Generalist GEN-1 robotics model-ஐ மேலும் robot hands மற்றும் tools-க்கு விரிவாக்குகிறது

ஒரே robotics foundation model பலவகை hands-களில் பரவ முடியும் என்று Generalist கூறுகிறது

Robotics startup Generalist, தனது GEN-1 embodied foundation model இப்போது standard grippers-ஐத் தாண்டி five-fingered hands, specialized tools, மற்றும் custom actuation setups வரை பரவலான robot end effectors-ஐ ஆதரிக்கிறது என்று கூறுகிறது. இந்த அறிவிப்பு physical AI-யின் மைய இலக்கை சுட்டிக்காட்டுகிறது: ஒவ்வொரு manipulation interface-ஐயும் புதிதாக கற்றுக்கொள்ளாமல், உலகுடன் தொடர்பு கொள்ளும் பல்வேறு வழிகளில் generalize செய்யக்கூடிய ஒரு base model-ஐ உருவாக்குவது.

The Robot Report-இன் படி, Generalist GEN-1-ஐ இவ்வாறு pretrained செய்துள்ளது: ஒரு underlying model கடுமையாக வேறுபடும் embodiments-களுக்கு இடையில் transfer ஆகக்கூடிய sensorimotor policies-ஐ கற்றுக்கொள்ள முடியும். நடைமுறையில் இதன் பொருள், ஒரு குறிப்பிட்ட gripper-ஐ இயக்குவதைக் கற்றுக்கொடுப்பதை மட்டும் அல்லாமல், robot-இன் “hand” மாறினாலும் பயனுள்ளதாக இருக்கும் reusable physical understanding-ஐ உருவாக்க நிறுவனம் முயல்கிறது என்பதாகும்.

இந்த கருத்து language மற்றும் image systems-இல் large foundation models வகிக்கும் பங்கை நினைவுபடுத்துகிறது; broad pretraining என்பதன் நோக்கம் பின்னர் specialized செய்யக்கூடிய adaptable capabilities-ஐ உருவாக்குவது. ஆனால் robotics-இல் பிரச்சினை இன்னும் கடினம். hardware மிகுந்த வேறுபாடுகளைக் கொண்டது, sensor positions மாறுகின்றன, actuation methods மாறுபடுகின்றன, மேலும் தவறின் உடனடி physical விளைவுகள் உடனே நிகழ்கின்றன. பல tool மற்றும் hand configurations across data-ஐ scale செய்வதன் மூலம் இந்த fragmentation-ஐ சில அளவு சமாளிக்க முடியும் என்பதே Generalist-ன் வாதம்.

தரவின் அளவும் embodiment diversity-யும் நிறுவனத்தின் வாதத்தின் அடிப்படை

GEN-1 ஒரு in-house robotics dataset-இல் pretrained செய்யப்பட்டுள்ளது; அதில் 5 lakh-க்கும் அதிகமான hours of real interaction data உள்ளன என்று Generalist கூறுகிறது. மேலும் அந்த dataset இப்போது off-the-shelf tools, printed parts, two-finger grippers-க்கு செய்யப்பட்ட custom modifications, மற்றும் commercial use cases-ஐ நினைவுபடுத்தும் form factors உள்ளிட்ட பலவகை end effectors-ஐ உள்ளடக்கியுள்ளது. மொத்தமாக சுமார் 9,000 variations-ஐ அது மேற்கோள் காட்டுகிறது.

இந்த பரப்பு நிறுவனத்தின் pitch-இன் மையமாக உள்ளது. ஒரு hand design-ஐ மட்டும் optimize செய்வதற்குப் பதிலாக, Generalist வெவ்வேறு end effectors-ஐ ஒரே physical world-க்கு செல்லும் வேறுபட்ட interfaces ஆகக் கருதுகிறது. five-fingered hand, tape dispenser, spatula, அல்லது screwdriver ஆகியவை வெவ்வேறு control problems-ஐ உருவாக்கலாம்; ஆனால் அனைத்தும் model-க்கு geometry, force, friction, contact, மற்றும் motion constraints-ஐ அனுபவிக்க வைக்கின்றன. இந்த interfaces எவ்வளவு பரவலாகவும் வேறுபட்டவையாகவும் இருக்கும் போது, model-இன் underlying “physical commonsense” அவ்வளவு வலுப்படும் என்று நிறுவனம் நம்புகிறது.

