFlow

Con el continuo desarrollo de la tecnología Web3, la Red de Inteligencia Espacial Descentralizada (Decentralized Spatial Intelligence Network, DeSPIN) se está convirtiendo en un área de gran interés. A través del análisis y la utilización de datos visuales del mundo real, DeSPIN no solo proporciona soluciones innovadoras para la construcción de mapas, la planificación urbana y la robótica, sino que también abre un nuevo modelo económico de «Contribuir para Ganar» (Contribute-to-Earn). Este artículo analizará en detalle los conceptos clave de DeSPIN, los principales protocolos y su dirección futura.

¿Qué es DeSPIN?

La inteligencia espacial (Spatial Intelligence) es una técnica que extrae conocimientos analizando datos visuales del mundo real. Su núcleo radica en combinar información geográfica con el contexto ambiental, proporcionando apoyo a la toma de decisiones humanas. La red de inteligencia espacial descentralizada (DeSPIN) combina esta técnica con la filosofía de descentralización de blockchain y Web3, formando un ecosistema abierto y compartido. Imagina que puedes ganar ingresos compartiendo fotos de carreteras que tomas en tu vida diaria, o registrando datos ambientales en centros comerciales y calles. Este modelo no solo reduce la barrera de entrada para la recopilación de datos, sino que también incentiva a los usuarios comunes a contribuir al desarrollo de la inteligencia espacial.

Antes de entender las aplicaciones específicas de DeSPIN, necesitamos dominar el marco básico de la inteligencia espacial. La inteligencia espacial se compone de cuatro partes centrales:

• Recopilación de datos: Recopilar datos mediante redes de sensores (como cámaras, GPS) y dispositivos de Internet de las cosas (como teléfonos móviles, portátiles).
• Procesamiento y análisis de datos: utilizar técnicas de aprendizaje automático para procesar metadatos geográficos, identificar patrones en los datos y construir una base de datos de consultas espaciales.
• Representación del conocimiento: vincular datos con el contexto del entorno a través de mapeo semántico para proporcionar información geográfica visual a los usuarios.
• Sistema de soporte a la decisión: construir modelos de predicción espacial para proporcionar servicios de aplicación a los usuarios, como optimización de rutas, evasión de obstáculos, etc.

Principales protocolos en el campo de DeSPIN

Actualmente, han surgido múltiples protocolos innovadores en el campo de DeSPIN, centrados en diferentes escenarios de aplicación. A continuación se presentan ocho proyectos que merecen atención:

1 Hivemapper

Hivemapper es un protocolo de construcción de mapas descentralizado que utiliza el modelo “Drive-2-Earn”. Los usuarios informan en tiempo real sobre problemas en las carreteras a través de una aplicación móvil, mientras que los conductores recopilan datos mediante una cámara de tablero instalada en sus vehículos. Estos datos son procesados por un algoritmo de IA para generar mapas, y su precisión se verifica mediante el aprendizaje reforzado con retroalimentación humana (RLHF). Hivemapper ofrece mapas de cobertura, donde los usuarios pueden ver qué áreas han sido mapeadas y acceder a los datos a través de una API. Los contribuyentes de datos pueden recibir recompensas en tokens $HONEY, que se pueden utilizar para comprar datos de mapas u otros servicios.

2 NATIX Network

NATIX Network es un protocolo de economía de mapas descentralizado, que se centra en la recolección de datos de carreteras a través de dispositivos móviles y cámaras de tablero, utilizando un modelo de “conducir y ganar”. Su tecnología central VX360 admite la recolección de datos panorámicos de 360 grados, y los datos recolectados se pueden utilizar para desarrollar funciones de asistencia al conductor, como la optimización de la conducción autónoma. Actualmente, NATIX Network ha cubierto 171 países, con más de 223,000 conductores registrados y una distancia total mapeada de 131 millones de kilómetros. Los contribuyentes de datos y los nodos de la red pueden recibir recompensas en tokens $NATIX, incentivando aún más el desarrollo del ecosistema.

Hivemapper y NATIX se dedican a construir mapas de mejor calidad a través de datos de carreteras crowdsourced. Las posibles aplicaciones de estos datos son muy amplias e incluyen principalmente los siguientes aspectos:

• Optimización del tráfico urbano: mediante el análisis de los datos de carretera recopilados en tiempo real, se puede mejorar la gestión del flujo de tráfico, reducir la congestión y aumentar la eficiencia de los desplazamientos.
• Monitoreo de las condiciones de la carretera: detectar y reportar de manera oportuna daños en la carretera, obstáculos u otros problemas potenciales, lo que ayuda a mantener la seguridad y confiabilidad de la infraestructura.
• Detección de delitos y comportamientos violentos: el uso de datos de mapas combinados con algoritmos de IA puede ayudar a identificar y localizar comportamientos anómalos, brindando apoyo a la seguridad pública.

Estas aplicaciones no solo mejoran la funcionalidad de los mapas, sino que también aportan un valor real a la gestión urbana y a la seguridad social.

