Fei-Fei Li-യും Yunzhu Li-യും അടുത്തിടെ നടന്ന ഒരു a16z പോഡ്കാസ്റ്റിൽ പറഞ്ഞതനുസരിച്ച്, റോബോട്ടുകൾ യഥാർത്ഥ ലോകത്ത് പ്രവർത്തിക്കുന്നതിന് മുമ്പ് തന്നെ ഉയർന്ന കൃത്യതയുള്ള ഡിജിറ്റൽ ട്വിനുകളിൽ (digital twins) സ്ഥലകാലപരമായ ജോലികൾ (spatial tasks) പഠിക്കാൻ സഹായിക്കുന്ന ഒരു “real-to-sim-to-real” പൈപ്പ്ലൈൻ World Labs അവതരിപ്പിക്കുന്നുണ്ട്. ഈ രീതി റോബോട്ട് പരിശീലനത്തിനായുള്ള ഡാറ്റ ശേഖരിക്കുന്നതിനുള്ള ചിലവും അപകടസാധ്യതയും കുറയ്ക്കുന്നു; പല ഓട്ടോമേഷൻ പ്രോജക്റ്റുകളും ലാബുകളിൽ മാത്രം ഒതുങ്ങിപ്പോകാൻ കാരണമായ ഒരു വലിയ തടസ്സമായിരുന്നു ഇത്.
റോബോട്ടുകൾക്ക് ഭാഷയേക്കാൾ കൂടുതൽ എന്തുകൊണ്ട് ആവശ്യമാണ്
വലിയ ലാംഗ്വേജ് മോഡലുകൾക്ക് (Large language models) ഇന്റർനെറ്റിലെ മുഴുവൻ ടെക്സ്റ്റുകളും ശേഖരിക്കാൻ കഴിയും, എന്നാൽ ഒരു റോബോട്ടിന് വെറുതെ വീഡിയോകൾ കണ്ട് അത് അനുകരിക്കാൻ കഴിയില്ല. ഒരു വെയർഹൗസിലൂടെ സഞ്ചരിക്കാനോ ഹോട്ടൽ മുറി വൃത്തിയാക്കാനോ ഒരു റോബോട്ടിന് ത്രിമാന ജ്യാമിതി (three-dimensional geometry), ഉപരിതല സവിശേഷതകൾ (surface properties), കൂടാതെ തള്ളുക, ഉയർത്തുക, അടുക്കി വെക്കുക തുടങ്ങിയവയുടെ ഭൗതികശാസ്ത്രം (physics) എന്നിവ മനസ്സിലാക്കേണ്ടതുണ്ട്. ഇവയാണ് “spatial intelligence” അഥവാ സ്ഥലകാല ബുദ്ധിശക്തിയുടെ ഘടകങ്ങൾ, ഇവ യഥാർത്ഥ ലോകത്ത് വലിയ തോതിൽ ശേഖരിക്കുക എന്നത് പ്രയാസകരമാണ്.
ഡാറ്റാ തടസ്സങ്ങൾ
യഥാർത്ഥ ലോകത്തുനിന്നുള്ള റോബോട്ട് ഡാറ്റ ശേഖരിക്കുന്നത് സാവധാനത്തിലുള്ളതും ചെലവേറിയതും ചിലപ്പോൾ അപകടകരവുമാണ്. ഒരു ചെറിയ പിഴവ് പോലും ഹാർഡ്വെയറിനെ നശിപ്പിക്കാനോ, ഉൽപ്പാദന നിരക്ക് തടസ്സപ്പെടുത്താനോ, അല്ലെങ്കിൽ ഒരു മനുഷ്യ തൊഴിലാളിയെ പരിക്കേൽപ്പിക്കാനോ കാരണമായേക്കാം. ഇക്കാരണത്താൽ, മിക്ക റോബോട്ടിക്സ് ടീമുകളും ദൈനംദിന സാഹചര്യങ്ങളെ പൂർണ്ണമായി ഉൾക്കൊള്ളാൻ കഴിയാത്ത ചെറിയ ഡാറ്റാസെറ്റുകളെയാണ് ആശ്രയിക്കുന്നത്.