இதனால் ஒவ்வொரு tool-உம் சமமான எளிதாகக் கட்டுப்படுத்தப்படும் என்று அர்த்தமில்லை. The Robot Report-இல் விளக்கப்பட்ட எடுத்துக்காட்டுகளில், ஒவ்வொரு device-உம் தனித்த action vocabulary-ஐ கொண்டு வருகிறது. Tongs compliance மற்றும் spring dynamics-ஐ கொண்டு வருகின்றன. Scrapers மற்றும் spatulas object-ஐ grasp செய்வதிலிருந்து surface-க்கு எதிராக distributed contact-ஐ நிர்வகிப்பதற்கு பிரச்சினையை மாற்றுகின்றன. Tape dispenser model-ஐ tension மற்றும் placement-ஐ coordinate செய்ய வைக்கிறது. Box cutter அல்லது peeler controlled force-ஐ constrained path-ஐ 따라 பயன்படுத்த வேண்டிய தேவையை சேர்க்கிறது. இவை hardware-இல் உள்ள cosmetic மாற்றங்கள் அல்ல; task-இன் கட்டமைப்பையே மாற்றுகின்றன.

பலவகை interfaces across learning செய்வது model-ஐ பொதுவான physical principles மற்றும் tool-specific details இடையே வேறுபடுத்த உதவும் என்பதே Generalist-ன் thesis. அது நடைமுறையில் உறுதியாக இருந்தால், embodiments-க்கிடையே transfer செய்வது வரலாற்று ரீதியாக கடினமும் செலவானதும் ஆக இருந்த robotics-க்கு இது முக்கியமான முன்னேற்றமாக இருக்கும்.

End effector flexibility ஏன் முக்கியம்

இந்த அறிவிப்பின் முக்கியத்துவம் கல்விசார் மட்டுமல்ல. Commercial robotics-இல் robot-க்கு இணைக்கப்படும் hand அல்லது tool பெரும்பாலும் அது எந்த வேலைகளைச் செய்ய முடியும் என்பதை தீர்மானிக்கிறது. Warehousing, light manufacturing, lab automation, food handling, surface finishing, மற்றும் service tasks எல்லாம் வெவ்வேறு physical demands-ஐ விதிக்கின்றன. ஒரு model குறுகிய வகையான gripper ஒன்றுடன் மட்டும் சிறப்பாக வேலை செய்தால், hardware மாறும் ஒவ்வொரு தடவையும் deployment flexibility குறைகிறது மற்றும் integration costs அதிகரிக்கின்றன.

மாறாக, end effectors across adapt செய்யக்கூடிய base model development cycles-ஐ எளிதாக்கலாம். இது ஒவ்வொரு tool-க்கும் தனித்த control stack உருவாக்க வேண்டிய தேவையை குறைக்கலாம், புதிய task domains-இல் robots-ஐ சோதிப்பதை எளிதாக்கலாம், மற்றும் ஒரு manipulation setup-இலிருந்து மற்றொன்றுக்கு நகரும்போது data burden-ஐ குறைக்கலாம். அந்த திசையில் பகுதி முன்னேற்றம்கூட மதிப்புமிக்கது, ஏனெனில் robotics-இன் தொடர்ந்த bottleneck ஒன்றே: systems அவை பயிற்சி பெற்ற exact conditions-க்கு வெளியே வந்தால் திறன்கள் brittle ஆகத் தொடர்கின்றன.

