Fei-Fei Li ಮತ್ತು Yunzhu Li ಇತ್ತೀಚಿನ a16z ಪಾಡ್‌ಕಾಸ್ಟ್‌ನಲ್ಲಿ, World Labs ಒಂದು “real-to-sim-to-real” ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಪರಿಚಯಿಸುತ್ತಿದೆ ಎಂದು ತಿಳಿಸಿದ್ದಾರೆ. ಇದು ರೋಬೋಟ್‌ಗಳು ಭೌತಿಕ ನೆಲವನ್ನು ಸ್ಪರ್ಶಿಸುವ ಮೊದಲೇ, ಅತ್ಯಂತ ನಿಖರವಾದ ಡಿಜಿಟಲ್ ಅವತಾರಗಳಲ್ಲಿ (digital twins) ಸ್ಥಳೀಯ ಕಾರ್ಯಗಳನ್ನು (spatial tasks) ಕಲಿಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಈ ವಿಧಾನವು ರೋಬೋಟ್ ತರಬೇತಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ವೆಚ್ಚ ಮತ್ತು ಅಪಾಯವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಇದು ಅನೇಕ ಸ್ವಯಂಚಾಲಿತ (automation) ಯೋಜನೆಗಳು ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ಸೀಮಿತವಾಗಲು ಕಾರಣವಾಗಿದ್ದ ಅಡ್ಡಿಯಾಗಿದೆ.

ರೋಬೋಟ್‌ಗಳಿಗೆ ಭಾಷೆಗಿಂತ ಹೆಚ್ಚಿನದೇಕೆ ಬೇಕು

ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (Large language models) ಇಂಟರ್ನೆಟ್‌ನಲ್ಲಿರುವ ಪಠ್ಯವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಬಲ್ಲವು, ಆದರೆ ರೋಬೋಟ್ ಕೇವಲ ವಿಡಿಯೋಗಳನ್ನು ನೋಡಿ ಅದರಲ್ಲಿರುವುದನ್ನು ಅನುಕರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಗೋದಾಮು ಅಥವಾ ಹೋಟೆಲ್ ಕೊಠಡಿಯ ಮೂಲಕ ಚಲಿಸಲು, ರೋಬೋಟ್ ತ್ರಿಮಿತೀಯ ರೇಖಾಗಣಿತ (three-dimensional geometry), ಮೇಲ್ಮೈ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ತಳ್ಳುವುದು, ಎತ್ತುವುದು ಮತ್ತು ಜೋಡಿಸುವ ಭೌತಶಾಸ್ತ್ರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು. ಇವುಗಳೇ “spatial intelligence” (ಸ್ಥಳೀಯ ಬುದ್ಧಿವಂತಿಕೆ) ನ ಅಂಶಗಳಾಗಿದ್ದು, ಇವುಗಳನ್ನು ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ಸೆರೆಹಿಡಿಯುವುದು ಕಷ್ಟಕರವಾಗಿದೆ.

ಡೇಟಾ ಕುಂಠಿತ

ನೈಜ ಪ್ರಪಂಚದ ರೋಬೋಟ್ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದು ನಿಧಾನ, ದುಬಾರಿ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಅಪಾಯಕಾರಿಯಾಗಿರುತ್ತದೆ. ಒಂದು ಸಣ್ಣ ತಪ್ಪು ಘಟನೆಯು ಹಾರ್ಡ್‌ವೇರ್‌ಗೆ ಹಾನಿ ಮಾಡಬಹುದು, ಉತ್ಪಾದನಾ ಲೈನ್ ಅನ್ನು ಸ್ಥಗಿತಗೊಳಿಸಬಹುದು ಅಥವಾ ಮಾನವ ಕೆಲಸಗಾರರಿಗೆ ಗಾಯ ಮಾಡಬಹುದು. ಈ ಕಾರಣದಿಂದಾಗಿ, ಹೆಚ್ಚಿನ ರೋಬೋಟಿಕ್ಸ್ ತಂಡಗಳು ದೈನಂದಿನ ಪರಿಸರಗಳ ವೈವಿಧ್ಯತೆಯನ್ನು ಒಳಗೊಳ್ಳದ ಸಣ್ಣ, ಕೈಯಿಂದ ಸಿದ್ಧಪಡಿಸಿದ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ.

World Labs ಹೊಂದಾಣಿಕೆಯಾದ ಡಿಜಿಟಲ್ ಪ್ರಪಂಚಗಳನ್ನು ನಿರ್ಮಿಸುವ ಮೂಲಕ ಈ ಕುಂಠಿತವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ. ಅವರ SceniX ಸಿಸ್ಟಮ್ ಭೌತಿಕ ಸ್ಥಳವನ್ನು ಸಿಮ್ಯುಲೇಶನ್ ಆಗಿ ನಕ್ಷೆ ಮಾಡುತ್ತದೆ, ಇದು ರೇಖಾಗಣಿತ (ಗೋಡೆಗಳು ಮತ್ತು ವಸ್ತುಗಳ ಆಕಾರ), ನೋಟ (ರಚನೆಗಳು, ಬಣ್ಣಗಳು, ಬೆಳಕು) ಮತ್ತು ಭೌತಶಾಸ್ತ್ರವನ್ನು (ವಸ್ತುಗಳನ್ನು ತಳ್ಳಿದಾಗ ಅವು ಹೇಗೆ ಚಲಿಸುತ್ತವೆ ಎಂಬುದು) ಸಂರಕ್ಷಿಸುತ್ತದೆ. ರೋಬೋಟ್ ಆ ವರ್ಚುವಲ್ ಪ್ರತಿರೂಪದಲ್ಲಿ ಅಭ್ಯಾಸ ಮಾಡುತ್ತದೆ, ನಂತರ ಅದೇ ನಿಯಮಗಳು (policies) ನೈಜ ಪರಿಸರಕ್ಕೆ ವರ್ಗಾಯಿಸಲ್ಪಡುತ್ತವೆ.

