काउंटर पर पूरा दिन, चार रोबोट पास
छह AgiBot G2 ह्यूमनॉइड रोबोटों ने शंघाई के शुहुई जिले में एक चालू सुविधा स्टोर में 24 घंटे के परीक्षण के दौरान 1,730 काम पूरे किए। उन्होंने दोपहर के भोजन, शाम, रात और नाश्ते के समय ग्राहकों को सेवा दी। छह में से चार रोबोट परीक्षण अवधि की समीक्षा में पास हुए। इस समीक्षा में काम पूरा करने, प्रतिक्रिया की गति, अप्रत्याशित परिस्थितियों से निपटने और ग्राहकों की प्रतिक्रिया का आकलन किया गया।
विषय-सूची
- काउंटर पर पूरा दिन, चार रोबोट पास
- छह रोबोटों ने काम कैसे बांटा
- ग्राहकों और परीक्षकों ने बदली परिस्थितियां
- बन या फ्रीजर का दरवाजा खोलना क्यों मुश्किल है
- फैसलों और गतिविधियों को जोड़ने वाला सॉफ्टवेयर
- समीक्षा में क्या मापा गया और क्या जानकारी अब भी नहीं है
- उत्पादों की घोषणाओं से रात की शिफ्ट तक
- स्टोर के काम के लिए इस परीक्षण का क्या मतलब है
- मुख्य बातें
यह चुनौती 2 नवंबर को 10:00 बजे से 3 नवंबर को 10:00 बजे तक चली। हर रोबोट को एक तय काम सौंपा गया था। इनमें ग्राहकों का स्वागत करना, सामान लाना, कॉफी बनाना और मेजें साफ करना शामिल था। AgiBot ने बताया कि इस कार्यक्रम की लाइवस्ट्रीम को ऑनलाइन 2 लाख से अधिक दर्शकों ने देखा।
कंपनी की अंतिम गिनती के अनुसार, ग्राहकों का स्वागत सबसे व्यस्त काम रहा, जिसमें 683 बार ग्राहकों से बातचीत हुई। रोबोटों ने सामान लाने और पहुंचाने के 369 काम, 147 कॉफी, नाश्ते के 126 ऑर्डर, सामान फिर से भरने और शेल्फ की जांच के 277 काम तथा मेजों की 128 सफाइयां भी पूरी कीं।
इस परीक्षण में कई मुश्किल समस्याएं एक ही जगह सामने आईं: ग्राहक की मांग समझना, सही उत्पाद ढूंढना, चीजों को सावधानी से संभालना और लोगों के बीच से गुजरना। आम कारोबार जारी रहने के दौरान, आमंत्रित परीक्षकों ने जानबूझकर सामान की जगह बदली और रास्ते रोके।
AgiBot ने इस परीक्षण को ऐसा संचालन बताया जिसमें प्रक्रिया के दौरान कोई इंसान शामिल नहीं था। इसका मतलब था कि स्टोर में न तो इंसानों ने रोबोटों को काम करके दिखाया और न ही मैन्युअल बदलाव किए। हालांकि, प्रकाशित नतीजों में प्रदर्शन की एक अहम जानकारी अब भी नहीं है: कंपनी ने लाइवस्ट्रीम से पहले के संचालन में पूरे किए गए कामों की संख्या और सफलता दर जारी की थी, लेकिन 24 घंटे के परीक्षण की सफलता दर या इंसानी हस्तक्षेप की संख्या प्रकाशित नहीं की है।
छह रोबोटों ने काम कैसे बांटा
एक रोबोट प्रवेश द्वार पर ग्राहकों का स्वागत करता था। दो रोबोट सामान चुनने, शेल्फ में सामान भरने और शेल्फ की जांच करने का काम करते थे। चौथा कॉफी बनाता था, पांचवां बिलिंग काउंटर पर काम करने के साथ गर्म खाना देता था और छठा मेजें साफ करता था।
तय कामों के कारण हर मशीन का काम अलग था। ग्राहक का स्वागत करने में, पेय बनाने या खाना पैक करने से अलग कदम शामिल होते हैं। एक ही काम के दौरान भी रोबोट को बदलती मांगों, गलत जगह रखे सामान या ग्राहक से भरी गलियों का सामना करना पड़ सकता था।
