2024 ರಲ್ಲಿ ಸ್ಥಾಪಿತವಾದ ರೋಬೋಟಿಕ್ಸ್ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಆದ Generalist, ಸುಮಾರು $200 ಮಿಲಿಯನ್ ಹಣವನ್ನು ಸಂಗ್ರಹಿಸಿದ ನಂತರ ತನ್ನ ಮೌಲ್ಯಮಾಪನವನ್ನು (valuation) $3 ಬಿಲಿಯನ್‌ಗೆ ಏರಿಸುವ ಹೊಸ ಹಣಕಾಸಿನ ಸುತ್ತಿನ (funding round) ಬಗ್ಗೆ ಘೋಷಿಸಿದೆ. 8VC ನೇತೃತ್ವದಲ್ಲಿ ನಡೆದ ಈ ಬಂಡವಾಳದ ಹೆಚ್ಚಳವು ಒಟ್ಟು Series B ಹಣವನ್ನು $600 ಮಿಲಿಯನ್‌ಗೆ ತರುತ್ತದೆ ಮತ್ತು ಕೇವಲ ಕೆಲವು ಸೆಕೆಂಡುಗಳ ವೀಡಿಯೊದಿಂದ ಹೊಸ ಕೆಲಸಗಳನ್ನು ಕಲಿಯಬಲ್ಲ ರೋಬೋಟ್‌ಗಳತ್ತ ಹೂಡಿಕೆದಾರರು ವೇಗವಾಗಿ ಸಾಗುತ್ತಿರುವ ಹಾದಿಯನ್ನು ಇದು ಸೂಚಿಸುತ್ತದೆ.

ಹಣಕಾಸಿನ ಏರಿಕೆ ಮತ್ತು ಬೆಂಬಲಿಗರ ಸಾಲು

ನಿಯಂತ್ರಕ ದಾಖಲೆಗಳ ಪ್ರಕಾರ (Regulatory filings), ಜೂನ್‌ನಲ್ಲಿ Radical Ventures ನೇತೃತ್ವದಲ್ಲಿ ಆರಂಭವಾದ $400 ಮಿಲಿಯನ್‌ನ Series B ಸುತ್ತನ್ನು ಈ $200 ಮಿಲಿಯನ್ ಹೂಡಿಕೆಯು ವಿಸ್ತರಿಸುತ್ತದೆ. ಈ ಸುತ್ತು Generalist ನ ಹೂಡಿಕೆದಾರರ ಪಟ್ಟಿಗೆ Nvidia, Union Square Ventures, Bezos Expeditions ಮತ್ತು AI ಪ್ರವರ್ತಕ Fei-Fei Li ಅವರಂತಹ ಪ್ರಮುಖ ಹೆಸರುಗಳನ್ನು ಸೇರಿಸುತ್ತದೆ. ಅನೇಕ ರೋಬೋಟ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಿಗಾಗಿ ಒಂದೇ AI "ಮೆದುಳು" (brain) ಇದ್ದರೆ, ಕಾರ್ಖಾನೆಗಳು, ಗೋದಾಮುಗಳು ಮತ್ತು ಸೇವಾ ವಲಯಗಳಲ್ಲಿ ಆಟೊಮೇಷನ್‌ನ ಹೊಸ ಅಲೆಗೆ ಕಾರಣವಾಗಬಹುದು ಎಂಬ ನಂಬಿಕೆಯನ್ನು ಅವರ ಭಾಗವಹಿಸುವಿಕೆ ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.

