1X తన NEO హ్యూమనాయిడ్ రోబోట్‌ల పూర్తి స్థాయి అమెరికా ఉత్పత్తిని ప్రారంభించింది

హ్యూమనాయిడ్ రోబోటిక్స్ డెమోల నుంచి ఫ్యాక్టరీ అవుట్‌పుట్‌కి వెళ్తోంది

1X Technologies, Hayward, Californiaలోని కొత్త సదుపాయంలో తన NEO హ్యూమనాయిడ్ రోబోట్‌ల పూర్తి స్థాయి ఉత్పత్తిని ప్రారంభించినట్లు చెబుతోంది. 58,000 చదరపు అడుగుల ఈ స్థలం, ఇంటి వాతావరణాల్లో నిశ్శబ్దంగా పనిచేస్తూ, కాలక్రమంలో AI వ్యవస్థలను మెరుగుపరచగల నిజ జీవిత ఆపరేటింగ్ డేటాను సేకరించే NEO కోసం కంపెనీ ప్రధాన తయారీ కేంద్రంగా రూపొందించబడింది.

ఈ ప్రకటన ముఖ్యమైనది, ఎందుకంటే ఇది చర్చను ప్రోటోటైప్ సామర్థ్యం నుంచి ఉత్పత్తి సిద్ధత వైపు మలుస్తుంది. హ్యూమనాయిడ్ రోబోటిక్స్‌లో జాగ్రత్తగా ఎడిట్ చేసిన demo వీడియోలు, భారీ టైమ్‌లైన్లు కొరవడలేదు. కానీ చాలా సందర్భాల్లో లోపం ఏమిటంటే, సంస్థలు నిజంగా సంక్లిష్టమైన యంత్రాలను పునరావృతంగా, పెద్ద పరిమాణంలో తయారు చేయగలవా అన్న ఆధారం లేదు. 1X, తన కొత్త కేంద్రం ఆ సమస్యకు స్పష్టమైన సమాధానం అని వాదిస్తోంది.

వర్టికల్లీ ఇంటిగ్రేటెడ్ ఫ్యాక్టరీ వ్యూహం

ఇచ్చిన మూల పాఠ్యం ప్రకారం, 1X ఆ స్థలాన్ని “machine park” చుట్టూ నిర్మించింది; అక్కడ ముడి పదార్థాలు ప్రత్యేక భాగాలుగా మారుతాయి. సంప్రదాయ supplier-heavy assembly మోడల్‌పై పూర్తిగా ఆధారపడకుండా, కంపెనీ ప్రతి ఉత్పత్తి దశను నిజ సమయంలో నిర్వహించడానికి verticallly integrated “factory OS” ను ఉపయోగిస్తుందని చెబుతోంది.

ఈ విధానం ప్రాముఖ్యమైనది, ఎందుకంటే హ్యూమనాయిడ్ రోబోటిక్స్ తయారీ వ్యవస్థలపై అసాధారణమైన ఒత్తిడిని పెడుతుంది. ఈ యంత్రాలు actuators, sensors, mechanical structures, control electronics, మరియు AI computing ను చాలా పరిమిత form factor లో కలుపుతాయి. ప్రక్రియలో చాలా భాగం బయటి విక్రేతలకు చీల్చి వేయబడితే, కంపెనీలకు నెమ్మదిగా iteration cycles మరియు నాణ్యత, ఖర్చుపై బలహీన నియంత్రణ ఎదురవుతుంది.

దానికి భిన్నంగా, vertically integrated system design మార్పులు, factory execution, మరియు field performance మధ్య మరింత సన్నిహిత feedback ను వాగ్దానం చేస్తుంది. ఆ వాగ్దానం పెద్ద స్థాయిలో నిలుస్తుందా లేదా అన్నది ఇంకా చూడాలి, కానీ ఈ వ్యూహం robotics start-ups అభివృద్ధి చక్రాలను కుదించేందుకు ప్రయత్నిస్తున్న విధానానికి అనుగుణంగా ఉంది.

