शंघाई के 24 घंटे के सुविधा स्टोर परीक्षण में छह में से चार Agibot रोबोट पास

छह रोबोट, 1,730 काम और दो अधूरे कार्य

शंघाई के शुहुई जिले में संचालित एक सुविधा स्टोर में 24 घंटे के परीक्षण के दौरान छह Agibot G2 ह्यूमनॉइड रोबोटों ने कथित तौर पर 1,730 काम पूरे किए। इनमें से चार ने अपना आकलन पास किया, जबकि दो को आगे समायोजन के लिए रोक दिया गया। यह अभ्यास 2 नवंबर 2026 को सुबह 10 बजे से 3 नवंबर को सुबह 10 बजे तक चला। इसमें दोपहर के भोजन का समय, शाम की खरीदारी, रात की ड्यूटी और नाश्ते की सेवा शामिल थी।

Agibot के अनुसार, मशीनों ने ग्राहकों का अभिवादन या स्वागत करने के 683 संवाद, सामान निकालकर पहुंचाने के 369 काम, 147 कॉफी, गर्म भोजन या नाश्ते की सेवा के 126 काम, अलमारियों की जांच और सामान फिर से रखने के 277 काम तथा मेजों की सफाई के 128 काम किए। लाइवस्ट्रीम को 20 लाख से अधिक दर्शकों ने देखा।

परीक्षण में सफल न रहे दोनों रोबोटों की अलग-अलग समस्याएं सामने आईं। अलमारियों की जांच और सामान फिर से रखने वाले रोबोट ने स्टोर की गति से तालमेल बनाए रखने के लिए पर्याप्त पहल नहीं की। रात की ड्यूटी के दौरान सफाई करने वाले रोबोट को कूड़ेदान भरा मिला। वह अपने तय मार्ग से हटकर कचरा डालने की जगह खोजते हुए बाहर चला गया।

अंग्रेजी में Robots Never Clock Out नाम से आयोजित इस कार्यक्रम में मशीनों ने खाली प्रदर्शन स्थल के बजाय ग्राहकों और स्टोर कर्मचारियों के साथ काम किया। इससे मिली सबसे उपयोगी जानकारी उन रोजमर्रा की बाधाओं से जुड़ी थी जो खुदरा काम को मुश्किल बनाती हैं: कोई अप्रत्याशित रुकावट, अपनी जगह से हटाया गया उत्पाद या ऐसा काम जो योजना के अनुसार पूरा न हो सके।

Agibot ने नतीजे को कर्मचारियों के परिवीक्षा आकलन की भाषा में पेश किया। चार रोबोटों को उनकी तय भूमिकाओं के लिए मंजूरी मिली, जबकि दो को और काम की जरूरत थी। खुदरा विक्रेताओं के लिए व्यावहारिक सवाल यह है कि क्या मशीनें सही ऑर्डर दे सकती हैं, सुरक्षित सीमाओं के भीतर रह सकती हैं और दुकान में अप्रत्याशित स्थिति आने पर काम संभाल सकती हैं।

कौन पास हुआ और किसे दोबारा आकलन की जरूरत है?

ग्राहकों का स्वागत करने और पूछताछ का जवाब देने की जिम्मेदारी वाले आहाओ को ग्राहक सेवा में सबसे अधिक अंक मिले। यह किसी के पास आने का इंतजार करने के बजाय खुद अभिवादन कर सकता था। सामान निकालकर पहुंचाने के जिम्मे वाले हुओबाओ ने ऑर्डर पर तेजी से प्रतिक्रिया दी और मांग बढ़ने तथा ग्राहकों के अनुरोध रद्द करने के बावजूद काम जारी रखा।

कॉफी बनाने वाले काशाओ ने व्यवस्थित ढंग से पेय तैयार किया। उसके बनाए हॉट अमेरिकानो पर ग्राहकों की प्रतिक्रिया अच्छी रही। गर्म भोजन परोसने और चेकआउट की जिम्मेदारी वाले डिंगजियांग ने स्थिरता से काम किया और आकलन के मानक पूरे किए।

अलमारियों की जांच और सामान भरने वाले जुआनवांग को पर्याप्त पहल न दिखाने और स्टोर के काम की गति से तालमेल न बिठा पाने के कारण आगे के आकलन के लिए रोक दिया गया। सफाई करने वाले लेंगजिए के संचालन नियमों में बदलाव की जरूरत पड़ी, क्योंकि कूड़ेदान भर जाने पर वह दुकान से बाहर चला गया था।

