Agility Robotics கலிபோர்னியாவின் Fremont பகுதியில் 60,000 சதுர அடி பரப்பளவு கொண்ட ஒரு பயிற்சி வளாகத்தைத் தொடங்கியுள்ளது. இதன் மூலம் தனது Digit மனித உருவ ரோபோவை (humanoid robot) தொழில்முறை வாடிக்கையாளர்களுக்கு விரைவாக விநியோகம் செய்ய நிறுவனம் எதிர்பார்க்கிறது. Tesla தொழிற்சாலையிலிருந்து சில மைல் தொலைவில் அமைந்துள்ள இந்த இடம், ரோபோக்களுக்குப் புதிய பணிகளைக் கற்பிக்க நிறுவனத்திற்கு ஒரு பிரத்யேக இடத்தைத் தருகிறது. அதே நேரத்தில், தீர்மானிக்கப்பட்ட கட்டுப்பாட்டை (deterministic control) generative மாதிரிகளிலிருந்து (generative models) பிரித்து, பாதுகாப்பிற்கு முன்னுரிமை அளிக்கும் AI அணுகுமுறையை நிறுவனம் பின்பற்றி வருகிறது.

Fremont தளம் ஏன் முக்கியமானது

இந்த நடவடிக்கை Agility நிறுவனத்தை அமெரிக்காவின் ரோபோட்டிக்ஸ் வளர்ச்சியின் புவியியல் மையத்திற்கு கொண்டு செல்கிறது, ஆனால் இதன் உண்மையான முக்கியத்துவம் அதன் செயல்பாட்டின் அளவில்தான் உள்ளது. 60,000 சதுர அடி பரப்பளவு கொண்ட இந்த தளம், உண்மையான கிடங்குகள் போன்ற சூழலில், சாதாரண பெட்டிகளை நகர்த்துவது முதல் முழு டிரெய்லர்களை இறக்குவது வரை அனைத்து வகையான இயக்கங்களையும் Digit பயிற்சி செய்ய அனுமதிக்கிறது. இந்த வளாகம் அமைக்கப்பட்டதன் மூலம், தற்காலிக கள சோதனைகளிலிருந்து (ad-hoc field trials), மீண்டும் மீண்டும் செய்யக்கூடிய மற்றும் அதிக உற்பத்தித் திறன் கொண்ட பயிற்சி முறையை நோக்கி Agility நகர முடியும். இது ஒரு புதிய மென்பொருள் புதுப்பிப்புக்கும், ரோபோ தொழிற்சாலையில் முதல் நாள் பணியைத் தொடங்குவதற்கும் இடையிலான கால இடைவெளியைக் குறைக்க உதவும்.

முன்மாதிரியில் இருந்து வருவாய் வரை

Digit ஏற்கனவே Amazon, தளவாட நிறுவனமான GXO, பாகங்கள் தயாரிக்கும் Schaeffler மற்றும் Toyota Motor Manufacturing Canada போன்ற சில பெரிய வாடிக்கையாளர்களின் பயன்பாட்டில் உள்ளது. இந்த பயன்பாடுகள் 300 மில்லியன் டாலர் மதிப்பிலான ஒப்பந்த ஆர்டர்களைப் பெற்றுள்ளன, இது தளவாடங்கள் மற்றும் உற்பத்தித் துறையில் மனித உருவ ரோபோக்களுக்கான (humanoid labor) உண்மையான தேவையை உணர்த்துகிறது. இன்னும் முன்மாதிரி (proof-of-concept) கருவிகளையே சோதித்துக் கொண்டிருக்கும் பல ஸ்டார்ட்அப் நிறுவனங்களைப் போலல்லாமல், நடக்கக்கூடிய, படிக்கட்டுகளில் ஏறக்கூடிய மற்றும் ஒரு சாதாரண பெட்டியின் அளவுள்ள பொருட்களைக் கையாளக்கூடிய ஒரு ரோபோ மூலம் Agility நிறுவனம் பணத்தையும் வேலைகளையும் முன்னெடுத்துச் செல்கிறது.

