Physical AI ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਡਾਟਾ ਰੁਕਾਵਟ (Data Bottleneck) ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ XDOF ਸਾਹਮਣੇ ਆਇਆ ਹੈ
ਜਿਵੇਂ ਕਿ OpenAI ਦੇ ਆਪਣੇ ਰੋਬੋਟਿਕਸ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਮੁੜ ਲਾਂਚ ਕਰਨ ਨਾਲ ਫਿਜ਼ੀਕਲ ਇੰਟੈਲੀਜੈਂਸ (physical intelligence) ਦੀ ਦੌੜ ਤੇਜ਼ ਹੋ ਰਹੀ ਹੈ, ਇੱਕ ਨਵੀਂ ਚੁਣੌਤੀ ਸਾਹਮਣੇ ਆਈ ਹੈ: ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ (high-fidelity) ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦੀ ਘਾਟ। ਜਦੋਂ ਕਿ Large Language Models (LLMs) ਜਨਤਕ ਇੰਟਰਨੈੱਟ ਦੇ ਵਿਸ਼ਾਲ ਖੇਤਰ 'ਤੇ ਵਧੇ-ਫੁੱਲੇ ਹਨ, ਰੋਬੋਟਿਕਸ ਲਈ ਸਹੀ ਅਤੇ ਭੌਤਿਕ ਅੰਤਰਕਿਰਿਆ (physical interaction) ਡਾਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਮੌਜੂਦਾ ਡਾਟਾ ਸੈੱਟਸ ਸੌਖੇ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦੇ।
ਡਾਟਾ ਦੀ ਘਾਟ: LLMs ਰੋਬੋਟਿਕਸ ਦੀ ਸਮੱਸਿਆ ਕਿਉਂ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦੇ
ਸਮਰੱਥ ਰੋਬੋਟ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮੁੱਖ ਰੁਕਾਵਟ ਸਿਰਫ਼ ਕੰਪਿਊਟਿੰਗ ਜਾਂ ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ ਨਹੀਂ ਹੈ; ਇਹ GPT ਮਾਡਲਾਂ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੈਕਸਟ ਦੇ ਬਰਾਬਰ ਇੱਕ "ਡਾਟਾ ਮੋਟ" (data moat) ਦੀ ਅਣਹੋਂਦ ਹੈ। ਮੌਜੂਦਾ ਵਿਕਲਪ, ਜਿਵੇਂ ਕਿ YouTube ਵੀਡੀਓ ਜਾਂ ਗਿਗ ਵਰਕਰਾਂ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤੀ ਗਈ ਘੱਟ-ਗੁਣਵੱਤਾ ਵਾਲੀ ਫੁਟੇਜ, ਰੋਬੋਟਿਕ ਗਤੀ ਦੀਆਂ ਗੁੰਝਲਦਾਰ ਭੌਤਿਕ ਹਕੀਕਤਾਂ ਨਾਲ ਮੇਲ ਖਾਣਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਹ "ਮੁਰਗੀ ਅਤੇ ਅੰਡਾ" (chicken-and-egg) ਵਾਲੀ ਸਮੱਸਿਆ—ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਡਾਟਾ ਦੀ ਲੋੜ ਹੈ, ਪਰ ਕੁਸ਼ਲ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਲਈ ਮਾਡਲਾਂ ਦੀ ਲੋੜ ਹੈ—ਉਦਯੋਗ ਲਈ ਮੁੱਖ ਰੁਕਾਵਟ ਬਣ ਗਈ ਹੈ।