इन नतीजों से इंजीनियरिंग के दो अलग काम सामने आते हैं। जुआनवांग को यह पहचानना सीखना होगा कि बिना किसी और संकेत का इंतजार किए काम कब शुरू करना चाहिए। लेंगजिए के लिए ऐसी स्थिति में स्पष्ट प्रतिक्रिया तय करनी होगी जब कोई काम उसके अनुमत कार्यक्षेत्र की सीमा तक पहुंच जाए, जैसे रुक जाना और मदद मांगना।

चार पालियों ने मशीनों के सामने अलग-अलग चुनौतियां रखीं

आकलन में एक ही परिस्थिति में एक काम को दोहराने के बजाय कारोबार के पूरे चक्र को शामिल किया गया। इस क्रम ने रोबोटों और उन्हें संचालित करने वाली प्रणाली के सामने बदलती मांगें रखीं:

• 2 नवंबर, सुबह 10 बजे: छह रोबोटों ने चालू स्टोर में काम शुरू किया।
• दोपहर के भोजन का समय: व्यस्त सेवा अवधि में भोजन और पेय के ऑर्डर से तैयारी और डिलीवरी की परीक्षा हुई।
• शाम का समय: बढ़ी हुई गतिविधि ने साझा जगहों में ऑर्डर संभालने और तालमेल की परीक्षा ली।
• रात का समय: कम कारोबार के दौरान लगातार ड्यूटी, सफाई और अपवादों पर प्रतिक्रिया की जांच हुई।
• 3 नवंबर, नाश्ते का समय: सुबह की सेवा ने काम की मात्रा में एक और बदलाव की परीक्षा ली। अभ्यास सुबह 10 बजे समाप्त हुआ।

आमंत्रित प्रतिभागियों ने जानबूझकर कुछ चुनौतियां भी पेश कीं। उन्होंने मशीनों से मिलते-जुलते पैकेटों में सामान्य कोला और शुगर-फ्री कोला के बीच फर्क करने को कहा, सामान की जगह बदली, गलियारों में खड़े हुए और गर्म भोजन के डिब्बे को हिलाया ताकि उसके अंदर की चीज उठाना मुश्किल हो।

Agibot ने उपस्थिति, चारों अवधियों में काम का प्रदर्शन और ग्राहकों की मंजूरी का आकलन किया। Agibot के एम्बॉडिड इंटेलिजेंस रिसर्च सेंटर के उपाध्यक्ष रेन गुआंगहुई ने कहा कि टीम ने काम पूरा होने की सफलता, पहली कोशिश में सफलता, प्रतिक्रिया का समय, काम पूरा करने का समय, स्वीकार्य नतीजे, इंसान द्वारा काम संभालने की आवृत्ति, काम फिर से शुरू करने में लगा समय और सिस्टम की उपलब्धता पर भी नजर रखी।

खाना उठाना उसे ढूंढने से ज्यादा मुश्किल क्यों हो सकता है

पैक किया हुआ पेय और नरम भोजन का टुकड़ा उठाने के लिए अलग-अलग तरीके चाहिए। रोबोट सही चीज पहचान सकता है, लेकिन उसे छूने के बाद काम बिगड़ सकता है: लचीली पैकेजिंग का आकार बदल सकता है, फिसलन वाली सतह खिसक सकती है और नाजुक भोजन ज्यादा दबाने पर टूट सकता है।

रेन ने चिमटे से सुनहरा केक उठाने की प्रक्रिया को सटीक गतिविधियों की एक श्रृंखला बताया। रोबोट को चिमटा पकड़ना, उसका खुलना नियंत्रित करना, भोजन को छूने की जगह चुनना और इतना दबाव लगाना होता है कि वह केक को कुचले बिना उठा सके। इसके बाद उसे बैग के साथ सही तालमेल बैठाकर भोजन छोड़ना, चिमटा हटाना और बैग उठाने के लिए अपनी पकड़ बदलनी होती है।

