Brain Corp మరియు UC San Diego స్వయంచాలక రోబోట్ల కోసం సందర్భాత్మక మ్యాప్స్‌పై పరిశోధనను విస్తరిస్తున్నాయి

రోబోటిక్స్ కంపెనీలు ముడి దృష్టిని దాటి లోతైన స్థల అవగాహన వైపు చూస్తున్నాయి

Brain Corp మరియు University of California, San Diego సంక్లిష్ట వాతావరణాలను స్వయంచాలక రోబోట్లు ఎలా అర్థం చేసుకుంటాయో మెరుగుపరచడానికి తమ పరిశోధనా సహకారాన్ని విస్తరిస్తున్నాయి. ఈ పని సెమాంటిక్ మ్యాపింగ్ మరియు భాగస్వాములు “contextual grounding layer” అని వివరించే అంశంపై కేంద్రీకృతమై ఉంది; ఇది భౌతిక ప్రదేశాల డిజిటల్ ప్రతినిధిత్వం, వాణిజ్య మరియు పరిశ్రమ వాతావరణాల్లో రోబోట్లు చుట్టుపక్కలను మరింత విశ్వసనీయంగా అర్థం చేసుకునేందుకు సహాయపడేందుకు ఉద్దేశించబడింది.

విజన్-లాంగ్వేజ్-యాక్షన్ మరియు ఇతర జనరేటివ్ ఏఐ వ్యవస్థలను నిజ ప్రపంచ యంత్రాల్లోకి తీసుకురావడానికి రోబోటిక్స్ డెవలపర్లు వేగంగా పరిగెడుతున్న సమయంలో ఈ ప్రకటన వచ్చింది. ఈ మోడళ్లు చిత్రాలు మరియు భాష నుండి రోబోట్లు ఊహించగల విషయాలను పెంచాయి, కానీ బిజీగా, అంచనా వేయలేని వాతావరణాల్లో అమలు చేయడానికి అవి సరిపడా స్థిరత్వం మరియు సహనశక్తిని కలిగి ఉన్నాయా అనేది ప్రధాన ప్రశ్న.

మ్యాప్స్ ఇంకా ఎందుకు ముఖ్యమని Brain Corp మరియు UC San Diego భావిస్తున్నాయి

ఇచ్చిన మూలం ప్రకారం, ఈ సహకారం దృశ్య డేటా నుండి మరింత ప్రత్యక్షంగా పనిచేసే ఏఐ వ్యవస్థలను పరిశ్రమ అన్వేషిస్తున్నప్పటికీ, సందర్భాత్మక 3D సెమాంటిక్ మ్యాప్స్ ఇప్పటికీ కీలకమనే స్థానం తీసుకుంటోంది. మరొక మాటలో చెప్పాలంటే, సమృద్ధమైన గ్రహణం నిర్మిత స్థల అవగాహన అవసరాన్ని తొలగించదు. అది ఆ అవసరాన్ని మరింత అత్యవసరంగా చేయవచ్చు.

ఎండ్-టు-ఎండ్ ఏఐ పట్ల ఎక్కువ ఉత్సాహం ఉన్న రంగంలో ఇది ముఖ్యమైన స్థానం. ఈ భాగస్వామ్యం సరైనదైతే, ప్రాయోగిక స్వయంచాలకతకు దారి పెద్ద మోడళ్లపై మాత్రమే కాకుండా, వస్తువులు ఏమిటి, అవి ఎక్కడ ఉన్నాయి, మరియు రోబోట్ చేయడానికి ప్రయత్నిస్తున్న పనులకు అవి ఎలా సంబంధించాయి అనే విషయాలను యంత్రాలకు చెప్పే బలమైన ప్రపంచ మోడళ్లపై కూడా ఆధారపడి ఉంటుంది.

SLAM నుండి స్థితిగత అవగాహన వరకు

Simultaneous localization and mapping, లేదా SLAM, రోబోట్లు స్థిరమైన పారిశ్రామిక కణాల నుండి గమనచలిత ప్రదేశాలకు రావడానికి సహాయపడింది, ఎందుకంటే అది నావిగేట్ చేస్తూ మ్యాప్స్‌ను నిర్మించడానికి మరియు నవీకరించడానికి అనుమతించింది. భాగస్వాములు చెప్పిన ప్రకారం, తదుపరి దశ ఆ మ్యాప్స్‌కు మరింత సెమాంటిక్ మరియు సందర్భాత్మక లోతు ఇవ్వడం. అంటే జ్యామితి దాటి అవగాహన వైపు వెళ్లడం: కేవలం ఒక కారిడార్ కాదు, కానీ అందులో ప్రజలు, అడ్డంకులు, పని ప్రవాహాలు, మారుతున్న ఆపరేషనల్ నియమాలు ఉన్న కారిడార్.

contextual grounding layer ను రోబోట్లు, డ్రోన్లు, స్వయంచాలిత వాహనాలకు మద్దతు ఇవ్వగల తెలివైన డిజిటల్ ప్రతినిధిత్వంగా మూలం వివరిస్తుంది. దీని వాగ్దానం, ప్రజలతో పంచుకున్న భౌతిక వాతావరణాల్లో అభివృద్ధి చెందిన ఏఐ వ్యవస్థలు సహజంగా మరియు సురక్షితంగా స్పందించడానికి సరిపడిన స్థితిగత అవగాహన.