XDOF, ਇੱਕ ਸਟਾਰਟਅੱਪ ਜੋ ਹੁਣੇ ਸਾਹਮਣੇ ਆਇਆ ਹੈ, ਇਸ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਆਪਣੇ ਆਪ ਨੂੰ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਲੇਅਰ ਵਜੋਂ ਪੇਸ਼ ਕਰ ਰਿਹਾ ਹੈ। Thrive Capital, Spark Capital, a16z, Lux, ਅਤੇ WndrCo ਸਮੇਤ ਵੱਡੇ ਨਿਵੇਸ਼ਕਾਂ ਤੋਂ $70 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਕੰਪਨੀ ਉਹ ਪਾਈਪਲਾਈਨਾਂ, ਇਕੱਠਾ ਕਰਨ ਵਾਲੇ ਟੂਲਸ ਅਤੇ ਐਨੋਟੇਸ਼ਨ ਸਿਸਟਮ ਬਣਾ ਰਹੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਫਰੰਟੀਅਰ AI ਲੈਬਾਂ ਨੂੰ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਸੰਘਰਸ਼ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ।
ABC ਡਾਟਾ ਸੈੱਟ ਅਤੇ ਡਾਟਾ ਪਿਰਾਮਿਡ ਬਣਾਉਣਾ
ਈਕੋਸਿਸਟਮ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ, XDOF UC Berkeley ਦੀ AI Research ਲੈਬ ਨਾਲ ਮਿਲ ਕੇ "ABC" ਰਿਲੀਜ਼ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਰੋਬੋਟ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦਾ ਇੱਕ ਵਿਸ਼ਾਲ ਸੰਗ੍ਰਹਿ ਹੈ। ਇਸ ਡਾਟਾ ਸੈੱਟ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
- 130,000 ਟ੍ਰੈਜੈਕਟਰੀਆਂ (trajectories) ਰੋਬੋਟ ਮੈਨੀਪੂਲੇਸ਼ਨ ਡਾਟਾ ਦੀਆਂ।
- 300 ਘੰਟੇ ਦਾ ਸਿਮੂਲੇਸ਼ਨ ਡਾਟਾ।
- 100 ਘੰਟੇ ਦੇ ਮੁਲਾਂਕਣ (evaluations)।
ਇਸ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਟੀਮਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ T-ਸ਼ਰਟਾਂ ਨੂੰ ਮੋੜਨ, ਡੱਬਿਆਂ ਨੂੰ ਚਪਟਾ ਕਰਨ, ਅਤੇ AirPods ਨੂੰ ਉਹਨਾਂ ਦੇ ਕੇਸਾਂ ਵਿੱਚ ਰੱਖਣ ਵਰਗੇ ਬਾਰੀਕ ਕੰਮਾਂ 'ਤੇ ਰੋਬੋਟਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਟ੍ਰੇਨ ਕੀਤਾ ਹੈ।
XDOF ਦੀ ਰਣਨੀਤੀ ਵਿਆਪਕ ਸਿੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਤਿੰਨ-ਪੱਧਰੀ "ਡਾਟਾ ਪਿਰਾਮਿਡ" ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ। ਸਭ ਤੋਂ ਕੀਮਤੀ ਪੱਧਰ ਵਿੱਚ ਟਾਰਗੇਟ ਰੋਬੋਟ 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਟੈਲੀਓਪਰੇਸ਼ਨ (teleoperation) ਡਾਟਾ ਸ਼ਾਮਲ ਹੈ। ਇਸ ਤੋਂ ਬਾਅਦ GELLO ਵਰਗੇ ਯੰਤਰਾਂ (XDOF ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ Philippe Wu ਅਤੇ Fred Shentu ਦੁਆਰਾ ਵਿਕਸਤ ਇੱਕ ਘੱਟ-ਲਾਗਤ ਵਾਲਾ ਟੈਲੀਓਪਰੇਸ਼ਨ ਸਿਸਟਮ) ਰਾਹੀਂ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਆਮ ਡਾਟਾ ਆਉਂਦਾ ਹੈ। ਅੰਤਿਮ ਪੱਧਰ ਵਿੱਚ "egocentric" ਡਾਟਾ ਸ਼ਾਮਲ ਹੈ, ਜਿੱਥੇ ਇਨਸਾਨ ਪਹਿਲੇ-ਪੱਖ (first-person) ਦੀ ਭੌਤਿਕ ਗਤੀ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ XDOF ਦੇ ਪ੍ਰੋਪਰਾਈਟਰੀ ਸੈਂਸਰ ਪਹਿਨ ਕੇ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮ ਕਰਦੇ ਹਨ।
ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਤੋਂ ਅੱਗੇ ਨਿਕਲਣਾ
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਵੱਡੀਆਂ AI ਲੈਬਾਂ ਇਹਨਾਂ ਡਾਟਾ ਫੈਕਟਰੀਆਂ ਨੂੰ ਖੁਦ ਕਿਉਂ ਨਹੀਂ ਬਣਾ ਰਹੀਆਂ। CEO Philippe Wu ਦੇ ਅਨੁਸਾਰ, ਇਸਦੀ ਕਾਰਜਸ਼ੀਲ ਜਟਿਲਤਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ। ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦੇ ਕੰਮ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੱਖਾਂ ਵਰਗ ਫੁੱਟ ਗੋਦਾਮ ਦੀ ਜਗ੍ਹਾ, ਸੈਂਕੜੇ ਕੈਲੀਬਰੇਟਡ ਰੋਬੋਟਾਂ ਅਤੇ ਟੈਲੀਓਪਰੇਟਰਾਂ ਦੇ ਇੱਕ ਵਿਸ਼ਾਲ, ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਮਚਾਰੀ ਦਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਇਸ "ਗੈਰ-ਗਲੈਮਰਸ" ਕੰਮ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਕੇ—ਜਿਸ ਵਿੱਚ ਡਾਟਾ ਕਲੀਨਿੰਗ ਅਤੇ ਹਾਰਡਵੇਅਰ-ਵਿਸ਼ੇਸ਼ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸ਼ਾਮਲ ਹੈ—XDOF AI ਲੈਬਾਂ ਨੂੰ ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ XDOF ਭੌਤਿਕ ਡਾਟਾ ਉਤਪਾਦਨ ਦੇ ਵਿਸ਼ਾਲ ਲੌਜਿਸਟਿਕ ਬੋਝ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ। ਕੰਪਨੀ ਦਾ ਨਾਮ, "degrees of freedom" 'ਤੇ ਅਧਾਰਤ ਹੈ, ਜੋ ਗਤੀ ਦੀ ਕਿਸੇ ਵੀ ਅਨਿਸ਼ਚਿਤ ਜਟਿਲਤਾ ਲਈ ਡਾਟਾ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਇਸਦੇ ਟੀਚੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਨੁੱਖੀ ਬਾਂਹ ਦੇ ਸੱਤ ਡਿਗਰੀਜ਼ ਆਫ ਫ੍ਰੀਡਮ ਤੋਂ ਲੈ ਕੇ ਇੱਕ ਹਿਊਮਨੋਇਡ ਦੇ 30 ਤੱਕ ਸ਼ਾਮਲ ਹਨ।
ਮੁੱਖ ਗੱਲਾਂ
- ਮਾਡਲਾਂ ਦੀ ਬਜਾਏ ਬੁਨਿਆਦੀ ਢਾਂਚਾ: XDOF ਵਿਸ਼ੇਸ਼ ਡਾਟਾ ਪਾਈਪਲਾਈਨਾਂ ਅਤੇ ਐਨੋਟੇਸ਼ਨ ਟੂਲਸ ਪ੍ਰਦਾਨ ਕਰਕੇ "physical AI" ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਦੀ LLM-ਕੇਂਦ੍ਰਿਤ ਲੈਬਾਂ ਵਿੱਚ ਘਾਟ ਹੈ।
- ਹਾਈ-ਫਿਡੈਲਿਟੀ ਡਾਟਾ ਸੈੱਟ: ABC ਡਾਟਾ ਸੈੱਟ ਦੀ ਰਿਲੀਜ਼ ਉਦਯੋਗ ਨੂੰ ਬੇਮਿਸਾਲ ਪੈਮਾਨਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ 1,30,000 ਮੈਨੀਪੂਲੇਸ਼ਨ ਟ੍ਰੈਜੈਕਟਰੀਆਂ (manipulation trajectories) ਸ਼ਾਮਲ ਹਨ।
- ਕਾਰਜਸ਼ੀਲ ਆਊਟਸੋਰਸਿੰਗ: XDOF ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ ਦੇ ਭੌਤਿਕ ਡਾਟਾ ਗੋਦਾਮਾਂ ਅਤੇ ਟੈਲੀਓਪਰੇਸ਼ਨ ਫਲੀਟਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਲੋੜੀਂਦੀ ਭਾਰੀ ਪੂੰਜੀ ਅਤੇ ਲੌਜਿਸਟਿਕ ਲੋੜਾਂ ਤੋਂ ਬਚਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।