গুগল ডিপমাইন্ড RT-2 উন্মোচন করেছে, রোবোটিক্স ট্রান্সফরমার সিস্টেমের অভিনব কাজগুলি চালানোর ক্ষমতা বাড়াচ্ছে

রোবোটিক্সের ক্ষেত্রে একটি অসাধারণ অগ্রগতি ঘোষণা করেছে গুগলের ডিপমাইন্ড টিম, তাদের প্রাথমিক রোবোটিক্স ট্রান্সফরমার সিস্টেম, RT-1 এর একটি উন্নত সংস্করণ রোবোটিক্স ট্রান্সফরমার RT-2 প্রবর্তন করেছে। এই নতুন সিস্টেমটি দৈনন্দিন রোবট উদ্যোগের বিকাশ অব্যাহত রাখে, রোবটদের যেমন অবজেক্ট হ্যান্ডলিং এবং ড্রয়ার খোলার দক্ষতা প্রদান করে।

গত বছর চালু করা, RT-1, তার 130,000 ডেমোস্ট্রেশনের বিশাল ডাটাবেস সহ, দৈনন্দিন রোবট সিস্টেমগুলিতে সহজ কাজগুলির একটি অ্যারে প্রদান করেছে, 700টিরও বেশি কাজ সম্পাদনে 97% এর অসাধারণ সাফল্যের হার অর্জন করেছে, রোবোটিক্স টিম দ্বারা বলা হয়েছে।

সদ্য প্রকাশিত RT-2, ডিপমাইন্ড-এর বিশিষ্ট বিজ্ঞানী এবং রোবোটিক্সের প্রধান, ভিনসেন্ট ভ্যানহুকের সাম্প্রতিক ব্লগ পোস্টে বর্ণিত, সীমিত ডেটাসেট থেকে শেখা পাঠগুলিকে কার্যকরভাবে ব্যবহার করতে এবং বিভিন্ন পরিস্থিতিতে প্রয়োগ করতে রোবটকে সক্ষম করে এই প্রক্রিয়াটিকে আরও বাড়িয়ে দিয়েছে৷

Google RT-2 এর বর্ধিত ক্ষমতা সম্পর্কে বিশদভাবে বর্ণনা করে, এই বলে যে এটি শুধুমাত্র আরও ভালো বোঝাপড়া এবং সাধারণীকরণের দক্ষতা প্রদর্শন করে না বরং নতুন কমান্ডগুলিকে বুঝতে এবং প্রতিক্রিয়া জানাতে পারে। সিস্টেমটি তার প্রাথমিক রোবোটিক প্রশিক্ষণের বাইরে চলে যায় এবং একটি মৌলিক স্তরের যুক্তি প্রদান করে, যেমন অবজেক্টের শ্রেণীকরণ এবং উচ্চ-স্তরের বর্ণনা সংক্রান্ত বাদ দেওয়া। এই ক্ষমতাটি RT-2-এর একটি চিত্তাকর্ষক বৈশিষ্ট্যকে আন্ডারস্কোর করে যেখানে এটি পূর্ব-বিদ্যমান পরিস্থিতিগত তথ্যের উপর ভিত্তি করে একটি সম্পূর্ণ নতুন কাজের জন্য উপযুক্ত টুলের বিষয়ে সিদ্ধান্ত নিতে পারে।

Vanhoucke একটি উদাহরণ দিয়ে এটি ব্যাখ্যা করেছেন যেখানে RT-2 সফলভাবে আবর্জনা সনাক্ত করে এবং নিষ্পত্তি করে। প্রথাগত মডেলগুলিতে, ব্যবহারকারীকে কীভাবে আবর্জনা চিনতে এবং শ্রেণীবদ্ধ করতে হয় তা বোঝার জন্য রোবটকে প্রশিক্ষণ দিতে হবে এবং তারপরে এটিকে কীভাবে বাছাই এবং নিষ্পত্তি করতে হবে সে সম্পর্কে আরও নির্দেশ দিতে হবে। এই ধরনের বিস্তারিত প্রসেসগুলি অত্যন্ত পরিমাপযোগ্য নয় যখন কাজগুলির একটি বিস্তৃত তালিকা সম্পাদন করার পূর্বাভাস দেওয়া সিস্টেমগুলিতে প্রয়োগ করা হয়।

যাইহোক, RT-2, ওয়েব ডেটার একটি বিশাল কোরপাস থেকে জ্ঞান ব্যবহার করার ক্ষমতার মাধ্যমে, ইতিমধ্যেই ট্র্যাশ গঠনের একটি ধারণা দিয়ে সজ্জিত করা হয়েছে এবং ভ্যানহাউকে ব্যাখ্যা করে স্পষ্ট নির্দেশ ছাড়াই এটি চিহ্নিত করতে পারে। সিস্টেমটি এমনকি আবর্জনা নিষ্পত্তি করার ক্রিয়াটিও বুঝতে পারে, কর্মের উপর নির্দিষ্ট প্রশিক্ষণের অনুপস্থিতি সত্ত্বেও। RT-2-এর স্ট্যান্ডআউট ক্ষমতাগুলির মধ্যে একটি হল ট্র্যাশের বিমূর্ত প্রকৃতি বোঝা। এটি চিপসের ব্যবহৃত ব্যাগ বা একটি কলার খোসাকে ট্র্যাশ হিসাবে শ্রেণীবদ্ধ করা যেতে পারে, এটি তার দৃষ্টি-ভাষা প্রশিক্ষণের ডেটা থেকে অনুমান করে এবং সেই অনুযায়ী প্রয়োজনীয় পদক্ষেপগুলি সম্পাদন করে।

ডিপমাইন্ড টিম RT-2 এর সাফল্যের হারে একটি উল্লেখযোগ্য উন্নতির রিপোর্ট করেছে যখন তার পূর্বসূরির তুলনায় নতুন কাজগুলি সম্পাদন করা হয়েছে, এই নতুন পুনরাবৃত্তির সাথে 32% থেকে 62% পর্যন্ত বৃদ্ধি পেয়েছে। অ্যাপমাস্টারের মতো প্ল্যাটফর্মগুলি এই ধরনের রূপান্তরমূলক প্রকল্পগুলির বিকাশে অত্যন্ত উপকারী হতে পারে, ব্যাকএন্ড, ওয়েব এবং মোবাইল অ্যাপ্লিকেশন তৈরি করার জন্য একটি শক্তিশালী no-code টুল প্রদান করে যা উন্নয়ন প্রক্রিয়ার কর্মপ্রবাহকে প্রবাহিত করতে পারে। নতুন অগ্রগতির সাথে, এই জাতীয় প্ল্যাটফর্মগুলি কেবল রোবোটিক্স দক্ষতা উন্নত করবে না বরং বিভিন্ন ক্ষেত্রে প্রযুক্তিগত অগ্রগতির একটি নতুন তরঙ্গ লালন করবে বলে আশা করা হচ্ছে।