Generalist-ன் framing AI robotics-இல் pretraining at scale என்ற பரந்த மாற்றத்தையும் பிரதிபலிக்கிறது. ஒவ்வொரு behavior-ஐயும் கைமுறையாக engineer செய்வதற்குப் பதிலாக அல்லது குறுகிய எல்லைகளுள்ள policies-ஐ train செய்வதற்குப் பதிலாக, நிறுவனங்கள் பெரிய, பல்வகை real-world datasets அதிக reusable representations-ஐ உருவாக்கும் என பந்தயம் கட்டுகின்றன. சவால், இயல்பாக, அந்த representations demo environment-இலிருந்து வெளியே வந்து உண்மையான operational variance-ஐ சந்திக்கும்போது நம்பகமான செயல்திறனை வழங்கப் போதுமான வலுவானவையா என்பதை நிரூபிப்பதே.

என்ன உறுதியாக உள்ளது, என்ன நிறுவனத்தின் வாதமாக உள்ளது

கிடைக்கக்கூடிய source material பல concrete points-ஐ ஆதரிக்கிறது: GEN-1 இப்போது broad range of end effectors-ஐ ஆதரிக்கிறது என்று Generalist கூறுகிறது; அதன் training data 5 lakh hours-ஐத் தாண்டிய real interaction data-ஐ கொண்டுள்ளது என்கிறது; மேலும் சுமார் 9,000 end-effector variations-க்கு model exposure இருந்ததாகச் சொல்கிறது. வெவ்வேறு tools மற்றும் embodiments across transferable sensorimotor representations உருவாக்க இந்த diversity உதவுகிறது என்றும் நிறுவனம் வாதிடுகிறது.

சுயாதீனமாக source நிரூபிக்காதது என்னவெனில், போட்டியாளர்களை ஒப்பிடுகையில் இந்த transfer எப்படி செயல்படுகிறது, புதிய hardware-க்கு எவ்வளவு fine-tuning தேவை, அல்லது production deployment-ன் reliability demands-இல் இந்த அணுகுமுறை தாங்குமா என்பதே. comparative benchmark study-க்குப் பதிலாக company-shared examples மூலமாக வரும் இத்தகைய robotics foundation-model claims-க்கு இவை முக்கியமான கேள்விகள்.

அப்படியும், இந்த update குறிப்பிடத்தக்கது, ஏனெனில் இது துறையின் மிக கடினமான practical problems-இல் ஒன்றைத் தொடுகிறது. robot learning ஒரே manipulator design-க்கு உறுதியாக இணைந்திருந்தால், பயனுள்ள automation-ஐ scale செய்வது அதிக செலவாகவும் மெதுவாகவும் இருக்கும். ஒரு shared model பல embodiments across competence-ஐ வைத்திருக்க முடிந்தால், robotics systems-ஐ மறுபயன்படுத்த எளிதாகும், மற்றும் பல industries-இல் பொருளாதார ரீதியாக அதிக viable ஆகும்.

மேலும் general physical intelligence-ஐ நோக்கிய ஒரு படி

ஒவ்வொரு புதிய hand model-க்கு அதே உலகை புரிந்து கொள்ள இன்னொரு வழியை கற்றுத் தருகிறது என்பதே Generalist-ன் அடிப்படை வாதம். இது ambitious framing தான், ஆனால் advanced robotics நகரும் திசையை நன்கு பிடிக்கிறது: single-task controllers-இலிருந்து விலகி, hardware variation-இல் நிலைத்திருக்கும் broader physical intelligence-இற்கு நகர்வது.

GEN-1 ஒரு landmark platform ஆகுமா என்பது இந்த அறிவிப்பிற்கு அப்பால் உள்ள முடிவுகளைப் பொறுத்தது. இருப்பினும், நிறுவனத்தின் புதிய update ஒரு முக்கிய competitive frontier-ஐ வெளிப்படுத்துகிறது. embodied AI-யில் அடுத்த leap பெரிய models-இலிருந்து மட்டும் வராமல், நிஜமான tools, நிஜமான contact, மற்றும் நிஜமான work-இன் messy diversity-க்குள் கற்றவற்றை எடுத்துச் செல்லக்கூடிய models-இலிருந்தும் வரலாம்.

இந்த கட்டுரை The Robot Report-இன் அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.