ایکروبیٹکس کے کارنامے انجام دینے والے روبوٹ ایک زبردست مارکیٹنگ کی چال ہو سکتے ہیں، لیکن عام طور پر یہ ڈسپلے انتہائی کوریوگرافڈ اور بڑی محنت سے پروگرام کیے جاتے ہیں۔ اب محققین نے ایک چار ٹانگوں والے AI روبوٹ کو حقیقی دنیا کے حالات میں پیچیدہ، پہلے نہ دیکھے جانے والے رکاوٹ کورسز سے نمٹنے کے لیے تربیت دی ہے۔
حقیقی دنیا کی موروثی پیچیدگی کی وجہ سے چست روبوٹس بنانا مشکل ہے، روبوٹس کی محدود مقدار اس کے بارے میں ڈیٹا اکٹھا کر سکتی ہے، اور جس رفتار سے فیصلے کرنے کی ضرورت ہے متحرک حرکتیں کرنے کے لیے۔
Boston Dynamics جیسی کمپنیاں باقاعدگی سے اپنے روبوٹس کی ویڈیوز جاری کرتی رہتی ہیں جن سے وہ سب کچھ کرتے ہیں۔ parkour کرنے کے لئے رقص کے معمولات. لیکن یہ کارنامے جتنے متاثر کن ہیں، ان میں عام طور پر انسانوں کو بڑی محنت کے ساتھ ہر قدم پر پروگرام کرنے یا ایک ہی انتہائی کنٹرول شدہ ماحول پر تربیت دینے میں شامل ہوتا ہے۔
یہ عمل حقیقی دنیا میں مہارتوں کو منتقل کرنے کی صلاحیت کو سنجیدگی سے محدود کرتا ہے۔ لیکن اب، سوئٹزرلینڈ میں ای ٹی ایچ زیورخ کے محققین نے اپنے روبوٹ کتے اینیمل کو بنیادی لوکوموٹیو مہارتوں کا ایک مجموعہ سکھانے کے لیے مشین لرننگ کا استعمال کیا ہے جس کے بعد یہ اندرون اور باہر، مختلف قسم کے چیلنجنگ رکاوٹوں کے کورسز سے نمٹنے کے لیے مل کر کام کر سکتا ہے۔ 4.5 میل فی گھنٹہ تک۔
"مجوزہ نقطہ نظر روبوٹ کو بے مثال چستی کے ساتھ حرکت کرنے کی اجازت دیتا ہے،" تحقیق پر ایک نئے مقالے کے مصنفین لکھتے ہیں۔ سائنس روبوٹکس. "یہ اب پیچیدہ مناظر میں تیار ہو سکتا ہے جہاں اسے اپنے ہدف کے مقام کی طرف غیر معمولی راستے کا انتخاب کرتے ہوئے بڑی رکاوٹوں پر چڑھنا اور چھلانگ لگانا ضروری ہے۔"
[سرایت مواد]
ایک لچکدار لیکن قابل نظام بنانے کے لیے، محققین نے مسئلے کو تین حصوں میں تقسیم کیا اور ہر ایک کو ایک نیورل نیٹ ورک تفویض کیا۔ سب سے پہلے، انہوں نے ایک پرسیپشن ماڈیول بنایا جو کیمروں اور لیڈر سے ان پٹ لیتا ہے اور ان کا استعمال اس علاقے کی تصویر بنانے کے لیے کرتا ہے اور اس میں موجود کسی بھی رکاوٹ کو۔
انہوں نے اسے ایک لوکوموشن ماڈیول کے ساتھ جوڑ دیا جس نے مہارتوں کا ایک کیٹلاگ سیکھا تھا جو اسے مختلف قسم کی رکاوٹوں کو عبور کرنے میں مدد کرنے کے لیے تیار کیا گیا تھا، جس میں چھلانگ لگانا، اوپر چڑھنا، نیچے چڑھنا، اور کراؤچنگ شامل ہیں۔ آخر میں، انہوں نے ان ماڈیولز کو نیویگیشن ماڈیول کے ساتھ ضم کر دیا جو رکاوٹوں کی ایک سیریز کے ذریعے ایک کورس کو چارٹ کر سکتا ہے اور فیصلہ کر سکتا ہے کہ ان کو صاف کرنے کے لیے کن مہارتوں کو استعمال کیا جائے۔
"ہم زیادہ تر روبوٹس کے معیاری سافٹ ویئر کو نیورل نیٹ ورکس سے بدل دیتے ہیں،" نکیتا روڈن، جو کہ مقالے کے مصنفین میں سے ایک ہیں، Nvidia میں انجینئر ہیں، اور ETH زیورخ میں پی ایچ ڈی کی طالبہ ہیں، بتایا نئی سائنسی. "یہ روبوٹ کو ایسے طرز عمل حاصل کرنے کی اجازت دیتا ہے جو دوسری صورت میں ممکن نہیں تھے۔"
