जबकि रोबोटिक्स विशेषज्ञ रोबोट से प्रयोगशाला में पार्कौर जैसी प्रभावशाली चीजें करवाने में सफल रहे हैं, यह सब एक नियंत्रित वातावरण में करने के लिए सावधानीपूर्वक योजना बनाई गई है। अपने घर में रोबोट का स्वायत्त रूप से काम करना अभी भी कुछ हद तक परेशान करने वाला है, खासकर उन घरों में जहां बच्चे और पालतू जानवर हैं। इसके अलावा, घरों का डिज़ाइन अलग-अलग होता है, और कमरों और वस्तुओं की व्यवस्था और भी अधिक विविध होती है।
रोबोटिक्स विशेषज्ञों के बीच, एक व्यापक रूप से मान्यता प्राप्त दृष्टिकोण है जिसे "मोरावेक का विरोधाभास" के रूप में जाना जाता है: जो मनुष्यों के लिए कठिन है वह मशीनों के लिए आसान है, और जो मनुष्यों के लिए आसान है वह मशीनों के लिए कठिन है। लेकिन कृत्रिम बुद्धिमत्ता (एआई) की बदौलत यह बदल रहा है। रोबोट कपड़े तह करने, खाना पकाने और शॉपिंग बास्केट उतारने जैसे काम करने में सक्षम होने लगे हैं जिन्हें कुछ समय पहले तक रोबोट के लिए पूरा करना लगभग असंभव माना जाता था।
एमआईटी टेक्नोलॉजी रिव्यू के नवीनतम अंक के अनुसार, रोबोटिक्स एक क्षेत्र के रूप में एक महत्वपूर्ण मोड़ पर है: रोबोट प्रयोगशाला से निकलकर लाखों घरों में पहुँच रहे हैं। रोबोटिक्स अपने उच्चतम बिंदु के कगार पर है।
घरेलू रोबोट बहुत महंगे नहीं हो सकते
अतीत में रोबोट महंगे होने का पर्याय थे, अत्यधिक जटिल मॉडल की कीमत सैकड़ों हज़ार डॉलर थी, जिससे वे ज़्यादातर परिवारों के लिए वहनीय नहीं थे। उदाहरण के लिए, PR2, जो कि घरेलू रोबोट के शुरुआती संस्करणों में से एक था, का वज़न 200 किलोग्राम था और इसकी कीमत $400,000 USD थी।
सौभाग्य से, सस्ते रोबोट की एक नई पीढ़ी धीरे-धीरे उभर रही है। स्ट्रेच3, यू.एस. स्टार्टअप हेलोरोबोट द्वारा विकसित एक नया होम रोबोट है, जिसकी कीमत $24,950 है और इसका वजन 24.5 किलोग्राम है। इसमें एक छोटा मोबाइल बेस, एक जॉयस्टिक है जिससे एक कैमरा लटका हुआ है, एक एडजस्टेबल आर्म और एक फिक्सचर है जिसके अंत में एक सक्शन कप है जिसे एक कंट्रोलर द्वारा संचालित किया जा सकता है।
इस बीच, अमेरिका में स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं की एक टीम ने मोबाइलएएलओएचए (रिमोट ऑपरेशन के लिए कम लागत वाला ओपन सोर्स हार्डवेयर) नामक एक प्रणाली बनाई है जो रोबोट को मानव प्रदर्शन सहित केवल 20 डेटा की मदद से झींगा पकाना सीखने में सक्षम बनाती है। टीम ने अधिक उचित मूल्य वाला रोबोट बनाने के लिए ऑफ-द-शेल्फ घटकों का उपयोग किया, हालाँकि इसकी लागत भी दसियों हज़ार डॉलर थी, लेकिन पिछले समान मॉडल की कीमत आसानी से सैकड़ों हज़ार डॉलर हो सकती थी।
एआई एक "सार्वभौमिक रोबोट मस्तिष्क" बनाता है
इन नए रोबोट को उनके "पूर्ववर्तियों" से अलग करने वाला वास्तव में उनका सॉफ़्टवेयर है। AI बूम की बदौलत, अब तकनीक का ध्यान महंगे रोबोट से हटकर शारीरिक निपुणता हासिल करने वाले न्यूरल नेटवर्क पर जा रहा है जो "सार्वभौमिक रोबोट मस्तिष्क" का निर्माण करते हैं।
