GPT-6 Astra के नियंत्रण में एक ह्यूमनॉइड अनजान रसोई की सफाई करता है
स्टैनफोर्ड और कैलटेक के शोधकर्ताओं ने HomeBody नामक एक प्रणाली बनाई है जो एक Unitree G1 ह्यूमनॉइड रोबोट को ऐसी रसोई में जाने देती है जिसे उसने पहले कभी नहीं देखा, वहां की व्यवस्था करने और दराजों से सामान निकालने देती है, बिना किसी व्यक्ति द्वारा उसकी गतिविधियों को नियंत्रित किए। यह रोबोट GPT-6 Astra पर चलता है, और यह प्रदर्शन इस बढ़ते प्रमाण में इज़ाफा करता है कि यह मॉडल टेक्स्ट और छवियों से लेकर भौतिक रूप से दुनिया में गति करने वाली मशीनों तक उपयोगी रूप से स्थानांतरित होता है।
जो बात अलग दिखती है वह यह नहीं है कि एक रोबोट वस्तुओं को पकड़ सकता है — फैक्ट्री आर्म्स दशकों से ऐसा कर रहे हैं। बात यह है कि इस मशीन ने ऐसे कमरे में क्या करना है यह स्वयं तय किया जिसका लेआउट उसने कभी नहीं देखा था, और इसके लिए उसने एक सामान्य-उद्देश्य वाले मॉडल का उपयोग किया, न कि उस एक रसोई के लिए विशेष रूप से इंजीनियर की गई पाइपलाइन का।
HomeBody को कैसे जोड़ा गया है
GPT-6 Astra सीधे एक कौशल लाइब्रेरी में कॉल करता है
अधिकांश रोबोट-लर्निंग स्टैक भाषा मॉडल और हार्डवेयर के बीच एक प्रशिक्षित नियंत्रण परत डालते हैं। वह परत — जो अक्सर कार्य-विशिष्ट डेटा पर परिष्कृत एक पॉलिसी नेटवर्क या मोशन प्लानर होती है — उच्च-स्तरीय इरादे को जोड़-स्तरीय कमांड में बदलती है। HomeBody इसे हटा देता है। एक बदली जा सकने वाला विज़न-लैंग्वेज मॉडल, इस मामले में GPT Astra, सीधे ग्रास्पिंग, नेविगेशन और दराज खोलने को कवर करने वाली एक विस्तारणीय कौशल लाइब्रेरी में कॉल जारी करता है। चूंकि लाइब्रेरी मॉड्यूलर है, व्यक्तिगत क्षमताओं को पूरे सिस्टम को फिर से प्रशिक्षित किए बिना जोड़ा या बदला जा सकता है, और अंतर्निहित VLM को भी किसी अन्य मॉडल से बदला जा सकता है।
पहले खोजें, बाद में याद रखें
कुछ भी संभालने से पहले, रोबोट कमरे का सर्वेक्षण करता है। यह Nvidia के Isaac Sim के भीतर रसोई का डिजिटल ट्विन बनाता है, फिर वस्तुओं और उनकी स्थितियों को एक स्थानिक मेमोरी में दर्ज करता है। यही मेमोरी मशीन को किसी वस्तु को रोबोट के दृष्टि क्षेत्र से बाहर चले जाने के बाद भी खोजने देती है — किसी व्यक्ति के लिए यह सामान्य है, लेकिन उन प्रणालियों के लिए वास्तव में कठिन है जो केवल उसी पर विचार करती हैं जो कैमरा वर्तमान में कैप्चर करता है।
योजना, क्रियान्वयन, स्व-सुधार
"रसोई साफ करो" जैसे ढीले निर्देश को देखते हुए, भाषा मॉडल काम को चरणों में विभाजित करता है, उन्हें कौशल लाइब्रेरी के माध्यम से पूरा करता है, और कुछ गलत होने पर स्वयं सुधार करता है। योजना एक निश्चित स्क्रिप्ट नहीं है। यह रोबोट जो खोजता है और जो विफलताएं होती हैं, उनके अनुसार अनुकूलित होती है, जो ऑटोमेशन और सामान्य-उद्देश्य वाले व्यवहार के करीब किसी चीज़ के बीच का अंतर है।
नियंत्रण परत हटाना क्यों मायने रखता है
प्रशिक्षित मध्यस्थ को हटाना पूरे सिस्टम की अर्थव्यवस्था और लचीलेपन को कई तरह से बदल देता है।
- सामान्यीकरण: रोबोट किसी एक रसोई लेआउट या संकीर्ण कार्य सूची तक सीमित नहीं है, क्योंकि तर्क मॉडल से आता है, न कि किसी एक वातावरण के लिए एकत्र किए गए डेटा से।
- मॉड्यूलरिटी: कौशलों को स्वतंत्र रूप से बढ़ाया जा सकता है, और बेहतर मॉडल आने पर विज़न-लैंग्वेज मॉडल को बदला जा सकता है।
- इरादे की व्याख्याशीलता: निर्देश सामान्य भाषा में दिए जा सकते हैं, बजाय इसके कि उन्हें विशेष नियंत्रकों में संकलित किया जाए।
व्यापार-बंदी यह है कि अब एक फ्रंटियर मॉडल नियंत्रण लूप के भीतर बैठता है, और यही वह जगह है जहां सिस्टम की कमजोरियां सबसे अधिक दिखाई देती हैं।
सिस्टम अभी भी कहां संघर्ष करता है
टीम का विवरण कमियों के बारे में स्पष्ट है, और वे वास्तविक समय में एक बड़े मॉडल पर निर्भर रहने की लागत के इर्द-गिर्द केंद्रित हैं।
