কর্মী-প্রশিক্ষিত অটোমেশনের পিচ নিয়ে Reimagine Robotics-এর আবির্ভাব

একটি গোপন রোবোটিক্স স্টার্টআপ সহজতর অটোমেশনে বাজি ধরছে

Reimagine Robotics গোপন অবস্থা থেকে বেরিয়ে এসেছে এবং শিল্প রোবোটিক্সে এখনও কী ভুল রয়েছে, সে বিষয়ে একটি স্পষ্ট যুক্তি তুলে ধরছে: অটোমেশনের বোঝার খুব বেশি অংশ বিশেষজ্ঞদের ওপর পড়ে, সামনের সারির কর্মীদের ওপর নয়। লন্ডন- ও সিডনি-ভিত্তিক এই স্টার্টআপ বলছে, তাদের সিস্টেম এমনভাবে তৈরি করা হয়েছে যাতে প্রকৃত কাজ করা লোকজন রোবটকে একটি কাজ দেখাতে পারেন, সেটিকে কাজটি চেষ্টা করতে দেখতে পারেন, প্রয়োজন হলে ঠিক করে দিতে পারেন, এবং তারপর পরের bottleneck-এ এগিয়ে যেতে পারেন।

এই পিচটি কোম্পানিটিকে এমন এক ভিড়ভাট্টা রোবোটিক্স ক্ষেত্রে রাখে, যা দুইটি স্থায়ী সীমাবদ্ধতা দ্বারা গঠিত। প্রথমত, বহু কারখানা এখনও এমন কাজ অটোমেট করতে হিমশিম খায় যা ঘন ঘন বদলায় বা কঠোরভাবে লেখা workflow-এর বাইরে অভিযোজন চায়। দ্বিতীয়ত, রোবোটিক্স হার্ডওয়্যার থাকা সত্ত্বেও, প্রতিটি প্রক্রিয়াগত পরিবর্তনের জন্য এমন বেশি engineering support দরকার হয় যা অপারেটররা নিজেরা দিতে পারেন না, ফলে deployment থেমে যেতে পারে। Reimagine-এর দাবি হলো, রোবটকে স্থির-ফাংশনের মেশিনের বদলে নতুন সহকর্মীর মতো প্রশিক্ষণ দিলে এই দুই সমস্যাই কিছুটা হালকা করা যায়।

কোম্পানির পেছনে কারা

এই স্টার্টআপটি ২০২৫ সালের এপ্রিল মাসে Jonathan Scholz, Oleg Sushkov, Akhil Raju, এবং Misha Denil যৌথভাবে প্রতিষ্ঠা করেন। Scholz এর আগে লন্ডনে Google DeepMind-এর Applied Robotics দল প্রতিষ্ঠা করেন এবং সাত বছর ধরে সেটির নেতৃত্ব দেন, যা machine learning-এ অগ্রগতির সঙ্গে robotics-এ অগ্রগতিকে ক্রমেই যুক্ত করে এমন বাজারে কোম্পানিটিকে তাৎক্ষণিক বিশ্বাসযোগ্যতা দেয়।

এই পটভূমি গুরুত্বপূর্ণ, কারণ Reimagine নিজেকে কোনো প্রচলিত industrial automation vendor হিসেবে উপস্থাপন করছে না। এর framing স্পষ্টভাবেই AI-enabled learning on the job নিয়ে। Scholz কোম্পানির পদ্ধতিকে এমনভাবে ব্যাখ্যা করেছেন যে একজন কর্মী একটি কাজ দেখাতে পারেন, ভুল সংশোধন করতে পারেন, এবং ধাপে ধাপে রোবটের আচরণ সেখানেই গড়ে তুলতে পারেন। কোম্পানি অনানুষ্ঠানিকভাবে এই প্রক্রিয়াকে “monkey-see, monkey-do” বলে।

রোবোটিক্স গবেষণায় সাধারণভাবে এই ধারণাটি পরিচিত: hard-coded প্রোগ্রামিং-এর পরিমাণ কমিয়ে demonstration, correction, এবং adaptation-এর ওপর বেশি নির্ভর করা। Reimagine-এর বার্তাকে আলাদা করে যেটি, তা হলো এটি শুধু robotics engineer-দের সঙ্গে নয়, সাধারণ কর্মীদের সঙ্গেও operational setting-এ ঘটতে হবে—এই জোর।

