एक ही प्रदर्शन से रोबोटों को नए काम सिखाने के लिए Machenta ने 40 मिलियन डॉलर की सीड फंडिंग जुटाई

किसी रोबोट को नया काम सिखाने में उतना समय लग सकता है, जितना वह काम खुद करने में नहीं लगता। प्रदर्शन जुटाने, प्रशिक्षण डेटा तैयार करने और मॉडल को अपडेट करने की प्रक्रिया से कार्यप्रवाह में होने वाला छोटा-सा बदलाव भी इंजीनियरिंग की बड़ी परियोजना बन सकता है। Machenta ने इस प्रक्रिया को तेज़ करने के लिए 40 मिलियन डॉलर की सीड फंडिंग जुटाई है। कंपनी रोबोटिक्स का ऐसा फ़ाउंडेशन मॉडल विकसित कर रही है, जिसे बिना अतिरिक्त कार्य-विशिष्ट प्रशिक्षण के, केवल एक प्रदर्शन से कोई शारीरिक कार्य सीखने के लिए बनाया गया है।

लंदन की इस कंपनी ने 27 अक्टूबर को फंडिंग की घोषणा की। Creandum और Union Square Ventures ने इस राउंड की सह-अगुवाई की। कंपनी इस पूँजी का इस्तेमाल अपने मॉडल का विस्तार करने और King’s Cross स्थित नए कार्यालय और प्रयोगशाला में अपनी टीम बढ़ाने के लिए करेगी।

Machenta अपने तरीके को “तत्काल रोबोट अधिगम” कहती है। कंपनी का कहना है कि उसने पैकेजिंग, असेंबली और चीज़ें व्यवस्थित करने के कामों में इस तकनीक का प्रदर्शन किया है। रोबोटों को एक बार काम करके दिखाने के बाद वे उसमें होने वाले बदलावों के अनुसार ढल गए। यह महत्वाकांक्षा व्यापक है, लेकिन इन नतीजों को विकसित हो रही तकनीक के प्रदर्शनों के रूप में देखना चाहिए—इस बात के प्रमाण के रूप में नहीं कि रोबोट पहले से ही हर संभव काम कर सकता है।

नए प्रशिक्षण चक्र के बिना नया काम सीखना

मुख्य अंतर मॉडल को प्रशिक्षित करने और पहले से प्रशिक्षित मॉडल को कोई खास काम सिखाने के बीच है। Machenta अपने फ़ाउंडेशन मॉडल को प्रशिक्षित तो करती है। लेकिन उसका लक्ष्य यह ज़रूरत खत्म करना है कि रोबोट को हर नया काम मिलने पर बड़ा नया डेटासेट जुटाया जाए और प्रशिक्षण का एक और चक्र चलाया जाए।

घोषणा में Machenta के सह-संस्थापक और सीईओ, प्रोफ़ेसर Edward Johns ने कहा, “बुद्धिमत्ता का संबंध इस बात से कम है कि आप पहले से क्या कर सकते हैं, और इस बात से ज़्यादा है कि आप कितनी जल्दी कुछ नया करना सीख सकते हैं।”

प्रस्तावित कार्यप्रवाह जान-बूझकर सरल रखा गया है: इच्छित व्यवहार का प्रदर्शन करें, रोबोट को उसे देखने दें और फिर उससे वह काम करवाएँ। व्यवहार में, इससे प्रदर्शन किसी अलग मॉडल-विकास परियोजना की शुरुआत बनने के बजाय, मौजूदा मॉडल को दिए जाने वाले निर्देश का हिस्सा बन जाएगा।

यह तब खास तौर पर उपयोगी है, जब काम मोटे तौर पर वही रहे, लेकिन वस्तुएँ या उनकी व्यवस्था बदल जाए। जो रोबोट केवल तय क्रम को दोहरा सकता है, उसके लिए परिवेश को उसके प्रोग्राम के मुताबिक होना पड़ता है। उपयोगी ढंग से सीखने वाले रोबोट को समझना होगा कि प्रदर्शन में उससे क्या करने को कहा जा रहा है, और फिर अपने सामने की परिस्थिति के अनुसार अपनी कार्रवाइयाँ ढालनी होंगी।

सीखने की क्षमता को प्रशिक्षित करने के लिए सिमुलेशन का इस्तेमाल

Machenta की प्रशिक्षण रणनीति में डेटा तैयार करने का बड़ा हिस्सा सिमुलेशन के ज़रिए किया जाता है। कंपनी की विज्ञप्ति के अनुसार, लक्ष्य उन सभी कामों की सूची बनाना नहीं है, जिनका सामना रोबोट को आगे चलकर करना पड़ सकता है। इसके बजाय, मॉडल को इतने विविध परिदृश्यों से परिचित कराना है कि वह नए उदाहरण से सीखने की ऐसी क्षमता विकसित करे, जिसका दोबारा इस्तेमाल किया जा सके।

