Agility Robotics ने कॅलिफोर्नियातील फ्रिमोंटमध्ये ६०,००० चौरस फुटांचा प्रशिक्षण कॅम्पस सुरू केला आहे, आणि त्यांच्या Digit मानवी रोबोटची (humanoid robot) औद्योगिक ग्राहकांना होणारी डिलिव्हरी वेगवान होईल अशी त्यांना अपेक्षा आहे. टेस्लाच्या कारखान्यापासून काही मैल दूर असलेले हे ठिकाण, कंपनीला रोबोट्सना नवीन कामे शिकवण्यासाठी एक समर्पित जागा देते, तर कंपनी 'सेफ्टी-फर्स्ट AI' (सुरक्षा-प्रथम AI) दृष्टिकोन राबवत आहे जो 'डिटरमिनिस्टिक कंट्रोल' (deterministic control) आणि 'जनरेटिव्ह मॉडेल्स' (generative models) वेगळे करतो.

फ्रिमोंट साइटचे महत्त्व का आहे

या पावलामुळे Agility अमेरिकेतील रोबोटिक्सच्या विस्तारामध्ये भौगोलिकदृष्ट्या केंद्रस्थानी आले आहे, परंतु या मोहिमेचे खरे महत्त्व तिच्या व्याप्तीमध्ये आहे. ६०,००० चौरस फुटांच्या जागेमुळे Digit ला प्रत्यक्ष गोदामांसारख्या परिस्थितीत साध्या टोट्स (totes) हलवण्यापासून ते संपूर्ण ट्रेलर अनलोड करण्यापर्यंत हालचालींच्या संपूर्ण प्रक्रियेचा सराव करता येईल. या कॅम्पसमुळे, Agility आता तात्पुरत्या फील्ड ट्रायल्सकडून (field trials) एका पुनरावृत्तीक्षम आणि उच्च-उत्पादक प्रशिक्षण पद्धतीकडे वळू शकते, ज्यामुळे नवीन सॉफ्टवेअर अपडेट आणि रोबोटचा कारखान्यातील पहिला दिवस यामधील वेळ कमी होऊ शकतो.

प्रोटोटाइपपासून महसुलापर्यंत

Digit आधीच Amazon, लॉजिस्टिक कंपनी GXO, घटक निर्माता Schaeffler आणि Toyota Motor Manufacturing Canada यांसारख्या काही मोठ्या ग्राहकांसाठी कार्यरत आहे. या उपयोगांमुळे ३०० दशलक्ष डॉलर्सचे कंत्राट मिळाले आहे, जो आकडा लॉजिस्टिक आणि मॅन्युफॅक्चरिंगमध्ये मानवी रोबोट्सच्या (humanoid labor) खऱ्या मागणीचे संकेत देतो. केवळ 'प्रूफ-ऑफ-कॉन्सेप्ट' युनिट्सवर काम करणाऱ्या अनेक स्टार्टअप्सच्या उलट, Agility अशा रोबोटसह व्यवसाय आणि नोकऱ्यांमध्ये प्रगती करत आहे जो चालू शकतो, पायऱ्या चढू शकतो आणि सामान्य बॉक्सच्या आकाराच्या वस्तू हाताळू शकतो.

एक हायब्रिड AI रणनीती

आज उद्योगातील चर्चा मोठ्या लँग्वेज मॉडेल्स (large language models) आणि ट्रान्सफॉर्मर-आधारित न्यूरल नेटवर्क्सभोवती फिरत आहे, परंतु Agility चे सह-संस्थापक Damion Shelton या "जनरेटिव्ह" प्रणाली आणि रोबोटला सुरक्षित ठेवणाऱ्या 'डिटरमिनिस्टिक कंट्रोलर्स'मध्ये स्पष्ट फरक करतात. ते रोबोटच्या सेफ्टी स्टॅकची तुलना अँटी-लॉक ब्रेक सिस्टमशी करतात: नवीन कृती निर्माण करू शकणाऱ्या AI च्या लहरींचा विचार न करता, रोबोटने नेहमीच अंदाज लावण्यायोग्य (predictably) वर्तन करणे आवश्यक आहे.

त्याच वेळी, Agility जनरेटिव्ह AI ला पूर्णपणे नाकारत नाही. कंपनी त्याचा वापर "प्रोग्रामिंग एक्सिलरेटर" (programming accelerator) म्हणून करण्याचा विचार करत आहे, ज्यामुळे इंजिनिअर्सना एखादे काम उच्च-स्तरीय शब्दांत सांगता येईल आणि मॉडेल हालचालींचा क्रम सुचवू शकेल. यामुळे प्रत्येक हालचाल मॅन्युअली कोडिंग करण्याची सध्याची पद्धत बदलू शकते, जी एक अडथळा (bottleneck) आहे आणि अन्यथा नवीन वापरांसाठी हजारो इंजिनिअर्सची गरज भासली असती.