রোবট প্রোগ্রাম করা থেকে তাদের শেখানো

কাজ যখন স্থিতিশীল, পরিবেশ যখন নিয়ন্ত্রিত, এবং engineering দল যখন workflow পরিমার্জনে সময় দিতে পারে, তখন industrial robots শক্তিশালী। কিন্তু সেই পরিস্থিতি সব manufacturing সমস্যাকে ঢাকে না। অনেক প্রতিষ্ঠান এখনও mixed products, ছোট run, ঝামেলাপূর্ণ handoff, এবং পুনরাবৃত্ত শারীরিক ধাপ সামলায়, যা সহজ automation-এর জন্য খুব বেশি পরিবর্তনশীল কিন্তু চিরকাল অछোঁয়া রেখে দেওয়ার জন্য খুব বেশি একঘেয়ে বা শ্রমসাপেক্ষ।

Reimagine Robotics বলছে, এর উত্তর হলো মানুষকে কেন্দ্রে রাখা। প্রক্রিয়া থেকে মানুষকে সরিয়ে না দিয়ে, কোম্পানি বলছে কর্মীরা bottleneck চিহ্নিত করেন, রোবটকে কাজ শেখান, এবং system উপকারী হওয়া পর্যন্ত তা ঠিক করেন। এটি একটি গুরুত্বপূর্ণ পার্থক্য, কারণ এতে শ্রমের ভূমিকা শেষ ভরসার operator থেকে trainer ও process owner-এ বদলে যায়।

এই মডেল যদি বাস্তবে কাজ করে, তবে deployment economics বদলে যেতে পারে। specialist programmer-এর জন্য অপেক্ষায় না কাটানো প্রতিটি ঘণ্টা গ্রাহকের friction কমায়। আরও গুরুত্বপূর্ণ হলো, এটি এমন plant-গুলোর জন্য automation-কে সহজলভ্য করে যাদের গভীর in-house robotics expertise নেই। বাধা হয়ে দাঁড়ায় একটি কাজ কার্যকরভাবে দেখানো ও সংশোধন করা যায় কি না, সাইটটি বড় robotics engineering দলকে সমর্থন করতে পারে কি না তা নয়।

প্রাথমিক deployment-গুলো ব্যবহারিক কারখানার কাজে কেন্দ্রীভূত

মাত্র এখন stealth থেকে বেরিয়ে আসা একটি কোম্পানির জন্য Reimagine-এর উল্লেখযোগ্য দিক হলো, তারা ইতিমধ্যে বাস্তব deployment-এর কথা বলছে। The Robot Report অনুযায়ী, একটি প্রাথমিক use case advanced manufacturing ও electronics disassembly-কে অন্তর্ভুক্ত করেছিল। made-to-order plastics ব্যবসায়, কোম্পানি 3D printer-গুলোকে রাতভর তদারক করতে রোবট প্রশিক্ষণ দিয়েছিল, যেখানে print bed সরানো, latch চালানো, এবং control চাপা অন্তর্ভুক্ত ছিল।

এই উদাহরণটি তাৎপর্যপূর্ণ, কারণ এটি কোনো ঝলমলে robotics demo নয়। এটি ঠিক সেই পুনরাবৃত্ত, after-hours workflow, যা কারখানাগুলো অটোমেট করতে চায় কিন্তু integration cost বেশি হলে প্রায়ই ন্যায্যতা দিতে পারে না। প্রতিবেদনে আরও বলা হয় যে গ্রাহকের নিজস্ব দল প্ল্যাটফর্মটি ব্যবহার করে washing, curing, এবং drying-এর মতো অতিরিক্ত ধাপ অটোমেট করেছে। যদি তা সঠিক হয়, তাহলে বোঝা যায় প্রকৃত মূল্য একক কোনো কাজের চেয়ে প্রাথমিক deployment-এর পরে ধাপে ধাপে অটোমেশন বাড়ানোর সক্ষমতায় থাকতে পারে।

কোম্পানিটি আরও একটি deployment-এর কথা বলেছে, যেখানে ব্যবহৃত hard drive থেকে মূল্যবান critical material পুনরুদ্ধারে তাদের রোবট ব্যবহার করা হয়েছে। এটি traditional factory throughput-এর বাইরে দ্বিতীয় একটি বাণিজ্যিক দিক দেখায়: disassembly, recycling, এবং materials recovery-এর জন্য adaptive automation। এসব পরিবেশ classic production line-এর চেয়ে বেশি বিশৃঙ্খল ও কম standardized, তাই learning-based robotics সম্পর্কিত দাবিগুলোর জন্য এগুলো ভালো পরীক্ষা।

