ドロイド、菌糸体、生態系、機械、および AI エージェントのためのシグナルネイティブなエッジコンピュータ
コンピュータは人間のために作られました。
テキスト、数字、画像、表計算ソフト、コード、コマンド、言語を処理するために作られました。キーボード、スクリーン、ファイル、オペレーティングシステム、そして人間が他の人間のために設計したネットワークを中心に構築されました。現在の人工知能の波でさえ、依然として主に人間の表現の産物、つまり書籍、ウェブサイト、論文、会話、コードリポジトリ、画像、キャプション、動画で訓練されています。
しかし、地球は段落で語りません。
土壌は干ばつを英語で説明しません。菌類はチャットボットを通じてストレスを知らせません。木々はテレメトリを API に公開しません。アリのコロニーはルーティングロジックを JSON で説明しません。海洋環境は音響異常にラベルを付けてくれません。生命システムは、勾配、電圧、ガス、圧力、振動、湿度、熱、化学変化、電気的振動、成長、衰退、運動、そして応答を通じて信号を送ります。
だからこそ、私たちは MycoBrain を構築しました。
MycoBrain は、@Mycosoft 環境ドロイド（私たちが屋外で生活し、生き残り、学習し、人間が毎瞬指示を出さなくても動作するように構築するロボット、プローブ、ブイ、ステーション、生物学的インターフェース）の中核コンピュータです。これは私たちの共有ハードウェア神経系です。つまり、生物世界をエッジ AI、メッシュネットワーキング、そして Nature Learning Model に接続する、モジュラー式のデュアル ESP32-S3 センサーおよび通信マザーボードです。
MycoBrain は、単なる開発ボードではありません。単なる IoT コントローラーでもありません。これは、私たちが意図的に人間以外のコミュニケーション、つまり言葉ではなくシグナルを通じたコミュニケーションのために構築する最初のコンピュータです。
ハードウェアポートフォリオは、MycoBrain をすべての Mycosoft デバイスの中心にある共有デュアル ESP32-S3 コントローラープラットフォームとして定義し、Side-A がセンサー I/O を処理し、Side-B が LoRa メッシュネットワーキングを処理します。V1 ボードは、デュアル ESP32-S3-WROOM モジュール、4 つのアナログ入力、I²C、MOSFET 出力、UART、SX1262 LoRa、および 5～12 V 電源入力を使用する、85 mm × 55 mm、45 g の PCB として文書化されています。
MycoBrain が存在する理由
現在の AI 業界は、インターネットを読むますます大規模なモデルを構築しています。それは有用ですが、十分ではありません。
言語モデルは、すでに人間の知覚を通り抜けた現実の表現に基づいて訓練されています。森は段落になります。土壌の状態はメモになります。菌類のストレス応答は実験室での観察になります。沿岸の音響環境はラベル付けされたデータセットになります。モデルがそれを認識する頃には、現実はすでに圧縮され、フィルタリングされ、解釈され、翻訳されています。
Mycosoft は、別のものを構築しています。
私たちの主張は、次世代のインテリジェンスは、言語になる前の物理的現実から学習しなければならないということです。Nature Learning Model（NLM）は、その考え方を中心に設計されています。これは、テキストや画像だけでなく、波長、波形、電圧、ガス濃度、温度勾配、圧力場、生きた生物圏シグナルから学習する、根拠のある感覚世界モデルです。そのアーキテクチャは、継続的なセンサーストリームとマルチモーダルな環境関係のために、SSM/Mamba バックボーン、グラフ/ハイパーグラフレイヤー、およびスパースアテンションを使用しています。
そのためには、エッジに新しい種類のコンピュータが必要です。
土壌、空気、水、森林、農場、実験室、建物、海洋に置くことができるコンピュータ。ガス抵抗、湿度、温度、圧力、導電率、pH、生体電気スパイク、ハイドロホン波形、レーダーリターン、LiDAR 形状、カメラフレーム、バッテリー状態、メッシュステータスを読み取ることができるコンピュータ。それらのシグナルを、NVIDIA Jetson や M5Stack LLM モジュール上のローカル AI 推論にルーティングし、NatureOS、MINDEX、MYCA、AVANI、FUSARIUM、そしてより広範な Mycosoft スタックと同期できるコンピュータ。
そのコンピュータが MycoBrain です。
中心的な設計：一つの脳、多くの身体
すべての Mycosoft ドロイドは異なる身体を持っています。
Mushroom 1 は土壌、菌糸体、フィールドセンシング用に構築されています。SporeBase は生物エアロゾル、胞子、空気サンプリング用に構築されています。Hyphae 1 はモジュラー式産業用センサーおよびエッジコンピュートノードとして構築されています。MycoNode は埋設型地下菌類インターフェースとして構築されています。ALARM は生物学的および環境的警告用に構築されています。Psathyrella は海洋音響インテリジェンス用に構築されています。Agaric は空中ドロイドおよび展開プラットフォームとして構築されています。
異なる身体。異なる環境。異なるミッション。
しかし、それらすべてには同じ基本的な神経系が必要です。
センサーデータを収集し、電力を管理し、メッシュネットワーク上で通信し、リンクが故障したときにデータをバッファリングし、テレメトリを同期し、拡張ポートを公開し、ファームウェアアップデートをサポートし、推論レイヤーに接続する必要があります。もしすべてのデバイスが完全に異なるマザーボード、ファームウェアスタック、コネクタマップ、プロトコルを持っていたら、Mycosoft はすぐにスケーラブルでなくなります。
