Agility Robotics એ કેલિફોર્નિયાના ફ્રેમોન્ટમાં 60,000 ચોરસ ફૂટનું તાલીમ કેમ્પસ શરૂ કર્યું છે, અને તે તેના Digit હ્યુમનોઇડ રોબોટની ઔદ્યોગિક ગ્રાહકોને ડિલિવરી ઝડપી બનાવવાની અપેક્ષા રાખે છે. ટેસ્લાના ફેક્ટરીથી થોડા માઈલ દૂર આવેલું આ સ્થળ, કંપનીને રોબોટ્સને નવા કાર્યો શીખવવા માટે સમર્પિત જગ્યા આપે છે, જ્યારે તે 'સેફ્ટી-ફર્સ્ટ AI' અભિગમ અપનાવી રહી છે જે ડિટરમિનિસ્ટિક કંટ્રોલને જનરેટિવ મોડલ્સથી અલગ રાખે છે.

ફ્રેમોન્ટ સાઇટ શા માટે મહત્વની છે

આ પગલું Agility ને યુએસ રોબોટિક્સના વિસ્તારના ભૌગોલિક કેન્દ્રમાં મૂકે છે, પરંતુ તેની સાચી મહત્વતા કામગીરીના સ્કેલ (scale) માં છે. 60,000 ચોરસ ફૂટનું ફ્લોર Digit ને વાસ્તવિક વેરહાઉસ જેવી પરિસ્થિતિઓમાં ગતિવિધિઓની સંપૂર્ણ પાઇપલાઇનનો અભ્યાસ કરવાની મંજૂરી આપે છે – સાદા ટોટ્સ (totes) ખસેડવાથી લઈને આખા ટ્રેલર અનલોડ કરવા સુધી. કેમ્પસ તૈયાર હોવાથી, Agility હવે અચાનક કરવામાં આવતા ફિલ્ડ ટ્રાયલ્સને બદલે પુનરાવર્તિત અને ઉચ્ચ-થ્રુપુટ તાલીમ પદ્ધતિ તરફ વળી શકે છે, જે નવું સોફ્ટવેર અપડેટ અને શોપ ફ્લોર પર રોબોટના પ્રથમ દિવસ વચ્ચેના સમયને ઘટાડી શકે છે.

પ્રોટોટાઇપથી આવક સુધી

Digit પહેલેથી જ કેટલાક મોટા ગ્રાહકો માટે કાર્યરત છે – Amazon, લોજિસ્ટિક્સ ફર્મ GXO, કમ્પોનન્ટ મેકર Schaeffler, અને Toyota Motor Manufacturing Canada. આ ડિપ્લોયમેન્ટ્સ દ્વારા $300 મિલિયનના કોન્ટ્રાક્ટ ઓર્ડર મળ્યા છે, જે આંકડો લોજિસ્ટિક્સ અને મેન્યુફેક્ચરિંગમાં હ્યુમનોઇડ લેબર માટે વાસ્તવિક માંગનો સંકેત આપે છે. ઘણા સ્ટાર્ટઅપ્સ જે હજુ પણ 'પ્રૂફ-ઓફ-કન્સેપ્ટ' યુનિટ્સ સાથે કામ કરી રહ્યા છે, તેનાથી વિપરીત, Agility એવા રોબોટ સાથે વ્યવસાય અને નોકરીઓ આગળ વધારી રહી છે જે ચાલી શકે છે, સીડીઓ ચઢી શકે છે અને સામાન્ય બોક્સ જેટલી વસ્તુઓને હેન્ડલ કરી શકે છે.

હાઇબ્રિડ AI વ્યૂહરચના

આજે ઉદ્યોગમાં ચર્ચા લાર્જ લેંગ્વેજ મોડલ્સ અને ટ્રાન્સફોર્મર-આધારિત ન્યુરલ નેટ્સની આસપાસ છે, પરંતુ Agility ના સહ-સ્થાપક Damion Shelton આ "જનરેટિવ" સિસ્ટમ્સ અને રોબોટને સુરક્ષિત રાખતા ડિટરમિનિસ્ટિક કંટ્રોલર્સ વચ્ચે સ્પષ્ટ ભેદ રાખે છે. તેઓ રોબોટના સેફ્ટી સ્ટેકને એન્ટી-લોક બ્રેક સિસ્ટમ સાથે સરખાવે છે: AI દ્વારા નવા કાર્યો ઉત્પન્ન કરવાની ક્ષમતા હોવા છતાં, રોબોટે હંમેશા અનુમાનિત રીતે વર્તવું જોઈએ.

સાથે સાથે, Agility જનરેટિવ AI ને સંપૂર્ણપણે નકારતી નથી. કંપની તેનો ઉપયોગ "પ્રોગ્રામિંગ એક્સિલરેટર" તરીકે કરવાની યોજના ધરાવે છે, જે એન્જિનિયરોને ઉચ્ચ-સ્તરના શબ્દોમાં કાર્યનું વર્ણન કરવાની અને મોડલને ગતિવિધિઓના ક્રમ સૂચવવાની મંજૂરી આપશે. આ પ્રક્રિયા દરેક હલનચલન માટે મેન્યુઅલી કોડિંગ કરવાની વર્તમાન પદ્ધતિનું સ્થાન લઈ શકે છે, જે એક અવરોધ છે અને જો આવું ન કરવામાં આવે તો નવા ઉપયોગના કિસ્સાઓ સાથે મેળ ખાવા માટે હજારો એન્જિનિયરોની જરૂર પડે.

