2024 में स्थापित रोबोटिक्स स्टार्टअप, Generalist ने फंडिंग के एक नए दौर की घोषणा की है, जिससे लगभग $200 मिलियन जुटाने के बाद इसका मूल्यांकन (valuation) बढ़कर $3 बिलियन हो गया है। 8VC के नेतृत्व में मिले इस पूंजी निवेश से कुल Series B राशि $600 मिलियन हो गई है, जो यह संकेत देती है कि निवेशक उन रोबोटों के करीब पहुँच रहे हैं जो कुछ सेकंड के वीडियो से नए काम सीख सकते हैं।

फंडिंग में उछाल और समर्थकों की सूची

रेगुलेटरी फाइलिंग से पता चलता है कि $200 मिलियन का यह निवेश उस Series B का विस्तार है, जो जून में Radical Ventures के नेतृत्व में $400 मिलियन के राउंड के साथ शुरू हुआ था। इस राउंड में Nvidia, Union Square Ventures, Bezos Expeditions और AI अग्रणी Fei-Fei Li जैसे दिग्गज नाम Generalist के निवेशक रोस्टर में शामिल हुए हैं। उनकी भागीदारी इस विश्वास को पुख्ता करती है कि कई रोबोट प्लेटफॉर्म के लिए एक एकल AI "ब्रेन" (मस्तिष्क) कारखानों, गोदामों और सर्विस सेटिंग्स में ऑटोमेशन की एक नई लहर ला सकता है।

Gen 1.5: अत्यंत संक्षिप्त डेमो से सीखना

Generalist की सबसे बड़ी विशेषता इसका Gen 1.5 फाउंडेशन मॉडल है। हर मोशन (गति) को मैन्युअल रूप से तैयार करने के बजाय, यह मॉडल रोबोट को एक वीडियो क्लिप देखने देता है—जो अक्सर केवल तीन से बारह सेकंड की होती है—और फिर दिखाए गए कार्य को दोहराता है। यह दृष्टिकोण 'इमिटेशन लर्निंग' (imitation learning) पर आधारित है: AI विजुअल इनपुट से मोशन संकेत, ऑब्जेक्ट इंटरेक्शन और टाइमिंग निकालता है और उन्हें रोबोट के एक्चुएटर्स (actuators) के लिए कंट्रोल कमांड में बदल देता है। सैद्धांतिक रूप से, एक रोबोट केवल छोटी रिकॉर्डिंग देखकर हर हफ्ते दर्जनों नए कौशल सीख सकता है, जिससे बदलते परिवेश में ऑटोमेशन तैनात करने के लिए आवश्यक समय और विशेषज्ञता में भारी कमी आएगी।

वह “ChatGPT मोमेंट” जिसका निवेशक पीछा कर रहे हैं

Generalist उस भीड़भाड़ वाली दौड़ में प्रतिस्पर्धा कर रहा है जिसका उद्देश्य हार्डवेयर को वही सफलता दिलाना है जो लार्ज लैंग्वेज मॉडल्स ने सॉफ्टवेयर को दिलाई है। Physical Intelligence और SoftBank समर्थित Skild AI जैसे प्रतिद्वंद्वी पहले से ही अरबों डॉलर (double-digit-billion) के मूल्यांकन पर हैं, जो रोबोटिक्स के लिए एक व्यापक “ChatGPT मोमेंट” की धारणा को बल दे रहे हैं। इसका आधार सरल है: एक बहुमुखी, प्री-ट्रेन्ड मॉडल जिसे न्यूनतम डेटा के साथ फाइन-ट्यून किया जा सके, कंपनियों को कंट्रोल स्टैक को शून्य से दोबारा बनाए बिना रोबोटिक क्षमताएं जोड़ने की अनुमति दे सकता है।

फिजिकल डेटा की बाधा और संशयवादी आवाजें

यह उत्साह एक व्यावहारिक बाधा का सामना करता है। लार्ज लैंग्वेज मॉडल्स इंटरनेट के अंतहीन टेक्स्ट पर फलते-फूलते हैं, लेकिन रोबोटों को ट्रेनिंग डेटा जेनरेट करने के लिए फिजिकल इंटरेक्शन (भौतिक संपर्क) की आवश्यकता होती है। सेंसर को बल (forces), संपर्क और 3-D ज्योमेट्री को कैप्चर करना होगा, और प्रत्येक नए परिदृश्य के लिए नए डेटा संग्रह की आवश्यकता हो सकती है। कुछ विशेषज्ञों ने चेतावनी दी है कि उच्च गुणवत्ता वाले, विविध फिजिकल डेटासेट की कमी वास्तव में सार्वभौमिक रोबोट इंटेलिजेंस को व्यावसायिक व्यवहार्यता से वर्षों दूर रख सकती है। वास्तविक दुनिया के प्रदर्शनों की निरंतर आपूर्ति के बिना, Gen 1.5 जैसा लचीला मॉडल भी उन वातावरणों से परे सामान्यीकरण (generalize) करने में संघर्ष कर सकता है जिन्हें उसने देखा है।

आगे क्या देखें

  • डिप्लॉयमेंट ट्रायल (Deployment trials): Generalist के अगले सार्वजनिक परीक्षण स्थल—चाहे वे लॉजिस्टिक्स सेंटर हों या मैन्युफैक्चरिंग लाइनें—यह प्रकट करेंगे कि Gen 1.5 लैब डेमो से शोर-शराबे वाले और अप्रत्याशित स्थानों तक कितनी अच्छी तरह स्केल करता है।
  • डेटा पाइपलाइन विकास: ऑटोमेटेड डेटा कैप्चर (जैसे, मॉडल को फीड करने वाले कैमरों के बेड़े) में प्रगति फिजिकल-डेटा की बाधा को कम कर सकती है।
  • प्रतिस्पर्धी कदम: प्रतिद्वंद्वियों के फंडिंग राउंड और साझेदारी की घोषणाओं पर नज़र रखें, क्योंकि पहले व्यापक रूप से अपनाने योग्य रोबोट फाउंडेशन मॉडल की दौड़ अभी अपने शुरुआती चरण में है।

निष्कर्ष (Takeaway): Generalist का $3 बिलियन का मूल्यांकन इस मजबूत विश्वास को दर्शाता है कि एक एकल AI मॉडल रोबोटों को आज के चैटबॉट्स की तरह अनुकूलन योग्य बना सकता है, लेकिन यह रास्ता संक्षिप्त वीडियो क्लिप को विश्वसनीय, वास्तविक दुनिया की गति में बदलने पर निर्भर करता है—एक ऐसी इंजीनियरिंग चुनौती जो यह तय करेगी कि क्या यह वादा रोजमर्रा के ऑटोमेशन में बदल पाता है या नहीं।