ஒரு கலப்பு AI உத்தி

இன்றைய தொழில்துறையின் கவனம் பெரிய மொழி மாதிரிகள் (large language models) மற்றும் டிரான்ஸ்பார்மர் அடிப்படையிலான நரம்பியல் வலைப்பின்னல்களைச் (transformer-based neural nets) சுற்றி சுழல்கிறது. ஆனால் Agility நிறுவனத்தின் இணை நிறுவனர் Damion Shelton, அந்த “generative” அமைப்புகளுக்கும் ரோபோவை பாதுகாப்பாக வைத்திருக்கும் தீர்மானிக்கப்பட்ட கட்டுப்பாட்டு அமைப்புகளுக்கும் (deterministic controllers) இடையே ஒரு தெளிவான கோட்டை வரையறுக்கிறார். அவர் ரோபோவின் பாதுகாப்பு அமைப்பை (safety stack) ஒரு 'ஆன்டி-லாக் பிரேக் சிஸ்டத்துடன்' (anti-lock brake system) ஒப்பிடுகிறார்: புதிய செயல்களை உருவாக்கும் AI-ன் விருப்பங்களுக்கு அப்பாற்பட்டு, ரோபோ எப்போதும் கணிக்கக்கூடிய வகையில் செயல்பட வேண்டும்.

அதே நேரத்தில், Agility நிறுவனம் generative AI-ஐ முற்றிலும் நிராகரிக்கவில்லை. பொறியாளர்கள் ஒரு பணியை உயர்நிலைத் தரவுகளில் (high-level terms) விவரிக்கவும், அந்த மாதிரி இயக்கங்களின் வரிசையை முன்மொழியவும் அனுமதிக்கும் ஒரு “programming accelerator”-ஆக இதைப் பயன்படுத்த நிறுவனம் திட்டமிட்டுள்ளது. இது ஒவ்வொரு இயக்கத்தையும் கைமுறையாகக் குறியீடாக்கும் (manually coding) தற்போதைய நடைமுறையை மாற்றியமைக்கக்கூடும்; இல்லையெனில் புதிய பயன்பாட்டுத் தேவைகளைச் சமாளிக்க ஆயிரக்கணக்கான பொறியாளர்கள் தேவைப்படுவார்கள்.

தொழில்முறை பயன்பாடு மூலம் விரிவாக்கம்

Agility நிறுவனத்தின் செயல்திட்டம் திட்டமிட்டே தொழில்முறை சார்ந்ததாக உள்ளது. Fremont வளாகம் ஒரு சோதனைத் தளமாக (sandbox) செயல்படும், அங்கு ஆறு அடி உயரமுள்ள Digit, வாடிக்கையாளரின் உற்பத்தி வரிசைக்கு அனுப்பப்படுவதற்கு முன்பு, உருவகப்படுத்தப்பட்ட பாதைகளில் (simulated aisles) கற்றுக்கொள்ளும். “Version 5” என்று அழைக்கப்படும் அடுத்த கட்ட வன்பொருள் (hardware), இந்த இலையுதிர்காலத்தில் அறிமுகப்படுத்தப்பட உள்ளது, மேலும் இது மேம்பட்ட மனித உணர்திறன் (human-sensing) திறன்களைக் கொண்டிருக்கும். இந்த சென்சார்கள் மூலம், ரோபோக்கள் தனிமைப்படுத்தப்பட்ட ரோபோ மண்டலங்களுக்குள் மட்டும் முடங்கிக் கிடக்காமல், மனிதர்களுடன் இணைந்து பணியாற்ற முடியும்.

நிறுவனத்தின் படிப்படியான அணுகுமுறை மிகவும் எளிமையான இயக்கங்களுடன் தொடங்குகிறது - பெட்டிகளை நகர்த்துவது மற்றும் தட்டுகளை மாற்றுவது போன்ற பணிகள் - பின்னர் பொருட்களைத் தேர்ந்தெடுத்தல் (picking) மற்றும் தொகுத்தல் (kitting) போன்றவற்றைச் சேர்த்து, இறுதியாக அட்டைப்பெட்டிகள் மற்றும் முழு அளவிலான டிரெய்லர் சுமைகள் போன்ற கடினமான பொருட்களைக் கையாளும். ஒவ்வொரு நிலையையும் முழுமையாகக் கற்றுக்கொள்வதன் மூலம், “டிரில்லியன் டாலர்” மதிப்புள்ள தளவாடச் சந்தையில் ஒரு பகுதியை கைப்பற்றவும், ஒரு மனித உருவத் தளம் வெறும் புதுமைப் பொருள் மட்டுமல்ல, அது ஒரு சிறந்த உழைப்பாளி என்பதை நிரூபிக்கவும் Agility நம்புகிறது.

