جسمانی ذہانت کی کمپنی Dyna Robotics نے اپنا نیا روبوٹ فاؤنڈیشن ماڈل DYNA-2 جاری کر دیا ہے، جسے 10 لاکھ سے زیادہ گھنٹے کی فرسٹ پرسن انسانی ویڈیوز سے تربیت دی گئی ہے اور کام کی کامیابی کی شرح 90% تک پہنچتی ہے۔
مقام کے اعتبار سے DYNA-2 کو سرکاری طور پر ورلڈ ایکشن ماڈل (World Action Model) کہا گیا ہے، جس کا مقصد انسانی سرگرمیوں کا مشاہدہ کرکے یہ سیکھنا ہے کہ حرکات طبعی دنیا کو کیسے تبدیل کرتی ہیں۔ متعلقہ اسکرین شاٹس ذیل میں ہیں:
تربیت کے معاملے میں DYNA-2 کی پری ٹریننگ مکمل طور پر انسانی ویڈیو ڈیٹا پر منحصر ہے۔ اس میں 10 لاکھ سے زیادہ گھنٹے کی فرسٹ پرسن انسانی ویڈیوز شامل ہیں، جو 170 سالہ انسانی تجربے کے برابر ہیں۔
کمپنی کے شریک بانی Jason Ma نے کہا کہ عمومی روبوٹس طویل عرصے سے ڈیٹا کی کمی کے باعث محدود ہیں۔ جسمانی ٹیلی آپریشن ڈیٹا کی دستی جمع آوری کو عمومی ذہانت تک وسعت دینا مشکل ہے، جبکہ DYNA-2 ماڈل انسانی سرگرمیوں کا مشاہدہ کرکے یہ سیکھتا ہے کہ حرکات طبعی دنیا کو کیسے تبدیل کرتی ہیں۔
کمپنی کے مطابق DYNA-2 حرکت کرنے سے پہلے یہ پیش گوئی کرتا ہے کہ طبعی دنیا کیسے حرکت کرے گی، جس سے روبوٹس میں روایتی بصری لسانی ماڈلز (vision-language models) کی کمی، یعنی مکانی استدلال اور اشیا کے ساتھ رابطے کی طبیعیات کی صلاحیت، پوری کی جا سکتی ہے۔
یہ ماڈل اگلے ویڈیو فریم کے مواد اور اختیار کی جانے والی حرکت، دونوں کی پیش گوئی کو تربیت کے اہداف کے طور پر استعمال کرتا ہے، جس سے یہ مکانی تعلقات، حرکت کے طریقوں اور رابطے کے بعد اشیا کے ردعمل سے متعلق معلومات حاصل کرتا ہے۔
Dyna Robotics کے جاری کردہ نتائج سے ظاہر ہوتا ہے کہ پری ٹریننگ کے مرحلے میں مزید انسانی ویڈیو ڈیٹا شامل ہونے کے ساتھ 15 معیاری کاموں میں روبوٹ کی کارکردگی بہتر ہوئی۔ کمپنی نے اس رجحان کو انسان سے روبوٹ تک اسکیلنگ کا قانون قرار دیا ہے اور کہا ہے کہ تربیتی ڈیٹا کا حجم بڑھنے کے ساتھ کارکردگی نسبتاً قابل پیش گوئی انداز میں بہتر ہوتی ہے۔
1 تجربے میں، روبوٹ کے لیے مخصوص 13 منٹ کا ڈیٹا 5 انگلیوں والے 2 روبوٹک ہاتھوں کو بوتل کا ڈھکن کھولنا سکھانے کے لیے کافی تھا۔ مینوفیکچرنگ کے کاموں میں، جب بعد از تربیت ڈیٹاسیٹ تبدیل نہیں کیا گیا، تو پری ٹریننگ کے حجم میں اضافے کے ساتھ کامیابی کی شرح تقریباً 20% سے بڑھ کر 80% سے 90% تک پہنچ گئی۔
Dyna Robotics نے مزید کہا کہ Dyna-2 نے 1 صارف تعیناتی میں 87% معیار منظوری کی شرح حاصل کی، جبکہ پچھلی نسل کے Dyna-1 کی شرح 46% تھی۔ ایسے کاموں میں جن میں صارف کی ہدایات کے مطابق مختلف حرکات انجام دینا ہوتی ہیں، ویڈیو کو-ٹریننگ سے اسکور میں 133% اضافہ ہوا۔