ವಿಡಿಯೋ ಮಾದರಿಗಳು ಸಾಕಾಗುವುದಿಲ್ಲ

ಕೆಲವು ಸಂಶೋಧಕರು ಹೆಚ್ಚಿನ ರೆಸಲ್ಯೂಶನ್ ಹೊಂದಿರುವ ವಿಡಿಯೋ ಜನರೇಟರ್‌ಗಳು ಭೌತಿಕ ಸಿಮ್ಯುಲೇಶನ್‌ಗೆ ಪರ್ಯಾಯವಾಗಬಲ್ಲವು ಎಂದು ವಾದಿಸುತ್ತಾರೆ. ಅಂತಹ ಮಾದರಿಗಳು ರೋಬೋಟ್‌ನ ದೃಷ್ಟಿಕೋನದಿಂದ ಸಮಂಜಸವಾದ ಫ್ರೇಮ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಬಲ್ಲವು, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಸ್ಥಿರವಾದ ಭೌತಶಾಸ್ತ್ರ ಇರುವುದಿಲ್ಲ. ಸಿಮ್ಯುಲೇಟೆಡ್ ವಿಡಿಯೋದಲ್ಲಿ ಒಂದು ಕಪ್ ಅನ್ನು ತಳ್ಳಿದ ನಂತರ ಅದು ಮಾಯವಾದರೆ, ಆ ದೃಶ್ಯದ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ರೋಬೋಟ್ ತಪ್ಪು ಕಾರಣ-ಪರಿಣಾಮ ಸಂಬಂಧವನ್ನು ಕಲಿಯುತ್ತದೆ. World Labs ನ ಪೈಪ್‌ಲೈನ್ ಕಾಲ, ಸ್ಥಳ ಮತ್ತು ಸಂವಹನದಲ್ಲಿ ಸ್ಥಿರವಾಗಿರುವ ಪ್ರಪಂಚಗಳಿಗಾಗಿ ಒತ್ತಾಯಿಸುತ್ತದೆ, ಇದರಿಂದ ರೋಬೋಟ್‌ನ “muscle memory” ನೈಜ ಪ್ರಪಂಚದ ಭೌತಶಾಸ್ತ್ರಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.

ಅರೆ-ರಚನಾತ್ಮಕ ಸ್ಥಳಗಳನ್ನು ಗುರಿಯಾಗಿಸುವುದು

ಈ ತಂಡವು ನಾಳೆಯೇ ವಾಸಸ್ಥಳದಲ್ಲಿ ಅಲೆದಾಡುವ ಮಾನವ ರೂಪದ (humanoid) ಸಹಾಯಕರನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿಲ್ಲ. ಬದಲಾಗಿ, ಅವರು ಅರೆ-ರಚನಾತ್ಮಕ ಪರಿಸರಗಳ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸುತ್ತಾರೆ, ಅಲ್ಲಿ ವಿನ್ಯಾಸವು ಡಿಜಿಟಲ್ ಅವತಾರವು ನಿಖರವಾಗಿರಲು ಸಾಕಷ್ಟು ಊಹಿಸಬಹುದಾದ ಮಟ್ಟದಲ್ಲಿದೆ, ಆದರೆ ನೈಜ ಸ್ಥಳೀಯ ತರ್ಕವನ್ನು (spatial reasoning) ಬಯಸುವಷ್ಟು ವೈವಿಧ್ಯಮಯವಾಗಿದೆ. ಉದಾಹರಣೆಗಳು:

  • ಕಪಾಟುಗಳು ಮತ್ತು ಪ್ಯಾಲೆಟ್‌ಗಳಲ್ಲಿ ವಸ್ತುಗಳನ್ನು ಸಂಗ್ರಹಿಸಿರುವ ಗೋದಾಮುಗಳು
  • ಮೇಜುಗಳು, ಕುರ್ಚಿಗಳು ಮತ್ತು ಚಲನಶೀಲ ಸಿಬ್ಬಂದಿ ಇರುವ ರೆಸ್ಟೋರೆಂಟ್‌ಗಳು
  • ಕಾರಿಡಾರ್‌ಗಳು, ಕೊಠಡಿಗಳು ಮತ್ತು ಸರ್ವಿಸ್ ಕಾರ್ಟ್‌ಗಳಿರುವ ಹೋಟೆಲ್‌ಗಳು
  • ಯಂತ್ರೋಪಕರಣಗಳು, ಕನ್ವೇಯರ್‌ಗಳು ಮತ್ತು ಸುರಕ್ಷತಾ ತಡೆಗೋಡೆಗಳಿರುವ ಕೈಗಾರಿಕಾ ತಾಣಗಳು