என்ன தவறாகலாம்

பாதுகாப்பு சார்ந்த கட்டுப்பாட்டுடன் (safety-critical control) generative AI-ஐக் கலப்பது ஆபத்தானது என்று விமர்சகர்கள் எச்சரிக்கின்றனர். ஒரு மொழி மாதிரி (language model) முன்மொழியும் இயக்கம், தீர்மானிக்கப்பட்ட பாதுகாப்பு அமைப்பால் (deterministic safety stack) முழுமையாகக் கணிக்கப்படாவிட்டால், நெரிசலான கிடங்கில் ரோபோ கணிக்க முடியாத வகையில் செயல்படக்கூடும். இந்த இரண்டு அடுக்குகளையும் பிரிப்பதன் மூலம் அந்த அபாயத்தைக் குறைக்க Shelton முயல்கிறார், ஆனால் எதிர்பாராத சூழல்கள் (edge cases) அதிகம் உள்ள நேரடிப் பயன்பாடுகளில்தான் இதன் உண்மைத்தன்மை நிரூபிக்கப்படும்.

மற்றொரு கவலை என்னவென்றால், நுகர்வோர் சந்தையைத் தவிர்த்துவிட்டு அதிக மதிப்புள்ள தொழில்முறைப் பணிகளில் மட்டும் கவனம் செலுத்துவதுதான். தளவாடத் துறை பெரிய ஒப்பந்தங்களை வழங்கினாலும், அது கடுமையான செயல்பாட்டு நேரம் (uptime) மற்றும் ஏற்கனவே உள்ள கிடங்கு மேலாண்மை அமைப்புகளுடன் (warehouse management systems) ஒருங்கிணைக்கப்படுவதைக் கோருகிறது. Agility இந்த ஒருங்கிணைப்புத் தேவைகளைப் பூர்த்தி செய்யவில்லை என்றால், அந்த 300 மில்லியன் டாலர் மதிப்பிலான வாய்ப்புகள் முடங்கிவிடக்கூடும்.

கவனிக்க வேண்டியவை

  • Version 5 வெளியீடு: மனிதர்களுடன் கலந்த சூழல்களில், பாதுகாப்பிற்கு முன்னுரிமை அளிக்கும் Agility-ன் AI கூற்றிற்கான முதல் உண்மையான சோதனை அதன் மனித உணர்திறன் தொகுப்பு (human-sensing suite) ஆகும்.
  • Reverse-merger timing: இந்த ஆண்டு இறுதியில் நிறுவனம் பொதுப் பங்குகளை வெளியிட (go public) எதிர்பார்க்கிறது. இந்த நடவடிக்கை விரைவான விரிவாக்கத்திற்குத் தேவையான மூலதனத்தை வழங்கக்கூடும், அதே சமயம் சந்தையின் கடுமையான ஆய்வுக்கு உட்படுத்தவும் செய்யும்.
  • தழுவல் அளவீடுகள் (Adoption metrics): புதிய வாடிக்கையாளர்கள் எவ்வளவு வேகத்தில் Digit அலகுகளைச் சேர்க்கிறார்கள் மற்றும் Fremont வளாகம் எவ்வளவு விரைவாகப் புதிய பணித் தரங்களைச் சான்றளிக்க முடியும் என்பது, இந்த பயிற்சி மாதிரி உண்மையிலேயே விநியோகத்தை விரைவுபடுத்துகிறதா என்பதைக் காட்டும்.

சுருக்கம்

Agility Robotics ஒரு பிரத்யேகப் பயிற்சி வளாகம், ஒரு கலப்பு AI அடுக்கு மற்றும் தொழில்துறை பயன்பாடுகளில் கவனம் செலுத்துதல் ஆகியவற்றின் மூலம், தனது Digit ரோபோவை ஒரு ஆய்வகச் சோதனைப் பொருளாக இருந்து வருவாய் ஈட்டும் ஒரு சொத்தாக மாற்ற முடியும் என்று நம்பிப் பந்தயம் கட்டியுள்ளது. அடுத்த சில மாதங்கள் – குறிப்பாக Version 5-ன் அறிமுகம் மற்றும் நிறுவனத்தின் பொதுச் சந்தை அறிமுகம் – அந்த முயற்சி வெற்றி பெறுமா என்பதைத் தீர்மானிக்கும்.