এম্বডিড ইন্টেলিজেন্স কোম্পানি Dyna Robotics তাদের সর্বশেষ রোবটিক্স ফাউন্ডেশন মডেল DYNA-2 প্রকাশ করেছে। ১০ লক্ষ ঘণ্টারও বেশি প্রথম-ব্যক্তি মানব ভিডিওর ওপর প্রশিক্ষিত এই মডেলটির কাজের সাফল্যের হার ৯০% পর্যন্ত।
ভূমিকার দিক থেকে, DYNA-2-কে আনুষ্ঠানিকভাবে ওয়ার্ল্ড অ্যাকশন মডেল (World Action Model) হিসেবে বর্ণনা করা হয়েছে। এর লক্ষ্য হলো মানব কর্মকাণ্ড পর্যবেক্ষণের মাধ্যমে কাজ কীভাবে ভৌত জগতের পরিবর্তন ঘটায় তা শেখা। সংশ্লিষ্ট স্ক্রিনশট নিচে দেওয়া হলো:
প্রশিক্ষণের দিক থেকে, DYNA-2-এর প্রি-ট্রেনিং সম্পূর্ণভাবে মানব ভিডিও ডেটার ওপর নির্ভরশীল। এতে ১০ লক্ষ ঘণ্টারও বেশি প্রথম-ব্যক্তি মানব ভিডিও ব্যবহার করা হয়েছে, যা ১৭০ বছরের মানব অভিজ্ঞতার সমতুল্য।
কোম্পানির সহ-প্রতিষ্ঠাতা Jason Ma বলেন, সাধারণ রোবট দীর্ঘদিন ধরে ডেটা সংকটে সীমাবদ্ধ। ভৌত টেলিওপারেশন ডেটা ম্যানুয়ালি সংগ্রহ করে তা সাধারণ বুদ্ধিমত্তায় প্রসারিত করা কঠিন। DYNA-2 মডেল মানব কর্মকাণ্ড পর্যবেক্ষণের মাধ্যমে কাজ কীভাবে ভৌত জগতের পরিবর্তন ঘটায় তা শেখে।
কোম্পানিটির মতে, DYNA-2 কোনো কাজ করার আগে ভৌত জগত কীভাবে নড়াচড়া করবে তা পূর্বাভাস দেয়। এর ফলে প্রচলিত ভিশন-ল্যাঙ্গুয়েজ মডেলের (vision-language models) ঘাটতি থাকা স্থানিক যুক্তি ও সংস্পর্শজনিত পদার্থবিদ্যার সক্ষমতা রোবট পায়।
মডেলটি পরবর্তী ভিডিও ফ্রেমে কী থাকবে এবং কী কাজ করা উচিত, এই দুটি প্রশিক্ষণ লক্ষ্য পূর্বাভাসের মাধ্যমে স্থানিক সম্পর্ক, গতির ধরন এবং কোনো বস্তু সংস্পর্শে এলে কীভাবে প্রতিক্রিয়া জানায়—এসব তথ্য অর্জন করে।
Dyna Robotics প্রকাশিত ফলাফলে দেখা যায়, প্রি-ট্রেনিং পর্যায়ে আরও বেশি মানব ভিডিও ডেটা যুক্ত হলে ১৫টি বেঞ্চমার্ক কাজে রোবটের পারফরম্যান্স উন্নত হয়। কোম্পানিটি এই ঘটনাকে মানুষ থেকে রোবটে স্কেলিং আইন হিসেবে অভিহিত করেছে এবং জানিয়েছে, প্রশিক্ষণ ডেটার পরিমাণ বাড়ার সঙ্গে পারফরম্যান্স তুলনামূলকভাবে পূর্বানুমানযোগ্য হারে বৃদ্ধি পায়।
১টি পরীক্ষায়, ১৩ মিনিটের রোবট-নির্দিষ্ট ডেটাই ২টি ৫-আঙুলের রোবট হাতকে বোতলের ঢাকনা খোলা শেখানোর জন্য যথেষ্ট ছিল। উৎপাদন কাজের ক্ষেত্রে, পোস্ট-ট্রেনিং ডেটাসেট অপরিবর্তিত থাকা অবস্থায় প্রি-ট্রেনিংয়ের পরিমাণ বাড়ার সঙ্গে সাফল্যের হার প্রায় ২০% থেকে বেড়ে ৮০% থেকে ৯০% হয়েছে।
Dyna Robotics আরও জানিয়েছে, ১টি গ্রাহক স্থাপনায় Dyna-2 ৮৭% মান-উত্তীর্ণের হার অর্জন করেছে, যেখানে আগের প্রজন্মের Dyna-1-এর হার ছিল ৪৬%। ব্যবহারকারীর নির্দেশ অনুযায়ী বিভিন্ন কাজ সম্পাদনের প্রয়োজন হয় এমন কাজে ভিডিও সমন্বিত প্রশিক্ষণের ফলে স্কোর ১৩৩% বৃদ্ধি পেয়েছে।
