ZK-verifierbar matchning är ett sätt att köra en snabb, privat orderbok samtidigt som användarna får en kryptografisk garanti för att matchningsmotorn följde reglerna. Problemet den löser är enkelt: en CLOB behöver en operatör (eller en liten uppsättning operatörer) för att snabbt matcha order, men den operatören kan också fuska (omordna, hoppa över eller selektivt fylla). ZK ändrar förtroendemodellen: operatören kan vara snabb, men kan inte slutföra en uppdatering om de inte bevisar att den beräknats korrekt. Hur det fungerar (konceptuellt) ➤ Order samlas in och matchas off-chain (så du kan få låg latens-exekvering). ➤ Istället för att publicera hela order-flödet publicerar systemet: - ett åtagande för batch-/tillståndsövergången (ofta en tillståndsrot) - ett zk-bevis på att matchningen + riskkontroller + balansuppdateringar gjordes enligt protokollreglerna, - tillräcklig datatillgänglighet så att användare fortfarande kan lämna även om operatören försvinner. Den "tillräckliga datatillgängligheten" är där @hibachi_xyz designval är intressant: Hibachi kör en högpresterande CLOB och postar krypterad status-/handelsdata till @Celestia (så strategier och positioner är inte offentliga), samtidigt som han publicerar bevis så att uppdateringar förblir verifierbara, med hjälp av SP1 (Succincts zkVM) för att bevisa CLOB:n. Men vad betyder "matchning var korrekt" i bevistermer? Ett zk-proof kan upprätthålla samma invarianter som du normalt skulle förlita dig på att en utbytesoperator följer, till exempel: ➤ Beställningar matchades endast när priserna korsades (inga omöjliga fyllningar). ➤ Fyllningssekvensen respekterade lokalens prioriteringsregel (t.ex. pris-tidsprioritet eller vad platsen nu angier). ➤ Saldon/marginaler uppdaterades korrekt (inga dolda saldo-redigeringar). ➤ Den resulterande tillståndsroten är exakt vad du får genom att tillämpa reglerna på föregående tillståndsrot + batchen. Du kan hålla innehållet privat (order, storlekar, positioner) genom att kryptera det som publiceras på DA-lagret, medan beviset övertygar alla om att den krypterade uppdateringen fortfarande är en giltig tillståndsövergång.

Uppdateringar av robotsäkerhetsregler (USA/EU) I slutet av 2025 ser den regulatoriska situationen för "robotar i offentliga rum" annorlunda ut i EU jämfört med i USA. I EU är riktningen mot en enda, lager-på-lager-stapel för efterlevnad: ➤ produktsäkerhet (för den fysiska maskinen) ➤ cybersäkerhet (eftersom robotar är uppkopplade) ➤ och AI-styrning (eftersom autonomi och perception drivs av AI) Team behöver dokumentation, livscykelkontroller och (i vissa fall) AI-riskklassificeringsarbetsflöden som körs parallellt (klassisk reglering för EU, mycket begränsningar och pappersarbete). I USA är bilden mer sektorsbaserad: de tydligaste federala "uppdateringarna" finns i trafikautonomi (NHTSA:s olycksrapportering och utplacering/undantagsvägar) och drönare (FAA Remote ID-övervakning). För markrobotar på trottoarer och inomhusoffentliga arenor är reglerna fortfarande mer fragmenterade och ofta lokala.

Spårning och objektdetektering för robotik Inom robotik är objektdetektion en ögonblicksbild: "det finns en flaska vid (x, y) i denna ram." Objektspårning är det svårare, mer operativa: "det här är samma flaska som tidigare, den rörde sig så här, och den är fortfarande kvar även om jag inte ser den på 200 ms." Föreställ dig en mobil manipulatör vid en köksbänk. Uppgiften är enkel på papper: plocka upp den blå flaskan från ett rörigt bord medan en person rör sig i närheten. Roboten har en kamera (kanske djup också). Den kör en objektdetektor och får en begränsningsruta märkt "flaska" med ett konfidensvärde. Det låter som perception. Det är det inte än. På bildruta 1 ser detektorn flaskan. På bild 2 täcker personens arm den delvis, självförtroendet sjunker och lådan försvinner. På bild 3 dyker flaskan upp igen men detektorn flyttar lådan lite. Ur planerarens perspektiv har flaskan blinkat bort och teleporterats. I clutter får du också dubbletter: detektorn kan producera två trovärdiga "flask"-lådor för samma objekt. Om roboten reagerar direkt på detektioner per bildruta ser du klassiska felbeteenden: ➤ den tvekar eftersom målet "missar" var några bildrutor, ➤ den planerar om hela tiden eftersom målpositionen skakar, ➤ den sträcker sig mot fel objekt när två liknande föremål dyker upp, ➤ Den kan inte pålitligt upprätthålla "krocka inte med personen" eftersom personens låda också flimrar. Det är därför robotperception sällan stannar vid upptäckt. Den behöver objektpermanens: förmågan att säga "det här är fortfarande samma flaska, även om jag tappar bort den för en stund." Spårning är det som förvandlar bildruta-för-bild-gissningar till en stabil världsmodell. Ett typiskt tillvägagångssätt är "spårning genom detektering": du kör fortfarande en detektor varje bildruta, men kopplar detektioner till persistenta spår (ID) över tid med hjälp av prediktion + association. Konkret gör trackern tre saker: ➤ Förutsäg "var ska flaskan vara nu?" ➤ Associera "vilken detektering tillhör vilken spår?" ➤ Behåll identitet under förändringar Tillbaka till vår bordsscen: när du spårar slutar flaskan blinka. Den har en stabil ID, en jämnad positionsuppskattning och ofta en hastighetsuppskattning. Nu kan planeraren agera som en vuxen: den kan vänta ut en kort miljöförändring, binda sig till ett mål och planera en säker bana runt en person i rörelse. Även med spårning vet roboten fortfarande inte vad den gör i mänskliga termer. Den har "Spår #7" med en begränsningsruta och kanske en klassetikett "flaska." Det räcker inte för riktiga uppgifter eftersom riktiga uppgifter handlar om relationer och avsikt: ➤ "Välj den blå flaskan (inte den klara)." ➤ "Sträck dig inte över personen." ➤ "Flaskan är bakom muggen." ➤ "Om personen sträcker sig efter den, pausa." Det är här LLM:er (ofta ihopkopplade med VLM) kan hjälpa till genom att resonera över en strukturerad representation av scenen byggd av spår. Nyckeln är att LLM:n måste fungera i ett stabilt tillstånd. Om du matar den med råa detektioner per bildruta får du låg resonering eftersom dess indata flimrar. Spårning gör det semantiska lagret sammanhängande.