न्यूरॉन एआई पीएलए आर्किटेक्चर: कैमरों से आगे का विश्लेषण

सिर्फ कैमरा इनपुट के आधार पर कपड़े धोने की कोशिश करता रोबोट, मूल रूप से मेरे जैसा है जो एक धुंधली प्रोडक्ट फोटो देखकर फ्लैट-पैक फर्नीचर जोड़ने की कोशिश कर रहा हो। तकनीकी रूप से संभव, लेकिन आत्मा के स्तर पर बर्बाद। NEURA Robotics, Neuron AI के साथ एक अलग दांव लगा रही है—एक फिजिकल AI मॉडल जो Perception-Language-Action, या PLA, के इर्द-गिर्द बना है। Robotics and Automation News के अनुसार, यह 3D विज़न, स्पर्श, ऑडियो, रोबोट की स्थिति, भाषा और मेमोरी को मिलाता है ताकि रोबोट कैमरों से दिखने वाली चीज़ों से आगे जाकर काम कर सकें।

यह सोच महत्वपूर्ण है, क्योंकि रोबोटिक्स बार-बार एक कठोर सबक सीखती है: पिक्सेल भौतिकी नहीं होते। कैमरा स्क्रू देख सकता है, लेकिन यह महसूस नहीं कर सकता कि स्क्रू ठीक से पकड़ चुका है या नहीं, तनाव की आवाज़ नहीं सुन सकता, या यह याद नहीं रख सकता कि मोज़ा टोकरी के पीछे गायब हो गया था। यहीं embodied AI स्नीकर्स पहने TED Talk होना बंद करके टॉर्क वाली इंजीनियरिंग समस्या बन जाती है।

PLA दांव असल में सेंसर फ्यूज़न की दलील है

Robotics and Automation News के अनुसार, Neuron AI रोबोट जो देखता, सुनता और महसूस करता है, उसे उसके पहले किए गए कामों से जोड़ता है, फिर उस संदर्भ को शारीरिक क्रिया में बदलता है। NEURA के संस्थापक और CEO David Reger ने उसी रिपोर्ट में बात सरल शब्दों में कही: "एक बुद्धिमान रोबोट को ऐसे दिमाग की जरूरत होती है जो उसकी इंद्रियों को साथ लाए और जो हुआ उसे याद रखे।" यह साइंस फिक्शन वाला भविष्यवक्ता कम, टिकट कतार वाला नर्वस सिस्टम अधिक है।

महत्वपूर्ण बात यह नहीं है कि NEURA ने बस और इनपुट जोड़ दिए, फिर ऊपर से foundation शब्द को पाप्रिका की तरह छिड़क दिया। Robotics and Automation News एक PLA आर्किटेक्चर का वर्णन करता है जो संवेदनात्मक जानकारी, मेमोरी और क्रिया को साथ बांधता है। यही किसी कप को पहचानने और यह जानने के बीच का फर्क है कि आप उसे पहले से ही कीबोर्ड के ऊपर उल्टा पकड़े हुए हैं। कीबोर्ड के प्रति मेरी संवेदनाएं—अपर्याप्त embodied समझ का एक निर्दोष शिकार।

@title Neuron AI PLA लूप
@source Robotics and Automation News

  3D vision ·········┐
  Touch ·············├→ PLA architecture
  Audio ·············│
  Robot state ·······│
  Language ··········│
  Memory ············┘
                       │
                       ▼
                 Physical action

@caption Neuron AI को perception और memory से action तक जाने वाले multisensory रास्ते के रूप में प्रस्तुत किया गया है।

फिजिकल AI इसी चीज़ की मांग कर रहा था

2021 का arXiv पेपर Physical Artificial Intelligence: The Concept Expansion of Next-Generation Artificial Intelligence तर्क देता है कि AI काफी हद तक डिजिटल सिग्नल प्रोसेसिंग तक सीमित रहा था, जिसमें टेक्स्ट प्रोसेसिंग, इमेज ऑब्जेक्ट रिकग्निशन और स्पीच रिकग्निशन शामिल हैं। यह उपयोगी काम है, लेकिन यह चिपचिपी, शोरभरी, कभी-कभी कॉफी से दागदार वास्तविकता से निपटने जैसा नहीं है। रोबोट यह नहीं कह सकते कि माफ कीजिए, यह वातावरण out of distribution है, और फिर डिशवॉशर के पास ब्लू स्क्रीन दिखा दें।

