Agility Robotics കാലിഫോർണിയയിലെ ഫ്രീമോണ്ടിൽ 60,000 ചതുരശ്ര അടി വിസ്തീർണ്ണമുള്ള ഒരു പരിശീലന ക്യാമ്പസ് ആരംഭിച്ചു. ഇത് തങ്ങളുടെ Digit ഹ്യൂമനോയിഡ് റോബോട്ടിന്റെ വിതരണം വ്യാവസായ ഉപഭോക്താക്കളിലേക്ക് വേഗത്തിലാക്കാൻ സഹായിക്കുമെന്ന് കമ്പനി പ്രതീക്ഷിക്കുന്നു. ടെസ്‌ലയുടെ ഫാക്ടറിയിൽ നിന്ന് ഏതാനും മൈലുകൾ മാത്രം അകലെയുള്ള ഈ സ്ഥലം, റോബോട്ടുകൾക്ക് പുതിയ ജോലികൾ പഠിപ്പിക്കാൻ കമ്പനിക്ക് ഒരു പ്രത്യേക ഇടം നൽകുന്നു. ഒപ്പം, ഡിറ്റമിനിസ്റ്റിക് കൺട്രോളുകളെ (deterministic control) ജനറേറ്റീവ് മോഡലുകളിൽ നിന്ന് വേർതിരിക്കുന്ന സുരക്ഷാധിഷ്ഠിത AI സമീപനം കമ്പനി പിന്തുടരുകയും ചെയ്യുന്നു.

എന്തുകൊണ്ടാണ് ഫ്രീമോണ്ട് സൈറ്റ് പ്രധാനമാകുന്നത്

ഈ നീക്കം Agility-യെ യുഎസ് റോബോട്ടിക്സ് രംഗത്തിന്റെ ഭൂമിശാസ്ത്രപരമായ കേന്ദ്രസ്ഥാനത്ത് എത്തിക്കുന്നു, എന്നാൽ ഇതിന്റെ യഥാർത്ഥ പ്രാധാന്യം പ്രവർത്തനത്തിന്റെ വ്യാപ്തിയിലാണ്. 60,000 ചതുരശ്ര അടി വിസ്തീർണ്ണമുള്ള ഈ തറയിൽ, യഥാർത്ഥ വെയർഹൗസുകൾക്ക് സമാനമായ സാഹചര്യങ്ങളിൽ ലളിതമായ ടോട്ടുകൾ നീക്കുന്നത് മുതൽ മുഴുവൻ ട്രെയിലറുകളും അൺലോഡ് ചെയ്യുന്നത് വരെയുള്ള ചലനങ്ങളുടെ ഒരു സമ്പൂർണ്ണ പ്രക്രിയയും Digit-ന് പരിശീലനം നടത്താൻ സാധിക്കും. ക്യാമ്പസ് സജ്ജമാകുന്നതോടെ, അപ്രതീക്ഷിതമായ ഫീൽഡ് ട്രയലുകളിൽ നിന്ന് ആവർത്തിക്കാവുന്നതും ഉയർന്ന ഉൽപ്പാദനക്ഷമതയുള്ളതുമായ ഒരു പരിശീലന രീതിയിലേക്ക് Agility മാറാൻ കഴിയും. ഇത് പുതിയ സോഫ്റ്റ്‌വെയർ അപ്‌ഡേറ്റും റോബോട്ട് ഫാക്ടറിയിൽ ജോലിയിൽ പ്രവേശിക്കുന്നതും തമ്മിലുള്ള ഇടവേള കുറയ്ക്കാൻ സഹായിക്കും.

