10 नवंबर को, उसी दिन जिस दिन क्लाउड फैबल 5.2 जारी किया गया था, एंट लिंग्बो टेक्नोलॉजी ने बुनियादी स्पर्श मॉडल लिंगबॉट-टच को ओपन सोर्स किया। डिजिटल दुनिया के लिए एक सामान्य बड़ा मॉडल और बंद-लूप भौतिक संचालन के लिए एक सन्निहित बुनियादी मॉडल एक ही दिन सार्वजनिक दृश्य में आया।

इन दो तकनीकी मार्गों के बीच संबंध सन्निहित खुफिया उद्योग में वर्तमान चर्चा का केंद्र बिंदु है। एंट लिंग्बो के विचार में, सामान्य बड़ा मॉडल और सन्निहित बुनियादी मॉडल 1+1>2 सहक्रियात्मक संबंध के करीब हैं: पूर्व कार्यों और वातावरण की समझ और तर्क को बढ़ाता है, और बाद वाला भौतिक धारणा और बंद-लूप ऑपरेशन क्षमताओं को पूरक करता है। केवल तभी जब दोनों साथ-साथ चलेंगे तो वे संयुक्त रूप से सन्निहित उद्योग की परिपक्वता को गति दे सकते हैं।

ओपन सोर्स लिंगबॉट-टच लगभग 5,000 घंटे के वास्तविक स्पर्श डेटा प्री-ट्रेनिंग पर आधारित है और तीन मुख्यधारा सेंसिंग सिद्धांतों को कवर करता है: चुंबकीय स्पर्श, दृश्य स्पर्श और पीज़ोरेसिस्टिव। यह अलग-अलग कुशल हाथों और एक्शन मॉडल द्वारा उपयोग के लिए अलग-अलग संकेतों को स्पर्श प्रतिनिधित्व के एक ही सेट में परिवर्तित कर सकता है, जिससे रोबोट को "स्पष्ट रूप से देखने और स्पष्ट रूप से सोचने" की अनुमति मिलती है, जबकि बढ़िया संचालन के लिए आवश्यक स्पर्श धारणा को और भी पूरक किया जाता है।

इससे पहले, एंट लिंग्बो के सार्वभौमिक मस्तिष्क ने उच्च-सटीक स्थानिक धारणा, अत्यधिक गतिशील पर्यावरण संपर्क और सामान्यीकृत निपुण संचालन को कवर किया है। इस बार, लिंगबॉट-टच को लिंगबॉट-वीएलए से जोड़ा गया है, जिससे संवेदी क्षमताओं को "उंगलियों" तक बढ़ाया गया है, जिससे रोबोट "स्पर्श को अधिक संवेदनशील" बना रहा है, और मूल सार्वभौमिक मस्तिष्क की हाथ-आंख समन्वय क्षमता में और सुधार हुआ है।

26 वास्तविक मशीन परीक्षण, मिशन की सफलता दर में 14 से 26 प्रतिशत अंक की वृद्धि हुई

जैसे-जैसे सामान्य-उद्देश्य वाले बड़े मॉडल आगे बढ़ रहे हैं, रोबोट की जटिल कार्यों को समझने और संचालन चरणों के बारे में तर्क करने की क्षमता बढ़ रही है। लेकिन वास्तविक भौतिक दुनिया में, हर बार जब कोई रोबोट कोई कार्य करता है, तो उसे वस्तुओं और पर्यावरण में परिवर्तन को महसूस करना चाहिए, और फिर अगले कार्य को सही करना चाहिए। कई नाजुक ऑपरेशनों में, रोबोट स्पष्ट रूप से देख सकता है कि वस्तु कहां है और अपने हाथ को सही स्थिति तक पहुंचा सकता है, लेकिन वह कार्य को सफलतापूर्वक पूरा करने में सक्षम नहीं हो सकता है। उंगली के वस्तु को छूने के बाद यह तय करना मुश्किल होता है कि बल उचित है या नहीं और वस्तु फिसल रही है या नहीं। केवल दृष्टि से निर्णय करना कठिन है और स्थिति को भरने के लिए स्पर्श की आवश्यकता होती है।