تحقیق کے سب سے متاثر کن پہلوؤں میں سے ایک حقیقت یہ ہے کہ روبوٹ کو نقلی تربیت دی گئی تھی۔ روبوٹکس میں ایک بڑی رکاوٹ روبوٹ کے لیے حقیقی دنیا کا کافی ڈیٹا اکٹھا کر رہی ہے جس سے سیکھنا ممکن ہے۔ تخروپن کر سکتے ہیں۔ زیادہ تیزی سے ڈیٹا اکٹھا کرنے میں مدد کریں۔ متعدد ورچوئل روبوٹس کو آزمائشوں کے ذریعے متوازی اور اس سے کہیں زیادہ رفتار پر ڈال کر جو جسمانی روبوٹس کے ساتھ ممکن ہے۔
لیکن نقلی طور پر سیکھی گئی مہارتوں کا حقیقی دنیا میں ترجمہ کرنا آسان مجازی دنیاوں اور انتہائی پیچیدہ جسمانی دنیا کے درمیان ناگزیر خلا کی وجہ سے مشکل ہے۔ ایک روبوٹک نظام کو تربیت دینا جو گھر کے اندر اور باہر دونوں جگہ غیر دیکھے ماحول میں خود مختار طور پر کام کر سکتا ہے ایک بڑی کامیابی ہے۔
تربیت کا عمل مکمل طور پر انسانی مظاہروں کے بجائے کمک سیکھنے - مؤثر طریقے سے آزمائش اور غلطی پر انحصار کرتا تھا، جس نے محققین کو ہر ایک کو دستی طور پر لیبل لگانے کے بجائے بے ترتیب منظرناموں کی ایک بہت بڑی تعداد پر AI ماڈل کو تربیت دینے کی اجازت دی۔
ایک اور متاثر کن خصوصیت یہ ہے کہ ہر چیز بیرونی کمپیوٹرز پر انحصار کرنے کی بجائے روبوٹ میں نصب چپس پر چلتی ہے۔ اور مختلف قسم کے مختلف منظرناموں سے نمٹنے کے قابل ہونے کے ساتھ ساتھ، محققین نے دکھایا کہ ANYmal رکاوٹ کا کورس مکمل کرنے کے لیے گرنے یا پھسلنے سے صحت یاب ہو سکتا ہے۔
محققین کا کہنا ہے کہ نظام کی رفتار اور موافقت سے پتہ چلتا ہے کہ اس طرح سے تربیت یافتہ روبوٹس کو ایک دن ملبے اور منہدم عمارتوں جیسے غیر متوقع، نیویگیٹ کرنے میں مشکل ماحول میں تلاش اور بچاؤ کے مشن کے لیے استعمال کیا جا سکتا ہے۔
اگرچہ نقطہ نظر کی حدود ہیں۔ اس نظام کو مخصوص قسم کی رکاوٹوں سے نمٹنے کے لیے تربیت دی گئی تھی، چاہے وہ سائز اور ترتیب میں مختلف ہوں۔ اسے زیادہ غیر ساختہ ماحول میں کام کرنے کے لیے زیادہ متنوع منظرناموں میں زیادہ تربیت کی ضرورت ہوگی تاکہ مہارتوں کا ایک وسیع پیلیٹ تیار کیا جا سکے۔ اور یہ تربیت پیچیدہ اور وقت طلب دونوں ہے۔
لیکن تحقیق بہر حال اس بات کا اشارہ ہے۔ روبوٹ تیزی سے قابل ہو رہے ہیں پیچیدہ، حقیقی دنیا کے ماحول میں کام کرنے کا۔ اس سے پتہ چلتا ہے کہ وہ جلد ہی ہمارے چاروں طرف بہت زیادہ نظر آنے والی موجودگی بن سکتے ہیں۔
تصویری کریڈٹ: ETH زیورخ
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/
- : ہے
- : نہیں
- :کہاں
- $UP
- a
- کی صلاحیت
- قابلیت
- ہمارے بارے میں
- اس کے بارے میں
- حاصل
- کامیابی
- فرتیلی
- AI
- عی روبوٹ
- تمام
- کی اجازت
- کی اجازت دیتا ہے
- رقم
- an
- اور
- کوئی بھی
- نقطہ نظر
- کیا
- ارد گرد
- AS
- پہلوؤں
- تفویض
- At
- مصنفین
- خود مختاری سے
- بنیادی
- BE
- بننے
- اس سے پہلے
- رویے
- کیا جا رہا ہے
- کے درمیان
- بوسٹن
- دونوں
- رکاوٹ
- وسیع
- توڑ دیا
- تعمیر
- عمارتوں کی تعمیر
- لیکن
- by
- کیمروں