അനുരൂപമായ (aligned) ഡിജിറ്റൽ ലോകങ്ങൾ നിർമ്മിക്കുന്നതിലൂടെ World Labs ഈ തടസ്സത്തെ മറികടക്കുന്നു. അവരുടെ SceniX സിസ്റ്റം ഒരു ഭൗതിക ഇടത്തെ ഒരു സിമുലേഷനായി മാറ്റിമറിക്കുന്നു; ഇത് ജ്യാമിതി (ചുവരുകളുടെയും വസ്തുക്കളുടെയും ആകൃതി), രൂപം (ടെക്സ്ചറുകൾ, നിറങ്ങൾ, വെളിച്ചം), ഭൗതികശാസ്ത്രം (വസ്തുക്കളെ തള്ളുമ്പോൾ അവ എങ്ങനെ ചലിക്കുന്നു) എന്നിവ നിലനിർത്തുന്നു. റോബോട്ട് ആ വെർച്വൽ പകർപ്പിൽ പരിശീലനം നടത്തുന്നു, തുടർന്ന് അതേ നയങ്ങൾ (policies) യഥാർത്ഥ സാഹചര്യത്തിലേക്ക് മാറ്റുന്നു.
വീഡിയോ മോഡലുകൾ മാത്രം മതിയാകില്ല
ഉയർന്ന റെസല്യൂഷനുള്ള വീഡിയോ ജനറേറ്ററുകൾ ഭൗതിക സിമുലേഷന് പകരമായി ഉപയോഗിക്കാമെന്ന് ചില ഗവേഷകർ വാദിക്കുന്നുണ്ട്. ഈ മോഡലുകൾക്ക് റോബോട്ടിന്റെ കാഴ്ചപ്പാടിലുള്ള യുക്തിസഹമായ ഫ്രെയിമുകൾ നിർമ്മിക്കാൻ കഴിയും, എന്നാൽ അവയ്ക്ക് സ്ഥിരതയുള്ള ഭൗതികശാസ്ത്രം (consistent physics) ഇല്ല. ഒരു സിമുലേറ്റഡ് വീഡിയോയിൽ ഒരു കപ്പ് തള്ളിയ ശേഷം അപ്രത്യക്ഷമാകുന്നുവെങ്കിൽ, ആ വീഡിയോ ഉപയോഗിച്ച് പരിശീലനം നേടിയ റോബോട്ട് തെറ്റായ കാരണവും ഫലവും (cause-and-effect relationship) പഠിക്കും. സമയം, സ്ഥലം, ഇടപെടലുകൾ എന്നിവയിലുടനീളം ഏകോപനം നിലനിർത്തുന്ന ലോകങ്ങൾ വേണമെന്ന് World Labs-ന്റെ പൈപ്പ്ലൈൻ നിർബന്ധിക്കുന്നു, ഇത് റോബോട്ടിന്റെ “muscle memory” യഥാർത്ഥ ലോകത്തിലെ ഭൗതികശാസ്ത്രവുമായി പൊരുത്തപ്പെടുന്നു എന്ന് ഉറപ്പാക്കുന്നു.
സെമി-സ്ട്രക്ചേർഡ് ഇടങ്ങളെ ലക്ഷ്യം വെക്കുന്നു
നാളെ തന്നെ ലിവിംഗ് റൂമിലൂടെ നടന്നുചെല്ലുന്ന ഹ്യൂമനോയിഡ് അസിസ്റ്റന്റുകളെയാണ് ഈ ടീം ലക്ഷ്യമിടുന്നത്. പകരം, ഒരു ഡിജിറ്റൽ ട്വിൻ കൃത്യതയുള്ളതാക്കാൻ പാകത്തിൽ ക്രമീകരണങ്ങൾ പ്രവചിക്കാവുന്നതും എന്നാൽ യഥാർത്ഥ സ്ഥലകാല ബുദ്ധിശക്തി ആവശ്യമായി വരുന്ന തരത്തിൽ വൈവിധ്യമാർന്നതുമായ സെമി-സ്ട്രക്ചേർഡ് (semi-structured) സാഹചര്യങ്ങളിലാണ് അവർ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. ഉദാഹരണങ്ങൾ ഇവയാണ്:
- ഷെൽഫുകളിലും പാലറ്റുകളിലും സാധനങ്ങൾ സൂക്ഷിച്ചിട്ടുള്ള വെയർഹൗസുകൾ
- മേശകളും കസേരകളും ജീവനക്കാരും ഉള്ള റെസ്റ്റോറന്റുകൾ
- ഇടനാഴികളും മുറികളും സർവീസ് കാർട്ടുകളുമുള്ള ഹോട്ടലുകൾ
- യന്ത്രസാമഗ്രികളും കൺവെയറുകളും സുരക്ഷാ തടസ്സങ്ങളുമുള്ള വ്യവസായ കേന്ദ്രങ്ങൾ
ബിസിനസ്സുകൾ ഇതിനകം തന്നെ ഓട്ടോമേഷനായി ആവശ്യപ്പെടുന്ന ഇടങ്ങളാണിവ. പോഡ്കാസ്റ്റിൽ പരാമർശിച്ച ഒരു സമീപന പഠനമനുസരിച്ച്, ആവശ്യപ്പെടുന്ന റോബോട്ട് ജോലികളിൽ മൂന്നിലൊന്ന് വൃത്തിയാക്കൽ ജോലികളാണ്—മനുഷ്യർ യന്ത്രങ്ങൾക്ക് കൈമാറാൻ ആഗ്രഹിക്കുന്ന ആവർത്തന സ്വഭാവമുള്ളതും അസുഖകരവുമായ ജോലികൾ.