ઔદ્યોગિક ઉપયોગિતા દ્વારા સ્કેલિંગ

Agility નો રોડમેપ જાણીજોઈને ઔદ્યોગિક રાખવામાં આવ્યો છે. ફ્રેમોન્ટ કેમ્પસ એક સેન્ડબોક્સ તરીકે કામ કરશે જ્યાં છ ફૂટ ઊંચું Digit ક્લાયન્ટની લાઇન પર મોકલતા પહેલા સિમ્યુલેટેડ એલીઝ (aisles) માં શીખશે. આગામી હાર્ડવેર ઇટરેશન, જેને “Version 5” તરીકે ઓળખવામાં આવે છે, તે આ વર્ષના અંતમાં લોન્ચ થવાનું છે અને તેમાં અદ્યતન હ્યુમન-સેન્સિંગ ક્ષમતાઓ ઉમેરવામાં આવશે. આ સેન્સર્સ રોબોટને અલગ રોબોટ ઝોન પૂરતા મર્યાદિત રાખવાને બદલે લોકો સાથે મળીને કામ કરવાની મંજૂરી આપશે.

કંપનીનો ક્રમિક અભિગમ સૌથી સરળ હલનચલનથી શરૂ થાય છે – બિન (bins) ખસેડવા અને ટોટ્સ ખસેડવા – ત્યારબાદ પિકિંગ અને કિટિંગ ઉમેરે છે, અને પછી કાર્ડબોર્ડ અને ફૂલ-સાઇઝ ટ્રેલર લોડ જેવા મુશ્કેલ મટિરિયલ્સ સાથે કામ કરે છે. દરેક પગલામાં નિપુણતા મેળવીને, Agility "ટ્રિલિયન-ડોલર" લોજિસ્ટિક્સ માર્કેટનો હિસ્સો મેળવવાની અને એ સાબિત કરવાની આશા રાખે છે કે હ્યુમનોઇડ પ્લેટફોર્મ માત્ર એક નવો આકર્ષણ (novelty) નહીં પણ એક કાર્યક્ષમ મશીન (workhorse) બની શકે છે.

શું ખોટું થઈ શકે છે

ટીકાકારો ચેતવણી આપે છે કે સેફ્ટી-ક્રિટિકલ કંટ્રોલ સાથે જનરેટિવ AI નું મિશ્રણ જોખમી છે. જો લેંગ્વેજ મોડલ એવી ગતિવિધિ સૂચવે છે જે ડિટરમિનિસ્ટિક સેફ્ટી સ્ટેક સંપૂર્ણપણે અપેક્ષા રાખતું નથી, તો રોબોટ ભીડવાળા વેરહાઉસમાં અનિશ્ચિત રીતે વર્તી શકે છે. Shelton દ્વારા આ બે સ્તરોનું અલગકરણ તે જોખમને ઘટાડવાનો પ્રયાસ કરે છે, પરંતુ સાચો પુરાવો લાઈવ ડિપ્લોયમેન્ટ્સમાં જોવા મળશે જ્યાં અણધાર્યા કિસ્સાઓ (edge cases) વધુ હોય છે.

બીજી ચિંતા એ છે કે કન્ઝ્યુમર માર્કેટના ભોગે ઉચ્ચ-મૂલ્યના ઔદ્યોગિક કાર્યો પર ધ્યાન કેન્દ્રિત કરવામાં આવી રહ્યું છે. જ્યારે લોજિસ્ટિક્સ ક્ષેત્ર મોટા કોન્ટ્રાક્ટ આપે છે, ત્યારે તે કડક અપટાઇમ અને હાલની વેરહાઉસ મેનેજમેન્ટ સિસ્ટમ્સ સાથે ઇન્ટિગ્રેશનની પણ માંગ કરે છે. જો Agility આ ઇન્ટિગ્રેશનની માંગ પૂરી ન કરી શકે, તો $300 મિલિયનનું પાઇપલાઇન અટકી શકે છે.

શું જોવા જેવું છે

  • Version 5 રોલઆઉટ: તેની હ્યુમન-સેન્સિંગ સુઇટ મિશ્રિત-માનવ વાતાવરણમાં Agility ના સેફ્ટી-ફર્સ્ટ AI દાવા માટે પ્રથમ વાસ્તવિક પરીક્ષણ હશે.
  • રિવર્સ-મર્જર ટાઇમિંગ: કંપની આ વર્ષના અંતમાં પબ્લિક થવાની અપેક્ષા રાખે છે, જે પગલું ઝડપી સ્કેલિંગ માટે જરૂરી મૂડી પૂરી પાડી શકે છે પરંતુ તેને બજારની તપાસ માટે પણ ખુલ્લું પાડી શકે છે.
  • એડોપ્શન મેટ્રિક્સ: નવા ગ્રાહકો કેટલી ઝડપે Digit યુનિટ્સ ઉમેરે છે, અને ફ્રેમોન્ટ કેમ્પસ કેટલી ઝડપથી નવા ટાસ્ક પ્રોફાઇલ્સ પ્રમાણિત કરી શકે છે, તે દર્શાવશે કે તાલીમ મોડલ ખરેખર ડિપ્લોયમેન્ટને ઝડપી બનાવે છે કે નહીં.

નિષ્કર્ષ

એજિલિટી રોબોટિક્સ એવો દાવ લગાવી રહી છે કે વિશિષ્ટ રીતે નિર્મિત તાલીમ કેમ્પસ, હાઇબ્રિડ AI સ્ટેક અને ઔદ્યોગિક ઉપયોગો પરનું ધ્યાન તેના Digit રોબોટને પ્રયોગશાળાની માત્ર એક કુતૂહલવસ્તુમાંથી આવક પેદા કરનાર સંપત્તિમાં ફેરવી દેશે. આગામી થોડા મહિનાઓ – ખાસ કરીને Version 5 નું આગમન અને કંપનીનું જાહેર બજારમાં ડેબ્યૂ – એ દર્શાવશે કે આ દાવ સફળ થાય છે કે નહીં.