பணியாளர்-பயிற்சி பெற்ற தானியக்கத்திற்கான முன்மொழிவுடன் Reimagine Robotics வெளிப்படுகிறது

ஒரு ரகசிய ரோபோட்டிக்ஸ் ஸ்டார்ட்அப் எளிய தானியக்கத்தில் பந்தயம் கட்டுகிறது

Reimagine Robotics ரகசிய நிலையிலிருந்து வெளிவந்து, தொழில்துறை ரோபோட்டிக்ஸில் இன்னும் தவறாக இருப்பது என்ன என்பதற்கான தெளிவான வாதத்தை முன்வைக்கிறது: தானியக்கத்தின் சுமை அதிகமாக முன்நிலைப் பணியாளர்களுக்கு பதிலாக சிறப்பு நிபுணர்கள்மீதே விழுகிறது. லண்டன் மற்றும் சிட்னி தளங்களை அடிப்படையாகக் கொண்ட இந்த ஸ்டார்ட்அப், உண்மையில் வேலை செய்பவர்கள் ஒரு பணியை ரோபோவுக்குக் காட்ட, அது அந்த வேலையை முயற்சிப்பதைப் பார்க்க, தேவைப்பட்டால் திருத்த, பின்னர் அடுத்த bottleneck-க்கு நகர முடியும் வகையில் அதன் அமைப்புகள் வடிவமைக்கப்பட்டுள்ளன என கூறுகிறது.

இந்த முன்மொழிவு, தொடர்ச்சியாக நிலவும் இரண்டு கட்டுப்பாடுகளால் வடிவமைக்கப்பட்ட நெரிசலான ரோபோட்டிக்ஸ் துறையில் நிறுவனத்தை நிறுத்துகிறது. முதலில், பல தொழிற்சாலைகள் அடிக்கடி மாறும் அல்லது இறுக்கமாக எழுதப்பட்ட வேலைநடைகளுக்கு வெளியே ஏற்பாக்கம் தேவைப்படும் பணிகளை இன்னும் தானியக்கப்படுத்தப் போராடுகின்றன. இரண்டாவது, ரோபோட்டிக்ஸ் ஹார்ட்வேர் கிடைத்தாலும், செயல்முறையில் ஏற்படும் ஒவ்வொரு மாற்றத்துக்கும் இயந்திர நிபுணர் உதவி தேவைப்படுவதால், இயக்குநர்கள் தாங்களே வழங்க இயலாத அளவுக்கு engineering support தேவைப்பட்டு, நிறுவல் தடைப்படலாம். Reimagine-ன் கூற்று என்னவென்றால், ரோபோக்களை நிலையான செயல்பாட்டு இயந்திரங்களாக அல்ல, புதிய சக ஊழியர்களைப் போல பயிற்றுவித்தால், இவ்விரு சிக்கல்களும் தளரலாம் என்பதாகும்.

நிறுவனத்தின் பின்னணி யார்

இந்த ஸ்டார்ட்அப்பை ஏப்ரல் 2025-இல் Jonathan Scholz, Oleg Sushkov, Akhil Raju, மற்றும் Misha Denil இணைந்து நிறுவினர். Scholz முன்பு லண்டனில் Google DeepMind-ன் Applied Robotics குழுவை நிறுவி, ஏழு ஆண்டுகள் அதனை வழிநடத்தினார்; இதனால் இயந்திரக் கற்றல் முன்னேற்றங்களுடன் ரோபோட்டிக்ஸ் முன்னேற்றத்தை அதிகமாக இணைக்கும் சந்தையில் நிறுவனத்துக்கு உடனடி நம்பகத்தன்மை கிடைத்தது.

இந்த பின்னணி முக்கியமானது, ஏனெனில் Reimagine தன்னை ஒரு வழக்கமான தொழில்துறை தானியக்க விற்பனையாளராக முன்வைப்பதில்லை. அதன் விளக்கம் தெளிவாகவே AI-இயக்கப்பட்ட வேலையிடக் கற்றலைப் பற்றியது. ஒரு பணியாளர் பணியை விளக்கிக் காட்ட, தவறுகளைத் திருத்த, மற்றும் இடத்திலேயே ரோபோவின் நடத்தை படிப்படியாக வடிவமைக்கலாம் என்று Scholz நிறுவனத்தின் அணுகுமுறையை விவரித்தார். அந்த செயல்முறையை நிறுவனம் வழக்கமாக “monkey-see, monkey-do” என்று குறிப்பிடுகிறது.