そこで、私たちは MycoBrain を再利用可能な内部アーキテクチャとして構築しました。
一つのボードファミリー。一つのファームウェア系統。一つのテレメトリ語彙。一つのシグナルパイプライン。一つのスケーラブルな製造経路。
MycoBrain は、すべての Mycosoft デバイスの通信およびセンサー取得の中心であり、その設計 IP は、単一 PCB 上の専用センサーおよびルーターサブシステムを備えたデュアル MCU アーキテクチャと、独立したファームウェアアップデートを可能にする UART ブリッジトポロジとして識別されています。
これは製造にとって重要ですが、インテリジェンスにとってはさらに重要です。艦隊全体が同じ神経系を通じて学習します。
MycoBrain V2：現在私たちが中心に据えて構築しているボード
MycoBrain V2 は、V1 のコンセプトを拡張し、より大きく、より高機能なエッジ制御ボードへと進化させました。
アーキテクチャ：2 つの ESP32-S3-WROOM-1U-N16R8 モジュール、CORE1262-868M LoRa トランシーバー、SIM7600G 26 ピンモデムヘッダー、2 つの USB-C コネクタ、4 つのアナログ入力、4 つの I²C ヘッダー、UART0 および UART2 ヘッダー、3 つの 5 V 出力、NeoPixel 出力、2 つのブザー、12 V 入力、5 V および 3.3 V レール。
この組み合わせにより、3 つの役割を持つ実用的なフィールドコンピュータが実現します。
最初の役割はセンシングです。MycoBrain は環境の生の物理的状態を収集する必要があります。つまり、アナログ入力、I²C センサー、ガスセンサー、生体電気プローブ、外部センサーカード、コンパニオンコンピュートによるカメラ/レーダー/LiDAR 拡張、バッテリー監視、将来のモジュラーペイロードです。
2 つ目の役割はルーティングです。MycoBrain は、WiFi が保証されておらず、セルラーが断続的であり、フィールドデバイスが互いに中継する必要がある可能性がある世界でデータを移動させる必要があります。そのため、LoRa がコアアーキテクチャに組み込まれており、Side-B が通信皮質として存在します。
3 つ目の役割は調整です。MycoBrain は生物世界と AI 世界の間に位置します。これは、菌類プローブ、土壌センサー、ハイドロホン、気象パッケージ、LTE モジュール、Jetson、およびクラウドプラットフォームが一つの統合システムに参加できるようにするボードです。
このボードは、最大のコンピュータであろうとはしていません。身体の中で最も重要なコンピュータであろうとしています。
Side-A と Side-B：なぜ MycoBrain には 2 つの脳があるのか
単一のマイクロコントローラーでセンサーノードを実行することは可能です。しかし、自律型環境ドロイド艦隊の長期的な神経系になることはできません。
デュアル ESP32 構造が存在するのは、センシングと通信が異なるタイミング、電力、信頼性要件を持つ異なる仕事だからです。
Side-A は決定論的な身体コントローラーです。センサーポーリング、アナログ読み取り、I²C 拡張、ローカルアクチュエータ制御、電力監視、しきい値検出、安全範囲を担当します。Side-A は、システムの中で冷静で、予測可能で、効率的であるべき部分です。規律を持って物理世界を読み取ります。
Side-B は通信およびルーティングコントローラーです。LoRa、BLE、WiFi、LTE 拡張、将来のモデムパス、ハートビートトラフィック、ゲートウェイ動作、メッシュ参加を管理します。Side-B は、通信が必要なときにより多くのエネルギーを消費し、不要なときはスリープまたはデューティサイクルを行うことができます。
この分割により、アーキテクチャは堅牢になります。無線スタックがハングアップしても、センサー側は収集を続けられます。実験で高レートのセンサーサンプリングが必要な場合、通信をその周りにスケジュールできます。デバイスが埋設、浮遊、歩行、飛行している場合でも、同じ分割が依然として有効です。
単純なメンタルモデルは次のようになります。
1 ┌──────────────────────────────┐2 │ Jetson / AI Cortex │3 │ NLM inference, MYCA agents │4 │ local memory, model weights │5 └──────────────┬───────────────┘6 │7 MDP / UART / Bridge8 │9┌────────────────────────────┴────────────────────────────┐10│ MycoBrain │11│ │12│ ┌──────────────────────┐ ┌──────────────────────┐ │13│ │ Side-A ESP32-S3 │ │ Side-B ESP32-S3 │ │14│ │ deterministic sensing │◄────►│ comms + mesh routing │ │15│ │ analog / I²C / power │ │ LoRa / BLE / WiFi/LTE │ │16│ └──────────────────────┘ └──────────────────────┘ │17│ │18└──────────────────────────────────────────────────────────┘
これは、複雑さそのもののためではありません。それは、組み込みシステムに適用された生物学的思考です。つまり、器官を特化させ、その後、有機体に調整させるのです。