औद्योगिक उपयुक्ततेद्वारे विस्तार

Agility चा रोडमॅप हेतुपुरस्सर औद्योगिक स्वरूपाचा आहे. फ्रिमोंट कॅम्पस हे एक 'सँडबॉक्स' (sandbox) म्हणून काम करेल जिथे सहा फूट उंच असलेला Digit ग्राहकाच्या लाईनवर पाठवण्यापूर्वी सिम्युलेटेड आयल्समध्ये (simulated aisles) शिकेल. "Version 5" नावाचे पुढील हार्डवेअर अपडेट या शरद ऋतूत लाँच करण्याचे नियोजित आहे आणि त्यात प्रगत 'ह्युमन-सेन्सिंग' (human-sensing) क्षमता जोडल्या जातील. या सेन्सर्समुळे रोबोटला केवळ रोबोट झोनमध्ये मर्यादित न ठेवता, माणसांसोबत खांद्याला खांदा लावून काम करण्यास मदत होईल.

कंपनीचा टप्प्याटप्प्याने वाढणारा दृष्टिकोन साध्या हालचालींपासून सुरू होतो – जसे की बिन हलवणे आणि टोट्स हलवणे – त्यानंतर पिकिंग आणि किटिंग (picking and kitting) जोडले जाते आणि शेवटी कार्डबोर्ड आणि पूर्ण आकाराच्या ट्रेलर लोड सारख्या कठीण साहित्याशी सामना केला जातो. प्रत्येक टप्पा आत्मसात करून, Agility ला "ट्रिलियन-डॉलर" लॉजिस्टिक मार्केटचा हिस्सा मिळवण्याची आणि मानवी रोबोट प्लॅटफॉर्म हे केवळ एक आकर्षण नसून एक कार्यक्षम साधन (workhorse) आहे हे सिद्ध करण्याची आशा आहे.

काय चुकले तर?

टीकाकारांचा इशारा आहे की जनरेटिव्ह AI आणि सुरक्षा-महत्त्वाचे नियंत्रण (safety-critical control) यांचे मिश्रण करणे जोखमीचे आहे. जर एखाद्या लँग्वेज मॉडेलने अशी हालचाल सुचवली ज्याचा डिटरमिनिस्टिक सेफ्टी स्टॅकने पूर्णपणे अंदाज घेतला नसेल, तर गर्दीच्या गोदामात रोबोट अनपेक्षितपणे वागू शकतो. Shelton ने या दोन थरांना वेगळे करण्याचे उद्दिष्ट हेच जोखीम कमी करणे आहे, परंतु प्रत्यक्ष उपयोगादरम्यान (live deployments) जिथे अनपेक्षित परिस्थिती (edge cases) मोठ्या प्रमाणात आढळतात, तिथेच याची खरी कसोटी लागेल.

दुसरी चिंता म्हणजे ग्राहक बाजारपेठेच्या (consumer market) तुलनेत उच्च-मूल्य असलेल्या औद्योगिक कामांवर लक्ष केंद्रित करणे. जरी लॉजिस्टिक क्षेत्र मोठ्या कंत्राटांची संधी देत असले, तरी ते कडक अपटाइम (uptime) आणि विद्यमान वेअरहाऊस मॅनेजमेंट सिस्टम्सशी एकत्रीकरणाचीही मागणी करते. जर Agility या एकत्रीकरणाच्या मागण्या पूर्ण करू शकले नाही, तर ३०० दशलक्ष डॉलर्सचा हा व्यवसाय थांबण्याची शक्यता आहे.

काय लक्ष ठेवायचे

  • Version 5 रोलआउट: मानवी वातावरणात Agility च्या 'सेफ्टी-फर्स्ट AI' दाव्याची पहिली खरी कसोटी म्हणजे त्याचे ह्युमन-सेन्सिंग सूट असेल.
  • रिव्हर्स-मर्जरची वेळ: कंपनी या वर्षाच्या उत्तरार्धात सार्वजनिक (go public) होण्याची अपेक्षा करत आहे, ही हालचाल वेगाने विस्तारण्यासाठी आवश्यक भांडवल प्रदान करू शकते परंतु कंपनीला बाजारपेठेच्या छाननीसही सामोरे जावे लागेल.
  • अडॉप्शन मेट्रिक्स (Adoption metrics): नवीन ग्राहक किती वेगाने Digit युनिट्स घेतात आणि फ्रिमोंट कॅम्पस किती वेगाने नवीन टास्क प्रोफाइल्स प्रमाणित करू शकतो, यावरून हे समजेल की प्रशिक्षण मॉडेल खरोखरच उपयोजन (deployment) वेगवान करते की नाही.

सारांश

Agility Robotics असा विश्वास ठेवत आहे की, एक खास तयार केलेले प्रशिक्षण कॅम्पस, हायब्रिड AI स्टॅक आणि औद्योगिक वापराच्या (industrial use cases) क्षेत्रावरील लक्ष यामुळे त्यांचा Digit रोबोट केवळ प्रयोगशाळेतील एक कुतूहल न राहता, महसूल मिळवून देणारी मालमत्ता बनेल. येणारे काही महिने – विशेषतः Version 5 चे आगमन आणि कंपनीचे सार्वजनिक बाजारपेठेतील पदार्पण – या दावात यश मिळेल की नाही हे स्पष्ट करतील.