फिजिकल एआई: रोबोट कैसे स्क्रिप्टेड गतिविधियों से आगे बढ़ रहे हैं

फिजिकल एआई उस बुद्धिमान सॉफ्टवेयर को संदर्भित करता है जो रोबोट को भौतिक दुनिया में देखने, समझने और कार्य करने में सक्षम बनाता है, जो ह्यूमनॉइड आकार से अलग है। जबकि ह्यूमनॉइड रोबोट अक्सर प्रभावशाली स्क्रिप्टेड डेमो करते हैं, उनमें बदलती परिस्थितियों के अनुकूल होने की क्षमता नहीं होती। उद्योग एक विशाल एंड-टू-एंड मॉडल को प्रशिक्षित करने से एजेंट-आधारित दृष्टिकोण की ओर बढ़ रहा है, जहां कई विशेष मॉडल विभिन्न मोडैलिटी (दृष्टि, भाषा, क्रिया) को संभालते हैं और स्वतंत्र रूप से अपडेट किए जा सकते हैं। सीखना एक बाधा बना हुआ है: एलएलएम के लिए उपयोग किए जाने वाले बड़े पैमाने के डेटासेट मौजूद नहीं हैं, और वीडियो से सीखने जैसी विधियों को अभी भी अतिरिक्त एनोटेशन की आवश्यकता होती है। दृष्टि सबसे परिपक्व संवेदी चैनल है, जिसमें विज़न-लैंग्वेज-एक्शन (वीएलए) मॉडल पहले से प्रशिक्षित विज़न एनकोडर का उपयोग करते हैं और छवियों को पाठ की तरह टोकनाइज़ करते हैं। भाषा एक सार्वभौमिक इंटरफेस के रूप में कार्य करती है, जिससे उच्च-स्तरीय योजनाकार उच्च-स्तरीय आदेशों को तोड़ सकते हैं। स्पर्श संवेदना को सटीक हेरफेर की आवश्यकता वाले कार्यों के लिए महत्वपूर्ण माना जाता है, क्योंकि वस्तु को पकड़ने के बाद दृष्टि पर्याप्त नहीं होती; शोध कृत्रिम त्वचा की खोज करता है, लेकिन वर्तमान रोबोट बल सेंसर का उपयोग करते हैं। प्रोप्रियोसेप्शन - रोबोट के अपने शरीर की स्थिति को जानना - एक और आवश्यक चैनल है, जो एनकोडर, आईएमयू और टॉर्क सेंसर का उपयोग करता है। मानव जैसी निपुणता और अनुकूलनशीलता प्राप्त करना एक दूर का लक्ष्य बना हुआ है, लेकिन एजेंटिक वास्तुकला और वृद्धिशील सुधार को व्यावहारिक मार्ग के रूप में देखा जाता है।