ಇವು ವ್ಯವಹಾರಗಳು ಈಗಾಗಲೇ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು (automation) ಕೇಳುತ್ತಿರುವ ಸ್ಥಳಗಳಾಗಿವೆ. ಇತ್ತೀಚಿನ ಪಾಡ್‌ಕಾಸ್ಟ್‌ನಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾದ ಸಮೀಕ್ಷೆಯೊಂದರ ಪ್ರಕಾರ, ವಿನಂತಿಸಲಾದ ರೋಬೋಟ್ ಕಾರ್ಯಗಳಲ್ಲಿ ಮೂರನೇ ಒಂದು ಭಾಗವು ಸ್ವಚ್ಛಗೊಳಿಸುವುದನ್ನು ಒಳಗೊಂಡಿದೆ—ಇದು ಮನುಷ್ಯರು ಯಂತ್ರಗಳಿಗೆ ಹಸ್ತಾಂತರಿಸಲು ಉತ್ಸುಕರಾಗಿರುವ ಪುನರಾವರ್ತಿತ, ಅಹಿತಕರ ಕೆಲಸವಾಗಿದೆ.

ಯಶಸ್ಸು ಹೇಗಿರುತ್ತದೆ

World Labs ನ ಮಾರ್ಗಸೂಚಿಯು ಮುಂದಿನ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ ಈ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಸಾಬೀತುಪಡಿಸುವುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಒಂದು ರೋಬೋಟ್ ತರಬೇತಿಯಿಲ್ಲದೆ ಸಿಮ್ಯುಲೇಟೆಡ್ ಗೋದಾಮಿನಲ್ಲಿ ಪದೇ ಪದೇ ಪ್ಯಾಲೆಟ್ ಅನ್ನು ಚಲಾಯಿಸಬಲ್ಲದು ಮತ್ತು ನಂತರ ನೈಜ ಸೌಲಭ್ಯದಲ್ಲಿ ಅದನ್ನೇ ಮಾಡಬಲ್ಲದು ಎಂದರೆ, ಆ ಮಾದರಿಯು “ನಂಬಿಕಾರ್ಹ ಸಿಮ್ಯುಲೇಶನ್ ನಂಬಿಕಾರ್ಹ ರೋಬೋಟ್‌ಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ” ಎಂಬುದನ್ನು ಸಾಬೀತುಪಡಿಸಿದಂತಾಗುತ್ತದೆ. ಆ ವಿಶ್ವಾಸಾರ್ಹತೆಯು ದೊಡ್ಡ ಒಪ್ಪಂದಗಳನ್ನು ಪಡೆಯಲು ಮತ್ತು ಡಿಜಿಟಲ್ ಅವತಾರಗಳ ರಚನೆಗೆ ಮಾಡುವ ಮುಂಗಡ ಹೂಡಿಕೆಯನ್ನು ಸಮರ್ಥಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • ಕೈಗಾರಿಕಾ ಪೈಲಟ್‌ಗಳು – ಗೋದಾಮುಗಳು ಅಥವಾ ಹೋಟೆಲ್‌ಗಳಲ್ಲಿನ ಮೊದಲ ಕೆಲವು ನಿಯೋಜನೆಗಳು, ಈ ಪೈಪ್‌ಲೈನ್ ಕಾರ್ಯಕ್ಷೇತ್ರದಲ್ಲಿ (shop floor) ಮಾತ್ರ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಅನಿರೀಕ್ಷಿತ ಸಂದರ್ಭಗಳನ್ನು (edge cases) ನಿಭಾಯಿಸಬಲ್ಲದೇ ಎಂಬುದನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ.

ಮೂಲ ಕಲ್ಪನೆಯು ಸರಳವಾಗಿದೆ: ರೋಬೋಟ್‌ಗಳು ವೇದಿಕೆಗೆ ಕಾಲಿಡುವ ಮೊದಲು ಅವುಗಳಿಗೆ ಪರಿಪೂರ್ಣ ಅಭ್ಯಾಸದ ಸ್ಥಳವನ್ನು ನೀಡಿ. World Labs ಆ ಅಭ್ಯಾಸವನ್ನು ಸ್ಥಿರವಾದ ಪ್ರದರ್ಶನವಾಗಿ ಪರಿವರ್ತಿಸಬಲ್ಲದಾದರೆ, ರೋಬೋಟಿಕ್ಸ್‌ನ ಅತ್ಯಂತ ಕಠಿಣ ಸಮಸ್ಯೆಯಾದ—ಯಂತ್ರಗಳಿಗೆ ಭೌತಿಕ ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಕಲಿಸುವುದು—ಅಂತಿಮವಾಗಿ ಒಂದು ಪ್ರಾಯೋಗಿಕ ಪರಿಹಾರವನ್ನು ಪಡೆಯಬಹುದು.