एक उदाहरण के रूप में बोतल के ढक्कन को हाथ से कसने की निपुणता को लेते हुए, गहराई की जानकारी बोतल के ढक्कन को संरेखित करने में उंगली की मदद कर सकती है; मुड़ना शुरू करने के बाद, बोतल का ढक्कन ढीला हो गया होगा, या उंगलियों की नोक टोपी की दीवार से फिसल रही होगी। चित्र में दोनों स्थितियाँ समान हैं, लेकिन अलग-अलग गति समायोजन की आवश्यकता है। उंगलियों की संपर्क स्थिति, बल का परिमाण और उसके परिवर्तन अक्सर उंगलियों और वस्तुओं द्वारा अस्पष्ट हो जाते हैं, जिससे दृष्टि प्राप्त करना मुश्किल हो जाता है, लेकिन वे क्रिया मॉडल के निर्णय के लिए महत्वपूर्ण आधार हैं।

वास्तविक संचालन में स्पर्श प्रतिनिधित्व की मदद को सत्यापित करने के लिए, एंट लिंग्बो ने दो कुशल हाथों, शार्पा वेव और एक्सहैंड1 पर 26 वास्तविक मशीन परीक्षण किए, जिसमें किताबों के पन्नों को मोड़ना, बोतल के ढक्कनों को मोड़ना और माहजोंग टाइलों की पहचान करना जैसे बारीक ऑपरेशन शामिल थे। लिंगबॉट-टच तक पहुंचने के बाद, लिंगबॉट-वीएलए, π0.5, डिफ्यूजन पॉलिसी और टी-रेक्स के चार एक्शन मॉडल की औसत कार्य सफलता दर बिना स्पर्श की तुलना में लगभग 14 से 26 प्रतिशत अंक बढ़ जाती है। उदाहरण के तौर पर बोतल के ढक्कनों को मोड़ने के लिए शार्पा वेव को नियंत्रित करने के लिए टी-रेक्स को लेते हुए, स्पर्श संवेदना का उपयोग किए बिना कार्य सफलता दर 56.25% है, और सेंसर का मूल सिग्नल सीधे 62.5% पर इनपुट होता है। लिंगबॉट-टच स्पर्श प्रतिनिधित्व से जुड़ने के बाद, सफलता दर 90% तक पहुंच जाती है।

(कैप्शन: लिंगबॉट-टच तक पहुंचने के बाद, दो कुशल हाथों पर चार एक्शन मॉडल की सफलता दर अपने उच्चतम स्तर पर पहुंच गई है)

स्पर्शनीय प्रतिनिधित्व को एकीकृत करें और हार्डवेयर, मॉडल और कार्यों में "महसूस" का पुन: उपयोग करें

किसी रोबोट पर स्पर्श सेंसर स्थापित करने का मतलब यह नहीं है कि वह अपनी स्पर्श संवेदना का अच्छा उपयोग कर सकता है। वर्तमान में, वाणिज्यिक स्पर्श सेंसर अभी भी समग्र रूप से विकास के प्रारंभिक चरण में हैं। ऑप्टो-टैक्टाइल, मैग्नेटिक टैक्टाइल और पीज़ोरेसिस्टिव जैसे मुख्यधारा मार्गों की अपनी ताकत और सीमाएं हैं। विभिन्न लागतों और उपयोग परिदृश्यों के लिए, कई तकनीकी मार्ग लंबे समय तक एक साथ मौजूद रह सकते हैं। इससे भी अधिक परेशानी की बात यह है कि इन सेंसरों द्वारा एकत्र किए गए डेटा को सीधे सामान्यीकृत करना मुश्किल है: एक ही संपर्क अलग-अलग सेंसिंग सिद्धांतों और संपर्क लेआउट के तहत अलग-अलग मूल सिग्नल बनाएगा। एक बार जब मॉडल सेंसर या कुशल हाथ को बदलने के बाद उनमें से केवल एक की व्याख्या करना सीखता है, तो मौजूदा डेटा और स्पर्श अनुभव का पुन: उपयोग करना मुश्किल हो सकता है, जिसके लिए पुन: अधिग्रहण, प्रशिक्षण और अनुकूलन की आवश्यकता होती है।