ரோபோட்டிக்ஸ் ஆராய்ச்சியில் பரவலாக இந்தக் கருத்து அறிமுகமானதே: கடுமையாக குறியிடப்பட்ட programming-ன் அளவைக் குறைத்து, விளக்கம், திருத்தம், மற்றும் ஏற்பாக்கத்தை அதிகம் நம்புவது. Reimagine-ன் செய்தியை வேறுபடுத்துவது, இது ரோபோட்டிக்ஸ் பொறியாளர்களோடு மட்டுமல்ல, சாதாரண பணியாளர்களோடும் செயல்பாட்டு சூழல்களில் நிகழ வேண்டும் என்ற உறுதியே.

ரோபோக்களை நிரலிடுவதிலிருந்து அவற்றிற்குக் கற்றுக்கொடுப்பதற்கு

பணிகள் நிலையாக, சூழல் கட்டுப்பாட்டில், மற்றும் engineering குழுக்கள் வேலைநடைகளை செம்மைப்படுத்த நேரம் செலுத்தக் கூடியபோது தொழில்துறை ரோபோக்கள் வலிமையானவை. ஆனால் அந்த நிலைமை ஒவ்வொரு உற்பத்தி சிக்கலுக்கும் பொருந்தாது. பல அமைப்புகள் இன்னும் கலப்பு தயாரிப்புகள், சிறிய ஓட்டங்கள், சிக்கலான handoffs, மற்றும் எளிய தானியக்கத்திற்கு மிக மாறுபாடான ஆனால் நிரந்தரமாக untouched விடக்கூடாத அளவுக்கு மந்தமான, மீண்டும் மீண்டும் செய்ய வேண்டிய உடல் பணிகளை கையாள்கின்றன.

Reimagine Robotics-ன் பதில் மனிதர்களை மையத்தில் வைத்திருப்பதுதான் என்கிறது. செயல்முறையிலிருந்து மக்களை நீக்குவதற்குப் பதிலாக, பணியாளர்களே bottleneck-ஐ அடையாளம் காண்கிறார்கள், ரோபோவுக்கு பணியை கற்றுக்கொடுக்கிறார்கள், மற்றும் அமைப்பு பயனுள்ளதாகும் வரை திருத்துகிறார்கள் என்று நிறுவனம் கூறுகிறது. இது முக்கியமான வேறுபாடு, ஏனெனில் இது தொழிலாளரின் பாத்திரத்தை கடைசிக் கட்ட செயல்பாட்டு நபரிலிருந்து பயிற்றுநர் மற்றும் செயல்முறை உரிமையாளராக மாற்றுகிறது.

இந்த மாதிரி நடைமுறையில் வேலை செய்தால், நிறுவல் பொருளாதாரத்தையே மாற்றக்கூடும். ஒரு சிறப்பு நிரலாளரை காத்திருப்பதில் செலவிடப்படாத ஒவ்வொரு மணி நேரமும் வாடிக்கையாளருக்கான friction-ஐ குறைக்கும். மேலும் முக்கியமாக, ஆழமான உள்நாட்டு ரோபோட்டிக்ஸ் நிபுணத்துவம் இல்லாத தொழிற்சாலைகளுக்கும் தானியக்கம் கிடைக்கச் செய்கிறது. ஒரு பணியை திறம்பட விளக்கிக் காட்டியும் திருத்தியும் கொள்ள முடியுமா என்பதே தடையாக மாறுகிறது; ஒரு தளம் பெரிய ரோபோட்டிக்ஸ் engineering குழுவை ஆதரிக்குமா என்பதல்ல.