इससे यह बदल जाता है कि कंपनी बड़े पैमाने पर विस्तार की उम्मीद किस आधार पर करती है। रोबोटों को सिखाने की कई कोशिशें टेलीऑपरेशन या मानवीय गतिविधियों की रिकॉर्डिंग के ज़रिए वास्तविक प्रदर्शनों को जुटाने पर बहुत अधिक निर्भर करती हैं। Machenta को उम्मीद है कि सिमुलेशन से मिला अनुभव नए काम सीखने के लिए ज़रूरी विविधता दे सकता है, जबकि वास्तविक प्रदर्शन तैनाती के समय निर्देश देगा।

इसकी तकनीकी परिचय सामग्री में इस प्रणाली को विज़न-डेमो-एक्शन मॉडल, यानी VDA, कहा गया है। यह प्रदर्शन और कैमरे से लगातार मिलने वाले दृश्यों को इनपुट के रूप में लेती है और बंद-लूप प्रक्रिया में कार्रवाइयों का अनुमान लगाती है। कंपनी का कहना है कि इसका पूर्व-प्रशिक्षण केवल सिमुलेशन का इस्तेमाल करता है; अनुमान लगाते समय शिक्षण का उदाहरण और वास्तविक समय के दृश्य वास्तविक दुनिया से मिलने वाले इनपुट होते हैं।

यह अंतर अहम है: केवल सिमुलेशन पर आधारित पूर्व-प्रशिक्षण का मतलब यह नहीं कि तैनात रोबोट वास्तविक दुनिया की जानकारी के बिना काम करता है। उसे अब भी प्रदर्शन को समझना, अपने परिवेश का अवलोकन करना और परिस्थितियाँ बदलने पर कार्रवाइयाँ चुनना होता है।

संदर्भ के भीतर रोबोटों को सिखाने के पीछे का शोध

कंपनी, Johns और सह-संस्थापक तथा सीटीओ Vitalis Vosylius के Imperial College London में किए गए काम पर आगे निर्माण कर रही है। Johns, Imperial में रोबोट अधिगम के प्रोफ़ेसर हैं। दोनों ने पहले ऐसे तरीके विकसित किए थे, जिनसे कुछ उदाहरणों के आधार पर शारीरिक व्यवहार सीखा जा सकता है।

ICLR 2025 में प्रकाशित उनका Instant Policy संबंधी शोध, बिना आगे प्रशिक्षण के एक या दो प्रदर्शनों से संदर्भ-आधारित अनुकरणात्मक अधिगम का वर्णन करता है। इसमें प्रदर्शनों, अवलोकनों और कार्रवाइयों को एक ग्राफ़ के ज़रिए दर्शाया जाता है और फिर कार्रवाई का अनुमान लगाने के लिए ज़रूरी ग्राफ़ संरचना तैयार करने हेतु सीखी हुई डिफ्यूज़न प्रक्रिया का इस्तेमाल किया जाता है।

शोधपत्र में छद्म-प्रदर्शनों के साथ प्रशिक्षण का भी वर्णन है: ये सिमुलेशन में तैयार किए गए ऐसे प्रक्षेप-पथ हैं, जो उदाहरणों का बड़ा संग्रह उपलब्ध कराते हैं। प्रयोगों में सिमुलेटेड और वास्तविक, दोनों तरह के काम शामिल हैं। इसके अलावा, अलग-अलग रोबोट संरचनाओं के बीच कौशल का हस्तांतरण करने और भाषा में दिए गए निर्देशों पर भी काम किया गया है।

यह शोध वैज्ञानिक आधार को समझने में मदद करता है, लेकिन इससे यह साबित नहीं होता कि Machenta के मौजूदा व्यावसायिक मॉडल की संरचना बिल्कुल यही है। स्टार्टअप नए सिस्टम को इसी शोध-परंपरा पर आधारित फ़ाउंडेशन मॉडल बताती है।

भाषा मॉडलों में संदर्भ-आधारित अधिगम पहले से जाना-पहचाना है। वहाँ, प्रॉम्प्ट में दिए गए उदाहरण मॉडल के वज़न अपडेट किए बिना उसके जवाब को प्रभावित कर सकते हैं। रोबोटिक्स में इस विचार को लागू करना अधिक चुनौतीपूर्ण है, क्योंकि आउटपुट को वास्तविक दुनिया की सीमाओं के भीतर शारीरिक कार्रवाइयों के क्रम में बदलना होता है—सिर्फ़ एक विश्वसनीय-सा जवाब देना नहीं।