अंत के करीब हुई एक छोटी-सी गलती भी उससे पहले की सारी सही गतिविधियों को बेकार कर सकती है। पैकेटबंद मिठाइयों को शेल्फ के हुक पर टांगने में भी यही चुनौती आती है: मशीन को रैपर में उलझे या पास के उत्पादों को छेड़े बिना छोटा-सा छेद हुक पर चढ़ाना होता है।

Unitree के संस्थापक वांग शिंगशिंग ने भी सटीक शारीरिक संपर्क को रोबोटिक्स की बाकी चुनौतियों में से एक बताया है। उनका आकलन दुनिया को पहचानने और उसे छूने तथा उसमें चीजों को संभालने के लिए जरूरी अंतिम गतिविधियों को नियंत्रित करने के बीच की दूरी पर केंद्रित है। दुकान में इन अंतिम गतिविधियों से तय होता है कि ग्राहक को साबुत भोजन और सही जगह रखे सामान मिलेंगे या नहीं।

साझा दुकान के फर्श के लिए साझा योजना जरूरी

एक छोटी दुकान में छह रोबोट काम करें तो सामान संभालने की चुनौतियों के साथ काम की समय-सारणी से जुड़ी समस्याएं भी आती हैं। सामान भरने के काम में वह जगह घिर सकती है जहां से ऑर्डर उठाया जाना है। सफाई से गलियारा रुक सकता है। किसी एक कार्यस्थल पर देरी से बाद की कई डिलीवरी अटक सकती हैं।

Agibot ने मशीनों में तालमेल के लिए अपने Genie Master फ्रेमवर्क का इस्तेमाल किया। कंपनी ने कहा कि उसने यह फ्रेमवर्क स्टोर के अभ्यास से कुछ समय पहले, 27 अक्टूबर को जारी किया था। यह एम्बॉडिड एक्जीक्यूशन प्रोटोकॉल (EEP) के जरिए काम सौंपने, उसके निष्पादन का मार्गदर्शन करने और प्रतिक्रिया हासिल करने को जोड़ता है।

सरल शब्दों में, समन्वय करने वाला सॉफ्टवेयर तय करता है कि कौन-सा रोबोट कौन-सा काम करेगा, फिर देखता है कि क्या हुआ और उस नतीजे के आधार पर आगे का काम तय करता है। यह ऑर्डर की प्राथमिकता, रोबोट की स्थिति और उपलब्ध जगह का भी ध्यान रखता है। एक ही शेल्फ की जगह के लिए होड़ करने वाले काम अलग-अलग समय पर किए जा सकते हैं, जबकि एक-दूसरे के अनुकूल काम साथ-साथ चल सकते हैं।

ग्राहक भी काम की परिस्थितियों को बदलते रहते हैं। लोगों के उनके कार्यक्षेत्र में आने पर रोबोटों से गति धीमी करने, रुकने, रास्ता देने या नया मार्ग तय करने की अपेक्षा थी। रेन ने कहा कि अनिश्चितता बढ़ने पर काम कम आक्रामक ढंग से होना चाहिए और जरूरत पड़ने पर रोबोट को रुककर मदद मांगनी चाहिए। इससे सुरक्षित रूप से इंतजार करना उपयोगी प्रदर्शन का जरूरी हिस्सा बन जाता है, भले ही इससे गति घटे।

Agibot के मुताबिक रोबोट गलतियों से कैसे सीखते हैं

Agibot अपनी सीखने की प्रक्रिया को Physical RSI कहता है। इसमें वास्तविक काम से मिला अनुभव आगे के सुधारों में काम आता है। कंपनी इस प्रक्रिया के दो तरीके बताती है: उपयोगी अनुभवों को याद रखना और गतिविधियों को नियंत्रित करने वाले मॉडल को फिर से प्रशिक्षित करना।

पहले तरीके को Harness RSI कहा जाता है। इसमें सफल और असफल कामकाजी क्रमों को सहेजा और संक्षेपित किया जाता है। बाद में ऐसी ही समस्या आने पर रोबोट उस रिकॉर्ड का सहारा ले सकता है। दूसरे तरीके Policy RSI में चुने गए उदाहरणों से उसकी एक्शन पॉलिसी को प्रशिक्षित किया जाता है। यही मॉडल उसकी गतिविधियों को निर्देशित करता है।