ஆரம்பத் தளவமைப்புகள் நடைமுறைத் தொழிற்சாலை பணியில் கவனம் செலுத்துகின்றன

இப்போதுதான் ரகசிய நிலையிலிருந்து வெளிவரும் ஒரு நிறுவனத்திற்கு, Reimagine ஏற்கனவே உண்மையான deployment-களைச் சுட்டிக்காட்டுவது குறிப்பிடத்தக்கது. The Robot Report-ன் படி, ஒரு ஆரம்ப use case advanced manufacturing மற்றும் electronics disassembly-ஐ உள்ளடக்கியது. made-to-order plastics தொழிலில், நிறுவனம் ரோபோக்களை overnight-இல் 3D printers-ஐ கவனிக்கப் பயிற்றுவித்தது; அதில் print beds-ஐ அகற்றுதல், latches-ஐ இயக்குதல், மற்றும் controls-ஐ அழுத்துதல் ஆகியவை இடம்பெற்றன.

இந்த உதாரணம் வெளிப்படுத்துவது, இது ஒரு கவர்ச்சியான ரோபோட்டிக்ஸ் demo அல்ல என்பதையே. இது தொழிற்சாலைகள் தானியக்கப்படுத்த விரும்பினாலும், integration costs அதிகமாக இருந்தால் நியாயப்படுத்த கடினமாக்கும், அப்படிப்பட்ட மீண்டும் செய்யப்படும், பணிநேரத்திற்குப் பிந்தைய வேலைநடையே. அறிக்கையில், வாடிக்கையாளரின் சொந்த குழு wash, cure, மற்றும் dry போன்ற கூடுதல் கட்டங்களை தானியக்கப்படுத்த இந்த platform-ஐ பயன்படுத்தியதாகவும் கூறப்பட்டது. அது துல்லியமானால், ஒரே பணியிலல்ல, ஆரம்ப deployment-க்குப் பிறகு தானியக்கத்தை படிப்படியாக விரிவாக்கும் திறனில்தான் உண்மையான மதிப்பு இருக்கக்கூடும் என்று காட்டுகிறது.

நிறுவனம் மேலும், பயன்படுத்தப்பட்ட hard drives-இலிருந்து மதிப்புமிக்க critical materials-ஐ மீட்டெடுப்பதில் அதன் ரோபோக்கள் பயன்படுத்தப்பட்ட இன்னொரு deployment-ஐ குறிப்பிட்டது. இது பாரம்பரிய தொழிற்சாலை throughput-ஐத் தாண்டிய இரண்டாவது வணிக வாய்ப்பைக் காட்டுகிறது: disassembly, recycling, மற்றும் materials recovery-க்கு ஏற்பாக்கமான தானியக்கம். இத்தகைய சூழல்கள், கிளாசிக் production lines-ஐ விட அதிக குழப்பமானவை மற்றும் குறைந்த தரநிலைப்படுத்தப்பட்டவை; அதனால் learning-based robotics குறித்து செய்யப்படும் கூற்றுகளுக்கு அவை பயனுள்ள சோதனையாகின்றன.

நேரம் ஏன் முக்கியம்

Reimagine இப்போது சந்தையில் நுழைகிறது, அப்போது industrial AI-ஐ மதிப்பிடுவது கண்கவர் demo-களைக் காட்டிலும், அது தொழிற்சாலை தளத்துடன் நேரடியாக மோதும் போது உயிர்வாழுமா என்பதில்தான் அதிகமாக உள்ளது. ரோபோட்டிக்ஸ் துறையின் பல நிறுவனங்கள் இப்போது adaptable systems, natural-language interfaces, அல்லது demonstration-based training ஆகியவற்றை வாக்குறுதி அளிக்க அதிகம் தயங்கவில்லை. அதேவேளை, வாங்குபவர்கள் இக்கூற்றுகள் நிறுவல் நேரத்தை குறைத்து, அளவிடக்கூடிய output தருகிறதா என்பதற்கான ஆதாரங்களைத் தேடுகிறார்கள்.

அதனால்தான் Reimagine ரகசிய நிலையிலிருந்து வெளிவருவது, குறைந்த வெளிப்படுத்தப்பட்ட விவரங்களுடன் இருந்தாலும், முக்கியமானது. இந்த ஸ்டார்ட்அப் வெறும் ஒரு ரோபோவை மட்டும் விற்பனை செய்யவில்லை; ஒரு facility-க்குள் தானியக்கம் எவ்வாறு பரவ வேண்டும் என்பதற்கான workflow-ஐ விற்பனை செய்கிறது. அந்த workflow-இல், நிபுணத்துவம் பணியாளர்களிடமே தங்கி, தேவைகள் மாறும்போது ரோபோவை மறுபயன்படுத்துவது எளிதாகிறது.