इसलिए, हैप्टिक्स के बड़े पैमाने पर कार्यान्वयन की कुंजी विशिष्ट सेंसर से भौतिक संकेतों पर निर्भरता से स्पर्श समझ को मुक्त करना है, ताकि विभिन्न स्रोतों से डेटा को संयुक्त रूप से प्रशिक्षण के लिए उपयोग किया जा सके, और संचित स्पर्श क्षमताओं को सेंसर, निपुण हाथों, मॉडल और कार्यों में पुन: उपयोग किया जा सके।

इस उद्देश्य के लिए, लिंगबॉट-टच सेंसिंग सिद्धांत के अनुसार कोडिंग प्रवेश द्वार स्थापित करता है, पहले विभिन्न मूल संकेतों को संसाधित करता है, और फिर विभिन्न लेआउट के संपर्कों को एकीकृत फिंगरटिप समन्वय स्थान पर मैप करता है। साझा मॉडल संपर्क स्थिति, बल और समय के साथ उनके परिवर्तनों को सीखता है, और एक एकीकृत स्पर्श टोकन आउटपुट करता है। परिणामस्वरूप, स्पर्शनीय दस्ताने और टेलीऑपरेटेड निपुण हाथ पहनने वाले लोगों द्वारा एकत्र किए गए डेटा का उपयोग एक साथ प्रशिक्षण के लिए किया जा सकता है, और विभिन्न एक्शन मॉडल भी संपर्क सुविधाओं को निकालने के लिए सीधे प्रशिक्षित मॉडल को कॉल कर सकते हैं। यह आर्किटेक्चर भविष्य में नए स्पर्श सेंसर तक पहुंचने के लिए विस्तार की गुंजाइश भी छोड़ता है।

(कैप्शन: लिंगबॉट-टच विभिन्न क्रिया मॉडलों द्वारा उपयोग के लिए चुंबकीय स्पर्श, दृश्य स्पर्श और पीज़ोरेसिस्टिव स्पर्श संकेतों को एक एकीकृत स्पर्श टोकन में एन्कोड करता है)

XHand1 पर, टीम ने हार्डवेयर में स्पर्श क्षमताओं के पुन: उपयोग को सत्यापित किया: XHand1 द्वारा उपयोग किया जाने वाला चुंबकीय स्पर्श सेंसर मॉडल पूर्व-प्रशिक्षण डेटा में नहीं है, और मॉडल द्वारा सीखा गया चुंबकीय स्पर्श अनुभव सभी दस्ताने पहनने वाले लोगों द्वारा एकत्र किए गए डेटा से आता है। इस कुशल हाथ पर स्विच करने के बाद, टीम ने लिंगबॉट-टच मापदंडों को अपरिवर्तित रखा और माइग्रेशन को पूरा करने के लिए केवल XHand के ऑपरेशन प्रदर्शन प्रशिक्षण एक्शन मॉडल का उपयोग किया। इसी समय, लिंगबॉट-टच इस वास्तविक मशीन परीक्षण में चार अलग-अलग एक्शन मॉडल से जुड़ा है और एंट लिंग्बो स्व-विकसित मॉडल से बंधा नहीं है। यह एक निश्चित हार्डवेयर या एक निश्चित रणनीति के लिए समर्पित मॉड्यूल के बजाय स्पर्श सेंसर और एक्शन मॉडल के बीच एक सार्वभौमिक धारणा क्षमता प्रदान करता है। उद्योग के लिए, सेंसर और कुशल हाथ निर्माता लागत और कार्य आवश्यकताओं के आधार पर हार्डवेयर का चयन कर सकते हैं, और पूरी मशीन टीम अपनी स्वयं की कार्य रणनीति भी बनाए रख सकती है, जिससे हर बार हार्डवेयर और एल्गोरिदम संयोजन को प्रतिस्थापित करने पर स्पर्श क्षमताओं को फिर से विकसित करने में बार-बार होने वाले निवेश को कम किया जा सकता है।