रोबोटिक्स विशेषज्ञ पारंपरिक सावधानीपूर्वक योजना और श्रमसाध्य प्रशिक्षण के बजाय "मस्तिष्क" प्रणालियों को बनाने के लिए गहन शिक्षण और तंत्रिका नेटवर्क का उपयोग कर रहे हैं, जो पर्यावरण से सीख सकते हैं और अनुप्रयोगों में रोबोट के व्यवहार को तदनुसार समायोजित कर सकते हैं।
2023 की गर्मियों में, गूगल ने RT-2 पेश किया, जो एक दृष्टि-मौखिक-क्रिया मॉडल है जो प्रशिक्षण के लिए उपयोग किए जाने वाले ऑनलाइन पाठ और छवियों के साथ-साथ अपनी स्वयं की बातचीत से दुनिया की सामान्य समझ हासिल करता है, और उस डेटा को रोबोट क्रियाओं में अनुवादित करता है।
टोयोटा रिसर्च इंस्टीट्यूट, कोलंबिया यूनिवर्सिटी और एमआईटी की टीम पहले से ही नकली सीखने के साथ-साथ जनरेटिव एआई नामक एआई सीखने की तकनीक की मदद से रोबोट को कई नए कार्य जल्दी से सिखा रही है। यह दृष्टिकोण जनरेटिव एआई तकनीकों के विस्तार को टेक्स्ट, इमेज और वीडियो के दायरे से रोबोट मूवमेंट के दायरे में ले जाएगा।
ओपनएआई के अब बंद हो चुके रोबोटिक्स रिसर्च डिवीज़न से निकले स्टार्टअप कोवेरिएंट ने इसके बजाय मल्टीमॉडल मॉडल, RFM-1 बनाया, जो टेक्स्ट, इमेज, वीडियो और रोबोट कमांड से संकेत स्वीकार करता है। जनरेटिव एआई रोबोट को निर्देश समझने और उन कार्यों से संबंधित इमेज या वीडियो बनाने की अनुमति देता है।
अधिक डेटा से स्मार्ट रोबोट पैदा होंगे
GPT-4 जैसे बड़े AI मॉडल की शक्ति इंटरनेट से बड़ी मात्रा में डेटा एकत्र करने में निहित है, लेकिन यह रोबोट पर लागू नहीं होता है, जिन्हें विशेष रूप से उनके लिए एकत्रित डेटा की आवश्यकता होती है। उन्हें वॉशिंग मशीन और रेफ्रिजरेटर खोलने, प्लेट उठाने या कपड़े तह करने के तरीके के बारे में शारीरिक प्रदर्शन की आवश्यकता होती है। अभी, यह डेटा बहुत दुर्लभ है और इसे एकत्र करने में बहुत समय लगता है।
गूगल डीप माइंड ने इसे बदलने के लिए ओपन सोर्स एक्स-एम्बोडीमेंट सहयोग नामक एक नया कार्यक्रम शुरू किया है। पिछले साल, कंपनी ने 34 प्रयोगशालाओं में लगभग 150 शोधकर्ताओं के साथ भागीदारी की, ताकि 22 अलग-अलग रोबोट से डेटा एकत्र किया जा सके, जिसमें हेलोरोबोट का स्ट्रेच 3 भी शामिल है। अक्टूबर 2023 में जारी होने वाले परिणामी डेटासेट में रोबोट के 527 कौशल शामिल होंगे, जैसे कि उठाना, धक्का देना और हिलाना।
इसमें आरटी-एक्स नामक एक रोबोट भी है, जिसके लिए शोधकर्ताओं ने विशेष रूप से मॉडल के दो संस्करण बनाए हैं, जिन्हें विभिन्न प्रयोगशालाओं में कंप्यूटरों पर स्थानीय रूप से चलाया जा सकता है और वेब के माध्यम से भी देखा जा सकता है।
बड़े, वेब-एक्सेसेबल मॉडल को इंटरनेट डेटा के साथ पहले से प्रशिक्षित किया गया था ताकि बड़ी भाषा और छवि मॉडल से "दृश्य सामान्य ज्ञान" विकसित किया जा सके। जब शोधकर्ता कई अलग-अलग रोबोट पर RT-X मॉडल चलाते हैं, तो वे पाते हैं कि ऐसे रोबोट प्रत्येक प्रयोगशाला में स्वतंत्र रूप से विकसित प्रणालियों की तुलना में कौशल सीखने में 50% अधिक सफल होते हैं।
संक्षेप में, अधिक डेटा से रोबोट अधिक स्मार्ट बनते हैं।