நிறுவனத்தின் முதல் கட்டம் Fly Ventures, firstminute capital, மற்றும் angel investors ஆகியோரின் pre-seed backing மூலம் நிதியளிக்கப்பட்டுள்ளது. இப்போது பெரிய கேள்வி execution-தான். demonstration மூலம் கற்றுக்கொடுப்பது கவர்ச்சியாகக் கேட்கிறது, ஆனால் customer teams உண்மையில் reliability, safety, அல்லது maintenance bottlenecks-இல் சிக்காமல் robot duties-ஐ விரிவாக்க முடியுமா என்பதே செயல்பாட்டு சோதனை.

உண்மையான சோதனை மீள்தன்மை

Reimagine Robotics ஒரு கவர்ச்சிகரமான செய்தியைத் தேர்ந்தெடுத்துள்ளது: பணியை மிகச் சிறப்பாகப் புரிந்துகொள்ளும் மனிதர்களால் ரோபோக்கள் பயிற்றுவிக்கப்பட வேண்டும். அந்த செய்தி, தொழில்துறை தானியக்கத்தை குறைவாக முறிவடையக்கூடியதாகவும், அரிதான நிபுணர்கள்மீது குறைவாக சார்ந்ததாகவும் மாற்றும் பரந்த முயற்சியுடன் ஒத்துப்போகிறது. பல தொழிற்சாலைகள் உற்பத்தியை முழுவதும் புதிதாக வடிவமைக்கும் moonshot மாற்றங்களை விட, குறுகிய, உடனடி வெற்றிகளை விரும்புகின்றன என்ற வணிக உண்மையுடனும் இது பொருந்துகிறது.

ஆனாலும், ரகசிய நிலையிலிருந்து வெளிவருவது எளிதான பகுதி. கடினமான பணி, “வேலையிடத்திலேயே கற்றுக்கொள்” என்ற slogan ஒரு convincing சொல்லிலிருந்து மீண்டும் மீண்டும் செயல்படுத்தக்கூடிய industrial operating model-ஆக மாற முடியும் என்பதை நிரூபிப்பதே. வாடிக்கையாளர் பணியாளர்கள் வெவ்வேறு sites மற்றும் workflows-களில் ரோபோக்களுக்கு நம்பிக்கையுடன் புதிய பணிகளை கற்றுக்கொடுக்க முடியும் என்பதை நிறுவனம் காட்டினால், தொழில்துறை தானியக்கத்தில் ஒரு அர்த்தமுள்ள வாய்ப்பை அது கண்டுபிடித்திருக்கும். இல்லையெனில், அதன் software வாக்குறுதி shop-floor reality-யை முந்திச் செல்லும் இன்னொரு ரோபோட்டிக்ஸ் ஸ்டார்ட்அப்பாக மாறும் அபாயம் உள்ளது.

முக்கிய குறிப்புகள்

• Reimagine Robotics கூறுவதாவது, சிறப்பு நிரலாளர்கள் இன்றி பணியாளர்களே அதன் ரோபோக்களை நேரடியாகப் பயிற்றுவிக்கலாம்.
• இந்த நிறுவனம் Google DeepMind-இன் முன்னாள் Applied Robotics தலைவர்களால் நிறுவப்பட்டது.
• ஆரம்ப deployment-களில் overnight 3D-printer tending மற்றும் electronics disassembly work அடங்கும்.
• இதன் முன்மொழிவு உற்பத்தி மற்றும் materials recovery-இல் adaptable automation மீது கவனம் செலுத்துகிறது.
• ரகசியம் தாண்டிய அதன் முக்கிய வணிகக் கேள்வி, robot teaching பல sites-களில் நம்பிக்கையுடன் scale ஆகுமா என்பதே.

இந்தக் கட்டுரை The Robot Report-இன் செய்தியளிப்பை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.