اگرچہ روبوٹسٹ لیب میں پارکور جیسی متاثر کن چیزیں کرنے کے لیے روبوٹ حاصل کرنے میں کامیاب رہے ہیں، لیکن یہ سب احتیاط سے ایک سخت کنٹرول والے ماحول میں سامنے آنے کا منصوبہ بنایا گیا ہے۔ اپنے گھر میں خود مختاری سے روبوٹ کا کام کرنا اب بھی کچھ پریشان کن ہے، خاص طور پر بچوں اور پالتو جانوروں والے گھروں میں۔ مزید یہ کہ مکانات کے ڈیزائن مختلف ہوتے ہیں، اور کمروں اور اشیاء کی ترتیب اور بھی مختلف ہوتی ہے۔
روبوٹکس کے ماہرین کے درمیان، ایک وسیع پیمانے پر تسلیم شدہ نقطہ نظر ہے جسے "Moravec's paradox" کہا جاتا ہے: جو چیز انسانوں کے لیے مشکل ہے وہ مشینوں کے لیے آسان ہے، اور جو انسانوں کے لیے آسان ہے وہ مشینوں کے لیے مشکل ہے۔ لیکن مصنوعی ذہانت (AI) کی بدولت یہ بدل رہا ہے۔ روبوٹ ایسے کاموں کو انجام دینے کے قابل ہونے لگے ہیں جیسے کپڑے دھونے، کھانا پکانے، اور خریداری کی ٹوکریاں اتارنے جیسے کاموں کو پورا کرنا روبوٹ کے لیے تقریباً ناممکن سمجھا جاتا تھا۔
MIT ٹیکنالوجی ریویو کے تازہ ترین شمارے کے مطابق، ایک فیلڈ کے طور پر روبوٹکس ایک موڑ پر ہے: روبوٹ لیب سے باہر اور لاکھوں گھروں میں جا رہے ہیں۔ روبوٹکس اپنے اعلیٰ مقام کے دہانے پر ہے۔
ہوم روبوٹ زیادہ مہنگے نہیں ہو سکتے
ماضی میں روبوٹ مہنگے ہونے کے مترادف تھے، انتہائی پیچیدہ ماڈلز کی قیمت لاکھوں ڈالر تھی، جس کی وجہ سے وہ زیادہ تر خاندانوں کے لیے ناقابل برداشت تھے۔ مثال کے طور پر، PR2، ایک گھریلو روبوٹ کی ابتدائی تکرار میں سے ایک، وزن 200 کلو گرام اور اس کی قیمت $400,000 USD ہے۔
خوش قسمتی سے، سستے روبوٹس کی ایک نئی نسل آہستہ آہستہ ابھر رہی ہے۔ Stretch3، امریکی اسٹارٹ اپ HelloRobot کی طرف سے تیار کردہ ایک نیا گھریلو روبوٹ، جس کی قیمت $24,950 ہے اور اس کا وزن 24.5 کلو گرام ہے۔ اس میں ایک چھوٹا موبائل بیس، ایک جوائس اسٹک ہے جس سے کیمرہ ہینگ ہوتا ہے، ایک ایڈجسٹ بازو اور آخر میں سکشن کپ کے ساتھ ایک فکسچر ہوتا ہے جسے کنٹرولر کے ذریعے چلایا جا سکتا ہے۔
دریں اثنا، امریکہ کی اسٹینفورڈ یونیورسٹی کے محققین کی ایک ٹیم نے MobileALOHA (کم لاگت کا اوپن سورس ہارڈ ویئر فار ریموٹ آپریشن) کے نام سے ایک ایسا نظام بنایا ہے جو ایک روبوٹ کو صرف 20 ڈیٹا کے ٹکڑوں کی مدد سے جھینگا پکانا سیکھنے کے قابل بناتا ہے، جس میں انسان بھی شامل ہے۔ مظاہرے ٹیم نے زیادہ مناسب قیمت والا روبوٹ بنانے کے لیے آف دی شیلف پرزوں کا استعمال کیا، اگرچہ اس کی لاگت بھی دسیوں ہزار ڈالر تھی، لیکن اس سے ملتے جلتے پچھلے ماڈلز پر آسانی سے لاکھوں ڈالر لاگت آسکتی ہے۔
AI ایک "عالمگیر روبوٹ دماغ" بناتا ہے
جو چیز ان نئے روبوٹس کو ان کے "پہلے" سے الگ کرتی ہے وہ دراصل ان کا سافٹ ویئر ہے۔ AI بوم کی بدولت، ٹیکنالوجی کی توجہ اب مہنگے روبوٹس سے منتقل ہو رہی ہے جو جسمانی مہارت حاصل کرتے ہوئے نیورل نیٹ ورکس کی طرف بڑھتے ہیں جو "عالمگیر روبوٹ دماغ" بناتے ہیں۔