ఫ్యాక్టరీ ఇప్పుడు ఏమి చేస్తోంది

మూల పాఠ్యం, చాలా రోబోటిక్స్ ప్రకటనలకన్నా ఎక్కువగా ఉత్పత్తి ప్రక్రియను వివరంగా చూపుతుంది. ఆటోమేటెడ్ లైన్లు copper coils ను తిప్పి custom motors ను తయారు చేస్తాయి. ప్రత్యేక labs hardware ను 20 million కంటే ఎక్కువ stress testing cycles కు లోబరుస్తాయి. ఫ్లోర్‌లో joint మరియు limb assembly, final integration, మరియు “break things fast” చేయడానికి రూపొందించిన reliability lab కోసం వేర్వేరు ప్రాంతాలు ఉన్నాయి, దీని ద్వారా systems కస్టమర్ల వద్దకు వెళ్లే ముందే ఇంజనీర్లు వైఫల్యాలను గుర్తించగలరు.

ఆ చివరి వివరమే ప్రత్యేకంగా ముఖ్యమైనది. ఒక ఆకట్టుకునే lab robot మరియు ఉపయోగకరమైన commercial product మధ్య ఉన్న అతిపెద్ద అడ్డంకుల్లో reliability ఒకటి. ఇంట్లో పని చేయాల్సిన హ్యూమనాయిడ్, నియంత్రిత పరిస్థితుల్లో ఒక్కసారి పనిని పూర్తి చేయడమే కాదు. అది గందరగోళంగా, మారే స్వభావం గల, రోబోట్‌ల కోసం రూపొందించని ప్రదేశాల్లో, పునరావృతంగా, నిశ్శబ్దంగా, సురక్షితంగా, ఊహించదగిన విధంగా పనిచేయాలి.

1X, NEO ఒక modern refrigerator కంటే తక్కువ decibel స్థాయిలో పనిచేస్తుందని చెబుతోంది, దీని ద్వారా కంపెనీ warehouse లేదా industrial deployment కంటే గృహ వినియోగాన్ని ఎక్కువగా లక్ష్యంగా పెట్టుకుంటున్నదని తెలుస్తోంది.

రోబోలు ఇప్పటికే ఫ్యాక్టరీలో పనిచేస్తున్నాయి

NEO యొక్క ప్రారంభ సంస్కరణలు ఇప్పటికే ఫ్యాక్టరీ ఫ్లోర్‌పై పని చేస్తూ, అంతర్గత logistics మరియు parts stocking కు సహాయపడుతున్నాయని నివేదించబడింది. ఈ ఏర్పాటు రెండు పనులు చేస్తుంది. మొదటిది, సదుపాయంలో కొంత శ్రమను తగ్గిస్తుంది. రెండవది, మరియు బహుశా ముఖ్యమైనది, NEO Cortex brain ను మెరుగుపరచడానికి నిజ జీవిత ఆపరేషనల్ డేటా ప్రవాహాన్ని 1X కు అందిస్తుంది.

ఇది అధునాతన robotics లో తిరిగి తిరిగి కనిపించే అంశం: product అంటే శరీరం మాత్రమే కాదు, model మాత్రమే కూడా కాదు. అది deployment, data collection, training, testing, మరియు redeployment మధ్య ఉన్న loop. ఒక కంపెనీ ఆ loop ను ఎంత ఎక్కువ సార్లు నడపగలదో, అంత వేగంగా దాని సామర్థ్యాలు మరియు నమ్మకత్వం మెరుగవుతాయి.

1X విషయంలో, మూల పాఠ్యం ప్రకారం NEO Cortex NVIDIA యొక్క Jetson Thor platform ద్వారా నడుస్తోంది, అలాగే NVIDIA Isaac robotics platform ఉపయోగించి శిక్షణ పొందింది. ఈ జోడీ 1X ను NVIDIA hardware మరియు simulation tools మీద నిర్మిస్తున్న broader robotics ecosystem లోకి తీసుకువెళ్తుంది.

