केवल डिजिटल AI का युग विकसित हो रहा है क्योंकि स्टार्टअप सॉफ्टवेयर इंटेलिजेंस और भौतिक निष्पादन (physical execution) के बीच के अंतर को पाटने की दिशा में बढ़ रहे हैं। पूर्व Meta AI शोधकर्ताओं द्वारा स्थापित एक नया उद्यम, Perceptron, ऐसे अत्याधुनिक विज़न मॉडल विकसित करके इस दिशा में नेतृत्व कर रहा है जिन्हें मशीनों को वास्तविक दुनिया में नेविगेट करने और बातचीत करने में मदद करने के लिए डिज़ाइन किया गया है।

बाइनरी को तोड़ना: जनरल मॉडल बनाम नैरो मॉडल

वर्षों से, औद्योगिक स्वचालन (industrial automation) एक तकनीकी गतिरोध में फंसा हुआ है। डेवलपर्स को आमतौर पर या तो विशाल, जनरल फाउंडेशन मॉडल चुनने पड़ते हैं जिनमें प्रत्येक इंस्टेंस के लिए महंगे, समर्पित क्लाउड GPUs की आवश्यकता होती है, या फिर नैरो, विशिष्ट मॉडल चुनने पड़ते हैं जो धारणा (perception) या नियंत्रण (control) को संभाल सकते हैं, लेकिन दोनों करने की क्षमता नहीं रखते।

Perceptron के सह-संस्थापक, Armen Aghajanyan और Akshat Shrivastava—दोनों Meta के Fundamental AI Research (FAIR) डिवीजन के पूर्व छात्र हैं—अपने नए मॉडल, Isaac 0.5 के माध्यम से इसे हल करने का प्रयास कर रहे हैं। एकल, दोहराव वाले कार्यों के लिए डिज़ाइन किए गए मौजूदा सॉफ्टवेयर के विपरीत, Isaac 0.5 एक सामान्य उद्देश्य वाला (general-purpose) मॉडल है। यह रोबोटों को "महसूस करने, तर्क करने और कार्य करने" (perceive, reason, and act) की क्षमता प्रदान करता है, जिससे उन्हें किसी एक विशिष्ट गतिविधि के लिए हार्ड-कोडेड होने के बजाय विभिन्न वातावरणों के अनुकूल होने की अनुमति मिलती है।

भौतिक बुद्धिमत्ता की कार्यप्रणाली

Perceptron के दृष्टिकोण की जटिलता को समझने के लिए, किसी मानक वेयरहाउस कार्य, जैसे कि पैकेज छांटना (sorting packages), को देखना होगा। एक रोबोट केवल "एक बॉक्स नहीं उठा सकता"; उसे पहले लेबल पढ़ने होंगे, अपने परिवेश का मानचित्र बनाने के लिए स्थानिक विश्लेषण (spatial analysis) करना होगा, इष्टतम पिकिंग ऑर्डर तय करना होगा, और अपने भौतिक प्रक्षेपवक्र (physical trajectory) की योजना बनानी होगी।

Isaac 0.5 को इन बहु-चरणीय संज्ञानात्मक प्रक्रियाओं (multi-step cognitive processes) को प्रबंधित करने के लिए डिज़ाइन किया गया है। मॉडल को बड़े पैमाने पर प्रशिक्षित किया गया था, जिसमें विविध सेटिंग्स और परिदृश्यों को पहचानने के लिए दस लाख घंटों के सामान्य वीडियो डेटा का उपयोग किया गया। भौतिक निपुणता (physical dexterity) में महारत हासिल करने के लिए, कंपनी ने "ego video" (पहनने योग्य कैमरों से प्रथम-व्यक्ति परिप्रेक्ष्य) और UMI वीडियो (दोहराव वाले मानवीय कार्यों की रिकॉर्डिंग) का उपयोग किया ताकि AI को यह सिखाया जा सके कि गति कार्य पूरा करने में कैसे बदलती है। Shrivastava ने उल्लेख किया कि इस स्तर की "एल्गोरिद्मिक कीमिया" (algorithmic alchemy) प्राप्त करने के लिए कंपनी ने छवियों, टेक्स्ट, वीडियो और रोबोटिक प्रक्षेपवक्रों (trajectories) को कवर करने वाले पेटाबाइट-स्केल डेटासेट बनाए हैं।

