AI3 नव॰ 2026, 10:43 am UTC·2 मिनट में पढ़ें

NC AI ने फिजिकल AI के लिए हल्का मॉडल Vacky Vision 3B पेश किया

NC AI के 3 अरब पैरामीटर वाले Vacky Vision 3B ने रोबोट और स्थानिक समझ के तीन बेंचमार्क में छह वैश्विक ओपन मॉडल को पीछे छोड़ा।

An industrial welding robot arm with camera sensors working on a steel structure in a shipyard. — छवि: zdnet.co.kr

SUMO

Dialo

ediviewer

दक्षिण कोरियाई कंपनी NC AI ने एक हल्का विज़न-लैंग्वेज मॉडल (VLM) 'Vacky Vision 3B' विकसित किया है। कंपनी ने 3 नवंबर को बताया कि करीब 3 अरब पैरामीटर वाले इस मॉडल ने रोबोट और स्थानिक समझ के तीन बेंचमार्क में औसतन 63.8 अंक हासिल किए। यह स्कोर कंपनी द्वारा चुने गए छह वैश्विक ओपन मॉडल से ज्यादा है।

छोटे आकार पर जोर

रोबोट और उत्पादन उपकरणों में सर्वर जैसी बिजली और कंप्यूटिंग क्षमता नहीं होती, इसलिए बड़े AI मॉडल को सीधे उनमें लगाना कठिन है। NC AI ने मॉडल का आकार घटाते हुए स्थानिक समझ बनाए रखने पर ध्यान दिया। परीक्षण में BLINK, ERIQ और ERQA बेंचमार्क इस्तेमाल हुए।

सीधे जवाब देने वाले सामान्य मोड में मॉडल ने Alibaba Qwen और Mistral परिवार के 2 से 8 अरब पैरामीटर वाले छह ओपन मॉडल को पीछे छोड़ा। चरण-दर-चरण तर्क वाले मोड में उसे 63.2 अंक मिले, जो 'Ministral 3 8B Reasoning' के 48.4 अंक से 14.8 अंक अधिक है। कंपनी के अनुसार ये नतीजे खास मूल्यांकन शर्तों के हैं और हर विज़न-लैंग्वेज काम में श्रेष्ठता का दावा नहीं करते।

मॉडल ChartQA और TextVQA में तुलना वाले मॉडलों में सबसे आगे रहा। कंपनी इसे फैक्ट्री के मीटर, ड्रॉइंग और वर्क ऑर्डर पढ़ने में इस्तेमाल करना चाहती है। यह 4 सेकंड के वीडियो से 8 फ्रेम एक साथ प्रोसेस कर वस्तुओं की गति और स्थिति में बदलाव समझ सकता है।

वेल्डिंग मॉडल और आगे की योजना

वेल्डिंग डेटा पर अतिरिक्त प्रशिक्षण से बने 'Vacky Vision 3B Weld' में वेल्ड वर्गीकरण की सटीकता 41.1 से बढ़कर 80.9 हो गई। दोष पहचान और स्थिति आकलन का स्कोर 39.3 से 69.8 और वेल्ड की स्थिति व आकार की पहचान का स्कोर 5.3 से 72.5 हुआ। ये बेंचमार्क नतीजे हैं, असली उत्पादन लाइन पर सटीकता या उत्पादकता के सत्यापन से अलग।

कंपनी हांव्हा ओशन के साथ स्वायत्त वेल्डिंग रोबोट AI, POSCO DX के साथ ह्यूमनॉइड रोबोट के परीक्षण और Hyundai Rotem के साथ वर्ल्ड मॉडल पर काम कर रही है। NC AI मॉडल में रीइन्फोर्समेंट लर्निंग जोड़ेगी और आगे इसे विज़न-लैंग्वेज-एक्शन (VLA) मॉडल तक ले जाएगी।