एक चीनी रोबोटिक्स स्टार्टअप रोबोट को सामान्य बुद्धिमत्ता देने की 'रेसिपी' बनाना चाहता है
एक्स स्क्वायर रोबोट एक एआई स्टैक को ओपन-सोर्स कर रहा है जो भौतिक रोबोट के लिए वही करना चाहता है जो बड़े भाषा मॉडल ने पाठ के लिए किया। यह दृष्टिकोण दिलचस्प है। स्वतंत्र साक्ष्य अभी भी कमजोर है।
मुख्य बातें
- एक्स स्क्वायर रोबोट, एक चीनी एम्बोडिड-एआई कंपनी, 2025 में अपना पूर्ण रोबोटिक्स एआई स्टैक ओपन-सोर्स सॉफ्टवेयर के रूप में जारी कर रही है।
- कंपनी का दावा है कि इसकी डेटा-संग्रह विधि सभी-रोबोट डेटासेट के तुलनीय प्रदर्शन तक पहुँचती है लेकिन लागत लगभग 20 गुना कम होती है।
- इसका विश्व मॉडल, WALL-WM, रोबोट व्यवहार को "पहुँचना" या "पकड़ना" जैसी नामित क्रियाओं के चारों ओर व्यवस्थित करता है, न कि निश्चित समय खिड़कियों के चारों ओर।
- इसका क्रिया मॉडल, Wall-OSS-0.5, किसी भी कार्य-विशिष्ट सूक्ष्म-समायोजन से पहले वास्तविक रोबोट पर काम करने के लिए डिजाइन किया गया है, जो इस क्षेत्र में दुर्लभ है।
- अब तक के सभी मुख्य परिणाम कंपनी के अपने बेंचमार्क से आते हैं, जिसका अर्थ है कि स्वतंत्र परीक्षण ने अभी तक उन्हें पुष्टि नहीं की है।
एक एआई सिस्टम को पर्याप्त पाठ सिखाएं, और कुछ उपयोगी निकलता है। इस अंतर्दृष्टि को, व्यापक डेटा पर पूर्व-प्रशिक्षण कहा जाता है, जिसने बड़े भाषा मॉडल को, चैटजीपीटी जैसे चैटबॉट के पीछे की तकनीक को, सामान्य उपकरणों में बदल दिया है जिनका लाखों लोग हर दिन उपयोग करते हैं।
रोबोटिक्स के पास कोई समकक्ष शॉर्टकट नहीं है। एक रोबोट जो कपड़े धो सकता है वह सरलता से उस कौशल को डिशवाशर लोड करने में स्थानांतरित नहीं कर सकता। आज अधिकांश रोबोट के अंदर चलने वाली प्रणालियां अलग, विशेषज्ञ भागों से बनी होती हैं जो कुछ भी सामान्य में नहीं जुड़ती हैं।
एक्स स्क्वायर रोबोट, एक चीनी कंपनी जो शोधकर्ताओं द्वारा एम्बोडिड एआई कहे जाने वाले पर काम केंद्रित करती है (अर्थात एआई जो एक भौतिक शरीर में रहती है और वास्तविक दुनिया पर कार्य करना चाहिए), सोचती है कि इसे रेसिपी मिल गई है। और, एक चीनी एआई स्टार्टअप के लिए असामान्य रूप से, यह इसके मूल को किसी को भी उपयोग करने और निरीक्षण करने के लिए जारी कर रही है।
कंपनी की रणनीति तीन परतों पर निर्भर करती है जो एक साथ काम करती हैं: रोबोट कैसे शिक्षा डेटा एकत्र करते हैं, एक विश्व मॉडल जो भविष्यवाणी करता है कि भौतिक दुनिया में अगला क्या होगा, और एक क्रिया मॉडल जो धारणा और तर्क को वास्तविक गति में बदल देता है।
यह अन्य रोबोट एआई परियोजनाओं से क्या अलग करता है?