シグナルネイティブデータモデル
従来の AI パイプラインは次のようになります。
1テキスト → トークナイザー → トランスフォーマー → テキスト
MycoBrain が存在するのは、自然のパイプラインがそれとは全く異なるからです。
菌類のストレス応答は、電圧変動として到着するかもしれません。胞子イベントは、粒子数、ガスプロファイル、光学異常として到着するかもしれません。海洋の脅威は、ハイドロホンストリームの圧力波形として到着するかもしれません。木のストレスは、水分、VOC、温度、菌根の生体電気応答として現れるかもしれません。
したがって、MycoBrain のパイプラインは物理的状態から始まります。
xt=[Vt,It,Tt,RHt,Pt,VOCt,CO2t,pHt,ECt,At,Mt,Lt,Rt]xt=[Vt,It,Tt,RHt,Pt,VOCt,CO2t,pHt,ECt,At,Mt,Lt,Rt]
ここで：
- Vt は電圧または生体電位
- It は電流またはインピーダンス由来シグナル
- Tt は温度
- RHt は相対湿度
- Pt は圧力
- VOCt は揮発性有機化合物応答
- CO2t は二酸化炭素相当量または関連ガス推定値
- pHt は酸性/アルカリ性
- ECt は電気伝導率
- At は音響波形状態
- M は機械的または運動状態
- Lt は光、スペクトル、または LiDAR 由来形状
- Rは無線/ネットワーク状態
Nature Learning Model は、その後、潜在的な環境状態を学習します。
zt=fθ(xt−k:t,mt,gt)zt=fθ(xt−k:t,mt,gt)
ここで、xt−k:t はシグナルの履歴ウィンドウ、mt はデバイスの役割や較正状態などのメタデータ、gt はグラフコンテキスト（近隣のデバイス、生物、地理、天候、トポロジー、または既知の生態学的関係）です。
そこから、MYCA はアクションを提案できますが、AVANI がそれらのアクションが安全かどうかを管理します。
1â_t = action proposed by MYCA2a_t = action actually allowed to execute3π_MYCA = MYCA’s action policy4z_t = current latent environmental state5G_AVANI = AVANI governance gate6∅ = no autonomous action
これがシステムの中核です。シグナルは状態になり、状態は推論になり、推論は提案されたアクションになり、アクションはガバナンスを通過し、物理世界がモデルにフィードバックされます。
コードビュー：MycoBrain シグナルフレームの外観
開発者は、MycoBrain をボードとしてだけでなく、プロトコル参加者としても理解できる必要があります。デバイスは単に「センサー読み取り値を送信」しているのではありません。構造化された物理的証拠を公開しているのです。
簡略化されたシグナルフレームは次のようになります。
1{2 "frame_type": "MYCOBRAIN_SIGNAL_FRAME",3 "device_id": "mycobrain-v2-0001",4 "device_role": "mushroom1",5 "timestamp": "2026-05-28T00:00:00Z",6 "location": {7 "lat": 32.6401,8 "lon": -117.0842,9 "alt_m": 24.210 },11 "signals": {12 "thermal": {13 "temperature_c": 23.41,14 "relative_humidity": 67.2,15 "pressure_hpa": 1012.816 },17 "chemical": {18 "voc_resistance_ohms": 323410,19 "co2_equivalent_ppm": 612,20 "gas_index": 8421 },22 "bioelectric": {23 "channels": 16,24 "sample_rate_hz": 100,25 "range": "uV-mV",26 "window_ms": 5000,27 "features": {28 "spike_count": 18,29 "dominant_frequency_hz": 3.7,30 "mean_amplitude_uv": 42.631 }32 },33 "mechanical": {34 "vibration_rms": 0.013,35 "orientation": [0.01, -0.04, 0.99]36 },37 "network": {38 "link": "LoRa",39 "rssi_dbm": -103,40 "snr_db": 7.2,41 "mesh_hops": 242 }43 },44 "provenance": {45 "source": "side-a",46 "transport": "MDP",47 "crc16": "0xA81F",48 "hash": "sha256:..."49 }50}
そのフレームは、ローカル推論のために Jetson にルーティングしたり、ネットワーク損失中にローカルに保存したり、LoRa を通じて送信したり、LTE を通じて転送したり、NatureOS に公開したり、MINDEX にハッシュ化したり、NLM によって評価したり、AVANI によって管理したりできます。
これが、MycoBrain が「単なるハードウェア」ではない理由です。これは物理からデジタルへの文法なのです。
MDP：デバイスプロトコルレイヤー
