Di awal perkembangan internet dan pengembangan web, semuanya ditulis tangan dalam JavaScript atau HTML mentah.

Setiap aplikasi web adalah silo tersendiri. Saat mereka semakin kompleks, komunitas menciptakan alat seperti Webpack dan Vite yang merupakan pengemas modul dan sistem build yang secara otomatis menangani berbagai jenis file dan aset.

Artinya seorang pengembang dapat mengimpor gambar, font, atau file TypeScript ke dalam proyek mereka dan pengolah bundler akan tahu cara memprosesnya (mengonversi TS ke JS, menyisipkan gambar, dll ).

Browser itu sendiri hanya memahami HTML/CSS/JS tetapi toolkit ini mengkodekan/mendekodekan format lain menjadi output yang ramah browser.

Meskipun ini adalah perubahan kecil dalam cara data diformat, hal ini merevolusi pengembangan web.

Karena ini membuka siklus iterasi yang lebih cepat dan eksperimen yang lebih baik, Anda dapat menggunakan bahasa tingkat tinggi seperti TypeScript atau kerangka kerja karena alat bangun akan menerjemahkannya untuk Anda.

Yang mengakibatkan ledakan aplikasi web dan ekosistem yang jauh lebih padat, karena para pengembang tidak membuang waktu untuk menciptakan kembali pipeline pembangunan untuk setiap proyek.

Demikian pula, Robotics berada dalam tahap pra Webpack di mana banyak tim masih "mengkode secara manual" saluran data mereka.

Sebuah toolkit seperti ( untuk Robotika akan melakukan untuk data robot apa yang dilakukan Webpack untuk aset web.

Ini adalah visi yang dimiliki @unmoyai dan merupakan definisi mentah dari "codec".

Ini akan memungkinkan pengembang robotika untuk lebih mudah menggabungkan sumber data atau format baru tanpa perlu rekayasa khusus selama berbulan-bulan.

Mengarah pada siklus iterasi yang jauh lebih cepat. Apa yang dulunya memakan waktu tim 6 bulan kini bisa menyusut menjadi beberapa minggu atau kurang.

Ketika Anda memperpendek ide untuk jangka waktu eksperimen dengan satu urutan besar, Anda memungkinkan lebih banyak inovasi. Pengembang dapat mencoba ide baru tanpa biaya awal yang besar, memungkinkan mereka juga untuk gagal dan belajar dengan cepat.

Kami sudah melihat bagaimana iterasi yang lebih cepat telah mengubah perangkat lunak dengan pengkodean suasana. Jika Anda memberi tahu pengembang beberapa tahun yang lalu bahwa Anda akan mampu memberi tahu jendela prompt untuk mengkodekan Anda sebuah aplikasi super dalam satu pesan prompt, mereka pasti akan meludahi wajah Anda. Sekarang itu telah menjadi kenyataan.

Friction yang sama saat ini ada pada AI fisik. Para robotikawan sibuk menangani kompatibilitas perangkat keras:perangkat lunak alih-alih bekerja menuju masalah yang lebih besar dari humanoid yang lebih efektif.

Setelah pekerjaan grunt yang repetitif disingkirkan, perhatian kemudian dapat beralih ke perilaku desain dan penyempurnaan otak AI.

Sampai saat itu, ada nilai besar yang menunggu untuk tim yang membuka saluran data ini, memungkinkan para pengembang untuk berkreasi tanpa batasan.