একটি এআই রোবট ডগ রক একটি অ্যাজিলিটি কোর্স দেখুন যা আগে কখনও দেখা যায়নি৷

রোবটগুলি অ্যাক্রোব্যাটিক্সের কীর্তি করে একটি দুর্দান্ত বিপণন কৌশল হতে পারে, তবে সাধারণত এই প্রদর্শনগুলি অত্যন্ত কোরিওগ্রাফিত এবং কঠোরভাবে প্রোগ্রাম করা হয়। এখন গবেষকরা বাস্তব-বিশ্বের পরিস্থিতিতে জটিল, পূর্বে অদৃশ্য বাধা কোর্সগুলি মোকাবেলা করার জন্য একটি চার পায়ের এআই রোবটকে প্রশিক্ষণ দিয়েছেন।

বাস্তব জগতের অন্তর্নিহিত জটিলতার কারণে চটপটে রোবট তৈরি করা চ্যালেঞ্জিং, এটি সম্পর্কে সীমিত পরিমাণ ডেটা রোবট সংগ্রহ করতে পারে এবং গতিশীল আন্দোলন চালানোর জন্য যে গতিতে সিদ্ধান্ত নেওয়া প্রয়োজন।

Boston Dynamics-এর মতো কোম্পানিগুলো নিয়মিত তাদের রোবট থেকে সবকিছু করার ভিডিও প্রকাশ করেছে পার্কার থেকে নাচের রুটিন. কিন্তু এই কৃতিত্বগুলি যতটা চিত্তাকর্ষক, সেগুলি সাধারণত মানুষকে কঠোর পরিশ্রমের সাথে প্রতিটি ধাপে প্রোগ্রামিং বা একই উচ্চ নিয়ন্ত্রিত পরিবেশে বারবার প্রশিক্ষণ দেয়।

এই প্রক্রিয়াটি বাস্তব জগতে দক্ষতা স্থানান্তর করার ক্ষমতাকে গুরুত্ব সহকারে সীমিত করে। কিন্তু এখন, সুইজারল্যান্ডের ইটিএইচ জুরিখের গবেষকরা তাদের রোবট কুকুর অ্যানিমালকে মৌলিক লোকোমোটিভ দক্ষতার একটি স্যুট শেখানোর জন্য মেশিন লার্নিং ব্যবহার করেছেন যা তারপরে এটি অভ্যন্তরীণ এবং বাইরে উভয় ক্ষেত্রেই বিভিন্ন ধরণের চ্যালেঞ্জিং বাধা কোর্স মোকাবেলা করতে একত্রিত হতে পারে। প্রতি ঘন্টায় 4.5 মাইল।

"প্রস্তাবিত পদ্ধতিটি রোবটকে অভূতপূর্ব তত্পরতার সাথে চলাফেরা করতে দেয়," গবেষণায় একটি নতুন গবেষণাপত্রের লেখকরা লেখেন বিজ্ঞান রোবোটিক্স. "এটি এখন জটিল দৃশ্যে বিকশিত হতে পারে যেখানে এটির লক্ষ্য অবস্থানের দিকে একটি অ-তুচ্ছ পথ নির্বাচন করার সময় এটিকে আরোহণ এবং বড় বাধাগুলির উপর লাফ দিতে হবে।"

[এম্বেড করা সামগ্রী]

একটি নমনীয় অথচ সক্ষম সিস্টেম তৈরি করতে, গবেষকরা সমস্যাটিকে তিনটি ভাগে ভাগ করেছেন এবং প্রতিটিতে একটি নিউরাল নেটওয়ার্ক বরাদ্দ করেছেন। প্রথমত, তারা একটি উপলব্ধি মডিউল তৈরি করেছিল যা ক্যামেরা এবং লিডার থেকে ইনপুট নেয় এবং ভূখণ্ডের ছবি এবং এতে যে কোনও বাধা তৈরি করতে ব্যবহার করে।

তারা এটিকে একটি লোকোমোশন মডিউলের সাথে একত্রিত করেছে যা বিভিন্ন ধরণের বাধা অতিক্রম করতে সাহায্য করার জন্য ডিজাইন করা দক্ষতার একটি ক্যাটালগ শিখেছে, যার মধ্যে লাফানো, উপরে উঠা, নিচে আরোহণ করা এবং ক্রুচিং সহ। অবশেষে, তারা এই মডিউলগুলিকে একটি ন্যাভিগেশন মডিউলের সাথে একত্রিত করেছে যা বিভিন্ন বাধাগুলির মধ্য দিয়ে একটি কোর্স চার্ট করতে পারে এবং সিদ্ধান্ত নিতে পারে যে সেগুলি পরিষ্কার করার জন্য কোন দক্ষতাগুলি ব্যবহার করতে হবে।

