Xiaomi-Robotics-1 প্রমাণ করল যে রোবোটিক্সে মডেলের আকারের চেয়ে ডেটার পরিমাণ বেশি কার্যকর
Xiaomi উন্মোচন করেছে Xiaomi-Robotics-1, একটি যুগান্তকারী ফাউন্ডেশন মডেল যা রোবোটিক ট্রেনিংয়ের ধারাকে কম্পিউটেশনাল পাওয়ার বৃদ্ধির পরিবর্তে বিশাল ডেটা স্কেলিংয়ের দিকে নিয়ে যাচ্ছে। একটি অনন্য ডেটা সংগ্রহের পদ্ধতি ব্যবহার করে, এই মডেলটি অপরিচিত পরিবেশ এবং জটিল ম্যানিপুলেশন টাস্কগুলোতে অভূতপূর্ব অভিযোজন ক্ষমতা প্রদর্শন করেছে।
হ্যান্ডহেল্ড গ্রিপার দিয়ে ডেটা বাধার সমাধান
রোবোটিক্সে প্রধান চ্যালেঞ্জটি সবসময়ই ছিল "ডেটা বটলেনেক" বা ডেটার সীমাবদ্ধতা—অর্থাৎ দামী এবং স্থির রোবোটিক আর্ম ছাড়াই বিপুল পরিমাণ উচ্চ-মানের ইন্টারঅ্যাকশন ডেটা সংগ্রহ করার অসুবিধা। Xiaomi ক্যামেরা সম্বলিত পোর্টেবল বা বহনযোগ্য হ্যান্ডহেল্ড গ্রিপার ব্যবহার করে এই সমস্যাটি কাটিয়ে উঠেছে।
রোবট প্রোগ্রাম করার পরিবর্তে, মানব অপারেটররা এই হ্যান্ডহেল্ড ডিভাইসগুলো ব্যবহার করে রান্নাঘর, অফিস এবং কারখানার মতো ১,৭০০টিরও বেশি বৈচিত্র্যময় পরিবেশে ম্যানিপুলেশন টাস্কগুলো রেকর্ড করেছেন। এই পদ্ধতির মাধ্যমে বিস্ময়করভাবে ১,০০,০০০ ঘণ্টার মোশন রেকর্ডিং পাওয়া গেছে। লেবেলিংয়ের সমস্যা সমাধানের জন্য, Xiaomi একটি AI মডেল ব্যবহার করেছে যা প্রতিটি মোশন সেগমেন্টের জন্য স্বয়ংক্রিয়ভাবে টেক্সট ডেসক্রিপশন তৈরি করে দেয়, যার ফলে মাত্র দুই সপ্তাহে পুরো ডেটাসেটের লেবেলিং সম্পন্ন হয়েছে।
স্কেলিং ল: কম্পিউটের চেয়ে ডেটা বেশি গুরুত্বপূর্ণ
Xiaomi-Robotics-1 গবেষণার মূল প্রযুক্তিগত অন্তর্দৃষ্টি হলো, মডেলের আকার বা কম্পিউটেশন বাড়ানোর চেয়ে বেশি ট্রেনিং ডেটা ব্যবহার করলে পারফরম্যান্সে উল্লেখযোগ্যভাবে বেশি উন্নতি ঘটে। যদিও বড় মডেলগুলো প্রেডিকশন এরর বা পূর্বাভাসের ভুল কমায়, তবে ট্রেনিং ডেটার পরিমাণ বৃদ্ধির সাথে সাথে অপরিচিত পরিবেশে রোবটের সাফল্যের হার ২৫% থেকে বেড়ে ৭৫% হয়েছে।
এটি কম্পিউটার ভিশনে দেখা ট্রেন্ডের প্রতিফলন, যেখানে প্যারামিটার সংখ্যা বাড়ানোর চেয়ে ডেটা যোগ করা বেশি কার্যকর। Xiaomi-এর জন্য এর অর্থ হলো, জেনারেল পারপাস রোবট AI-এর পথ কেবল বড় নিউরাল নেটওয়ার্ক তৈরির মাধ্যমে নয়, বরং ডেটাসেটের বৈচিত্র্য এবং স্কেলের ওপর নির্ভর করে।
অতুলনীয় অভিযোজন ক্ষমতা এবং বেঞ্চমার্ক পারফরম্যান্স
