ডিপমাইন্ডের রোবোক্যাট বিভিন্ন মডেল জুড়ে রোবোটিক্স টাস্ক পারফরম্যান্সে বিপ্লব ঘটায়

ডিপমাইন্ড সম্প্রতি RoboCat তৈরির ঘোষণা দিয়েছে, একটি এআই মডেল যা দক্ষতার সাথে একাধিক বাস্তব-বিশ্বের রোবোটিক অস্ত্র ব্যবহার করে অনেকগুলি কাজ সম্পাদন করতে পারে। এই যুগান্তকারী উদ্ভাবনটি বিভিন্ন রোবোটিক মডেলের সাথে মানিয়ে নেওয়ার সময় দক্ষতার সাথে বেশ কয়েকটি অ্যাসাইনমেন্ট মোকাবেলা করার জন্য প্রথম ধরণের, যা রোবোটিক্সে নতুন কাজগুলি সমাধান করার জন্য সম্ভাব্য বাধা কমিয়ে দেয়।

RoboCatGato নামক পূর্ববর্তী মডেলের উপর ভিত্তি করে তৈরি করা হয়েছিল, যা পাঠ্য, চিত্র এবং ইভেন্টগুলির সাথে বিশ্লেষণ এবং ইন্টারঅ্যাক্ট করতে সক্ষম একটি AI সিস্টেম হিসাবে কাজ করে। এটি সিমুলেটেড এবং বাস্তব-জীবনের রোবোটিক্স থেকে ইমেজ এবং অ্যাকশন ডেটার উপর প্রশিক্ষিত ছিল। প্রশিক্ষণের জন্য ব্যবহৃত ডেটা ভার্চুয়াল পরিবেশের মধ্যে রোবট-নিয়ন্ত্রণকারী মডেল, মানব-নিয়ন্ত্রিত রোবট এবং RoboCat পূর্বের পুনরাবৃত্তিগুলিকে অন্তর্ভুক্ত করে।

গবেষকরা 100 থেকে 1,000 টাস্কের প্রদর্শনী সংগ্রহ করে বা মানুষের দ্বারা নিয়ন্ত্রিত রোবটিক অস্ত্র শেখানোর মাধ্যমে প্রশিক্ষণ শুরু করেছিলেন। পরবর্তীকালে, RoboCat টাস্কের উপর সূক্ষ্মভাবে সুরক্ষিত ছিল, বিশেষায়িত স্পিন-অফ মডেল তৈরি করে যা প্রায় 10,000 বার কাজটি অনুশীলন করে। স্পিন-অফ মডেল ডেটা এবং ডেমোস্ট্রেশন ডেটা ব্যবহার করে RoboCat প্রশিক্ষণ ডেটাসেট বৃদ্ধি করে, তারা এআই মডেলের নতুন সংস্করণ তৈরি করেছে।

RoboCat এর চূড়ান্ত সংস্করণটি মোট 253টি কাজের উপর প্রশিক্ষিত হয়েছিল এবং তারপর সিমুলেশন এবং বাস্তব-বিশ্বের পরিস্থিতিতে এই কাজের 141টি বৈচিত্রের একটি সেটে বেঞ্চমার্ক করা হয়েছিল। ডিপমাইন্ড দেখেছে যে 1,000টি মানব-নিয়ন্ত্রিত প্রদর্শনী পর্যবেক্ষণ করার পরে, RoboCat বিভিন্ন ধরণের রোবোটিক অস্ত্র পরিচালনায় পারদর্শী ছিল। অধিকন্তু, দ্বিমুখী বাহু সহ রোবটগুলিতে প্রশিক্ষিত হওয়া সত্ত্বেও, এআই মডেলটি তিন আঙ্গুলের গ্রিপার এবং দ্বিগুণ নিয়ন্ত্রণযোগ্য ইনপুট সহ আরও জটিল বাহুতে মানিয়ে নিতে পারে।

যাইহোক, মডেলের সাফল্যের হার 13% থেকে 99% একাধিক টাস্ক জুড়ে ব্যাপকভাবে পরিবর্তিত হয়েছে প্রশিক্ষণের ডেটাতে অন্তর্ভুক্ত প্রদর্শনের সংখ্যার উপর নির্ভর করে। তবুও, ডিপমাইন্ড প্রকাশ করেছে যে RoboCat কিছু ক্ষেত্রে 100 টির মতো প্রদর্শনের মাধ্যমে নতুন কাজ শিখতে পারে।

গবেষণা দলের ভবিষ্যত লক্ষ্যগুলির মধ্যে রয়েছে RoboCat একটি নতুন কাজ শেখানোর জন্য প্রয়োজনীয় প্রদর্শনের সংখ্যা কমিয়ে দশের কম করা। রোবোটিক কাজগুলিতে সহায়তাকারী AI মডেলগুলির বিকাশের অগ্রগতি অব্যাহত থাকায়, অ্যাপমাস্টারের মতো আধুনিক low-code এবং no-code প্ল্যাটফর্মগুলির সাথে একীকরণ উত্পাদন এবং লজিস্টিক সহ বিস্তৃত শিল্পের জন্য স্বয়ংক্রিয়তা এবং দক্ষতাকে আরও উন্নত করতে পারে।

AppMaster মতো প্ল্যাটফর্মগুলি কেবল ব্যবসাগুলিকে জটিল সমস্যাগুলি দ্রুত সমাধান করতে সহায়তা করে না তবে সফ্টওয়্যার বিকাশের ব্যয়ও হ্রাস করে। RoboCat মতো উন্নত AI মডেলগুলি আবির্ভূত হতে থাকে, বিভিন্ন শিল্পে কাজগুলি পরিচালনা করার জন্য low-code এবং no-code প্ল্যাটফর্মের সাথে এগুলিকে একত্রিত করার ফলে ব্যবসায়িক প্রক্রিয়া, উত্পাদনশীলতা এবং উদ্ভাবনকে বিপ্লব করার সম্ভাবনা রয়েছে।