ग्राहकों का स्वागत और सामान लाने के काम मिलाकर 1,730 में से 1,052 काम थे, यानी करीब 61 प्रतिशत। इससे पता चलता है कि ज्यादातर गतिविधि कहां हुई, हालांकि गिनती में उन कामों को बराबर माना गया है जिनमें समय और मेहनत का अंतर हो सकता है।
पूरी गिनती इस प्रकार थी:
- ग्राहकों का स्वागत: 683।
- सामान लाना और पहुंचाना: 369।
- कॉफी बनाना: 147।
- नाश्ते की सेवा: 126।
- सामान फिर से भरना और शेल्फ की जांच: 277।
- मेजों की सफाई: 128।
छह रोबोटों के हिसाब से टीम ने प्रति घंटे औसतन करीब 72 काम पूरे किए। दुकान में व्यस्त समय और रात के शांत घंटों के दौरान मांग अलग-अलग रही।
ग्राहकों और परीक्षकों ने बदली परिस्थितियां
आमंत्रित परीक्षकों ने रोबोटों को ऐसी स्थितियों का सामना कराया जिनमें सिर्फ यह याद रखना काफी नहीं था कि उत्पाद आमतौर पर कहां रखे होते हैं। उन्होंने सामान्य और शुगर-फ्री कोला की जगह आपस में बदल दी और फिर खास तौर पर शुगर-फ्री विकल्प मांगा। उन्होंने च्यूइंग गम की पूरी शेल्फ का सामान भी अस्त-व्यस्त कर दिया।
बताया गया कि रोबोटों ने सही कोला पहचानने के लिए पेय के बारे में कही गई मांग और दृश्य जांच को साथ मिलाकर इस्तेमाल किया। च्यूइंग गम के मामले में, शेल्फ को फिर से व्यवस्थित करते हुए उन्होंने कीमत के टैग से बताई गई जगहों पर निर्भर रहने के बजाय चीजों को देखकर गिना।
दोनों परीक्षण खुदरा दुकानों की एक आम समस्या पर केंद्रित थे: कर्मचारी के सामने की दुकान, अपेक्षित व्यवस्था से अलग हो सकती है। ग्राहक किसी उत्पाद को गलत जगह रख सकता है और मिलती-जुलती पैकेजिंग वाले दो अलग उत्पाद लगभग एक जैसे दिख सकते हैं।
परीक्षक गलियों में खड़े हुए और रोबोटों के रास्ते में डिब्बे भी गिराए। बताया गया कि मशीनें रुक गईं और बाधाओं के आसपास से जाने के लिए नए रास्ते चुने। चालू दुकान में आवाजाही और सेवा एक-दूसरे से जुड़ी हैं: ग्राहक की मांग पूरी करने का हिस्सा है शेल्फ तक सुरक्षित पहुंचना।
बन या फ्रीजर का दरवाजा खोलना क्यों मुश्किल है
AgiBot के एम्बॉडीड रिसर्च सेंटर के उपाध्यक्ष रेन गुआंगहुई ने सुविधा स्टोर को चुनौतीपूर्ण वातावरण बताया, क्योंकि वहां कई तरह के सामान, ग्राहकों की अलग-अलग मांगें और रोबोटों के इस्तेमाल के लिए उपकरण होते हैं। फैक्टरी का काम अधिक निश्चित माहौल में हो सकता है, जहां वस्तुओं और गतिविधियों की विविधता कम होती है।
बन को पैक करना इस मुश्किल को दिखाता है। रोबोट को चिमटे इस्तेमाल करने, खाने की चीज पकड़ने और कागज का बैग खोलने की जरूरत होती है। हर कदम से चीजों की स्थिति और अगले कदम के लिए उपलब्ध जगह बदल जाती है। सिर्फ चीज को सफलतापूर्वक पकड़ लेना ऑर्डर पूरा करने का एक हिस्सा भर है।
विकास के दौरान फ्रीजर खोलने से जुड़ी समस्याओं की एक और श्रृंखला सामने आई। रोबोट को समझना था कि दरवाजा किस दिशा में खुलता है और कितना बल लगाना है। इसके बाद उसे दोनों बाजुओं में तालमेल बिठाना था: एक से दरवाजा थामना और दूसरी से सामान निकालना।