పరిశోధన వెనుక ఉన్న వాణిజ్య సమస్య

ఈ దిశ ఆకర్షణీయంగా ఉండటానికి కారణం ప్రాయోగికత. అనేక రోబోటిక్స్ వైఫల్యాలు ఒక వ్యవస్థ ప్రయోగశాలలో ఒక వస్తువును గుర్తించలేకపోవడం వల్ల జరగవు. అవి నిజ ప్రదేశాలు గందరగోళంగా, పునఃవ్యవస్థీకరించగలిగేలా, సామాజికంగా సంక్లిష్టంగా ఉండటం వల్ల జరుగుతాయి. షెల్ఫులు కదులుతాయి, కార్టులు కనిపిస్తాయి, ప్రజలు ప్రవాహాలను అంతరాయం కలిగిస్తారు, మరియు వెలుతురు పరిస్థితులు మారుతాయి. చిత్రాలను వర్గీకరించగలిగినా, ఆ సమాచారాన్ని స్థిరమైన స్థల సందర్భంలో నాటి పెట్టలేని రోబోట్‌పై నమ్మకం పెట్టడం కష్టం.

Brain Corp యొక్క ఆపరేషనల్ పరిధి ఈ ప్రాజెక్టుకు నిజమైన అమలు నేపథ్యాన్ని ఇస్తుంది. మూలం ప్రపంచవ్యాప్తంగా 50,000 కంటే ఎక్కువ రోబోట్లు అమర్చబడ్డాయని చెబుతోంది, అంటే సంస్థ కేవలం పరిశోధనా నమూనాలపై మాత్రమే కాక, ఇప్పటికే ఉన్న స్థాపిత ఆధారంపై పని చేస్తోంది. ఇది ముఖ్యమైనది, ఎందుకంటే భాగస్వామ్యం కేవలం అకడెమిక్ బెంచ్‌మార్కింగ్‌ను కాదు, వాణిజ్యపరంగా సంబంధిత స్వయంచాలకతను లక్ష్యంగా పెట్టుకున్నట్లు ఇది సూచిస్తుంది.

భౌతిక ఏఐకి మధ్యస్థ మార్గం

ఈ సహకారం రోబోటిక్స్ వ్యూహంలో విస్తృత మార్పును కూడా ప్రతిబింబిస్తుంది. పరిశ్రమ ఇప్పుడు కఠినమైన, పనికి-నిర్దిష్ట ఆటోమేషన్ మరియు అధిక ఆశయాలతో ఉన్న సాధారణ-ప్రయోజన ఏఐ మధ్య ఒక మధ్యస్థ మార్గాన్ని వెతుకుతోంది. సందర్భాత్మక మ్యాపింగ్ ఆ మధ్య పొరకు ఒక అభ్యర్థి. ఇది పైన మరింత సౌలభ్యమైన ప్రవర్తనకు అవకాశం ఇస్తూనే నిర్మాణం మరియు భద్రతను నిలుపుకోవచ్చు.

ఈ విధానం ఆధారంగా మారుతుందా లేదా అనేది అమలుపై ఆధారపడి ఉంటుంది, ముఖ్యంగా ఈ సమృద్ధమైన మ్యాప్స్ ఎంత బాగా విస్తరిస్తాయో, నవీకరించబడతాయో, మరియు వేగంగా అభివృద్ధి చెందుతున్న ఏఐ మోడళ్లతో ఏకీకృతమవుతాయో అనే దానిపై. కానీ మూల ఆలోచన సరైనదే: రోబోటిక్స్‌లో మేధస్సు అంటే కేవలం చూడడం కాదు. అది గ్రహణాన్ని ప్రపంచం యొక్క స్థిరమైన నమూనాలో నాటడం. Brain Corp మరియు UC San Diego మోడల్ పరిమాణం మాత్రమే కాకుండా, ఈ పొరే తదుపరి తరం స్వయంచాలక వ్యవస్థలను నియంత్రిత వాతావరణాల వెలుపల అమలు చేయదగినవిగా మార్చవచ్చని నమ్ముతున్నారు.

ఈ వ్యాసం The Robot Report నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.