MycoBrain がデバイス間で動作するには、組み込みマイクロコントローラーには十分シンプルでありながら、艦隊には十分構造化された低レベルプロトコルが必要です。内部では、その役割は MDP（MycoBrain Device Protocol）によって処理されます。
FUSARIUM アーキテクチャは、MDP v2 を、COBS エンコーディングと CRC-16 整合性チェックを使用し、UART および BLE 物理転送用に設計されたバイナリ転送プロトコルとして説明し、観測、アラート、コマンド、設定更新、ハートビートのための構造化メッセージタイプを備えています。
概念レベルでは：
1[ magic ][ version ][ type ][ seq ][ payload_len ][ payload ][ crc16 ]
ファームウェアループはクリーンに保てます：
1while True:2 # Side-A: 決定論的センシング3 raw_signals = side_a.sample_all(4 analog=True,5 i2c=True,6 power=True,7 bioelectric=True8 )910 # 信頼性のあるフレームにエンコード11 frame = mdp.encode(12 message_type="OBSERVATION",13 payload=raw_signals,14 crc16=True,15 cobs=True16 )1718 # Side-B: 通信ルーティング19 side_b.route(20 frame,21 preferred_links=["LoRa", "BLE", "WiFi", "LTE"],22 store_and_forward=True23 )2425 # Jetson: オプションのローカル推論26 if jetson.available():27 latent_state = nlm.encode(raw_signals)28 decision = myca.propose(latent_state)2930 if avani.gate(decision) == "PASS":31 side_a.execute(decision.action)
これが Mycosoft 哲学の組み込み版です。まず測定し、次に推論し、ガバナンスの後にのみ行動します。
MycoBrain が非人間のために構築されている理由
「非人間のために構築された最初のコンピュータ」というフレーズは、軽々しく使っているスローガンではありません。
私たちは特定の意味を込めています。
ほとんどのコンピュータは、主要ユーザーが人間であると想定しています。人間がタイプし、クリックし、話し、ジェスチャーし、タップします。AI アシスタントでさえ、最終的には世界を人間の言語にマッピングします。
MycoBrain はそれを逆転させます。
主要ユーザーは、次のような存在かもしれません。
- 生体電気振動を生成する菌類ネットワーク
- 導電率とガス交換を変化させる土壌マイクロバイオーム
- 干ばつに応答する森林
- 移動パターンを変えるアリのコロニー
- 菌根関係を通じて資源を交換する樹木
- 海洋音響圧力を検出するハイドロホン
- 自身の電力とセンサースケジュールを管理するロボットボディ
- フィールドからの証拠を要求する AI エージェント
- メッシュを通じてテレメトリを中継する別の MycoBrain
その世界では、言語は最初のインターフェースではありません。シグナルが最初です。
FCI ホワイトペーパーは、Fungal Computer Interface を、菌類の菌糸体とデジタルコンピューティングシステム間の双方向通信チャネルとして定義し、菌類の生体電気および生化学シグナルを、環境センシング、データ処理、および生物学的計算のためのデジタルデータストリームに変換します。
これが MycoBrain の非人間指向の基盤です。ボードは、生物世界がテキストになるのを待ちません。生命がすでに通信しているレベルで生物世界と出会います。
生きたシグナルネットワークとしての菌糸体
菌類は受動的な物質ではありません。菌糸体は感知し、応答します。
FCI の資料は、菌糸体を、温度、水分、pH、栄養素、毒素、その他の刺激に電気的および化学的シグナル伝達を通じて応答する生きたセンサーアレイとして説明しています。また、菌類の生体電気活動、適応性、環境応答性を、菌類をセンシングおよび非従来型コンピューティングに有用にする特性として説明しています。
FCI プローブに接続された MycoBrain は、その生きた組織をシグナル源として扱い始めることができます。魔法としてではなく。神秘主義としてではなく。計装として。
電極は微弱な生体電気変化を読み取ります。アナログフロントエンドがシグナルを増幅します。フィルタリングが特徴を抽出します。ADC が波形をデジタル化します。Side-A が読み取り値をパッケージ化します。Side-B がルーティングします。Jetson または別のアクセラレータが推論を実行します。NatureOS がそれを表示します。MINDEX が来歴を保存します。NLM がパターンを学習します。AVANI がアクションを管理します。
システムはループになります：
1Living substrate → electrode → amplifier → ADC → MycoBrain → NLM → MYCA → AVANI → stimulus → living substrate
そのループは、生物学的 I/O の始まりです。
シグナルトークン化：言葉を超えて
言語モデルはテキストをトークン化します。MycoBrain は NLM がシグナルをトークン化できるようにします。
大まかな言語トークンは次のようになるかもしれません：
1"濡れている"
シグナルトークンは異なります。物理的ダイナミクスの短いウィンドウをエンコードするかもしれません：