रेन ने बताया कि सिर और कलाई पर लगे सेंसर तथा बाजुओं के बल सेंसर रोबोट को अपनी गतिविधियों का आकलन करने में मदद करते हैं। बल-संवेदी तकनीक मशीन को यह पता लगाने देती है कि वह कितना जोर लगा रही है, जिससे वह जोरदार टक्कर या दरवाजे को नुकसान पहुंचाने से बच सकती है।
कुछ सबसे मुश्किल कामों में ऐसी चीजें शामिल थीं जो आसानी से मुड़ती, खिसकती या टूटती हैं। हुक पर कैंडी के लटकते बैग टांगना और नरम केक को बिना कुचले उठाना अब भी कठिन रहा और रोबोट कभी-कभी इसमें नाकाम हुए। ये उदाहरण दिखाते हैं कि स्टोर के परीक्षण में कामों की संख्या के साथ-साथ उन्हें संभालने की गुणवत्ता भी जांचनी चाहिए।
फैसलों और गतिविधियों को जोड़ने वाला सॉफ्टवेयर
छहों रोबोटों का तालमेल AgiBot के एम्बॉडीड एजेंट फ्रेमवर्क Genie Master ने संभाला। कंपनी का कहना है कि उसका Embodied Execution Protocol काम से जुड़े फैसलों, शारीरिक गतिविधियों और नतीजे से मिलने वाली प्रतिक्रिया को जोड़ता है।
सरल शब्दों में, एम्बॉडीड इंटेलिजेंस ऐसी कृत्रिम बुद्धिमत्ता है जो भौतिक मशीन के जरिये काम करती है। स्टोर के रोबोट को मांग को गतिविधियों में बदलना होता है, फिर सेंसर से जांचना होता है कि क्या हुआ। पेय मांगने से एक लक्ष्य तय होता है; सही कंटेनर ढूंढने, पकड़ने और पहुंचाने के लिए शारीरिक गतिविधियों की एक श्रृंखला पूरी करनी पड़ती है।
AgiBot का कहना है कि उसका सिस्टम हर दिन सफल और असफल प्रयासों की समीक्षा करता है, उपयोगी अनुभव को दीर्घकालिक स्मृति में रखता है और सुधारे गए प्रयासों को प्रशिक्षण डेटा में बदलता है। यह प्रशिक्षण डेटा उन उदाहरणों का संग्रह है जिनका इस्तेमाल सिस्टम बाद के व्यवहार को बेहतर बनाने के लिए कर सकता है।
रेन ने बताया कि शुरुआत में ऑर्डरिंग सिस्टम में ऑर्डर पूरे न होने, स्थिति संबंधी अपडेट दर्ज न होने और रोबोटों की जगह को लेकर टकराव जैसी समस्याएं आईं। कार्यप्रवाह के तालमेल से जुड़ी समस्याओं की उसी दिन समीक्षा की गई और अगले दिन से बदलाव लागू हुए, मॉडल में बदलाव किए बिना।
रोबोटों ने शांत घंटों में अभ्यास भी किया। रेन ने बताया कि रात में खाली समय के दौरान वे कठिन कामों का अभ्यास करने के लिए शेल्फ तक जाते थे। इससे दुकान काम की जगह के साथ-साथ अभ्यास का माहौल भी बनी, जहां ग्राहकों की सबसे ज्यादा भीड़ वाले समय के बाहर भी काम जारी रहता था।
कंपनी का विवरण रोबोट विकास के उन हिस्सों को जोड़ता है जिन्हें अक्सर अलग-अलग बताया जाता है: कार्रवाई चुनना, उसे अंजाम देना और नतीजे से सीखना। सुविधा स्टोर में इन सभी हिस्सों को एक ही तैनाती में शामिल किया गया, जहां किसी एक कदम की गलती ऑर्डर के बाकी हिस्सों को प्रभावित कर सकती थी।
समीक्षा में क्या मापा गया और क्या जानकारी अब भी नहीं है