- लेटेंसी: GPT-6 Astra के प्रतिक्रिया समय एक सीमित कारक हैं जब रोबोट को बदलते भौतिक दृश्य पर प्रतिक्रिया देनी होती है।
- हार्डवेयर पर दबाव: विस्तारित मैनिपुलेशन के दौरान फिंगर सर्वो ओवरहीट हो जाते हैं, एक यांत्रिक बाधा जिसे मॉडल की कितनी भी गुणवत्ता छिपा नहीं सकती।
- कंप्यूट व्यय: लूप में एक फ्रंटियर मॉडल बनाए रखना महंगा है, जो किसी भी ऐसे व्यक्ति के लिए मायने रखता है जो इसे प्रयोगशाला के बजाय घर में चलते हुए कल्पना करता है।
इनमें से कोई भी मामूली नहीं है। लेटेंसी और ओवरहीटिंग ऐसी समस्याएं हैं जो डेमो वीडियो खत्म होने के बाद सामने आती हैं, जब किसी सिस्टम को मिनटों के बजाय घंटों तक चलना होता है। कंप्यूट लागत तय करती है कि HomeBody जैसा दृष्टिकोण कभी शोध सेटिंग से बाहर निकलेगा या नहीं।
सुरक्षा प्रश्न और बेंचमार्क रिकॉर्ड
HomeBody एक मिश्रित पृष्ठभूमि के बीच आता है। पहले के बेंचमार्क दिखाते हैं कि Astra का स्थानिक तर्क काफी सुधरा है — यह उस मॉडल के लिए एक पूर्वापेक्षा है जिसे यह तर्क करना होता है कि चीजें कहां हैं और उन तक कैसे पहुंचा जाए। साथ ही, अलग कार्य ने सुरक्षा मुद्दों को चिह्नित किया जब Astra को एक रोबोट का नियंत्रण दिया जाता है। ये दो निष्कर्ष असहज रूप से साथ बैठते हैं: वही क्षमता जो मॉडल को मैनिपुलेशन के लिए उपयोगी बनाती है, उसका निर्णय गलत होने पर दांव भी बढ़ा देती है।
एक भाषा मॉडल जो सीधे कौशल लाइब्रेरी में कमांड जारी करता है, एक बुरे निर्णय और भौतिक परिणाम के बीच की दूरी को कम कर देता है। प्रशिक्षित नियंत्रण परत का अभाव उस फिल्टर को हटा देता है जो पहले असंभावित या असुरक्षित कार्यों को सीमित कर सकता था। यह दृष्टिकोण को अव्यवहारिक नहीं बनाता, लेकिन इसका मतलब यह है कि सुरक्षा मूल्यांकन को क्षमता मूल्यांकन के साथ-साथ चलना होगा, न कि उसके पीछे।
एम्बॉडिड AI की ओर व्यापक प्रयास
HomeBody एक व्यापक बदलाव के बीच में आता है। OpenAI ने पहले ही रोबोटिक्स में वापसी की योजनाओं की घोषणा की है, जिसमें व्यक्तिगत उपयोग के लिए बनाई गई मशीनें भी शामिल हैं। यह महत्वाकांक्षा इस जैसे प्रदर्शनों को अकादमिक से परे एक व्यावसायिक संदर्भ देती है: यदि एक सामान्य मॉडल एक अनजान कमरे में ह्यूमनॉइड को संचालित कर सकता है, तो एक ही शक्तिशाली मॉडल के इर्द-गिर्द हार्डवेयर बनाने का तर्क बहुत मजबूत हो जाता है।
स्टैनफोर्ड और कैलटेक का काम उस आधार की परीक्षा के रूप में पढ़ा जाना चाहिए। यह घरेलू रोबोटिक्स को हल करने का दावा नहीं करता। यह दिखाता है कि वह परत जिसे अधिकांश शोधकर्ताओं ने आवश्यक माना था — भाषा और गति के बीच सेतु बनाने वाला एक प्रशिक्षित नियंत्रक — कम से कम इस विन्यास में, पुन: प्रयोज्य कौशलों की लाइब्रेरी में सीधे कॉल द्वारा बदली जा सकती है।
कोड सार्वजनिक है, और प्रश्न खुले हैं
HomeBody का कोड GitHub पर उपलब्ध है, जिसका मतलब है कि अन्य समूह विभिन्न रोबोटों और विभिन्न कमरों पर उसी आर्किटेक्चर की जांच कर सकते हैं। दिलचस्प प्रश्न अब अनुभवजन्य हैं। जब रसोई अधिक गंदी हो, वस्तुएं अपरिचित हों, या कार्य घंटों तक फैला हो, तो प्रदर्शन कितना गिरता है? सफलता का कितना हिस्सा कौशल लाइब्रेरी से आता है और कितना मॉडल के अपने तर्क से? और क्या होता है जब लेटेंसी, गर्मी और कंप्यूट बजट को फुटनोट के बजाय प्राथमिक बाधाओं के रूप में माना जाता है?
अभी के लिए, यह प्रदर्शन एक और डेटा बिंदु के रूप में खड़ा है कि GPT-6 Astra रोबोटों के साथ अच्छी तरह काम करता है — और एक अनुस्मारक के रूप में कि एक आकर्षक रसोई डेमो और एक भरोसेमंद घरेलू मशीन के बीच का अंतर अभी भी सर्वो, सेकंड और डॉलर में मापा जाता है।
यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on the-decoder.com