Xiaomi-Robotics-1 মৌখিক বা লিখিত কমান্ড অনুসরণ করতে এবং সামান্য ফাইন-টিউনিংয়ের মাধ্যমে নতুন কাজের সাথে খাপ খাইয়ে নিতে ডিজাইন করা হয়েছে। টেস্টিংয়ের সময়, মডেলটিকে লন্ড্রি লোড করা, প্রিন্টারে কাগজ দেওয়া এবং স্যুটকেস প্যাকিং করার মতো জটিল কাজ দেওয়া হয়েছিল।
ফলাফল ছিল সুনিশ্চিত:
- দ্রুত অভিযোজন: ১০ ঘণ্টারও কম টাস্ক-স্পেসিফিক ট্রেনিংয়ের মাধ্যমে মডেলটি ৭৫% সাফল্যের হার অর্জন করেছে, যা প্রতিযোগী Physical Intelligence-কে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে (তাদের সাফল্যের হার ছিল মাত্র ৪০%)।
- বেঞ্চমার্কে আধিপত্য: মডেলটি RoboCasa365 লিডারবোর্ডে বড় ব্যবধানে শীর্ষে রয়েছে, বিশেষ করে অজানা কম্পোজিট টাস্কগুলোতে।
- RoboDojo পারফরম্যান্স: RoboDojo বেঞ্চমার্কে Xiaomi-Robotics-1 রানার-আপের চেয়ে প্রায় ৫৮% বেশি স্কোর করেছে।
মডেলটি কাগজের মতো নরম এবং নমনীয় (deformable) বস্তু নাড়াচাড়া করার ক্ষেত্রেও বিশেষ দক্ষতা দেখিয়েছে—যা রিজিড বা অনমনীয় রোবোটিক সিস্টেমগুলোর জন্য ঐতিহাসিকভাবে একটি কঠিন ক্ষেত্র।
রোবোটিক্স শিল্পের জন্য একটি নতুন দিকনির্দেশনা
Xiaomi-এর এই পদ্ধতিটি অন্যান্য শিল্প জায়ান্টদের থেকে ভিন্ন একটি পথে রয়েছে। যেখানে Nvidia সিন্থেটিক ডেটা জেনারেশনের মাধ্যমে রোবোটিক্স ডেটা সমস্যাটিকে একটি কম্পিউট সমস্যাতে রূপান্তর করার চেষ্টা করছে, এবং BAAI-এর Orca মডেল আনলেবেলড ভিডিও থেকে শেখার চেষ্টা করছে, সেখানে Xiaomi স্বয়ংক্রিয় এবং বৃহৎ পরিসরের লেবেলযুক্ত মোশন ডেটার ওপর জোর দিচ্ছে।
Xiaomi যখন GitHub এবং Hugging Face-এ মডেল এবং কোড রিলিজ করার প্রস্তুতি নিচ্ছে, তখন পুরো শিল্পটি তা নিবিড়ভাবে পর্যবেক্ষণ করছে। এই উন্নয়নটি ইঙ্গিত দিচ্ছে যে, রোবোটিক্সের পরবর্তী দিগন্তটি তাদের দ্বারা জয় করা হবে না যাদের কাছে সবচেয়ে শক্তিশালী চিপ আছে, বরং তাদের দ্বারা হবে যাদের কাছে সবচেয়ে বৈচিত্র্যময় এবং সুসংগঠিত (well-labeled) মোশন ডেটাসেট রয়েছে।
মূল বিষয়সমূহ
- ডেটা-কেন্দ্রিক স্কেলিং: মডেলের আকার বা কম্পিউট বাড়ানোর চেয়ে ট্রেনিং ডেটার পরিমাণ বাড়ানো রোবোটিক সাফল্যের হারের জন্য বেশি কার্যকর প্রমাণিত হয়েছে।
- উদ্ভাবনী সংগ্রহ পদ্ধতি: হ্যান্ডহেল্ড গ্রিপার ব্যবহারের ফলে Xiaomi কোনো ডেডিকেটেড রোবট ছাড়াই ১,৭০০টি পরিবেশে ১,০০,০০০ ঘণ্টার মোশন ডেটা সংগ্রহ করতে সক্ষম হয়েছে।
- উচ্চ সাধারণীকরণ (High Generalization): মডেলটি ১০ ঘণ্টারও কম অতিরিক্ত ট্রেনিংয়ের মাধ্যমে নতুন কাজের ক্ষেত্রে ৭৫% সাফল্যের হার অর্জন করতে পারে।