धारणा क्षमताओं और एंड-साइड कंप्यूटिंग शक्ति दोनों को ध्यान में रखने के लिए, एंट लिंग्बो दो क्षमताओं वाले मॉडल प्रदान करता है: 26 वास्तविक मशीन परीक्षण लगभग 5.3 मिलियन मापदंडों के साथ लिंगबॉट-टच-टिनी के हल्के संस्करण का उपयोग करके पूरे किए गए थे। लिंगबॉट-वीएलए, π0.5 और टी-रेक्स तक पहुंचने के बाद, मॉडल मापदंडों की संख्या केवल लगभग 0.13% से 0.16% तक बढ़ी; बड़ी क्षमता वाला लिंगबॉट-टच-स्मॉल यह अवधारणात्मक परीक्षण में और सुधार की संभावना दिखाता है - जब पूर्व-प्रशिक्षण डेटा लगभग 5,000 घंटे तक बढ़ जाता है, तब भी मॉडल नए डेटा से लाभ उठा सकता है, यह दर्शाता है कि स्पर्श पूर्व-प्रशिक्षण में निरंतर विस्तार और सुधार की गुंजाइश है।

सन्निहित स्वाभाविकता का पालन करें और सामान्य बड़े मॉडलों के साथ समन्वय में आगे बढ़ें

फ़ेबल 5.2 का अनावरण उसी दिन किया गया जिस दिन लिंगबॉट-टच का अनावरण किया गया था, जो कुछ हद तक वर्तमान सन्निहित खुफिया प्रौद्योगिकी मार्ग के विकास का एक सूक्ष्म रूप है। रोबोट के "मस्तिष्क" मार्ग पर सामान्य बड़े मॉडलों के त्वरित विकास के प्रभाव के बारे में, एंट लिंग्बो के सीईओ झू जिंग ने कहा: "क्लाउड फैबल 5.2 और जीपीटी -6 एस्ट्रा के साथ डिजिटल दुनिया के बड़े भाषा मॉडल की प्रगति ने वास्तव में रोबोटों को जटिल कार्य तर्क और भौतिक संचालन में अधिक सक्षम बना दिया है। हम इसके बारे में बहुत चिंतित हैं और सक्रिय रूप से इसे अवशोषित कर रहे हैं। हालांकि, उद्योग में अभ्यास हमें बताता है कि वास्तव में संचालन के बंद लूप को तोड़ना कठिन है भौतिक संचालन के सामान्यीकरण को अभी भी नजरअंदाज नहीं किया जा सकता है, और यह अभी भी सन्निहित बुनियादी मॉडल की सफलता पर निर्भर करता है।

उनकी राय में, सामान्य बड़े मॉडल और सन्निहित बुनियादी मॉडल 1+1>2 के सहक्रियात्मक संबंध के करीब हैं: पूर्व कार्यों और वातावरण की समझ और तर्क को बढ़ाता है, और बाद वाला भौतिक धारणा और बंद-लूप संचालन क्षमताओं में सुधार करता है। दोनों एक-दूसरे को तोड़ते हैं और एक-दूसरे को बढ़ावा देते हैं, संयुक्त रूप से सन्निहित खुफिया उद्योग की परिपक्वता को तेज करते हैं।

"मोडल इनपुट की गुणवत्ता काफी हद तक एक्शन आउटपुट की गुणवत्ता निर्धारित करती है। दूसरे शब्दों में, अच्छे इनपुट के बिना, कोई अच्छा आउटपुट नहीं होगा।" झू जिंग ने कहा कि एंट लिंग्बो सन्निहित मूल मार्ग का पालन करेगा, भौतिक संचालन के सामान्यीकरण के लिए नई ऊपरी सीमाओं का पता लगाना जारी रखेगा, रोबोट उद्योग के लिए एक क्रॉस-कॉन्फ़िगरेशन सार्वभौमिक मस्तिष्क बनाएगा, एक एकीकृत मॉडल में दृष्टि, गहराई, स्पर्श और यहां तक ​​कि तापमान जैसे अधिक भौतिक तौर-तरीकों के संरेखण को बढ़ावा देगा, और व्यावसायीकरण को बढ़ावा देते हुए समुदाय के लिए स्रोत खोलना जारी रखेगा।

वर्तमान में, लिंगबॉट-टच की तकनीकी रिपोर्ट, मॉडल और कोड खुले स्रोत हैं, और डेवलपर्स उन्हें हगिंग फेस, गिटहब और मैजिक कम्युनिटी पर एक्सेस और डाउनलोड कर सकते हैं।

Leifeng.com Leifeng.com (सार्वजनिक खाता: Leifeng.com)

संपादन करना

ईमेल पुनः भेजें ईमेल संशोधित करें