সাধারণ-উদ্দেশ্যের রোবোটিক্সে তথ্যনির্ভর পদ্ধতি
Tutor Intelligence Series B অর্থায়নে ৭৫ মিলিয়ন ডলার সংগ্রহ করেছে। প্রতিষ্ঠানটি তার রোবট ব্যবস্থার প্রশিক্ষণ, deployment এবং বাণিজ্যিক ব্যবহার বাড়াতে চায়। ইন্টারনেট-সংযুক্ত রোবট বহর, দূরবর্তী মানব ইনপুট, simulation এবং বাস্তব বিশ্বের তথ্য একত্র করে শারীরিক কাজের জন্য AI মডেল উন্নত করার কথা বলেছে কোম্পানিটি।
Massachusetts-ভিত্তিক কোম্পানিটি ২০২১ সালে Massachusetts Institute of Technology-এর Computer Science and Artificial Intelligence Laboratory থেকে আলাদা হয়ে গড়ে ওঠে। মানুষ ও রোবটের করা সম্ভব কাজের পার্থক্য কমাতে একটি পূর্ণ প্রযুক্তি স্ট্যাক তৈরি করাই এর লক্ষ্য।
উৎপাদন পরিবেশে deployment-এর ওপর এই মডেলটি গড়ে উঠেছে। রোবটগুলো গ্রাহকের কাজ করার সময় tutors নামে পরিচিত remote operators-এর কাছ থেকে input পায়। সেই তথ্য উন্নত মডেল প্রশিক্ষণে ব্যবহার করা হয়।
কাজ করতে করতেই প্রশিক্ষণ তথ্য তৈরি করে যে রোবট
এতে একটি feedback loop তৈরি হয়: উন্নত মডেল বিস্তৃত deployment-এ সহায়তা করে, বিস্তৃত deployment বাস্তব manipulation task-এর আরও উদাহরণ তৈরি করে এবং সেই উদাহরণ পরবর্তী মডেল উন্নত করতে কাজে লাগে। Tutor এটিকে data flywheel বলে।
কোম্পানি simulation-ও ব্যবহার করে এবং ১০০টি physical robot-এর ওপর policy মূল্যায়নের জন্য Data Factory চালু করেছে। Simulation-এর ফলাফল বাস্তব পরিবেশে স্বয়ংক্রিয়ভাবে প্রয়োগ হয় না, তাই physical evaluation গুরুত্বপূর্ণ।
গুদামজাত কাজের জন্য দুটি ব্যবস্থা
Tutor-এর Data Factory-তে each picking-এর জন্য ব্যবহৃত দুই-বাহুবিশিষ্ট semi-humanoid robot Sonny রয়েছে। Case picking এবং palletizing-এর জন্য তৈরি mobile manipulator Cassie-ও কোম্পানিটি সরবরাহ করে।
এই কাজগুলো deterministic robotics-এর জন্য দীর্ঘদিনের চ্যালেঞ্জ। তবে কোম্পানির দাবিকে তার platform ও deployment strategy হিসেবে দেখা উচিত; general-purpose robotic capability-এর স্বাধীনভাবে যাচাই করা পরিমাপ হিসেবে নয়।
ভিন্ন ধরনের বাণিজ্যিক মডেল
গ্রাহকরা manual labor-এর মতো ঘণ্টা বা pick অনুযায়ী অর্থ দেন বলে Tutor জানিয়েছে। আগাম রোবট কেনা বা দীর্ঘমেয়াদি চুক্তি করার প্রয়োজন নেই। Deployment, maintenance এবং নিয়মিত software upgrades Tutor পরিচালনা করে।
এতে প্রাথমিক বিনিয়োগের বাধা কমতে পারে। একই সঙ্গে deployed system পরিচালনা, রক্ষণাবেক্ষণ এবং ধারাবাহিক উন্নতির দায়িত্ব Tutor-এর ওপর বাড়ে।
Series B অর্থায়নের লক্ষ্য
নতুন অর্থ picking robots, networked intelligence এবং commercial deployments উন্নত করতে ব্যবহৃত হবে। বাস্তব পরিবেশে deployment নিজেই দীর্ঘস্থায়ী সুবিধায় পরিণত হতে পারে—এটাই বড় প্রত্যাশা। Remote tutors কঠিন পরিস্থিতিতে রোবটকে সহায়তা করার পাশাপাশি ভবিষ্যৎ training-এর জন্য তথ্য তৈরি করতে পারে।
তবে safe manipulation, reliability এবং অর্থনৈতিক কার্যকারিতার সমস্যা থেকেই যায়। রোবট কত কাজ করতে পারে, কতবার মানব হস্তক্ষেপ লাগে এবং কত দ্রুত উন্নতি হয়—এসবই অগ্রগতির মাপকাঠি।
অর্থ সংগ্রহের গুরুত্ব
৭৫ মিলিয়ন ডলারের Series B Tutor Intelligence-কে deployment-led পথে এগোনোর অতিরিক্ত সম্পদ দিচ্ছে। কোম্পানি robot intelligence-কে এককালীন model release নয়, বরং ক্রমবর্ধমান robot fleet থেকে শেখা operating system হিসেবে তুলে ধরছে।
এই চক্র বড় পরিসরে কাজ করলে প্রতিটি deployment ভবিষ্যৎ সক্ষমতায় অবদান রাখতে পারে। এই learning cycle আরও বাস্তব কাজে নির্ভরযোগ্য ও অর্থনৈতিকভাবে কার্যকর automation দিতে পারে কি না, সেটিই এখন মূল প্রশ্ন।
এই নিবন্ধটি The Robot Report-এর প্রতিবেদনের ভিত্তিতে তৈরি। মূল নিবন্ধ পড়ুন।
Originally published on therobotreport.com





