मिमिक रोबोटिक्स ने फ्लक्स-मिमिक को ऑडी के फैक्ट्री फ्लोर पर वीडियो-एक्शन मॉडल लाने के लिए पेश किया

मिमिक रोबोटिक्स ने फ्लक्स-मिमिक पेश किया है, जो एक नया वीडियो-एक्शन मॉडल है जो औद्योगिक रोबोटों को छोटी मात्रा में डेमो डेटा से जटिल मैनिपुलेशन कार्य सीखने में मदद करने के लिए डिज़ाइन किया गया है।

विज़ुअल एआई कंपनी ब्लैक फॉरेस्ट लैब्स के साथ मिलकर विकसित, यह सिस्टम ऑडी के साथ पहले से ही परीक्षण और तैनाती के लिए तैयार है, जो ऐतिहासिक रूप से स्वचालन के लिए कठिन रहे हैं, जिनमें लचीले सामग्री, बदलते भाग कॉन्फ़िगरेशन और सटीक मैनिपुलेशन शामिल हैं।

इस घोषणा से भौतिक एआई में एक संभावित बदलाव की ओर इशारा किया गया है। रोबोट डेमो के बड़े संग्रह पर निर्भर रहने के बजाय, फ्लक्स-मिमिक एक जनरेटिव वीडियो मॉडल द्वारा सीखी गई ज्ञान को एक ऐसी प्रणाली में स्थानांतरित करने का प्रयास करता है जो भौतिक मशीनों को नियंत्रित करने में सक्षम है।

रोबोट लर्निंग के लिए एक नया दृष्टिकोण

आज के कई सामान्य-उद्देश्य वाले रोबोटिक्स सिस्टम विजन-लैंग्वेज-एक्शन मॉडल पर आधारित हैं, जिन्हें सामान्यतः वीएलए के रूप में जाना जाता है। ये सिस्टम आमतौर पर एक मॉडल को चित्रों और भाषा पर प्रशिक्षित किया जाता है और एक अतिरिक्त घटक के साथ जोड़ा जाता है जो रोबोट द्वारा की जाने वाली गतिविधियों की भविष्यवाणी करता है।

यह दृष्टिकोण रोबोट को एक निश्चित सेमांटिक समझ प्रदान करता है, जैसे कि एक वस्तु को पहचानना या एक लिखित निर्देश की व्याख्या करना। हालांकि, स्थिर चित्र पूरी तरह से यह नहीं पकड़ते हैं कि वस्तुएं कैसे मुड़ती हैं, चलती हैं, टकराती हैं या भौतिक संपर्क के प्रति कैसे प्रतिक्रिया करती हैं।

इसलिए, यह ज्ञान रोबोट डेमो से सीखना होगा, जो महंगा और समय लेने वाला हो सकता है। प्रत्येक डेमो के लिए एक भौतिक रोबोट, एक ऑपरेटर, एक उपयुक्त कार्यस्थान और सावधानी से रिकॉर्ड किए गए एक्शन डेटा की आवश्यकता होती है।

फ्लक्स-मिमिक एक अलग मार्ग अपनाता है। यह ब्लैक फॉरेस्ट लैब्स के फ्लक्स 3 मॉडल द्वारा उत्पादित दृश्य प्रतिनिधित्व का उपयोग करके एक कार्य को समय के साथ कैसे विकसित होना चाहिए, इसकी भविष्यवाणी करने के लिए करता है। ब्लैक फॉरेस्ट लैब्स फ्लक्स 3 को एक बहुमोडल मॉडल के रूप में वर्णित करता है जो स्थिर चित्र उत्पादन तक सीमित नहीं है, बल्कि चित्र, वीडियो, ऑडियो और एक्शन उत्पन्न कर सकता है।

एक एक्शन डिकोडर तब मॉडल की दृश्य भविष्यवाणी को रोबोट द्वारा निष्पादित किए जाने वाले निर्देशों में अनुवादित करता है। व्यावहारिक रूप से, सिस्टम पहले यह अनुमान लगाता है कि एक कार्य को सफलतापूर्वक पूरा करने में कैसा दिखना चाहिए और फिर यह निर्धारित करता है कि उस परिणाम को उत्पन्न करने के लिए कौन से भौतिक आंदोलन आवश्यक हैं।

मिमिक-वीडियो आर्किटेक्चर पर निर्माण

फ्लक्स-मिमिक मिमिक-वीडियो पर बनता है, जो कंपनी के पूर्व शोध में प्रीट्रेन्ड वीडियो मॉडल का उपयोग करके रोबोटिक नियंत्रण के लिए किया गया था।

एक पारंपरिक विजन-लैंग्वेज मॉडल को व्यक्तिगत फ्रेम से गति का अनुमान लगाने के बजाय, मिमिक-वीडियो एक लेटेंट दृश्य योजना बनाता है जो यह दर्शाता है कि कार्य कैसे विकसित हो सकता है। एक अलग एक्शन डिकोडर उस आंतरिक प्रतिनिधित्व का उपयोग करके रोबोट आंदोलनों का उत्पादन करता है।