روبوٹکس کے ماہرین روایتی محتاط منصوبہ بندی اور محنتی تربیت کے بجائے گہری سیکھنے اور اعصابی نیٹ ورکس کا استعمال کرتے ہوئے "دماغ" کے نظام کو تخلیق کر رہے ہیں جو ماحول سے سیکھ سکتے ہیں اور روبوٹ کے رویے کو ایپلی کیشنز میں ایڈجسٹ کر سکتے ہیں۔
2023 کے موسم گرما میں، Google نے RT-2 متعارف کرایا، ایک وژن-زبانی-عمل کا ماڈل جو تربیت کے لیے استعمال ہونے والے آن لائن متن اور تصاویر کے ساتھ ساتھ اس کے اپنے تعاملات سے دنیا کے بارے میں عام فہم حاصل کرتا ہے، اور اس کا ترجمہ کرتا ہے۔ روبوٹک اعمال میں ڈیٹا۔
ٹویوٹا ریسرچ انسٹی ٹیوٹ، کولمبیا یونیورسٹی، اور ایم آئی ٹی ٹیم پہلے سے ہی روبوٹ کو بہت سے نئے کاموں کو تیزی سے AI سیکھنے کی تکنیک کی مدد سے سکھا رہی ہے جسے نقلی سیکھنے کے ساتھ ساتھ تخلیقی AI کہا جاتا ہے۔ یہ نقطہ نظر متن، تصاویر اور ویڈیو کے دائرے سے روبوٹ کی نقل و حرکت کے دائرے تک تخلیقی AI تکنیکوں کی توسیع کو آگے بڑھائے گا۔
Covariant، ایک اسٹارٹ اپ جو OpenAI کے اب بند شدہ روبوٹکس ریسرچ ڈویژن سے نکلا، اس کے بجائے ایک ملٹی موڈل ماڈل، RFM-1 بنایا، جو متن، تصاویر، ویڈیو، اور روبوٹ کمانڈز سے اشارے قبول کرتا ہے۔ جنریٹو AI روبوٹ کو ہدایات کو سمجھنے اور ان کاموں سے متعلق تصاویر یا ویڈیوز بنانے کی اجازت دیتا ہے۔
مزید ڈیٹا ہوشیار روبوٹس کو جنم دیتا ہے۔
بڑے AI ماڈلز جیسے GPT-4 کی طاقت انٹرنیٹ سے بڑی مقدار میں ڈیٹا جمع کرنے میں مضمر ہے، لیکن یہ روبوٹس پر لاگو نہیں ہوتا، جنہیں خاص طور پر ان کے لیے ڈیٹا جمع کرنے کی ضرورت ہوتی ہے۔ انہیں جسمانی مظاہروں کی ضرورت ہوتی ہے کہ کس طرح واشنگ مشین اور فریج کھولنا ہے، پلیٹ اٹھانا ہے یا لانڈری فولڈ کرنا ہے۔ ابھی، یہ ڈیٹا بہت کم ہے اور جمع کرنے میں کافی وقت لگتا ہے۔
گوگل ڈیپ مائنڈ نے اسے تبدیل کرنے کے لیے اوپن سورس X-Embodiment Collaboration کے نام سے ایک نیا پروگرام شروع کیا ہے۔ پچھلے سال، کمپنی نے 22 مختلف روبوٹس سے ڈیٹا اکٹھا کرنے کے لیے 34 لیبز میں تقریباً 150 محققین کے ساتھ شراکت کی، جس میں HelloRobot's Stretch 3 بھی شامل ہے۔ اکتوبر 2023 میں جاری ہونے والے ڈیٹا سیٹ میں روبوٹ کی 527 مہارتیں شامل ہوں گی، جیسے اٹھانا، دھکا دینا۔ ، اور منتقل.
RT-X نامی ایک روبوٹ بھی ہے، جس کے لیے محققین نے خاص طور پر اس ماڈل کے دو ورژن بنائے ہیں، جنہیں مقامی طور پر مختلف لیبز میں کمپیوٹر پر چلایا جا سکتا ہے اور ویب پر بھی رسائی حاصل کی جا سکتی ہے۔
بڑے، ویب قابل رسائی ماڈل کو انٹرنیٹ ڈیٹا کے ساتھ پہلے سے تربیت دی گئی تھی تاکہ بڑی زبان اور تصویری ماڈلز سے "بصری کامن سینس" تیار کی جا سکے۔ جب محققین بہت سے مختلف روبوٹس پر RT-X ماڈل چلاتے ہیں، تو انہیں معلوم ہوتا ہے کہ اس طرح کے روبوٹ ہر لیب میں آزادانہ طور پر تیار کیے گئے سسٹمز کے مقابلے میں مہارت سیکھنے میں 50% زیادہ کامیاب ہوتے ہیں۔
مختصر میں، یہ زیادہ ڈیٹا ہے جو ہوشیار روبوٹس کے لیے بناتا ہے۔