പ്രോട്ടോടൈപ്പിൽ നിന്ന് വരുമാനത്തിലേക്ക്

Amazon, ലോജിസ്റ്റിക്സ് സ്ഥാപനമായ GXO, കമ്പോണന്റ് നിർമ്മാതാക്കളായ Schaeffler, Toyota Motor Manufacturing Canada എന്നിങ്ങനെ ഏതാനും വലിയ ഉപഭോക്താക്കൾക്കായി Digit നിലവിൽ സേവനം നൽകുന്നുണ്ട്. ഈ വിന്യാസങ്ങൾ 300 മില്യൺ ഡോളറിന്റെ കരാർ ഓർഡറുകൾ സൃഷ്ടിച്ചു കഴിഞ്ഞു, ഇത് ലോജിസ്റ്റിക്സ്, നിർമ്മാണ മേഖലകളിൽ ഹ്യൂമനോയിഡ് തൊഴിലാളികൾക്ക് യഥാർത്ഥ ആവശ്യക്കാരുണ്ടെന്നതിന്റെ സൂചനയാണ്. തെളിവ് അടിസ്ഥാനമാക്കിയുള്ള (proof-of-concept) യൂണിറ്റുകളിൽ മാത്രം പരീക്ഷണങ്ങൾ നടത്തുന്ന മറ്റ് സ്റ്റാർട്ടപ്പുകളിൽ നിന്ന് വ്യത്യസ്തമായി, നടക്കാനും പടികൾ കയറാനും സാധാരണ പെട്ടിയുടെ വലുപ്പമുള്ള വസ്തുക്കൾ കൈകാര്യം ചെയ്യാനും കഴിയുന്ന ഒരു റോബോട്ട് ഉപയോഗിച്ച് Agility സാമ്പത്തിക നേട്ടവും തൊഴിലവസരങ്ങളും സൃഷ്ടിച്ചുകൊണ്ടിരിക്കുകയാണ്.

ഒരു ഹൈബ്രിഡ് AI തന്ത്രം

ഇന്നത്തെ വ്യവസായ ചർച്ചകൾ ലാർജ് ലാംഗ്വേജ് മോഡലുകളെയും ട്രാൻസ്ഫോർമർ അധിഷ്ഠിത ന്യൂറൽ നെറ്റുകളെയും കേന്ദ്രീകരിച്ചാണ് നടക്കുന്നത്. എന്നാൽ Agility-യുടെ സഹസ്ഥാപകൻ ഡാമിയൻ ഷെൽട്ടൺ, ഈ "ജനറേറ്റീവ്" സംവിധാനങ്ങളും റോബോട്ടിന്റെ സുരക്ഷ ഉറപ്പാക്കുന്ന ഡിറ്റമിനിസ്റ്റിക് കൺട്രോളറുകളും തമ്മിൽ വേർതിരിക്കുന്നു. ഒരു റോബോട്ടിന്റെ സുരക്ഷാ സംവിധാനത്തെ അദ്ദേഹം ഒരു ആന്റി-ലോക്ക് ബ്രേക്ക് സിസ്റ്റത്തോട് ഉപമിക്കുന്നു: പുതിയ പ്രവർത്തനങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയുന്ന ഒരു AI-യുടെ താൽപ്പര്യങ്ങൾ എന്തുതന്നെയായാലും, റോബോട്ട് എപ്പോഴും പ്രവചിക്കാവുന്ന രീതിയിൽ മാത്രമേ പെരുമാറാവൂ.

അതേസമയം, Agility ജനറേറ്റീവ് AI-യെ പൂർണ്ണമായും തള്ളിക്കളയുന്നില്ല. എഞ്ചിനീയർമാർക്ക് ഒരു ജോലി ഉയർന്ന തലത്തിലുള്ള പദങ്ങളിൽ വിവരിക്കാനും ആ മോഡൽ ചലനങ്ങളുടെ ഒരു ക്രമം നിർദ്ദേശിക്കാനും അനുവദിക്കുന്ന ഒരു "പ്രോഗ്രാമിംഗ് ആക്സിലറേറ്ററായി" ഇത് ഉപയോഗിക്കാൻ കമ്പനി പദ്ധതിയിടുന്നു. ഓരോ ചലനവും മാനുവലായി കോഡ് ചെയ്യുന്ന നിലവിലെ രീതിക്ക് ഇത് പകരമാകും. പുതിയ ഉപയോഗങ്ങൾക്കനുസരിച്ച് മാറാൻ ആയിരക്കണക്കിന് എഞ്ചിനീയർമാരുടെ സേവനം ആവശ്യമായി വരുന്ന ഒരു തടസ്സം ഒഴിവാക്കാൻ ഇത് സഹായിക്കും.