- کر سکتے ہیں
- صلاحیت رکھتا
- لے جانے کے
- کیٹلوگ
- چیلنج
- چارٹ
- چپس
- واضح
- چڑھنے
- چڑھنا
- گر
- جمع
- مل کر
- مکمل
- پیچیدہ
- پیچیدگی
- پیچیدہ
- کمپیوٹر
- حالات
- ترتیب
- مواد
- کنٹرول
- سکتا ہے
- کورس
- کورسز
- تخلیق
- بنائی
- کریڈٹ
- اعداد و شمار
- دن
- نمٹنے کے
- فیصلہ کرنا
- فیصلے
- ڈیزائن
- ترقی
- مختلف
- دکھاتا ہے
- متنوع
- کرتا
- کتا
- کر
- نیچے
- دو
- متحرک
- حرکیات
- ہر ایک
- ایمبیڈڈ
- انجینئر
- کافی
- ماحول
- ETH
- بھی
- ہر کوئی
- سب کچھ
- تیار
- بیرونی
- حقیقت یہ ہے
- آبشار
- نمایاں کریں
- آخر
- پہلا
- لچکدار
- کے لئے
- سے
- فرق
- جمع
- جمع
- حاصل کرنے
- عظیم
- زیادہ سے زیادہ
- تھا
- ہے
- ہونے
- مدد
- انتہائی
- گھنٹہ
- HTTPS
- بھاری
- انسانی
- انسان
- if
- متاثر کن
- in
- سمیت
- دن بدن
- اشارہ
- ناگزیر
- ذاتی، پیدائشی
- ان پٹ
- نصب
- میں
- شامل
- IT
- میں
- JPEG
- کودنے
- قسم
- لیبل
- بڑے
- جانیں
- سیکھا ہے
- سیکھنے
- کی طرح
- حدود
- لمیٹڈ
- حدود
- محل وقوع
- مشین
- مشین لرننگ
- بنا
- اہم
- دستی طور پر
- بہت سے
- مارکیٹنگ
- شاید
- مشن
- ماڈل
- ماڈیول
- ماڈیولز
- زیادہ
- سب سے زیادہ
- منتقل
- تحریکوں
- بہت
- ضروری
- سمت شناسی
- ضرورت ہے
- نیٹ ورک
- نیٹ ورک
- عصبی
- عصبی نیٹ ورک
- نیند نیٹ ورک
- کبھی نہیں
- نئی
- اب
- تعداد
- NVIDIA
- رکاوٹ
- راہ میں حائل رکاوٹیں
- of
- on
- ایک
- کام
- کام
- or
- دوسری صورت میں
- باہر
- باہر
- پر
- بڑی محنت سے
- پیلیٹ
- کاغذ.
- متوازی
- حصے
- راستہ
- فی
- خیال
- پی ایچ ڈی
- جسمانی
- تصویر
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- کھلاڑی
- ممکن
- کی موجودگی
- پہلے
- مسئلہ
- عمل
- پروگرام
- پروگرامنگ
- مجوزہ
- خالص
- ڈالنا
- بے ترتیب
- بلکہ
- اصلی
- حقیقی دنیا
- بازیافت
- باقاعدگی سے
- جاری
- یقین ہے
- کی جگہ
- کی ضرورت
- بچانے
- تحقیق
- محققین
- میں روبوٹ
- روبوٹ کتا
- روبوٹکس
- روبوٹس
- پتھر
- چلتا ہے
- s
- اسی
- کا کہنا ہے کہ
- منظرنامے
- مناظر
- تلاش کریں
- دیکھا
- منتخب
- سیریز
- سنجیدگی سے
- سے ظاہر ہوا
- سادہ
- تخروپن
- نقوش
- سائز
- مہارت
- سافٹ ویئر کی
- جلد ہی
- مخصوص
- تیزی
- رفتار
- معیار
- مرحلہ
- سلک
- طالب علم
- مشورہ
- پتہ چلتا ہے
- سویٹ
- سوئٹزرلینڈ
- کے نظام
- ٹیکل
- لیتا ہے
- ہدف
- خطوں
- سے
- کہ
- ۔
- ان
- ان
- تو
- یہ
- وہ
- اس
- اگرچہ؟
- تین
- کے ذریعے
- وقت لگتا
- کرنے کے لئے
- مل کر
- کی طرف
- ٹرین
- تربیت یافتہ
- ٹریننگ
- منتقل
- گزرنا
- مقدمے کی سماعت
- ٹرائلز
- ٹرک
- عام طور پر
- بے مثال
- ناقابل اعتبار
- غیر ساختہ
- us
- استعمال کیا جاتا ہے
- استعمال
- مختلف
- مختلف اقسام کے
- بہت
- ویڈیو
- ویڈیوز
- مجازی
- ورچوئل جہان
- نظر
- تھا
- دیکھیئے
- راستہ..
- اچھا ہے
- تھے
- جس
- جبکہ
- وسیع
- ساتھ
- کام
- دنیا
- دنیا کی
- گا
- لکھنا
- ابھی
- یو ٹیوب پر
- زیفیرنیٹ
- زیورخ