3 FrodoBots

FrodoBots es un protocolo de recolección de datos gamificada a través de robots, donde los usuarios pueden controlar de forma remota robots terrestres para recoger datos geográficos, apoyando múltiples formas de operación (como controladores, teclados o volantes de juego). Además, los investigadores también pueden desplegar modelos de navegación AI en la plataforma para realizar pruebas. Los usuarios ganan FrodoBot Points (FBPs) al completar tareas de conducción, con los puntos relacionados con la distancia y dificultad de las tareas; cuanto más larga sea la distancia y mayor sea la dificultad, más puntos se ganan. FrodoBots ha sido probado en varias ciudades y ha organizado competiciones de habilidades de navegación entre AI y humanos. Además, FrodoBots ha establecido un sistema similar a una ‘guilda’ llamado Earth Rovers School, que permite a los nuevos usuarios participar en la recolección de datos alquilando Earth Rovers.

4 JoJoWorld

JoJoWorld es un protocolo enfocado en la recolección de datos espaciales en 3D, donde los usuarios contribuyen con datos para ayudar a entrenar modelos tridimensionales. La plataforma ofrece datos 3D de alta calidad, utilizados para crear diversas escenas digitales, aplicables en realidad virtual, planificación urbana y otros campos. Los usuarios también pueden comprar directamente estos datos 3D para el desarrollo de modelos digitales personalizados.

Los siguientes cuatro protocolos también se centran en la recopilación de datos espaciales del mundo real, pero sus campos de aplicación están más segmentados, abarcando escenarios específicos como el entrenamiento de modelos de robots. Estos protocolos inyectan más posibilidades en el ecosistema de la red de inteligencia espacial descentralizada (DeSPIN) al enfocarse en datos de cola larga y necesidades específicas.

5 PrismaXAI

PrismaXAI es un protocolo para recopilar datos específicos de la escena desde una perspectiva en primera persona, adecuado para escenarios complejos como interacciones mano-objeto, movimientos dinámicos y reuniones sociales. Su tecnología principal, Proof-of-View, garantiza la autenticidad de los datos al tiempo que mejora la precisión de la anotación de datos a través de un mecanismo de verificación descentralizado. Este protocolo tiene un gran potencial para adquirir datos de cola larga y proporciona ventajas únicas para el entrenamiento de modelos.

6 OpenMind AGI

OpenMind AGI se centra en la comprensión del mundo real a través de modelos de visión - lenguaje - acción (VLAMs). Su sistema central OM1 es un sistema operativo multiplataforma capaz de interactuar con entornos reales dinámicos, especialmente adecuado para el desarrollo personalizado de tecnología robótica. La plataforma recopila datos a través de teléfonos móviles y robots, y comparte estos datos con los desarrolladores de robots para mejorar e innovar en los escenarios de aplicación robótica.

7 MeckaAI

MeckaAI es un protocolo de entrenamiento de modelos de IA de robots descentralizado, donde los usuarios ayudan a entrenar modelos de comportamiento de robots mediante la subida de datos de video. La plataforma ofrece una aplicación móvil, y los usuarios pueden ganar OG Mecka Points al completar tareas, incentivando así la contribución de datos. MeckaAI se dedica a impulsar el desarrollo de la tecnología robótica a través de un modelo de crowdsourcing, reduciendo la barrera para la obtención de datos de entrenamiento.

8 Xmaquina DAO

Xmaquina DAO es una organización autónoma descentralizada (DAO) que apoya proyectos de robots de código abierto. A diferencia de otros protocolos que participan directamente en el entrenamiento de modelos, el objetivo principal de Xmaquina DAO es apoyar la investigación e innovación en el campo de la robótica a través de la asignación de recursos. Su centro de innovación interno, Deus Lab, se centra en la investigación y desarrollo de tecnología robótica, mientras que MachineDAO decide la asignación de recursos a qué proyectos a través de la votación con el token en staking $DEUS. Este modelo proporciona apoyo financiero para el desarrollo de la robótica de código abierto, al tiempo que garantiza la transparencia y equidad en la asignación de recursos.

Estructura organizativa de MachineDAO

Debido a limitaciones de espacio, hay algunos protocolos de aplicación en campos similares que no se detallan aquí, como Alaya_AI, Gata_xyz, KrangHQ, etc., que también merecen atención.

El futuro de DeSPIN: de la contribución al valor

Aunque DeSPIN aún está en pañales, no se puede ignorar su potencial. Con el desarrollo de la IA física y la IA incorporada, así como el surgimiento de nuevos conceptos como la flota de datos humanos, DeSPIN está preparada para liderar una nueva revolución tecnológica.

Una posible tendencia es la popularización del modelo “Entrenar para Ganar” (Train-to-Earn, T2E), donde los usuarios contribuyen valor a través de los datos espaciales obtenidos en su vida diaria y reciben recompensas según la calidad de los datos. Por ejemplo, la aparición de dispositivos de gafas descentralizadas puede mejorar enormemente la precisión y diversidad de la recolección de datos. Los datos capturados por las gafas inteligentes no solo pueden reflejar de la manera más auténtica cómo los humanos perciben el mundo, sino que también pueden recopilar muchos datos de cola larga, como ruido ambiental y características faciales, lo que abre posibilidades más amplias en el campo de la inteligencia espacial.

Sin embargo, el desarrollo de DeSPIN también enfrenta algunos desafíos, tales como:

• Validación de datos: ¿cómo asegurar la veracidad y precisión de los datos de crowdsourcing?
• Problemas éticos: ¿cómo regular el uso de datos para evitar la filtración de privacidad y el abuso?
• Aceptación por parte de la demanda: ¿Están dispuestas las instituciones tradicionales a adoptar conjuntos de datos descentralizados?

La solución de estos problemas determinará la dirección futura de DeSPIN, que necesita ser investigada y resuelta más a fondo en el futuro.