വ്യാവസായ ഉപയോഗത്തിലൂടെയുള്ള വിപുലീകരണം

Agility-യുടെ റോഡ്മാപ്പ് ബോധപൂർവ്വം വ്യാവസായ ആവശ്യങ്ങൾക്കായി രൂപകൽപ്പന ചെയ്തതാണ്. ആറ് അടി ഉയരമുള്ള Digit ഒരു ക്ലയന്റിന്റെ ലൈനിലേക്ക് അയക്കുന്നതിന് മുമ്പ്, കൃത്രിമമായി നിർമ്മിച്ച ഇടനാഴികളിൽ പഠിക്കുന്നതിനുള്ള ഒരു സാൻഡ്ബോക്സ് ആയി ഫ്രീമോണ്ട് ക്യാമ്പസ് പ്രവർത്തിക്കും. "Version 5" എന്ന് വിളിക്കപ്പെടുന്ന അടുത്ത ഹാർഡ്‌വെയർ പതിപ്പ് ഈ ശരത്കാലത്ത് പുറത്തിറങ്ങും, ഇത് വിപുലമായ ഹ്യൂമൻ-സെൻസിംഗ് (human-sensing) ശേഷികൾ കൂടി ഉൾപ്പെടുത്തും. ഈ സെൻസറുകൾ ഉപയോഗിച്ച് റോബോട്ടിന് ആളുകളിൽ നിന്ന് മാറി ഒറ്റപ്പെട്ട മേഖലകളിൽ മാത്രം ഒതുങ്ങിനിൽക്കാതെ, മനുഷ്യർക്കൊപ്പം ചേർന്ന് പ്രവർത്തിക്കാൻ സാധിക്കും.

കമ്പനിയുടെ ഘട്ടം ഘട്ടമായുള്ള സമീപനം ഏറ്റവും ലളിതമായ ചലനങ്ങളിൽ നിന്നാണ് തുടങ്ങുന്നത് - ബിന്നുകൾ നീക്കാനും ടോട്ടുകൾ മാറ്റാനും - തുടർന്ന് പിക്കിംഗും കിറ്റിംഗും (picking and kitting) എന്നിവയും, അതിനുശേഷം കാർഡ്ബോർഡും വലിയ ട്രെയിലർ ലോഡുകളും പോലുള്ള സങ്കീർണ്ണമായ വസ്തുക്കളും കൈകാര്യം ചെയ്യുന്നു. ഓരോ ഘട്ടവും വിജയിക്കുന്നതിലൂടെ, "ട്രില്യൺ ഡോളർ" മൂല്യമുള്ള ലോജിസ്റ്റിക്സ് വിപണിയിൽ ഒരു പങ്കാളിത്തം നേടാനും, ഒരു ഹ്യൂമനോയിഡ് പ്ലാറ്റ്‌ഫോം വെറുമൊരു പുതുമയല്ല മറിച്ച് ഒരു പ്രധാന തൊഴിൽ സഹായിയാണെന്ന് തെളിയിക്കാനും Agility ആഗ്രഹിക്കുന്നു.

എന്ത് തെറ്റുകൾ സംഭവിക്കാം

ജനറേറ്റീവ് AI-യെ സുരക്ഷാപരമായ നിയന്ത്രണങ്ങളുമായി (safety-critical control) കൂട്ടിച്ചേർക്കുന്നത് അപകടകരമാണെന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു. ഒരു ലാംഗ്വേജ് മോഡൽ നിർദ്ദേശിക്കുന്ന ചലനം ഡിറ്റമിനിസ്റ്റിക് സുരക്ഷാ സംവിധാനത്തിന് പൂർണ്ണമായി മുൻകൂട്ടി കാണാൻ കഴിയുന്നില്ലെങ്കിൽ, തിരക്കേറിയ ഒരു വെയർഹൗസിൽ റോബോട്ട് പ്രവചനാതീതമായി പെരുമാറാൻ സാധ്യതയുണ്ട്. ഈ രണ്ട് പാളികളെയും വേർതിരിക്കുന്നതിലൂടെ ആ റിസ്ക് കുറയ്ക്കാൻ ഷെൽട്ടൺ ലക്ഷ്യമിടുന്നുണ്ടെങ്കിലും, അപ്രതീക്ഷിത സാഹചര്യങ്ങൾ (edge cases) നിറഞ്ഞ യഥാർത്ഥ വിന്യാസങ്ങളിലൂടെ മാത്രമേ ഇതിന്റെ വിജയം തെളിയുകയുള്ളൂ.