रेन ने कहा कि काम की प्रक्रिया और तालमेल से जुड़ी समस्याओं की उसी दिन समीक्षा की जा सकती है और अगले दिन उनसे बचा जा सकता है। एक्शन पॉलिसी में बदलाव के विकास चक्र में आमतौर पर कई दिन लगते हैं। लाइवस्ट्रीम के डेटा को प्रशिक्षण में शामिल करने से पहले चुना जाएगा, पहचान संबंधी जानकारी हटाई जाएगी और उसकी गुणवत्ता जांची जाएगी। आमतौर पर इससे हुए बदलाव एक से दो सप्ताह के भीतर सॉफ्टवेयर के अगले संस्करणों में पहुंचते हैं।

Agibot ने इससे पहले की एक परीक्षण अवधि का भी ब्यौरा दिया। उसमें भोजन पैक करने, सामान जुटाने और शेल्फ में सामान भरने जैसे कामों की प्रक्रिया पूरी करने की सफलता पहले दिन 28.6% से बढ़कर पांचवें दिन 85.7% हो गई। यह 57.1 प्रतिशत अंक की बढ़ोतरी, यानी शुरुआती दर से लगभग तीन गुना है।

ये आंकड़े पहले की परीक्षण अवधि से संबंधित हैं। कंपनी ने 24 घंटे के सार्वजनिक अभ्यास में हर काम के लिए इस तरह की विस्तृत सफलता दर प्रकाशित नहीं की है।

काम के कुल आंकड़े स्टोर संचालकों को क्या बताते हैं

बताए गए 1,730 काम छह रोबोटों में बांटें तो हर घंटे औसतन करीब 72 गतिविधियां पूरी हुईं। ग्राहकों का स्वागत और सामान निकालकर पहुंचाने के काम मिलाकर 1,052 थे, जो कुल का लगभग 61% है।

ये गणनाएं काम की मात्रा बताने में मदद करती हैं, लेकिन गतिविधियों में काफी फर्क है। ग्राहक का अभिवादन करने और गर्म भोजन तैयार करने में लगने वाला समय, शारीरिक मेहनत और जांच एक जैसी नहीं होती। किसी तैनाती का आकलन करने वाले प्रबंधक को हर भूमिका को अलग-अलग देखना होगा, जिसमें इंतजार का समय और पूरी की गई सेवा की गुणवत्ता भी शामिल हैं।

कार्यक्रम की सामग्री में स्वतंत्र रूप से ऑडिट किया गया काम का लॉग, मानवीय हस्तक्षेप की संख्या या विफलता दर नहीं दी गई। न ही मानव कर्मचारियों के उत्पादन और लागत से तुलना की गई। रोबोटों को चार्ज करने के बीच का समय और रखरखाव में लगने वाला समय भी नहीं बताया गया। इन जानकारियों के अभाव में यह स्पष्ट नहीं है कि रोबोट कुल कितने समय तक अपने दम पर काम करते रहे और कर्मचारियों से उन्हें कितनी सहायता मिली।

कैमरे पर बिताए समय के बजाय उपयोगी काम का आकलन

Agibot ने उत्पादकता का एक पैमाना प्रस्तावित किया है, जिसे Worken नाम दिया गया है। कंपनी इसे प्रभावी बुद्धिमान कार्य-घंटे बताती है। इसकी गणना में सक्रिय रोबोटों की संख्या, उनके अपने दम पर काम करने का समय और उत्पादन दक्षता अनुपात शामिल होते हैं।

यह विचार इस बात पर ध्यान देता है कि कितने काम के नतीजे मानकों पर खरे उतरते हैं: मशीन अपने दम पर काम करते समय कितना स्वीकार्य काम देती है। दुकान के लिए इसका मतलब है सही उत्पाद, पूरे ऑर्डर और खाने या पीने की उपयोगी चीजें, वह भी स्वीकार्य इंतजार के भीतर देना।

Agibot के सह-संस्थापक, सह-अध्यक्ष और एम्बॉडिड बिजनेस ग्रुप के अध्यक्ष याओ माओछिंग ने कंपनी के Innovation Day कार्यक्रम में प्रदर्शनों और उत्पादक काम के बीच का अंतर बताया। अनुवाद में उन्होंने कहा:

प्रदर्शन किसी एक क्षमता की अधिकतम सीमा को परखते हैं, जबकि उत्पादकता प्रणाली की न्यूनतम सीमा को परखती है।