"আমরা বেশিরভাগ রোবটের স্ট্যান্ডার্ড সফ্টওয়্যারকে নিউরাল নেটওয়ার্ক দিয়ে প্রতিস্থাপন করি," নিকিতা রুডিন, কাগজের একজন লেখক, এনভিডিয়ার একজন প্রকৌশলী এবং ইটিএইচ জুরিখের একজন পিএইচডি ছাত্র, বলা নিউ সায়েন্টিস্ট. "এটি রোবটকে এমন আচরণগুলি অর্জন করতে দেয় যা অন্যথায় সম্ভব ছিল না।"

গবেষণার সবচেয়ে চিত্তাকর্ষক দিকগুলির মধ্যে একটি হল রোবটটিকে সিমুলেশনে প্রশিক্ষণ দেওয়া হয়েছিল। রোবোটিক্সের একটি প্রধান বাধা হল রোবট থেকে শেখার জন্য যথেষ্ট বাস্তব-বিশ্বের ডেটা সংগ্রহ করা। সিমুলেশন করতে পারেন অনেক দ্রুত তথ্য সংগ্রহ করতে সাহায্য করে অনেক ভার্চুয়াল রোবটকে পরীক্ষার মাধ্যমে সমান্তরালভাবে এবং শারীরিক রোবটের তুলনায় অনেক বেশি গতিতে স্থাপন করে।

কিন্তু সাধারণ ভার্চুয়াল জগত এবং বিশাল জটিল ভৌত জগতের মধ্যে অনিবার্য ব্যবধানের কারণে বাস্তব জগতে সিমুলেশনে শেখা দক্ষতা অনুবাদ করা কঠিন। একটি রোবোটিক সিস্টেমকে প্রশিক্ষণ দেওয়া যা বাড়ির ভিতরে এবং বাইরে উভয়ই অদেখা পরিবেশে স্বায়ত্তশাসিতভাবে কাজ করতে পারে একটি বড় অর্জন।

প্রশিক্ষণ প্রক্রিয়াটি মানবিক প্রদর্শনের পরিবর্তে নিখুঁতভাবে রিইনফোর্সমেন্ট লার্নিং-কার্যকরভাবে ট্রায়াল এবং ত্রুটি-এর উপর নির্ভর করে, যা গবেষকদের প্রত্যেকটিকে ম্যানুয়ালি লেবেল করার পরিবর্তে অনেক বড় সংখ্যক এলোমেলো পরিস্থিতিতে এআই মডেলকে প্রশিক্ষণ দেওয়ার অনুমতি দেয়।

আরেকটি চিত্তাকর্ষক বৈশিষ্ট্য হল যে সমস্ত কিছু বাইরের কম্পিউটারের উপর নির্ভর না করে রোবটে ইনস্টল করা চিপগুলিতে চলে। এবং সেইসাথে বিভিন্ন ধরণের বিভিন্ন পরিস্থিতি মোকাবেলা করতে সক্ষম হওয়ার পাশাপাশি, গবেষকরা দেখিয়েছেন যে ANYmal বাধার কোর্সটি সম্পূর্ণ করতে পতন বা স্লিপ থেকে পুনরুদ্ধার করতে পারে।

গবেষকরা বলছেন যে সিস্টেমের গতি এবং অভিযোজন ক্ষমতা নির্দেশ করে যে এইভাবে প্রশিক্ষিত রোবটগুলি একদিন ধ্বংসস্তূপ এবং ধসে পড়া ভবনগুলির মতো অনির্দেশ্য, নেভিগেট করা কঠিন পরিবেশে অনুসন্ধান এবং উদ্ধার মিশনের জন্য ব্যবহার করা যেতে পারে।

পদ্ধতির যদিও সীমাবদ্ধতা আছে। সিস্টেমটিকে নির্দিষ্ট ধরণের বাধা মোকাবেলা করার জন্য প্রশিক্ষিত করা হয়েছিল, এমনকি যদি সেগুলি আকার এবং কনফিগারেশনে ভিন্ন হয়। এটিকে আরও অসংগঠিত পরিবেশে কাজ করার জন্য দক্ষতার একটি বিস্তৃত প্যালেট বিকাশের জন্য আরও বিভিন্ন পরিস্থিতিতে আরও বেশি প্রশিক্ষণের প্রয়োজন হবে। এবং সেই প্রশিক্ষণ উভয়ই জটিল এবং সময়সাপেক্ষ।

কিন্তু গবেষণা তবু তার ইঙ্গিত দেয় রোবট ক্রমশ সক্ষম হয়ে উঠছে জটিল, বাস্তব-বিশ্বের পরিবেশে কাজ করার। এটি পরামর্শ দেয় যে তারা শীঘ্রই আমাদের চারপাশে আরও বেশি দৃশ্যমান উপস্থিতি হতে পারে।

চিত্র ক্রেডিট: ইথ জুরিখ

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/