ഉപഭോക്തൃ വിപണിയെ അവഗണിച്ച് ഉയർന്ന മൂല്യമുള്ള വ്യാവസായ ജോലികളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത് മറ്റൊരു ആശങ്കയാണ്. ലോജിസ്റ്റിക്സ് മേഖല വലിയ കരാറുകൾ വാഗ്ദാനം ചെയ്യുന്നുണ്ടെങ്കിലും, അത് കൃത്യമായ പ്രവർത്തനക്ഷമതയും (uptime) നിലവിലുള്ള വെയർഹൗസ് മാനേജ്‌മെന്റ് സിസ്റ്റങ്ങളുമായുള്ള സംയോജനവും ആവശ്യപ്പെടുന്നു. Agility-ക്ക് ഈ സംയോജന ആവശ്യങ്ങൾ നിറവേറ്റാൻ കഴിഞ്ഞില്ലെങ്കിൽ, 300 മില്യൺ ഡോളറിന്റെ ഈ വലിയ സാധ്യതകൾ തടസ്സപ്പെട്ടേക്കാം.

ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • Version 5 പുറത്തിറങ്ങുന്നത്: മനുഷ്യരും റോബോട്ടുകളും ഒരേപോലെ പ്രവർത്തിക്കുന്ന സാഹചര്യങ്ങളിൽ Agility-യുടെ സുരക്ഷാധിഷ്ഠിത AI അവകാശവാദത്തിന്റെ ആദ്യ യഥാർത്ഥ പരീക്ഷണം ഇതിന്റെ ഹ്യൂമൻ-സെൻസിംഗ് സംവിധാനം ആയിരിക്കും.
  • റിവേഴ്സ്-മെർജർ സമയം: ഈ വർഷം അവസാനത്തോടെ കമ്പനി പൊതുവിപണിയിൽ (go public) എത്തുമെന്ന് പ്രതീക്ഷിക്കുന്നു. ഇത് വേഗത്തിലുള്ള വിപുലീകരണത്തിന് ആവശ്യമായ മൂലധനം നൽകുമെങ്കിലും വിപണിയിലെ പരിശോധനകൾക്കും കമ്പനിയെ വിധേയമാക്കും.
  • അഡോപ്ഷൻ മെട്രിക്സ്: പുതിയ ഉപഭോക്താക്കൾ എത്ര വേഗത്തിൽ Digit യൂണിറ്റുകൾ സ്വീകരിക്കുന്നുവെന്നും, ഫ്രീമോണ്ട് ക്യാമ്പസിന് എത്ര വേഗത്തിൽ പുതിയ ജോലികൾ സാക്ഷ്യപ്പെടുത്താൻ കഴിയുന്നുവെന്നും നോക്കിയാൽ ഈ പരിശീലന രീതി വിന്യാസം വേഗത്തിലാക്കുന്നുണ്ടോ എന്ന് മനസ്സിലാക്കാം.

ചുരുക്കത്തിൽ

Agility Robotics ഒരു പ്രത്യേകമായി രൂപകൽപ്പന ചെയ്ത പരിശീലന ക്യാമ്പസ്, ഒരു ഹൈബ്രിഡ് AI സ്റ്റാക്ക്, വ്യവസായ ആവശ്യകതകളിലുള്ള ശ്രദ്ധ എന്നിവയിലൂടെ തങ്ങളുടെ Digit റോബോട്ടിനെ ഒരു ലാബ് പരീക്ഷണം എന്ന നിലയിൽ നിന്ന് വരുമാനം നൽകുന്ന ഒരു ആസ്തിയായി മാറ്റുമെന്ന് പ്രതീക്ഷിക്കുന്നു. അടുത്ത ഏതാനും മാസങ്ങൾ - പ്രത്യേകിച്ച് Version 5-ന്റെ അവതരണവും കമ്പനിയുടെ പബ്ലിക് മാർക്കറ്റിലെ പ്രവേശനവും - ഈ നീക്കം വിജയിക്കുമോ എന്ന് വ്യക്തമാക്കും.