कंपनी ने अपने शोध पत्र में बताया कि मिमिक-वीडियो ने अपने मूल्यांकन में लगभग दस गुना अधिक नमूना दक्षता और दो गुना प्रशिक्षण अभिसरण गति हासिल की, जो एक तुलनात्मक वीएलए आर्किटेक्चर के लिए थी। वास्तविक दुनिया की प्रणाली को लगभग 500 ट्रेजेक्टरी का उपयोग करके एक दो-हाथ वाले रोबोट सेटअप का उपयोग करके प्रशिक्षित किया गया था।

फ्लक्स-मिमिक उस अवधारणा को फ्लक्स 3 के पीछे की आर्किटेक्चर और भौतिक एआई के लिए विशेष रूप से डिज़ाइन किए गए डिज़ाइन का उपयोग करके विस्तारित करता है।

मिमिक रोबोटिक्स के अनुसार, जिन कार्यों के लिए पहले 30 घंटे या अधिक रोबोट डेमो की आवश्यकता होती थी, वे अब 30 मिनट के डेटा के साथ उत्पादन तैयार प्रदर्शन तक पहुंच सकते हैं। यह आंकड़ा कंपनी के रिपोर्ट किए गए परिणामों का प्रतिनिधित्व करता है और अंततः विभिन्न फैक्ट्री, हार्डवेयर कॉन्फ़िगरेशन और उत्पादन स्थितियों में मूल्यांकन किया जाना चाहिए।

हालांकि, डेटा आवश्यकता को इस हद तक कम करने से औद्योगिक रोबोटिक्स के अर्थशास्त्र में सामग्री परिवर्तन हो सकता है। तैनाती लागत अक्सर रोबोट के अलावा भी व्यापक संसाधनों को शामिल करती है, जिनमें कार्यक्रम, एकीकरण, सिमुलेशन, परीक्षण और पुनः-इंजीनियरिंग शामिल होती है जब भी उत्पाद या प्रक्रिया बदलती है।

ऑडी एक मांग वाला औद्योगिक परीक्षण प्रदान करता है

ऑडी मिमिक रोबोटिक्स के साथ काम कर रहा है ताकि वास्तविक विनिर्माण वातावरण में फ्लक्स-मिमिक का मूल्यांकन किया जा सके, जहां स्वचालन प्रणालियों को उत्पाद विविधता, सख्त उत्पादन आवश्यकताओं और आंदोलनों के साथ कार्यों से निपटना होगा जो हमेशा दोहरावदार गतिविधियों में कम हो जाते हैं।

ऑटोमेकर का कहना है कि रोबोट ने जटिल सॉफ्ट-बॉडी मैनिपुलेशन कार्य किया है जो पारंपरिक रोबोटिक्स के साथ संबोधित करना बहुत मुश्किल होगा। लचीले सामग्री विशेष रूप से चुनौतीपूर्ण हैं क्योंकि उनका आकार हैंडलिंग के दौरान बदलता है, जिससे हर आंदोलन को निर्धारित करना मुश्किल हो जाता है या नियमों के माध्यम से।

ऑडी के व्यापक स्वचालन अनुसंधान से यह दर्शाता है कि क्यों अनुकूलन बढ़ती महत्ता हासिल कर रहा है। अपने बोलिंगर होफ़ सुविधा में, कंपनी ने वास्तविक दुनिया की प्रयोगशाला में कृत्रिम बुद्धिमत्ता, मोबाइल रोबोट, कंप्यूटर दृष्टि और नई पिकिंग प्रौद्योगिकियों का परीक्षण किया है। ऑडी ने उल्लेख किया है कि ई-ट्रॉन जीटी जैसे वाहनों में उच्च स्तर के अनुकूलन ने जटिल लॉजिस्टिक प्रक्रियाओं को जन्म दिया है जिसमें विभिन्न भागों की बड़ी संख्या शामिल है।

पारंपरिक औद्योगिक रोबोट तब तक अत्यधिक प्रभावी रहते हैं जब तक वातावरण संरचित होता है और प्रत्येक वस्तु एक अनुमानित स्थिति में आती है। वे तब कम आर्थिक हो जाते हैं जब भाग, सामग्री या उत्पाद विविधताएं इतनी बार बदलती हैं कि बार-बार इंजीनियरिंग कार्य की आवश्यकता होती है।

सीखने वाली प्रणालियां उन कम-मात्रा और उच्च-विविधता प्रक्रियाओं को स्वचालन के लिए अधिक व्यावहारिक बना सकती हैं। निर्माता प्रत्येक कार्य के लिए एक नया कार्यक्रम लिखने के बजाय, वांछित व्यवहार का प्रदर्शन कर सकते हैं और प्रणाली को इसे दोहराने के लिए सीखने दे सकते हैं।