काम पूरा करने, प्रतिक्रिया की गति, अपवादों से निपटने और ग्राहकों की प्रतिक्रिया के आकलन के बाद चार रोबोट परीक्षण अवधि की समीक्षा में पास हुए। दो पास नहीं हुए। प्रकाशित नतीजों में उन दोनों के अलग-अलग प्रदर्शन और असफल होने के कारण नहीं बताए गए हैं। 24 घंटे के परीक्षण की सफलता दर और इंसानी हस्तक्षेप के आंकड़े भी उपलब्ध नहीं हैं।
लाइवस्ट्रीम से पहले सुविधा स्टोर में तैनाती के दौरान, GO-3 Preview पर चलने वाले G2 रोबोटों की पूरी कार्यप्रवाह सफलता दर पहले दिन 28.6 प्रतिशत से बढ़कर पांचवें दिन तक स्थिर 85.7 प्रतिशत हो गई। उनका एकल-कार्य सफलता दर पारंपरिक सुपरवाइज्ड फाइन-ट्यूनिंग, यानी SFT, की तुलना में 17.7 प्रतिशत अंक अधिक थी। ये आंकड़े लाइवस्ट्रीम से पहले की तैनाती के हैं, 24 घंटे के परीक्षण के नहीं।
रेन ने बताया कि कंपनी कई अन्य मानकों पर भी नजर रखेगी: काम पूरा करने की सफलता दर, पहली कोशिश में सफलता, प्रतिक्रिया का समय, मांग से काम पूरा होने तक का कुल समय, प्रति इकाई समय में स्वीकार्य ढंग से सामान पहुंचाने की संख्या, इंसानी हस्तक्षेप की आवृत्ति, समस्या के बाद काम फिर शुरू करने में लगने वाला समय और सिस्टम की उपलब्धता।
ये मानक अलग-अलग व्यावहारिक सवालों के जवाब देते हैं। पहली कोशिश में सफलता बताती है कि रोबोट काम तुरंत सही करता है या नहीं। समस्या के बाद काम फिर शुरू करने का समय बताता है कि उपयोगी काम दोबारा शुरू करने में कितना वक्त लगता है। सिस्टम की उपलब्धता बताती है कि संचालन के लिए तय अवधि में से कितने समय उपकरण इस्तेमाल के लिए तैयार रहते हैं।
स्टोर संचालक के लिए यह जानकारी जरूरी है, क्योंकि सामान पहुंचाने का पूरा काम तेज और सहज तरीके से हो सकता है या कई बार कोशिश करने के बाद। इसी तरह, जो रोबोट तुरंत जवाब देता है लेकिन ऑर्डर पूरा करने में लंबा समय लेता है, वह उस रोबोट से अलग ग्राहक अनुभव देता है जो पूरी प्रक्रिया जल्दी पूरी कर देता है।
AgiBot की अंतिम गिनती पूरी हुई गतिविधियों की मात्रा दर्ज करती है। प्रदर्शन के अधिक व्यापक मानकों से दुकान यह जान सकेगी कि मशीनें कितनी नियमितता से ग्राहकों की सेवा कर सकती हैं, उन्हें कितनी सहायता चाहिए और कुछ गड़बड़ होने पर वे कितनी अच्छी तरह संभलती हैं।
उत्पादों की घोषणाओं से रात की शिफ्ट तक
सुविधा स्टोर की चुनौती के साथ AgiBot की AI WAVE घोषणाओं की श्रृंखला पूरी हुई, जो 22 अक्टूबर को शुरू हुई थी। इस श्रृंखला में कंपनी के डेटासेट, सिमुलेशन प्लेटफॉर्म, मॉडल और रोबोट हार्डवेयर को एक वास्तविक तैनाती में साथ लाया गया।
मुख्य पड़ाव ये थे:
- 22 अक्टूबर: AgiBot ने AI WAVE घोषणाओं की श्रृंखला शुरू की।
- 2 नवंबर, 10:00 बजे: छह रोबोटों ने शंघाई के शुहुई जिले में सुविधा स्टोर की चुनौती शुरू की।
- 2 नवंबर से 3 नवंबर: टीम ने दोपहर और शाम की व्यस्तता, रात की ड्यूटी और सुबह की व्यस्तता के दौरान काम किया।
- 3 नवंबर, 10:00 बजे: परीक्षण समाप्त हुआ। AgiBot ने 1,730 काम पूरे होने और चार रोबोटों के समीक्षा में पास होने की जानकारी दी।