Gen 1.5: ಅತೀ ಕಡಿಮೆ ಅವಧಿಯ ಪ್ರಾತ್ಯಕ್ಷಿಕೆಗಳಿಂದ ಕಲಿಯುವುದು

Generalist ನ ಪ್ರಸಿದ್ಧಿಗೆ ಕಾರಣ ಅದರ Gen 1.5 foundation model. ಪ್ರತಿಯೊಂದು ಚಲನೆಯನ್ನು ಕೈಯಿಂದ ರೂಪಿಸುವ ಬದಲು, ಈ ಮಾಡೆಲ್ ರೋಬೋಟ್ ಒಂದು ವೀಡಿಯೊ ಕ್ಲಿಪ್ ಅನ್ನು ನೋಡಲು (ಸಾಮಾನ್ಯವಾಗಿ ಕೇವಲ ಮೂರು ರಿಂದ ಹನ್ನೆರಡು ಸೆಕೆಂಡುಗಳ ಕಾಲ) ಅನುಮತಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ತೋರಿಸಲಾದ ಕಾರ್ಯವನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತದೆ. ಈ ವಿಧಾನವು imitation learning ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ: AI ದೃಶ್ಯ ಇನ್‌ಪುಟ್‌ನಿಂದ ಚಲನೆಯ ಸೂಚನೆಗಳು, ವಸ್ತುಗಳ ನಡುವಿನ ಸಂವಹನ ಮತ್ತು ಸಮಯವನ್ನು ಹೊರತೆಗೆಯುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ರೋಬೋಟ್‌ನ actuators ಗಾಗಿ ನಿಯಂತ್ರಣ ಕಮಾಂಡ್‌ಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಸಿದ್ಧಾಂತದ ಪ್ರಕಾರ, ಕೇವಲ ಸಣ್ಣ ರೆಕಾರ್ಡಿಂಗ್‌ಗಳನ್ನು ತೋರಿಸುವ ಮೂಲಕ ಒಂದು ರೋಬೋಟ್ ಪ್ರತಿ ವಾರ ಡಜನ್‌ಗಟ್ಟಲೆ ಹೊಸ ಕೌಶಲ್ಯಗಳನ್ನು ಕಲಿಯಬಹುದು, ಇದು ಬದಲಾಗುತ್ತಿರುವ ಪರಿಸರದಲ್ಲಿ ಆಟೊಮೇಷನ್ ಅನ್ನು ಅಳವಡಿಸಲು ಬೇಕಾಗುವ ಸಮಯ ಮತ್ತು ಪರಿಣತಿಯನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಹೂಡಿಕೆದಾರರು ಬೆನ್ನಾಡುತ್ತಿರುವ "ChatGPT ಕ್ಷಣ"

ಸಾಫ್ಟ್‌ವೇರ್‌ಗೆ Large Language Models ಯಾವ ಕ್ರಾಂತಿಕಾರಿ ಬದಲಾವಣೆ ತಂದಿದೆಯೋ, ಅದೇ ರೀತಿಯ ಬದಲಾವಣೆಯನ್ನು ಹಾರ್ಡ್‌ವೇರ್‌ಗೆ ನೀಡಲು Generalist ಜನಸಂದಣಿ ತುಂಬಿದ ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಭಾಗವಹಿಸುತ್ತಿದೆ. Physical Intelligence ಮತ್ತು SoftBank ಬೆಂಬಲಿತ Skild AI ನಂತಹ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳು ಈಗಾಗಲೇ ಡಬಲ್-ಡಿಜಿಟ್ ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಹೊಂದಿದ್ದು, ರೋಬೋಟಿಕ್ಸ್ ಕ್ಷೇತ್ರಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ವಿಶಾಲವಾದ "ChatGPT ಕ್ಷಣ"ದ ಕಥನಕ್ಕೆ ಇಂಧನ ತುಂಬುತ್ತಿವೆ. ಇದರ ಮೂಲ ತತ್ವ ಸರಳವಾಗಿದೆ: ಕನಿಷ್ಠ ಡೇಟಾ ಬಳಸಿ fine-tune ಮಾಡಬಹುದಾದ ಬಹುಮುಖಿ, pre-trained ಮಾಡೆಲ್ ಇದ್ದರೆ, ಕಂಪನಿಗಳು ತಮ್ಮ control stacks ಅನ್ನು ಮೊದಲ부터 ಮರುನಿರ್ಮಿಸದೆ ರೋಬೋಟಿಕ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸೇರಿಸಿಕೊಳ್ಳಬಹುದು.