τi=Q(ϕi(xt:t+Δt))τi=Q(ϕi(xt:t+Δt))
ここで ϕi は時間ウィンドウから特徴（スパイク数、周波数、振幅、傾き、位相関係、ガス抵抗変化、温度勾配、圧力波形、またはクロスセンサー相関）を抽出し、Q はそれらの特徴をモデル使用可能な表現に量子化または埋め込みます。
菌類の生体電気トークンは、次のように表現されるかもしれません：
1{2 "modality": "bioelectric",3 "window_ms": 5000,4 "dominant_frequency_hz": 2.8,5 "spike_density": 0.31,6 "amplitude_band": "uV",7 "context": {8 "soil_moisture_delta": -0.07,9 "temperature_delta_c": 0.4,10 "voc_shift": 0.1211 }12}
それは言葉ではありません。
それは、機械学習形式に圧縮された現実の小さな一片です。
それらのトークンがデバイス、環境、生物、時間を超えて十分に蓄積されると、Mycosoft は自然を説明するだけのモデルではなく、自然自身のシグナルから学習するモデルを構築できます。
NLM の 6 つの感覚
MycoBrain は、より大きなモデルアーキテクチャである Nature Learning Model のデバイス側入力レイヤーです。
NLM は 6 つの物理的感覚を中心に編成されています。
NLM 感覚
物理領域
MycoBrain 接続入力の例
スペクトル
光、波長、イメージング
カメラ、マルチスペクトルセンサー、LiDAR
音響
圧力波形
マイク、ハイドロホン、振動
生体電気
生物学的電圧
FCI プローブ、菌糸体電極
熱
熱と勾配
BME688/BME690、IR センサー
化学
ガスと分子シグネチャ
VOC、CO₂、pH、EC、粒子センサー
機械
圧力、振動、接触
IMU、ひずみ、地震、レーダー周辺の動き
能力文書は、NLM を生の物理的現実から学習するモデルとして定義し、これらの 6 つの感覚をシグナル領域（スペクトル、音響、生体電気、熱、化学、機械）として識別しています。
ここで MycoBrain が戦略的に重要になります。物理的現実から学習するモデルは、それを供給する物理的機器と同じ程度にしか良くありません。MycoBrain は、そのモデルのための標準化された口、鼻、皮膚、耳、電気受容体、および神経系コネクタです。
Jetson、Orin、Blackwell、そしてエッジ AI パス
MycoBrain は、巨大な GPU であろうとは意図的にしていません。
それは低電力の取得および調整レイヤーです。重い推論はエッジ AI モジュールに属します。今日では、それはデバイスクラスに応じて NVIDIA Jetson Nano、Jetson Orin Nano、Jetson Orin、および関連モジュールを意味します。ハードウェアポートフォリオでは、Mushroom 1 や Hyphae 1 などの大型デバイスは、完全なエッジ AI 推論に Jetson Orin Nano または Jetson Nano を使用し、小型デバイスはコンパクトな GPU/NPU アクセラレーション推論に M5Stack LLM Module 8850 を使用できます。
これにより、Mycosoft は実用的な分割を実現します：
MycoBrain は、低レベルのセンシング、ローカル制御、電力認識動作、メッシュ通信を処理します。Jetson は、AI 推論、コンピュータビジョン、大規模モデル、音響分類、ローカル NLM 処理、およびより高レベルの自律性を処理します。海洋展開では、MycoBrain は同じブイハウジング内の Jetson Orin Nano に接続して、バックホールに依存せずにエッジでリアルタイムの NLM 音響分類を可能にします。
ロードマップはこれをさらに拡張します。
バージョン 3 は、セルラー拡張パスを追加します。LoRa 領域の上のハットとして配置された SIM7000/SIM7600 クラスのボードなどの 4G/5G 対応 SIM モジュールです。これにより、MycoBrain は LoRa メッシュを放棄することなくセルラーバックホールを獲得します。
バージョン 4 は、直接的な高性能拡張へと移行します。PCIe、底面 SSD、ローカルモデルストレージ、Blackwell クラスまたは将来の AI アクセラレータモジュールの直接統合です。目標は、開発ボードを超えて、AI アクセラレータ、ストレージ、センサーオーケストレーションを Mycosoft 制御のハードウェアに配置することです。
その移行は重要です。開発キットはプロトタイピングの方法です。カスタム AI キャリアボードは、プラットフォームを所有する方法です。
ローカルストレージ：フィールドのためのメモリ
フィールドコンピュータは、常時接続性を想定できません。
森林はシグナルを失います。ブイは範囲外に漂流します。ドロイドはデッドゾーンに入ります。土壌プローブは、無線が断続的な場所に埋設される可能性があります。防衛展開は、拒否環境で動作する可能性があります。
そのため、Mycosoft のハードウェア戦略には、複数の階層でのローカルストレージが含まれています。大型の Jetson 搭載デバイス用の NVMe SSD、中型デバイス用の microSD、小型デバイス用の ESP32 フラッシュ、埋設プローブ用のローカルバッファです。
MycoBrain V4 では、SSD サポートがさらに重要になります。ローカルストレージにより、デバイスは以下を保存できます：
- 生のセンサーウィンドウ
- 処理された特徴
- 較正履歴
- モデルウェイト
- NLM 埋め込み
- イベントログ
- メッシュ配信キュー
- 暗号化来歴
- 実験状態