ओपन-वेट रणनीति और बाजार विस्तार

पारदर्शिता और डेवलपर अपनाने को प्रोत्साहित करने के एक कदम के रूप में, Perceptron Isaac 0.5 को एक ओपन-वेट मॉडल के रूप में रिलीज़ कर रहा है। यह शोधकर्ताओं और इंजीनियरों को इसके मापदंडों (parameters) और प्रशिक्षण सामग्री का निरीक्षण करने की अनुमति देता है, जो उच्च-जोखिम वाले औद्योगिक वातावरण में AI को एकीकृत करने के लिए एक महत्वपूर्ण कदम है जहाँ पूर्वानुमेयता (predictability) सर्वोपरि है।

Bessemer Venture Partners के नेतृत्व में $21 मिलियन के फंडिंग राउंड द्वारा समर्थित, Perceptron खुद को विभिन्न क्षेत्रों के लिए इंटेलिजेंस लेयर के रूप में स्थापित कर रहा है। हालांकि प्राथमिक ध्यान लॉजिस्टिक्स और विनिर्माण (manufacturing) पर है, कंपनी सुरक्षा, गतिशीलता (mobility), और यहाँ तक कि मीडिया और मनोरंजन में भी तत्काल अनुप्रयोग देखती है। एक लचीली इंटेलिजेंस लेयर प्रदान करके, Perceptron का लक्ष्य वैश्विक औद्योगिक परिदृश्य में विज़न-गाइडेड रोबोटों के संचालन के तरीके को बदलना है।

मुख्य बातें

  • अंतर को पाटना: Isaac 0.5 एक सामान्य उद्देश्य वाले "महसूस करें, तर्क करें और कार्य करें" (perceive, reason, and act) फ्रेमवर्क की पेशकश करके संसाधन-भारी जनरल मॉडल और सीमित नैरो मॉडल के बीच के चुनाव को समाप्त करने का लक्ष्य रखता है।
  • बड़े पैमाने पर प्रशिक्षण: मॉडल रोबोटों को जटिल स्थानिक और मैनुअल कार्य सिखाने के लिए ईगो-सेंट्रिक और UMI वीडियो सहित दस लाख घंटों के वीडियो डेटा का लाभ उठाता है।
  • ओपन-वेट सुलभता: Isaac 0.5 को ओपन वेट के साथ रिलीज़ करके, Perceptron औद्योगिक वर्कफ़्लो में अत्याधुनिक विज़न AI के गहन निरीक्षण और तेज़ एकीकरण को सक्षम बनाता है।

Perceptron ने Isaac 0.5 का अनावरण किया, जो एक ओपन-वेट विज़न मॉडल है और रोबोटों को एक एकीकृत “perceive-reason-act” मस्तिष्क देने का वादा करता है। स्टार्टअप ने Bessemer Venture Partners के नेतृत्व में $21 मिलियन जुटाए हैं, और इस मॉडल को लॉजिस्टिक्स, विनिर्माण और अन्य भौतिक-स्वचालन बाजारों के लिए एक ड्रॉप-इन इंटेलिजेंस लेयर के रूप में पेश करता है।

लॉन्च क्यों महत्वपूर्ण है

औद्योगिक रोबोट लंबे समय से एक समझौते (trade-off) के लिए मजबूर रहे हैं। एक विशाल, सामान्य उद्देश्य वाले फाउंडेशन मॉडल को तैनात करें और आप निरंतर क्लाउड GPU एक्सेस के लिए भुगतान करते हैं; एक नैरो, कार्य-विशिष्ट विज़न सिस्टम के साथ बने रहें और जब वातावरण बदलता है तो आप लचीलापन खो देते हैं। Isaac 0.5 को एक मध्य मार्ग के रूप में विपणन किया गया है—एक ऐसा मॉडल जो प्रति-इंस्टेंस क्लाउड कंप्यूट की आवश्यकता के बिना धारणा, योजना और नियंत्रण को संभाल सकता है।