ಭೌತಿಕ ಡೇಟಾ ಅಡಚಣೆ ಮತ್ತು ಸಂದೇಹಾಸ್ಪದ ಧ್ವನಿಗಳು

ಈ ಉತ್ಸಾಹವು ಒಂದು ಪ್ರಾಯೋಗಿಕ ಅಡಚಣೆಯನ್ನು ಎದುರಿಸುತ್ತಿದೆ. Large language models ಇಂಟರ್ನೆಟ್‌ನಲ್ಲಿರುವ ಅಂತ್ಯವಿಲ್ಲದ ಪಠ್ಯದ ಮೇಲೆ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ್ದರೆ, ರೋಬೋಟ್‌ಗಳು ತರಬೇತಿ ಡೇಟಾವನ್ನು ತಯಾರಿಸಲು ಭೌತಿಕ ಸಂವಹನದ ಅಗತ್ಯವಿದೆ. ಸೆನ್ಸರ್‌ಗಳು ಬಲ (forces), ಸಂಪರ್ಕಗಳು (contacts) ಮತ್ತು 3-D ಜ್ಯಾಮಿತಿಯನ್ನು ಸೆರೆಹಿಡಿಯಬೇಕು ಮತ್ತು ಪ್ರತಿಯೊಂದು ಹೊಸ ಸನ್ನಿವೇಶವು ಹೊಸ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯನ್ನು ಬಯಸಬಹುದು. ಉತ್ತಮ ಗುಣಮಟ್ಟದ, ವೈವಿಧ್ಯಮಯ ಭೌತಿಕ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಕೊರತೆಯು ನಿಜವಾದ ಸಾರ್ವತ್ರಿಕ ರೋಬೋಟ್ ಬುದ್ಧಿವಂತತೆಯನ್ನು ವಾಣಿಜ್ಯ ಬಳಕೆಗೆ ಬರಲು ಇನ್ನೂ ವರ್ಷಗಳ ಕಾಲ ದೂರವಿಡಬಹುದು ಎಂದು ಕೆಲವು ತಜ್ಞರು ಎಚ್ಚರಿಸುತ್ತಾರೆ. ನೈಜ ಪ್ರಪಂಚದ ಪ್ರಾತ್ಯಕ್ಷಿಕೆಗಳ ನಿರಂತರ ಹರಿವು ಇಲ್ಲದಿದ್ದರೆ, Gen 1.5 ನಂತಹ ಹೊಂದಿಕೊಳ್ಳುವ ಮಾಡೆಲ್ ಕೂಡ ತಾನು ನೋಡಿದ ಪರಿಸರಗಳ ಹೊರಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಕಷ್ಟಪಡಬಹುದು.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • Deployment trials: Generalist ನ ಮುಂದಿನ ಸಾರ್ವಜನಿಕ ಪರೀಕ್ಷಾ ಸ್ಥಳಗಳು—ಅವು ಲಾಜಿಸ್ಟಿಕ್ಸ್ ಕೇಂದ್ರಗಳಾಗಿರಲಿ ಅಥವಾ ಉತ್ಪಾದನಾ ಲೈನ್‌ಗಳಾಗಿರಲಿ—Gen 1.5 ಪ್ರಯೋಗಾಲಯದ ಪ್ರಾತ್ಯಕ್ಷಿಕೆಗಳಿಂದ ಗದ್ದಲದ, ಅನಿರೀಕ್ಷಿತ ಸ್ಥಳಗಳಿಗೆ ಎಷ್ಟು ಚೆನ್ನಾಗಿ ವಿಸ್ತರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ.
  • Data pipeline development: ಸ್ವಯಂಚಾಲಿತ ಡೇಟಾ ಕ್ಯಾಪ್ಚರ್‌ನಲ್ಲಿನ ಪ್ರಗತಿ (ಉದಾಹರಣೆಗೆ, ಮಾಡೆಲ್‌ಗೆ ಡೇಟಾ ನೀಡುವ ಕ್ಯಾಮೆರಾಗಳ ಸಮೂಹ) ಭೌತಿಕ-ಡೇಟಾ ಅಡಚಣೆಯನ್ನು ನಿವಾರಿಸಬಹುದು.
  • Competitive moves: ಪ್ರತಿಸ್ಪರ್ಧಿಗಳ ಹಣಕಾಸಿನ ಸುತ್ತುಗಳು ಮತ್ತು ಪಾಲುದಾರಿಕೆ ಘೋಷಣೆಗಳನ್ನು ಗಮನಿಸಿ, ಏಕೆಂದರೆ ಮೊದಲ ವ್ಯಾಪಕವಾಗಿ ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದಾದ ರೋಬೋಟ್ foundation model ಗಾಗಿ ನಡೆಯುತ್ತಿರುವ ಸ್ಪರ್ಧೆಯು ಇನ್ನೂ ಆರಂಭಿಕ ಹಂತದಲ್ಲಿದೆ.

Takeaway: Generalist ನ $3 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನವು, ಒಂದು ಏಕೈಕ AI ಮಾಡೆಲ್ ಇಂದಿನ ಚಾಟ್‌ಬಾಟ್‌ಗಳಂತೆ ರೋಬೋಟ್‌ಗಳನ್ನು ಹೊಂದಾಣಿಕೆ ಮಾಡಿಕೊಳ್ಳುವಂತೆ ಮಾಡಬಲ್ಲದು ಎಂಬ ಬಲವಾದ ನಂಬಿಕೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ, ಆದರೆ ಈ ಹಾದಿಯು ಅಲ್ಪಾವಧಿಯ ವೀಡಿಯೊ ಕ್ಲಿಪ್‌ಗಳನ್ನು ವಿಶ್ವಾಸಾರ್ಹ, ನೈಜ ಪ್ರಪಂಚದ ಚಲನೆಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುವುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ—ಈ ಭರವಸೆಯು ದೈನಂದಿನ ಆಟೊಮೇಷನ್ ಆಗಿ ಬದಲಾಗುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವ ಎಂಜಿನಿಯರಿಂಗ್ ಸವಾಲು ಇದಾಗಿದೆ.