সময় কেন গুরুত্বপূর্ণ

Reimagine এমন এক সময়ে বাজারে প্রবেশ করছে, যখন industrial AI-কে বড় প্রদর্শনের চেয়ে বেশি বিচার করা হচ্ছে এটি factory floor-এর বাস্তবতার মুখোমুখি টিকে থাকতে পারে কি না তা দিয়ে। রোবোটিক্স জুড়ে কোম্পানিগুলো adaptable systems, natural-language interface, বা demonstration-based training-এর প্রতিশ্রুতি দিতে আগ্রহী হয়েছে। আর ক্রেতারা খুঁজছেন প্রমাণ যে এসব দাবি deployment time কমায় এবং পরিমাপযোগ্য output দেয়।

এই কারণেই Reimagine-এর stealth থেকে বেরিয়ে আসা, সীমিত প্রকাশিত তথ্য সত্ত্বেও, তাৎপর্যপূর্ণ। স্টার্টআপটি কেবল একটি রোবট বিক্রি করছে না; এটি একটি workflow বিক্রি করছে, যার মাধ্যমে একটি facility-এর ভেতরে automation কীভাবে ছড়াবে। সেই workflow-এ expertise কর্মীদের কাছেই থাকে, আর প্রয়োজন বদলালে রোবটকে পুনঃব্যবহার করা সহজ হয়।

কোম্পানির প্রথম ধাপ Fly Ventures, firstminute capital, এবং angel investors-এর pre-seed backing-এর মাধ্যমে অর্থায়িত হয়েছে। এখন বড় প্রশ্ন execution। demonstration দিয়ে শেখানো আকর্ষণীয় শোনায়, কিন্তু operational test হবে গ্রাহক দলগুলো সত্যিই reliability, safety, বা maintenance bottleneck-এ না পড়ে robot duties বাড়াতে পারে কি না।

আসল পরীক্ষা পুনরাবৃত্তিযোগ্যতা

Reimagine Robotics একটি আকর্ষণীয় বার্তা বেছে নিয়েছে: রোবটদের সেই মানুষরাই প্রশিক্ষণ দেবেন, যারা কাজটিকে সবচেয়ে ভালো বোঝেন। এই বার্তা শিল্প অটোমেশনকে কম ভঙ্গুর এবং কম scarce specialist-নির্ভর করার বৃহত্তর প্রচেষ্টার সঙ্গে মানানসই। এটিও বাণিজ্যিক বাস্তবতার সঙ্গে মেলে যে অনেক কারখানা উৎপাদনকে সম্পূর্ণ নতুন করে গড়ার moonshot পুনর্নির্মাণের বদলে সংকীর্ণ, তাৎক্ষণিক সাফল্য চায়।

তবুও, stealth থেকে বেরিয়ে আসা সহজ অংশ। কঠিন কাজ হলো প্রমাণ করা যে “কাজ করতে করতে শেখা” একটি convincing slogan থেকে repeatable industrial operating model-এ পরিণত হতে পারে। যদি কোম্পানি দেখাতে পারে যে গ্রাহক কর্মীরা ভিন্ন ভিন্ন site ও workflow-এ রোবটকে নির্ভরযোগ্যভাবে নতুন কাজ শেখাতে পারেন, তাহলে তারা industrial automation-এ একটি অর্থবহ সুযোগ চিহ্নিত করেছে। না হলে, এটি আরেকটি robotics startup হয়ে পড়ার ঝুঁকি থাকবে, যার software-সংক্রান্ত প্রতিশ্রুতি shop-floor reality-কে ছাড়িয়ে যায়।

মূল পয়েন্ট

• Reimagine Robotics বলছে, বিশেষজ্ঞ প্রোগ্রামার ছাড়াই কর্মীরা সরাসরি তাদের রোবটকে প্রশিক্ষণ দিতে পারেন।
• কোম্পানিটি Google DeepMind-এর সাবেক Applied Robotics নেতাদের দ্বারা প্রতিষ্ঠিত।
• প্রাথমিক deployment-গুলোর মধ্যে রাতভর 3D printer তদারকি এবং electronics disassembly কাজ রয়েছে।
• স্টার্টআপটি manufacturing এবং materials recovery-তে adaptable automation লক্ষ্য করছে।
• এর মূল বাণিজ্যিক প্রশ্ন হলো robot teaching কি বিভিন্ন site-এ নির্ভরযোগ্যভাবে scale করতে পারে।

এই নিবন্ধটি The Robot Report-এর প্রতিবেদন থেকে নেওয়া। মূল নিবন্ধটি পড়ুন.