വിജയം എങ്ങനെയായിരിക്കും
അടുത്ത രണ്ട് വർഷത്തിനുള്ളിൽ പ്രത്യേക വ്യവസായങ്ങളിൽ ഈ പൈപ്പ്ലൈൻ തെളിയിക്കുക എന്നതിനെ ആശ്രയിച്ചിരിക്കും World Labs-ന്റെ മുന്നോട്ടുള്ള പാത. ഒരു റോബോട്ടിന് സിമുലേറ്റഡ് വെയർഹൗസിൽ ഒരു പാലറ്റ് ആവർത്തിച്ച് നീക്കാൻ കഴിയുകയും, തുടർന്ന് വീണ്ടും പരിശീലനം നൽകാതെ തന്നെ യഥാർത്ഥ സൗകര്യത്തിൽ അത് ചെയ്യാൻ കഴിയുകയും ചെയ്താൽ, “വിശ്വസനീയമായ സിമുലേഷൻ വിശ്വസനീയമായ റോബോട്ടുകളിലേക്ക് നയിക്കുന്നു” എന്ന് ആ മോഡൽ തെളിയിച്ചു കഴിഞ്ഞു. ഈ വിശ്വാസ്യത വലിയ കരാറുകൾ നേടാനും ഡിജിറ്റൽ ട്വിൻ നിർമ്മാണത്തിനായുള്ള മുൻകൂർ നിക്ഷേപം ന്യായീകരിക്കാനും സഹായിക്കും.
ഇനി ശ്രദ്ധിക്കേണ്ടവ
- Industry pilots – വെയർഹൗസുകളിലോ ഹോട്ടലുകളിലോ ആദ്യമായി നടപ്പിലാക്കുന്ന പ്രായോഗിക പരീക്ഷണങ്ങൾ, യഥാർത്ഥ തൊഴിലിടങ്ങളിൽ മാത്രം കാണപ്പെടുന്ന സങ്കീർണ്ണമായ സാഹചര്യങ്ങളെ (edge cases) കൈകാര്യം ചെയ്യാൻ ഈ പൈപ്പ്ലൈനിന് കഴിയുമോ എന്ന് വെളിപ്പെടുത്തും.
അടിസ്ഥാന ആശയം ലളിതമാണ്: റോബോട്ടുകൾ വേദിയിലേക്ക് ഇറങ്ങുന്നതിന് മുമ്പ് അവർക്ക് കൃത്യമായ ഒരു റിഹേഴ്സൽ സ്പേസ് നൽകുക. World Labs ആ റിഹേഴ്സലിനെ സ്ഥിരതയുള്ള പ്രകടനമാക്കി മാറ്റാൻ കഴിഞ്ഞാൽ, റോബോട്ടിക്സിലെ ഏറ്റവും കഠിനമായ പ്രശ്നമായ—ഭൗതിക ലോകം മനസ്സിലാക്കാനും അതിൽ പ്രവർത്തിക്കാനും യന്ത്രങ്ങളെ പഠിപ്പിക്കുക എന്നത്—അവസാനം ഒരു പ്രായോഗിക പരിഹാരം കണ്ടെത്തിയേക്കാം.