रेन ने बताया कि रात की ड्यूटी एक ऐसा व्यावहारिक क्षेत्र है जिसकी कंपनी पड़ताल कर रही है। चौबीसों घंटे खुली रहने वाली दुकानों को उन घंटों में कर्मचारियों की जरूरत होती है जो सामान्य नींद के समय में बाधा डालते हैं, जबकि कुछ दोहराव वाले कामों में लंबे समय तक ध्यान देने की जरूरत होती है।
AgiBot लंबे समय तक संचालन के लिए स्वायत्त बैटरी बदलने की तकनीक पर भी काम कर रही है। इससे रोबोट खाली बैटरी बदलकर फिर से काम पर लौट सकेगा। कंपनी की घोषित योजनाओं में यह तरीका लंबे समय तक सेवा जारी रखने का हिस्सा है।
स्टोर के काम के लिए इस परीक्षण का क्या मतलब है
शंघाई की तैनाती में रोबोटों को सेवा से जुड़े कई काम सौंपे गए, जबकि ग्राहक खरीदारी करते रहे। इसका सबसे अहम व्यावहारिक पहलू है आजमाए गए कामों की विविधता: ग्राहकों से बातचीत, उत्पादों में फर्क पहचानना, खाना संभालना, उपकरण इस्तेमाल करना, गलियों में रास्ता बनाना और साझा सतहों की सफाई।
मुश्किल पल भी उतने ही ठोस थे। नरम केक को धीरे से पकड़ना होता है। फ्रीजर के दरवाजे के लिए नियंत्रित बल और बाजुओं में तालमेल चाहिए। गलत जगह रखे उत्पाद की फिर से दृश्य जांच करनी होती है। अनुभवी कर्मचारी के लिए इनमें से हर काम छोटा हो सकता है, फिर भी हर काम के लिए रोबोट की कई क्षमताओं को मिलकर काम करना पड़ता है।
ऐसे उपकरणों पर विचार कर रहे खुदरा विक्रेता के लिए मुख्य सवाल हैं: पूरी शिफ्ट में भरोसेमंद प्रदर्शन, व्यस्त समय में सेवा की गुणवत्ता और जरूरी मानवीय सहायता की मात्रा। AgiBot ने कामों की एक बड़ी संख्या और मिली-जुली समीक्षा के नतीजे प्रकाशित किए हैं। रोजमर्रा के स्टोर संचालन का आकलन करने के लिए उसके प्रस्तावित प्रदर्शन मानक अगली जरूरी जानकारी दे सकते हैं।
मुख्य बातें
- छह AgiBot G2 ह्यूमनॉइड रोबोटों ने 2 नवंबर से 3 नवंबर तक शंघाई के शुहुई जिले में एक चालू सुविधा स्टोर में काम किया।
- AgiBot ने 1,730 काम पूरे होने की जानकारी दी। इनमें ग्राहकों का स्वागत करने के 683 काम, सामान लाने और पहुंचाने के 369 काम तथा 147 कॉफी शामिल थीं।
- चार रोबोट कार्यक्रम की परीक्षण अवधि की समीक्षा में पास हुए; दो पास नहीं हुए।
- परीक्षकों ने उत्पादों की जगह बदली और गलियां रोकीं, ताकि उत्पाद पहचानने, शेल्फ पर काम करने और रास्ता ढूंढने की क्षमता जांची जा सके।
- नाजुक चीजों को संभालना, जैसे नरम केक उठाना और कैंडी के बैग टांगना, अब भी कठिन रहा।
- AgiBot ने बताया कि इस परीक्षण में स्टोर पर इंसानों ने रोबोटों को काम करके नहीं दिखाया और न ही मैन्युअल बदलाव किए। लाइवस्ट्रीम से पहले, पूरी कार्यप्रवाह सफलता दर पहले दिन के 28.6 प्रतिशत से बढ़कर पांचवें दिन 85.7 प्रतिशत हो गई थी। एकल-कार्य सफलता दर पारंपरिक सुपरवाइज्ड फाइन-ट्यूनिंग से 17.7 प्रतिशत अंक अधिक थी। 24 घंटे के परीक्षण की सफलता दर और इंसानी हस्तक्षेप के आंकड़े अब भी प्रकाशित नहीं किए गए हैं।
- कंपनी लंबे समय तक संचालन के लिए रात की शिफ्ट और स्वायत्त बैटरी बदलने की तकनीक पर काम कर रही है।