“Physical AI” కోసం ఉత్పత్తి స్థాయి ఎందుకు కీలకం

Founder and CEO Bernt Børnich, ఫ్యాక్టరీ ప్రారంభాన్ని హ్యూమనాయిడ్ రోబోటిక్స్ అమెరికాలో ఆకాంక్ష నుంచి పరిశ్రమ వాస్తవానికి మారుతున్నదని చూపించే రుజువుగా వివరించారు. మరిన్ని ఉత్పత్తులు అంటే మరిన్ని రోబోలు, మరిన్ని రోబోలు అంటే “physical AI” కి వేగవంతమైన మార్గమని ఆయన వాదించారు. ఈ పదబంధం, embodied intelligence వ్యవస్థలు text, images, లేదా simulation లో మాత్రమే కాకుండా భౌతిక ప్రపంచంతో నిరంతరం పరస్పరచర్య చేసినప్పుడు మెరుగవుతాయని పరిశ్రమ దృక్పథాన్ని ప్రతిబింబిస్తుంది.

ఆ వాదనలో తర్కం ఉంది. ఒక language model విస్తృత digital corpora ను గ్రహించగలదు, కానీ గృహ రోబో balance, manipulation, timing, force control, మరియు navigation ను కూడా నిజమైన ప్రదేశాల్లో నేర్చుకోవాలి. మరిన్ని యూనిట్లను తయారు చేయడం, ఆపరేషన్ డేటా పరిమాణాన్ని పెంచడం ద్వారా ఈ నేర్చుకునే ప్రక్రియను వేగవంతం చేయగలదు.

సవాల్ ఏమిటంటే, ఉత్పత్తి ప్రతి పరిష్కరించని బలహీనతను పెద్దదిగా చూపుతుంది. ఎక్కువ రోబోలు అంటే design flaws, safety concerns, maintenance burdens, మరియు cost pressures ను బయటపెట్టే మరిన్ని అవకాశాలు. Scale ఒకేసారి validation కూడా, stress test కూడా.

అర్థవంతమైన అడుగు, తుది రుజువు కాదు

1X ప్రకటనను ఒక అర్థవంతమైన milestone గా చూడాలి, కానీ consumer humanoid robotics వచ్చేసిందని నిర్ధారించే తుది రుజువుగా ఇంకా చూడకూడదు. పూర్తి స్థాయి ఉత్పత్తి ప్రారంభించడం, పెద్ద పరిమాణంలో ఇంట్లోకి పంపించడం, మరియు ఆ deployments ను ఆర్థికంగా నిలబెట్టడం వేర్వేరు విషయాలు. ఈ దశల మధ్యనున్న అంతరం అనేక ఆశావహ hardware కార్యక్రమాలు ఇబ్బంది పడే ప్రదేశం.

అయితే, ఈ క్షణం ప్రాముఖ్యతను నిరాకరించడం కష్టం. కంపెనీ కేవలం భవిష్యత్ deployment గురించి మాట్లాడడం లేదు. అది ఒక పెద్ద US facility ని తెరిచింది, vertical integration పై దృష్టి పెట్టింది, ప్రారంభ యూనిట్లను ప్లాంట్‌లోనే పని చేయిస్తోంది, మరియు తయారీని నేరుగా data collection మరియు model improvement తో కలుపుతోంది.

1X ఈ అంశాలను నమ్మదగిన output గా మార్చగలిగితే, హ్యూమనాయిడ్ రోబోలు మరింత పరిపక్వ దశలోకి ప్రవేశిస్తున్నాయన్న వాదన బలపడుతుంది. లేకపోతే, ఈ ఫ్యాక్టరీ sophisticated robotics ను పరిమితం చేసేది ఆలోచన ఉత్సాహం కాదు, యంత్రాలను తయారు చేయడం, నిర్వహించడం, వాటి ఖర్చును సమర్థించగలంత వేగంగా వాటిని మెరుగుపరచడం ఎంత కష్టమో అన్న మరో గుర్తుగా నిలుస్తుంది.

ఇప్పటివరకు 1X ఒక ముఖ్యమైన మైలురాయిని దాటింది. ఇప్పుడు ప్రశ్న, అది ఒక హ్యూమనాయిడ్ రోబోట్‌ను చూపించగలదా అన్నది కాదు. ఈ వర్గాన్ని వాణిజ్యపరంగా నిజమైనదిగా చేయడానికి తగినంత సంఖ్యలో, తగినంత నాణ్యతతో వాటిని నిర్మించగలదా అన్నదే ప్రశ్న.

ఈ వ్యాసం The Robot Report రిపోర్టింగ్ ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.