सबसे विशिष्ट भाग वह तरीका है जिससे एक्स स्क्वायर रोबोट डेटा को संभालता है, उदाहरण जो रोबोट से सीखते हैं। रोबोट प्रदर्शन एकत्र करना महंगा है क्योंकि आपको एक वास्तविक रोबोट, एक प्रशिक्षित ऑपरेटर, और घंटों की सावधानीपूर्वक निगरानी की आवश्यकता है। एक्स स्क्वायर रोबोट ने एक पहनने योग्य रिग बनाया जिसमें दो ग्रिपर हैं जिसे एक व्यक्ति अपने हाथों पर पहनता है। कोई रोबोट की आवश्यकता नहीं है। यह संग्रह लागत को तेजी से कम करता है।
लेकिन सस्ता डेटा बेकार है यदि वह गलत है। कंपनी एक गुणवत्ता जांच जोड़ती है जो वास्तव में असामान्य है: रिकॉर्ड की गई गतिविधियों का एक नमूना एक वास्तविक रोबोट पर भौतिक रूप से दोहराया जाता है, और केवल जो गतिविधियां कार्य पूरा करती हैं वे मान्य गिनी जाती हैं। एक ग्रिपर जो एक सेकंड का एक अंश बहुत जल्दी बंद हो सकता है रिकॉर्डिंग में एक सफल पकड़ जैसा दिख सकता है, लेकिन रोबोट वास्तव में वस्तु को दूर धकेल चुका है। वह प्रक्षेपवक्र फेंक दिया जाता है।
कंपनी रिपोर्ट करती है कि इस सस्ते मानव-प्रदर्शन डेटा को वास्तविक-रोबोट डेटा की एक छोटी मात्रा के साथ मिलाने से पूरी तरह से रोबोट पर एकत्र डेटासेट के तुलनीय प्रदर्शन तक पहुँचता है, लगभग एक-बीसवां लागत पर। यह एक आश्चर्यजनक दावा है। सावधानी, जैसा कि आईईईई स्पेक्ट्रम एआई ने अपने कवरेज में नोट किया, यह है कि ये नंबर एक्स स्क्वायर रोबोट के अपने रोबोट और परीक्षणों से आते हैं। बाहरी शोधकर्ताओं ने अभी तक स्वतंत्र रूप से उन्हें पुष्टि नहीं की है।
विश्व मॉडल, जिसे WALL-WM कहा जाता है, समय के लिए एक अलग दृष्टिकोण लेता है। अधिकांश रोबोट एआई सिस्टम गति को निश्चित-लंबाई के टुकड़ों में तोड़ते हैं, जिस तरह एक फिल्म को समान लंबाई के फ्रेम में काटा जाता है। WALL-WM इसके बजाय व्यवहार को सार्थक घटनाओं के चारों ओर व्यवस्थित करता है: पहुँचना, पकड़ना, रखना। प्रत्येक घटना तब समाप्त होती है जब कार्य पूरा हो जाता है, न कि जब घड़ी आगे बढ़ती है। विचार यह है कि सीमाएं जो वास्तव में हो रही हैं उससे मेल खानी चाहिए, न कि जो गणना करने के लिए सुविधाजनक है।
क्रिया मॉडल, Wall-OSS-0.5, एक दृष्टि-भाषा-कार्य मॉडल है (सॉफ्टवेयर जो कैमरा छवियां पढ़ता है, भाषा निर्देशों को समझता है, और भौतिक गति पैदा करता है)। इसके लिए कंपनी की घोषित आवश्यकता यह है कि मॉडल को कोई भी इसे किसी विशिष्ट कार्य के लिए प्रशिक्षित करने से पहले एक वास्तविक रोबोट पर कुछ उपयोगी करना चाहिए। पहले पूर्व-प्रशिक्षित सामान्य क्षमता, फिर विशेषज्ञता। यह क्रम पूरी परियोजना का लक्ष्य है।
साधारण लोगों के लिए, आज यह कुछ भी नहीं बदलता है। सामान्य-उद्देश्य के होम रोबोट साल दूर रहते हैं। लेकिन यदि स्वतंत्र शोधकर्ता इन परिणामों को पुनः उत्पादित और विस्तारित कर सकते हैं, तो ओपन-सोर्स रिलीज इस तरह से क्षेत्र को गति दे सकता है कि एक बंद, स्वामित्व प्रणाली नहीं कर सकती है।