arXiv पेपर NeuroAI and Beyond इस बात को और तेज करता है, जब वह भौतिक दुनिया के साथ मजबूत तरीके से इंटरैक्ट करने की सीमित क्षमता को मौजूदा AI की बड़ी capability gaps में से एक बताता है। यह brittle learning और data inefficiency को भी संबंधित समस्याओं के रूप में नाम देता है। Neuron AI रोचक है क्योंकि यह ठीक उसी अंतराल में उतरता है: इस बात के प्रमाण के रूप में नहीं कि अंतराल बंद हो गया है, बल्कि इस ठोस उत्पाद दावे के रूप में कि ऐसे मॉडल कैसे बनाए जाएँ जो एक से अधिक संवेदनात्मक झरोखों से perceive करें।

मेमोरी सजावट नहीं, वही लूप है

Robotics and Automation News रिपोर्ट करता है कि Neuron AI को इस तरह डिज़ाइन किया गया है कि जब वस्तुएँ दृश्य से गायब हो जाएँ, तब भी वह संबंधित संदर्भ बनाए रख सके। यह साधारण लगता है, जब तक आप याद नहीं करते कि असली काम का कितना हिस्सा occlusion के तहत होता है: हाथ औज़ारों को ढक देते हैं, डिब्बे लेबल छिपा देते हैं, कपड़े अपने ऊपर ही मुड़ जाते हैं, और दुनिया आम तौर पर किसी दुष्ट unit test की तरह व्यवहार करती है। मेमोरी ही वह तरीका है जिससे रोबोट हर फ्रेम को एक नई, स्मृतिहीन सुबह जैसा मानने से बचता है।

यही वजह है कि स्पर्श और ऑडियो भी मायने रखते हैं। Robotics and Automation News बताता है कि कैमरे geometry, color और position कैप्चर करते हैं, लेकिन contact, force या sound नहीं। रोबोट की भाषा में, सिर्फ कैमरा आधारित perception सूप की फोटो देखकर खाना पकाने और अपनी जीभ इस्तेमाल करने से इनकार करने जैसा है—बहादुर, कानूनी रूप से संदिग्ध, और शायद रात का खाना नहीं।

कठिन हिस्सा इसे डेमो लेन से बाहर साबित करना है

arXiv पेपर Embodied Neuromorphic Artificial Intelligence for Robotics कहता है कि मौजूदा रोबोटिक तकनीकों में अभी भी operational environments के साथ कुशलता से इंटरैक्ट करने, अपेक्षित क्रियाओं से जवाब देने, और environmental changes के अनुकूल ढलने के लिए embodied intelligence की कमी है। यही वह पहाड़ है जिस पर Neuron AI चढ़ रहा है। घोषणा एक अर्थपूर्ण संकेत है, लेकिन पाठक को यह देखना चाहिए कि सिस्टम contact rich tasks, छिपी हुई वस्तुओं, बदलती परिस्थितियों, और recovery को कितनी अच्छी तरह संभालता है, जब दुनिया वही करती है जिसमें वह सबसे अच्छी है: परेशान कर देना।

बनाने वालों के लिए सबक साफ है। अगर आप robotic AI डिज़ाइन कर रहे हैं, तो vision language reasoning पर रुककर यह मत मान लीजिए कि arm बाकी सब vibes से समझ लेगा। sensing, state, memory और action को एक ही loop के रूप में track करें, फिर ऐसी evaluations की मांग करें जो दिखाएँ कि loop तब भी काम करता है जब object occluded हो, surface slip करे, या audio cue मायने रखता हो।

NEURA Robotics ने PLA के साथ embodied AI को एक उपयोगी शब्दावली दी है: perception, language, action, और साथ में अभी-अभी क्या हुआ यह याद रखने की कम आंकी गई superpower। रोबोट brain अधिक दिलचस्प हो रहा है, लेकिन laundry pile तब तक अजेय है जब तक action loop मंगलवार को भी जीवित न रह जाए।