将来の MycoBrain は、単にデータをストリーミングするべきではありません。記憶するべきです。
なぜボードにこれほど多くのコネクタがあるのか
通常のコンシューマーデバイスは、出荷前に何であるかを決定できます。
MycoBrain にはそれができません。
ある MycoBrain は土壌ステーションになるかもしれません。別のものはブイになるかもしれません。また別のものは産業用センサーゲートウェイになるかもしれません。別のものは生物学的インターフェースになるかもしれません。また別のものはドローンペイロードになるかもしれません。別のものはハンドヘルド環境 AI デバイスになるかもしれません。また別のものは実験室の生物学的コンピュータの一部になるかもしれません。
これがコネクタ哲学をアグレッシブにしている理由です。アナログ、I²C、UART、USB-C、LoRa、LTE ヘッダー、5 V 出力、NeoPixel、ブザー、外部センサー、そして電源レールです。V2 の回路図では、これらのコネクタファミリーの存在が確認されており、デュアル USB-C、アナログ入力、I²C ヘッダー、UART ヘッダー、5 V 出力、SIM7600G モデムインターフェース、12 V 入力、5 V / 3.3 V レールが含まれています。
実際には、これにより開発者はほぼあらゆるものを接続できます：
- BME688 / BME690 環境センサー
- VOC およびガスセンサー
- 粒子状物質センサー
- pH および導電率プローブ
- 土壌水分プローブ
- 水中マイク
- IMU
- 磁力計
- コンパニオンコンピュート経由のカメラ
- コンパニオンコンピュート経由のレーダーと LiDAR
- FCI 電極
- アクチュエーター
- ポンプ
- バルブ
- LED
- ブザー
- 外部モデム
- バッテリーモニター
このようなボードは、単一のユースケースに基づいて構築されているわけではありません。環境が私たちを驚かせ続けるという前提に基づいて構築されています。
ドロイド運用モデル
Mycosoft が屋外ロボットを ドロイド と呼ぶのは、それが単なる箱に入ったセンサーではないからです。それらは、世界で生き残り、動作するように設計された自律型マシンです。
Mycosoft のドロイドは、自身のボディを認識しなければなりません。バッテリー状態を把握する必要があります。センサーが正常かどうかを判断する必要があります。サンプリングを高速化すべきか、より長くスリープすべきか、隣接ノードのパケットを中継すべきか、Jetson を起動すべきか、それとも基地局に通信すべきかを判断する必要があります。また、太陽光、無線、熱、環境、そして生態学的な制約の下で動作しなければなりません。
MycoBrain は、これを可能にする低レベルのボディインテリジェンスを提供します。
Mushroom 1 はこれを使用して、地下の菌根ネットワークと土壌状態を監視できます。SporeBase は、バイオエアロゾル収集を調整するために使用できます。Hyphae 1 は、モジュール式産業用 I/O コントローラーとして使用できます。MycoNode は、より小型のフォームファクターで地下の生体電気センシングをサポートできます。Psathyrella は、水中音響モニタリングにこのアーキテクチャを利用できます。機能資料では、MycoBrain を Mycosoft ハードウェア展開向けの ESP32-S3 エッジコンピューティングプラットフォームとして説明し、Mushroom 1、SporeBase、Hyphae 1、MycoNode、ALARM、FCI をハードウェアラインナップの一部として特定しています。
重要なのは、すべてのロボットが同一であるということではありません。
重要なのは、すべてのロボットが共通の脳幹を共有しているということです。
メッシュネットワーキング：デジタル菌根
MycoBrain のネットワーク哲学は、菌糸体から着想を得ています。
菌類ネットワークは、単一の中央ルーターに依存しません。分岐し、再接続し、経路を変更し、探索し、損傷を生き延びます。Mycosoft のデバイスネットワークも同様に動作する必要があります。
それが、Mycorrhizae Protocol の役割です。これは、分散型フィールドネットワーク全体で生物学的センサーデータをルーティングするための pub/sub メッセージングプロトコルです。Mycorrhizae Protocol は、生物学的データ、時系列テレメトリ、生体電気波形、環境測定、自己修復メッシュトポロジー、そして ESP32-S3 で十分軽量でありながら Jetson 推論ノードもサポートするエッジネイティブな動作に最適化されています。
MycoBrain メッシュは、データをダッシュボードに送り返すことだけが目的ではありません。それは局所的な協調が目的です。
あるドロイドが信号を検出するかもしれません。別のドロイドはより強力なバックホールを持っているかもしれません。3 台目はより良いセンサー角度を持っているかもしれません。4 台目はローカル AI コンピュートが利用可能かもしれません。5 台目はスリープ状態かもしれませんが、隣接ノードのイベントで起動するかもしれません。
これにより、現場のインテリジェンスネットワークが形成されます：
1MycoBrain → MycoBrain → Gateway → NatureOS2 ↘ ↕ ↗3 Sensor Relay Jetson4 ↘ ↕ ↗5 NLM / MINDEX / MYCA
大規模に展開されると、MycoBrain は単なるデバイスではなくなります。それらは分散型環境神経システムとなります。
開発者インターフェース：脳の上に構築する
MycoBrain は、メーカーにとって親しみやすく、エンジニアにとって十分に本格的なものであるべきです。
これを使用する開発者は、役割を考えられるようになるべきです：