प्रदर्शनों से क्या साबित होता है—और किन बातों की जाँच अभी बाकी है

Machenta की तकनीकी पोस्ट में तीन सरल, अपने-आप रीसेट होने वाले कार्यों पर एक घंटे तक चले परीक्षणों की जानकारी दी गई है: ब्लॉक रखने के 74 में से 74 प्रयास सफल रहे, स्क्रूड्राइवर थमाने के 78 में से 78 प्रयास सफल रहे, और बोतल को सीधा खड़ा करने के 99 में से 97 प्रयास सफल रहे। कंपनी के अनुसार, बोतल वाले दो प्रयास टक्कर के जोखिम और गति-संबंधी सीमाओं के कारण विफल हुए।

ये शुरुआती विश्वसनीयता जाँच के उपयोगी नतीजे हैं, कोई व्यापक औद्योगिक मानक-परीक्षण नहीं। पोस्ट में सीधे इंसानी हाथों से सीखने और मानवाकार हाथों से काम करने को भी शुरुआती दिशाओं के रूप में पेश किया गया है। इससे यह साबित नहीं होता कि रोबोट हर तरह के कार्य कर सकते हैं या हर कार्यस्थल पर भरोसेमंद प्रदर्शन करेंगे।

संभावित उपयोगकर्ता के लिए, प्रभावशाली प्रदर्शन और काम में तैनात किए जा सकने वाले सिस्टम के बीच का अंतर कई बातों से तय होता है—नतीजों को दोहराने की क्षमता, विफलता से उबरना, लोगों के आसपास सुरक्षित व्यवहार और रोबोट के हार्डवेयर की व्यावहारिक सीमाएँ। किसी निर्देश को जल्दी सीख लेने से ग्रिपर ऐसी वस्तु नहीं पकड़ सकता जिसे वह भौतिक रूप से पकड़ने में सक्षम ही न हो।

फिर भी, व्यावसायिक अवसर स्पष्ट है। यदि सिखाने में लगने वाला समय काफी घट जाता है, तो उन कामों के लिए रोबोट पर विचार करना आसान हो जाता है जो इतनी बार बदलते हैं कि उनके लिए लंबी प्रोग्रामिंग और एकीकरण को उचित ठहराना मुश्किल हो। इससे कारखानों में तैनाती और ऐसे छोटे पैमाने के अनुप्रयोगों—दोनों पर असर पड़ सकता है, जहाँ रोबोटिक्स विशेषज्ञों की सहायता मिलना कठिन है।

मॉडल और टीम का विस्तार करने के लिए सीड फंडिंग

Machenta अनुकूलनशील रोबोटिक बुद्धिमत्ता में निवेश की एक व्यापक लहर का हिस्सा बन रही है। Unite.AI की Dream Labs की ऐसी एआई के लिए वित्तपोषण पहल, जिसका उपयोग अलग-अलग रोबोटों में हो सके, इस बात का एक और उदाहरण है कि सीखी हुई क्षमताओं को विभिन्न मशीनों के लिए उपयोगी कैसे बनाया जा सकता है। Machenta का ज़ोर इस बात पर है कि कोई नया भौतिक निर्देश कितनी जल्दी उपयोगी व्यवहार में बदल सकता है।

Creandum की पार्टनर Kathi Wilhelm ने कंपनी बनाने से पहले टीम के वर्षों के शोध की ओर ध्यान दिलाया। Union Square Ventures की मैनेजिंग पार्टनर Rebecca Kaden ने ऐसे रोबोटों के महत्व पर ज़ोर दिया जो हर काम के लिए अलग प्रशिक्षण प्रक्रिया की ज़रूरत के बजाय नया काम जल्दी सीख सकें।

Machenta के लिए अगला चरण इस शोध-आधार को अधिक व्यापक और भरोसेमंद क्षमता में बदलना है। 40 मिलियन डॉलर से कंपनी को मॉडल का विस्तार करने और उसके लिए टीम में नई नियुक्तियाँ करने के संसाधन मिलेंगे, जबकि उसकी संस्थापक टीम रोबोटों को एक ही प्रदर्शन से सीखने पर किए गए छह साल के काम को कंपनी में लेकर आई है।

मुख्य सवाल यह है कि कार्यों के अधिक विविध और चुनौतीपूर्ण होने पर सीखने की यह क्षमता कितनी बढ़ाई जा सकती है। यदि यह तरीका कारगर साबित होता है, तो व्यावहारिक बदलाव अहम होगा: लोग प्रशिक्षण की प्रक्रिया तैयार करने में कम समय लगा सकेंगे और रोबोट को वह काम दिखाने में अधिक समय दे सकेंगे जिसे वे वास्तव में करवाना चाहते हैं।