आज के रोबोट दिमाग के साथ समस्या

एक सामान्य वेयरहाउस रोबोट केवल एक बॉक्स उठाने से कहीं अधिक काम करता है। इसे एक लेबल पढ़ना, अव्यवस्था के बीच वस्तु का पता लगाना, सबसे अच्छा पिकिंग सीक्वेंस तय करना और बिना किसी टकराव के आर्म ट्रेजेक्टरी की गणना करना होता है—वह भी रियल टाइम में। मौजूदा समाधान आमतौर पर इन चरणों को अलग-अलग सॉफ्टवेयर घटकों में विभाजित करते हैं: लेबल के लिए एक लाइटवेट डिटेक्टर, मोशन के लिए एक हैंडक्राफ्टेड प्लानर, और निष्पादन के लिए एक रूल-बेस्ड कंट्रोलर। यह विभाजन इंटीग्रेशन ओवरहेड पैदा करता है और नए उत्पाद, पैकेजिंग स्टाइल या लेआउट आने पर रोबोट की अनुकूलन क्षमता को सीमित करता है।

Isaac 0.5 इस अंतर को पाटने की कोशिश कैसे करता है

Perceptron के सह-संस्थापक, Armen Aghajanyan और Akshat Shrivastava, जो दोनों पूर्व Meta FAIR शोधकर्ता हैं, ने Isaac 0.5 को एक सिंगल, एंड-टू-एंड नेटवर्क के रूप में बनाया है। इस मॉडल को लगभग दस लाख घंटों के सामान्य वीडियो डेटा पर प्रशिक्षित किया गया है, जिसमें इनडोर और आउटडोर दृश्यों की एक विस्तृत श्रृंखला शामिल है। महत्वपूर्ण रूप से, ट्रेनिंग सेट में "ego video" – वियरेबल कैमरों से कैप्चर किया गया फर्स्ट-पर्सन फुटेज – और "UMI video," यानी दोहराव वाले मानवीय कार्यों की रिकॉर्डिंग भी शामिल है। नेटवर्क को रोबोट-ट्रेजेक्टरी डेटा के साथ विजुअल स्ट्रीम्स प्रदान करके, Perceptron का दावा है कि मॉडल यह सीखता है कि विजुअल संकेत (visual cues) भौतिक गतियों (physical motions) में कैसे परिवर्तित होते हैं।

कंपनी का कहना है कि इसका डेटासेट पेटाबाइट्स की छवियों, टेक्स्ट, वीडियो और रोबोटिक ट्रेजेक्टरीज तक फैला हुआ है। इस व्यापकता का उद्देश्य Isaac 0.5 को एक नई वस्तु को पहचानने, उसकी एफ़ोर्डेंस (affordances - इसे कैसे पकड़ा जा सकता है) का अनुमान लगाने और एक मोशन प्लान तैयार करने की क्षमता देना है, वह भी बिना किसी अलग कंट्रोल मॉड्यूल के।

ओपन-वेट मॉडल: पारदर्शिता और व्यावहारिकता का संगम

अधिकांश व्यावसायिक AI पेशकशों के विपरीत, जो केवल एक API प्रदान करती हैं, Perceptron Isaac 0.5 को ओपन वेट्स (open weights) के साथ रिलीज़ कर रहा है। इंजीनियर पैरामीटर्स का निरीक्षण कर सकते हैं, प्रोप्रायटरी डेटा पर नेटवर्क को फाइन-ट्यून कर सकते हैं, या मॉडल को सीधे एज हार्डवेयर (edge hardware) पर एम्बेड कर सकते हैं।