खुदरा कामकाज के लिए उनकी बात का व्यावहारिक महत्व है। आसान ऑर्डर पर शानदार प्रदर्शन करने वाली मशीन को मुश्किल ऑर्डर के लिए भी भरोसेमंद प्रतिक्रिया देनी होगी। शंघाई के परीक्षण के लिए Worken की गणना करने में अपने दम पर काम करने के घंटों और उत्पादन दक्षता के ऐसे आंकड़े चाहिए होंगे जो प्रकाशित काम के कुल आंकड़ों से आगे जाते हों।

बड़े पैमाने पर तैनाती से पहले क्या बदलना होगा?

रेन ने कहा कि व्यावसायिक उपयोग के लिए तैयारी किसी तय समयसीमा के बजाय काम पर निर्भर करती है। उन्होंने तीन व्यावहारिक कसौटियां बताईं: क्या काम की स्पष्ट सीमाएं हैं, क्या उसके नतीजे की आसानी से जांच हो सकती है और क्या अपवाद इतने कम होते हैं कि सिस्टम खुद उनसे उबर सके।

व्यवस्थित माहौल में अलमारियां सजाना, सामान भरना और सफाई में मदद करना उन भूमिकाओं में शामिल हैं जिन्हें वे पहले तैनाती के लिए उपयुक्त मानते हैं। ग्राहकों से जटिल बातचीत, पहचान जांच या कम अनुमानित ढंग से चीजें संभालने वाले कामों को लंबे समय तक परखना होगा। जाहिर तौर पर उपयुक्त भूमिकाओं के लिए भी सावधानी से योजना बनानी पड़ती है, जैसा कि अलमारियों और सफाई के रोबोटों ने दिखाया।

एक स्टोर से सैकड़ों स्टोर तक विस्तार के लिए मानक औजार, खुदरा कारोबार प्रणालियों से जुड़ाव, तेज इंस्टॉलेशन और प्रभावी दूरस्थ रखरखाव जरूरी होंगे। रोबोटों को अलग-अलग बनावट और सामान वाले स्टोरों के बीच उपयोगी अनुभव साझा करने में भी सक्षम होना होगा, ताकि हर जगह नए सिरे से सेटअप करने का काम घटे।

रेन ने माना कि बदलावों के अनुसार खुद को ढालने, सटीक गतिविधियां तेजी से पूरी करने और अपवादों को संभालने में रोबोट अनुभवी स्टोर कर्मचारियों से पीछे हैं। व्यावसायिक उपयोग के लिए उन्होंने जो कसौटियां बताईं, वे व्यावहारिक थीं: तैनाती में कम समय, हाथ से कम समायोजन और ज्यादा उपयोगी काम। शंघाई के अभ्यास में ऐसी दिनचर्याओं के उदाहरण मिले जो कारगर रहीं, साथ ही ऐसे नियम भी सामने आए जिन्हें बदलने की जरूरत है। आगे का इंजीनियरिंग काम इन प्रक्रियाओं को अलग-अलग स्टोरों और लगातार कई पालियों में भरोसेमंद बनाना है।

मुख्य बातें

• Agibot के छह G2 रोबोटों ने 2–3 नवंबर 2026 को शंघाई के शुहुई जिले में एक सुविधा स्टोर में 24 घंटे का परीक्षण किया।
• Agibot ने 1,730 पूरे किए गए काम और लाइवस्ट्रीम के 20 लाख से अधिक दर्शकों की जानकारी दी।
• चार रोबोट अपने काम के आकलन में पास हुए; अलमारियों की जांच करने वाले और सफाई करने वाले रोबोटों को आगे समायोजन की जरूरत पड़ी।
• एक रोबोट ने पर्याप्त पहल नहीं की, जबकि दूसरा भरा हुआ कूड़ेदान मिलने पर स्टोर से बाहर चला गया।
• Genie Master ने काम, साझा कार्यक्षेत्र और रोबोटों से मिली प्रतिक्रिया में तालमेल बनाया।
• अपने दम पर काम करने के घंटों, हस्तक्षेपों की संख्या, ऑडिट की गई विफलता दर और मानव कर्मचारियों से तुलना के विस्तृत आंकड़े प्रकाशित नहीं किए गए।