NTT का भौतिकी-आधारित विश्व मॉडल, क्रियान्वयन से पहले रोबोट की कार्रवाइयों की जाँच करता है

11 नवंबर 2026 को, NTT, Inc. ने घोषणा की कि उसने भौतिकी-आधारित विश्व मॉडल बनाया है। यह मॉडल क्रियान्वयन से पहले रोबोट की संभावित कार्रवाइयों का मूल्यांकन करता है, ताकि वस्तुओं के गिरने और सामान के ढेर के ढहने जैसी विफलताएँ कम हों। कंपनी के अनुसार, छोटे रोबोट से शेल्फ़ पर सामान रखने के परीक्षण में इस तकनीक से कार्य पूरा होने की सफलता दर 73.1% से बढ़कर 92.3% हो गई।

इसका पहला प्रस्तावित उपयोग हवाई अड्डों पर सामान की स्वचालित लोडिंग और अनलोडिंग है। सामान के आकार, वज़न और रखने के ढंग में भिन्नता के कारण, केवल पारंपरिक रोबोट नियंत्रण के आधार पर पहले से यह तय करना मुश्किल होता है कि किसी कार्रवाई से सामान का ढेर ढह जाएगा या कोई वस्तु गिर जाएगी। हर संभावित वस्तु के लिए प्रशिक्षण डेटा जुटाना भी व्यावहारिक नहीं है। NTT ने सामान सँभालने के लिए Mujin, Inc. के साथ वास्तविक परिस्थितियों में परीक्षण करने की योजना बनाई है।

मॉडल संभावित कार्रवाइयों का मूल्यांकन कैसे करता है

यह तकनीक मौजूदा रोबोट नियंत्रण सॉफ़्टवेयर के साथ काम करती है और रोबोट की गति शुरू होने से पहले पूर्वानुमान तथा मूल्यांकन जोड़ती है। संभावित कार्रवाइयाँ विज़न-लैंग्वेज-एक्शन मॉडल से मिल सकती हैं, जो कैमरे के वीडियो और भाषा में दिए गए निर्देशों को रोबोट की कार्रवाइयों में बदलता है; या फिर गति-नियोजक से, जो किसी कार्य का लक्ष्य हासिल करने के लिए ज़रूरी नियंत्रणों की गणना करता है। हर विकल्प के लिए यह संभावित वीडियो तैयार करती है और टकराव, वस्तुओं के गिरने तथा सामान के ढेर के ढहने की संभावना का मूल्यांकन करती है। इससे एक ऐसा स्कोर मिलता है, जिसके आधार पर नियंत्रण प्रोग्राम उस कार्रवाई को चुन सकता है जिसके सफल होने की संभावना का आकलन किया गया हो।

NTT के अनुसार, पारंपरिक विश्व मॉडल वस्तुओं की भौतिक राशियों को स्पष्ट रूप से निरूपित नहीं करते। इससे तैयार किए गए वीडियो में वस्तुएँ गायब हो सकती हैं या अविश्वसनीय ढंग से विकृत हो सकती हैं, और टकराव का पूर्वानुमान भी गलत हो सकता है। ऐसे मॉडल बड़े प्रशिक्षण डेटासेट पर भी निर्भर होते हैं, इसलिए उन परिस्थितियों में विफलता की आशंका अधिक रहती है जो उस डेटा में मौजूद नहीं थीं।

NTT का भौतिकी नियंत्रण अडैप्टर वीडियो से हर वस्तु की स्थिति, अभिविन्यास, वेग और द्रव्यमान जैसी विशेषताओं का अनुमान लगाता है, फिर भौतिकी के नियमों का उपयोग करके आगे की गति की गणना करता है और ये गणनाएँ वीडियो निर्माण मॉडल को देता है। NTT के अनुसार, यह स्पष्ट निरूपण उन परिस्थितियों और गतियों से निपटने में मदद कर सकता है जो प्रशिक्षण डेटा में मौजूद नहीं थीं। मॉडल किसी पूर्वानुमान के पीछे की भौतिक राशियाँ भी बताता है, जिससे तैयार किए गए परिणाम के आधार को समझना आसान होता है।

बेंचमार्क के नतीजे और विस्तार की योजनाएँ

NTT ने सार्वजनिक OBJ3D बेंचमार्क पर भविष्य के वीडियो की सटीकता का भी मूल्यांकन किया। इसमें टकराती हुई कृत्रिम वस्तुओं के वीडियो फ़्रेम शामिल हैं। NTT के मुताबिक, उसके मॉडल ने Learned Perceptual Image Patch Similarity (LPIPS) पर पारंपरिक तरीकों से बेहतर प्रदर्शन किया। यह ऐसा माप है जो पूर्वानुमानित वीडियो की तुलना वास्तविक संदर्भ से इस तरह करता है कि तुलना मानव धारणा के अनुरूप हो; कम मान अधिक समानता दर्शाते हैं।

सामान और पार्सल सँभालने के अलावा, NTT लॉजिस्टिक्स, गोदाम प्रबंधन, विनिर्माण, निर्माण और खुदरा क्षेत्र में उपयोग की संभावनाएँ तलाशने की योजना बना रहा है। वह रोबोट सेवा प्रदाताओं तथा लॉजिस्टिक्स और गोदाम प्रबंधन कंपनियों के साथ काम करने पर भी विचार करेगा। इस विस्तार के उद्देश्य श्रम की ज़रूरत कम करना और उत्पादकता बढ़ाना हैं; रिपोर्ट किए गए परीक्षण से ये परिणाम सिद्ध नहीं हुए हैं।

इस तकनीक को NTT R&D Forum 2026 में प्रदर्शित करने की योजना है। यह केवल आमंत्रित लोगों के लिए आयोजित कार्यक्रम 18–20 नवंबर 2026 और 24–25 नवंबर 2026 को होगा। 25 नवंबर 2026 को होने वाले एआई रोबोटिक्स और भौतिकी-आधारित विश्व मॉडल पर एक सेमिनार में Mujin Japan के CEO Isamu Arase और NTT के कार्यकारी शोध इंजीनियर Jun Shimamura वक्ता होंगे।

NTT के घोषित नतीजे छोटे रोबोट से किए गए एक कार्य और कृत्रिम टकराव वाले वीडियो पर आधारित हैं। Mujin के साथ प्रस्तावित परीक्षण यह जाँचेंगे कि शेल्फ़ पर सामान रखने में दर्ज सुधार हवाई अड्डों पर सामान सँभालने के काम में भी लागू होता है या नहीं। वहाँ क्रियान्वयन से पहले की जाँच में सामान की उन भौतिक विविधताओं का ध्यान रखना होगा, जिनके कारण यह मॉडल विकसित किया गया।