1device:2 id: mycobrain-v2-alpha3 role: mushroom14 side_a:5 mode: deterministic_sensor_controller6 sample_rate_hz:7 environmental: 18 bioelectric: 1009 power: 0.210 side_b:11 mode: mesh_router12 links:13 - lora14 - ble15 - wifi16 - lte_hat17 cortex:18 module: jetson_orin_nano19 tasks:20 - nlm_inference21 - anomaly_detection22 - local_buffering23 - model_update
センサーは、マニフェストを通じて自身を公開できます：
1{2 "sensor_id": "fci_probe_01",3 "modality": "bioelectric",4 "channels": 16,5 "units": "microvolts",6 "sample_rates_hz": [10, 50, 100, 500],7 "calibration": {8 "gain": 1000,9 "noise_floor_uv": 0.8,10 "last_calibrated": "2026-05-01"11 },12 "safety": {13 "stimulation_enabled": true,14 "max_stimulus_mv": 300,15 "requires_avani_gate": true16 }17}
これこそが、このボードをコミュニティに価値あるものにしている理由です。これは物理的なプラットフォームであると同時に、プログラム可能なエコシステムでもあります。メーカーはセンサーを接続できます。研究者は菌類信号実験を実行できます。ロボティクス開発者はペイロードを追加できます。防衛系インテグレーターは暗号化されたテレメトリをルーティングできます。環境科学者は NatureOS にデータをプッシュできます。AI エンジニアは信号ネイティブモデルをトレーニングできます。
投資家が注目すべき理由
MycoBrain は、一回限りのボードではありません。
それはプラットフォームのプリミティブです。
投資家向けのケースは、「クールなキノコの PCB を作った」という話ではありません。投資家向けのケースは、MycoBrain が完全なハードウェアエコシステムの共通エッジコンピューターになり得るということです。そのエコシステムには、環境ステーション、生物学的プローブ、バイオエアロゾルシステム、産業用エッジノード、水中ブイ、ハンドヘルド AI 機器、そして将来の生物学的コンピューターが含まれます。
ハードウェアポートフォリオは、Mycosoft が環境インテリジェンス、生物学的コンピューティング、菌類ネットワークインターフェースのための包括的なハードウェアエコシステムを構築していることを示しており、Mushroom 1、SporeBase、ALARM、MycoNode、Hyphae 1、Tricorder、Petraeus、Mushroom 2 にわたっています。
これにより、いくつかのレバレッジ形態が生まれます。
第一に、製造レバレッジ。共有コントローラーにより、エンジニアリングの重複が削減されます。製品ごとにセンサー取得と通信を再設計する代わりに、Mycosoft は 1 つのコアボードファミリーを改善します。
第二に、ファームウェアレバレッジ。すべてのデバイスが、同じプロトコルアップグレード、セキュリティ改善、センサーライブラリ、OTA メカニズム、メッシュ改善、NLM ブリッジ作業の恩恵を受けます。
第三に、データレバレッジ。すべてのデバイスが、NLM に供給できる信号ネイティブなトレーニングデータを生成します。展開されるデバイスが多ければ多いほど、モデルの基盤の価値は高まります。
第四に、プラットフォームレバレッジ。MycoBrain は、ハードウェアを NatureOS、MINDEX、MYCA、AVANI、FUSARIUM、Mycorrhizae に接続します。これは、より大規模なソフトウェアおよびインテリジェンスシステムのエッジ層です。
第五に、IP レバレッジ。デュアル MCU アーキテクチャ、ファームウェアスタック、Mycorrhizae Protocol、I²C センサー列挙、MINDEX チェーンオブカストディ統合は、MycoBrain テクノロジー/IP スタックの一部です。
これが、小さなボードがインフラストラクチャになる方法です。
これが科学的に重要な理由
MycoBrain の科学的な重要性は、温度や湿度を測定することではありません。それを実行するデバイスはたくさんあります。
科学的な重要性は、MycoBrain が生命システムに関する マルチモーダルな因果コンテキスト を収集するように設計されていることです。真菌の電圧スパイクだけでも興味深いものです。しかし、真菌の電圧スパイクが、土壌水分、pH、温度、VOC シフト、光レベル、刺激イベントと同期すると、それは証拠になります。
その証拠は、指紋になり得ます。
その指紋は、モデルになり得ます。
そのモデルは、予測になり得ます。
その予測は、ガバナンスされたアクションになり得ます。
これが FCI が重要な理由です。FCI ホワイトペーパーでは、FCI スタックを真菌プローブ、信号処理ユニット、クラウド統合層として説明しており、微妙な菌糸体の電気的変動を検出し、微弱な生体電気信号を増幅・フィルタリングし、それらの信号をリアルタイムデータ分析に使用できるようにします。
MycoBrain は、それらのアイデアを実験室から現場に出すための実用的なフィールドコンピューターです。