मॉडल, हार्डवेयर और मानव प्रदर्शन को मिलाना

मॉडल मिमिक रोबोटिक्स द्वारा विकसित किए जा रहे एक व्यापक फुल-स्टैक रोबोटिक्स प्लेटफ़ॉर्म का हिस्सा है।

कंपनी अपने स्वयं के दextrous रोबोटिक हाथ हार्डवेयर, पोर्टेबल डेटा-संग्रह उपकरण, रोबोट-लर्निंग मॉडल और तैनाती बुनियादी ढांचे का निर्माण करती है। इसका पोर्टेबल सिस्टम मानव हाथ आंदोलनों को एक ऐसे प्रारूप में रिकॉर्ड करने के लिए डिज़ाइन किया गया है जो कंपनी के रोबोटिक हाथों में अधिक直接 रूप से स्थानांतरित किया जा सकता है।

हाथों पर ध्यान केंद्रित करने के बजाय पूर्ण मानवनुमा रोबोट, एक अधिक लक्षित दृष्टिकोण को दर्शाता है जो औद्योगिक स्वचालन के लिए है। दextrous हाथों को फैक्ट्रियों में पहले से मौजूद पारंपरिक रोबोटिक भुजाओं से जोड़ा जा सकता है, जिससे एक नए रोबोटिक रूप की शुरूआत की आवश्यकता कम हो जाती है। ईटीएच ज्यूरिख इस दृष्टिकोण को मानव जैसी मैनिपुलेशन को स्थापित औद्योगिक हार्डवेयर के साथ मिलाने के रूप में वर्णित करता है जो अनुकूलन और स्व-सुधार की आवश्यकता वाले कार्यों को संबोधित करने के लिए।

2024 में ईटीएच ज्यूरिख के स्पिन-ऑफ के रूप में स्थापित, मिमिक रोबोटिक्स ने ज्यूरिख और सैन फ्रांसिस्को में 50 से अधिक कर्मचारियों तक विस्तार किया है। इसकी टीम मॉडल अनुसंधान, रोबोटिक्स, हार्डवेयर विकास, डेटा ऑपरेशन और औद्योगिक तैनाती को कवर करती है।

फैक्ट्री स्वचालन के लिए व्यापक निहितार्थ

फ्लक्स-मिमिक का महत्व अलग-अलग प्रदर्शनों पर कम होगा और यह देखने पर अधिक होगा कि क्या प्रौद्योगिकी हजारों उत्पादन चक्रों में उच्च सफलता दर बनाए रख सकती है।

फैक्ट्रियों को स्थिर प्रदर्शन, अनुमानित चक्र समय, कर्मचारियों के आसपास सुरक्षित संचालन, त्रुटियों से तेजी से वसूली और मौजूदा विनिर्माण प्रणालियों के साथ एकीकरण की आवश्यकता होती है। एक मॉडल जो तेजी से सीखता है लेकिन अप्रत्याशित रूप से व्यवहार करता है, वह पारंपरिक स्वचालन पर कोई लाभ नहीं देगा।

हालांकि, यदि वीडियो-एक्शन मॉडल अपनी रिपोर्ट की गई डेटा दक्षता को बनाए रख सकते हैं और औद्योगिक विश्वसनीयता आवश्यकताओं को पूरा कर सकते हैं, तो वे रोबोटिक्स को उन श्रेणियों में विस्तारित कर सकते हैं जो बहुत परिवर्तनशील या प्रोग्राम करने में महंगी थीं।

इसमें लचीले घटकों की असेंबली, मिश्रित इन्वेंट्री को संभालना, अनियमित वस्तुओं को छानना, अक्सर बदलते उत्पादों को पैकेजिंग करना और शारीरिक रूप से मांग वाली प्रक्रियाओं में कार्यकर्ताओं का समर्थन करना शामिल हो सकता है।

लंबी अवधि का अवसर केवल एक अधिक कुशल रोबोटिक हाथ नहीं है। यह एक अलग तैनाती मॉडल है जिसमें निर्माता मशीनों को निर्देश देने के बजाय प्रदर्शन के माध्यम से सिखाते हैं।

ऑडी की भागीदारी फ्लक्स-मिमिक को यह साबित करने का अवसर देती है कि यह दृष्टिकोण नियंत्रित अनुसंधान वातावरण से परे जा सकता है। एक ऑटोमोटिव फैक्ट्री फ्लोर पर सफलता यह दर्शाने का एक महत्वपूर्ण संकेत देगी कि जनरेटिव वीडियो मॉडल डिजिटल मीडिया बनाने के लिए उपकरणों से अधिक हो सकते हैं, और इसके बजाय भौतिक दुनिया में मशीनों को नियंत्रित करने वाली बुद्धिमत्ता परत का हिस्सा बन सकते हैं।