सामान्य-उद्देश रोबोटिक्ससाठी डेटा-केंद्रित दृष्टिकोन

Tutor Intelligence ने Series B निधीत 75 दशलक्ष डॉलर उभारले आहेत. कंपनी आपल्या रोबोट प्रणालींचे प्रशिक्षण, deployment आणि व्यावसायिक वापर वाढवू इच्छिते. इंटरनेटशी जोडलेले रोबोट फ्लीट, remote human input, simulation आणि वास्तविक जगातील डेटा एकत्र करून भौतिक कामांसाठी AI मॉडेल सुधारत असल्याचे कंपनीचे म्हणणे आहे.

Massachusetts येथील ही कंपनी 2021 मध्ये Massachusetts Institute of Technologyच्या Computer Science and Artificial Intelligence Laboratory मधून स्वतंत्र झाली. मानव आणि रोबोट करू शकणाऱ्या कामांतील अंतर कमी करणारा पूर्ण तांत्रिक स्टॅक विकसित करणे हे तिचे उद्दिष्ट आहे.

उत्पादन वातावरणातील deploymentsभोवती हा मॉडेल उभारला आहे. रोबोट ग्राहकांचे काम करताना tutors म्हणून ओळखल्या जाणाऱ्या remote operatorsकडून input घेतात. या डेटाचा वापर सुधारित मॉडेल प्रशिक्षणासाठी होतो.

काम करताना training data तयार करणारे रोबोट

यामुळे feedback loop तयार होतो: चांगली मॉडेल्स व्यापक deploymentला मदत करतात, व्यापक deployment वास्तविक manipulation tasksची अधिक उदाहरणे तयार करते आणि ती उदाहरणे पुढील मॉडेल्स सुधारण्यासाठी वापरली जातात. Tutor याला data flywheel म्हणते.

कंपनी simulation वापरते आणि 100 physical robotsवर policiesचे मूल्यमापन करण्यासाठी Data Factory सुरू केली आहे. Simulationमधील कामगिरी प्रत्यक्ष परिस्थितीत आपोआप लागू होत नाही, त्यामुळे physical evaluation महत्त्वाचे आहे.

गोदामातील कामांसाठी दोन प्रणाली

Tutorच्या Data Factoryमध्ये each pickingसाठी वापरला जाणारा दोन हातांचा semi-humanoid robot Sonny आहे. Case picking आणि palletizingसाठी तयार केलेला mobile manipulator Cassieही कंपनी देते.

ही कामे deterministic roboticsसाठी दीर्घकाळ कठीण राहिली आहेत. मात्र कंपनीचे दावे तिच्या platform आणि deployment strategyविषयी आहेत; general-purpose robotic capabilityचे स्वतंत्रपणे पडताळलेले मोजमाप नाहीत.

वेगळे व्यावसायिक मॉडेल

ग्राहक manual laborप्रमाणे तासाला किंवा pickनुसार पैसे देतात, असे Tutor सांगते. आगाऊ रोबोट खरेदी किंवा दीर्घकालीन करार आवश्यक नाही. Deployment, maintenance आणि नियमित software upgrades Tutor हाताळते.

यामुळे सुरुवातीच्या गुंतवणुकीचा अडथळा कमी होऊ शकतो. त्याच वेळी तैनात केलेल्या प्रणाली चालवणे, सांभाळणे आणि सतत सुधारणे ही अधिक जबाबदारी Tutorवर येते.

Series B निधीचा उपयोग

नवीन निधी picking robots, networked intelligence आणि commercial deployments विकसित करण्यासाठी वापरला जाईल. वास्तविक जगातील deployment स्वतः दीर्घकालीन फायदा बनू शकते, असा कंपनीचा व्यापक अंदाज आहे. Remote tutors कठीण प्रसंग हाताळण्यास मदत करताना भविष्यातील trainingसाठी डेटाही तयार करू शकतात.

यामुळे safe manipulation, reliability आणि आर्थिक कार्यक्षमतेची आव्हाने संपत नाहीत. रोबोट किती कामे करू शकतात, किती वेळा मानवी हस्तक्षेप लागतो आणि कामगिरी किती वेगाने सुधारते, हे महत्त्वाचे निकष राहतील.

या निधी उभारणीचे महत्त्व

75 दशलक्ष डॉलरची Series B Tutor Intelligenceला deployment-led मार्गावर पुढे जाण्यासाठी अतिरिक्त साधने देते. वाढत्या robot fleetकडून शिकणाऱ्या operating systemप्रमाणे robot intelligence मांडण्याचा कंपनीचा प्रयत्न आहे.

हा चक्र मोठ्या प्रमाणावर यशस्वी झाला, तर प्रत्येक deployment भविष्यातील क्षमतेत भर घालू शकते. हे learning cycle अधिक वास्तविक कामांसाठी विश्वासार्ह आणि आर्थिकदृष्ट्या उपयुक्त automation देऊ शकते का, हा निकटचा प्रश्न आहे.

हा लेख The Robot Reportच्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.

Originally published on therobotreport.com