将来のバージョン：V3 と V4
バージョン 2 は拡張されたアーキテクチャを実証します。
バージョン 3 により、ボードはより展開しやすくなります。
V3 の方向性は、セルラーの拡張です。LoRa 領域の上にプラグインできる 4G/5G SIM モジュールハットです。LoRa は低電力のローカルメッシュとして残ります。セルラーがバックホールになります。これにより、フィールドドロイドはローカルスウォーム内で動作し、インフラストラクチャが存在する場合にはホームに電話することができます。
バージョン 4 は、より深遠な移行です。
V4 は、PCIe、SSD、および直接アクセラレーター統合へと移行します。目標は、MycoBrain クラスのハードウェアがローカルモデル重みを保持し、生データおよび処理済みデータセットを保存し、Blackwell クラスまたは将来の AI アクセラレーターモジュールを Mycosoft ボードエコシステムに直接統合できるようにすることです。M5Stack LLM 8850 パスは、小型デバイスにコンパクトな推論層をすでに提供しています。V4 はその哲学を、より深いカスタム AI キャリアアーキテクチャへと拡張します。ハードウェアポートフォリオはすでに、大型デバイスには Jetson クラスモジュール、小型デバイスには M5Stack LLM Module 8850 を使用する 2 層エッジコンピュート戦略を定義しています。
長期的な道筋は明確です：
1V1: コンパクト デュアル ESP32-S3 + LoRa コントローラー2V2: 拡張センサー/通信ボード (USB-C、アナログ/I²C/UART、LTE ヘッダー搭載)3V3: セルラーハット + LoRa メッシュ + 改良されたリモートフリート管理4V4: PCIe + SSD + 直接 AI アクセラレーター統合5V5+: 完全な生物学的/ロボティックエッジ AI マザーボードとしての MycoBrain
目的地は、別の開発ボードではありません。
目的地は、Mycosoft 独自の自律型環境コンピューターアーキテクチャです。
生物学的計算とデジタル計算の架け橋としてのボード
ボードの背面にはキノコのマークが付いています。キノコは装飾ではありません。それは設計哲学です。
キノコは、隠れたネットワークの目に見える子実体です。MycoBrain も同様です。ボードは見えますが、本当のシステムはその背後にあるネットワーク、つまりドロイド、プローブ、センサー、モデル、エージェント、ダッシュボード、データセット、そして生きた基質です。
FCI は生物学的 I/O を提供します。MycoBrain はエッジ制御を提供します。Mycorrhizae はメッシュルーティングを提供します。MINDEX はメモリと来歴を提供します。NLM は信号ネイティブな学習を提供します。MYCA はエージェント推論を提供します。AVANI はガバナンスを提供します。
これらが一体となり、ハイブリッドな生物学的-デジタルスタックを形成します。
1生きた信号2 ↓3FCI / センサー4 ↓5MycoBrain6 ↓7Mycorrhizae / MDP8 ↓9Jetson / M5Stack / 将来の Blackwell10 ↓11NLM12 ↓13MYCA14 ↓15AVANI16 ↓17NatureOS / MINDEX / FUSARIUM
地球を読み解くコンピューター
ほとんどのコンピューターは机の上に置かれます。
MycoBrain は、泥、雨、農場、森林、実験室、屋上、ブイ、地下室、エンクロージャー、ドローン、そして実験的な生物学的システムのために設計されています。修理、反復、3D プリントでの拡張、スタッキング、拡張、フラッシュ、再展開が可能なように設計されています。Mycosoft のハードウェア製造哲学は、迅速な反復のための 3D プリンティングと、産業用デバイス向けの既製エンクロージャーの再利用を重視しており、ツーリングの負担を軽減しながら生産の柔軟性を向上させています。
これは、地球規模のインテリジェンスをクラウドダッシュボードだけから構築できないため、重要です。
私たちは、世界の中にデバイスを必要としています。
低電力コントローラーが必要です。
メッシュネットワークが必要です。
ローカル推論が必要です。
生物学的インターフェースが必要です。
ストレージが必要です。
ガバナンスが必要です。
機械が自然から学習し、自然が最初に言語になることを強制しない方法が必要です。
それが MycoBrain です。
非常に長い MycoBrain ドキュメントの終わり
GITHUB: https://github.com/MycosoftLabs/mycobrain
YOUTUBE MYCOBRAIN ビデオ: https://www.youtube.com/watch?v=3WDneg9OHtU
MycoBrain は、私たちが人間以外の存在のために構築する最初のコンピューターです。なぜなら、知能は言葉から始まるとは想定していないからです。
知能は信号から始まると想定しています。
- 菌類は信号を発する。
- 森は信号を発する。
- 川は信号を発する。
- 海は信号を発する。
- 機械は信号を発する。
- AI エージェントは信号を発する。
- ドロイドは信号を発する。
MycoBrain は、聞き、翻訳し、ルーティングし、記憶し、推論し、応答するために設計されたボードです。
ほとんどの AI は、インターネット、特にそれ自身の 合成データ を読み続けるでしょう。
MycoBrain は地球を読みます。その何兆もの生命体をユーザーと見なし、キーボード、マウス、そしてあの美しい声を持つ音声操作エージェントアシスタントさえも超えます。
すべてが あなた 中心というわけではありません。しかし、あなた は地球全体の生命の一部です。
それを忘れないでください。
