AI11 नव॰ 2026, 8:50 am UTC·2 मिनट में पढ़ें

NTT का फिज़िकल AI रोबोट की गलतियों का पहले ही लगाएगा अनुमान

NTT ने ऐसी फिज़िकल AI तकनीक पेश की है, जो रोबोट को सामान गिरने या ढहने जैसे जोखिमों का पहले अनुमान लगाकर सबसे सफल कदम चुनने देती है।

A small robot arm placing irregularly shaped boxes on a warehouse shelf while a screen shows predicted video of the outcome. — छवि: Impress Watch

NTT ने 11 तारीख को एक फिज़िकल AI तकनीक की घोषणा की, जो रोबोट के काम शुरू करने से पहले ही सामान ढहने या गिरने जैसे जोखिमों का अनुमान लगा लेती है। इसके बाद रोबोट सफलता की सबसे ज़्यादा संभावना वाली कार्रवाई चुनता है। यह तकनीक कंपनी के "NTT वर्ल्ड मॉडल" पर आधारित है, जो भौतिकी के नियमों के आधार पर वस्तुओं की गति का पूर्वानुमान लगाता है।

पुरानी सीमा और नया तरीका

वर्ल्ड मॉडल बाहरी दुनिया की स्थिति को समझता है और रोबोट की अपनी कार्रवाई से भविष्य में होने वाले बदलाव का अनुमान लगाता है। अब तक के ज़्यादातर मॉडल बड़े पैमाने के वीडियो डेटा से अनुभव के आधार पर सीखते थे। जिन स्थितियों का प्रशिक्षण नहीं हुआ, वहाँ वे भौतिकी के उलट नतीजे दे सकते थे। एयरपोर्ट के बैगेज या कूरियर पार्सल जैसी जगहों पर, जहाँ आकार, वज़न और रखने का तरीका हर बार अलग होता है, हर स्थिति का डेटा जुटाना मुश्किल है।

NTT ने वीडियो जनरेशन मॉडल के साथ अपना विकसित "फिज़िकल कंट्रोल एडेप्टर" जोड़ा है। यह वस्तुओं की स्थिति, मुद्रा, गति और द्रव्यमान का अनुमान लगाकर गति के समीकरणों से बदलाव की भविष्यवाणी करता है। इससे वस्तुओं का टकराना या छूना जैसी जटिल हलचल भी दोहराई जा सकती है। कंपनी के अनुसार वस्तुओं के गायब होने या अजीब ढंग से विकृत होने जैसे अस्वाभाविक अनुमान कम होते हैं।

यह मौजूदा रोबोट कंट्रोल सॉफ़्टवेयर के साथ भी काम करता है। VLA (Vision-Language-Action) मॉडल या मोशन प्लानर के सुझाए कई विकल्पों के नतीजे वीडियो में दिखाए जाते हैं और हर कार्रवाई की सफलता का स्कोर दिया जाता है।

प्रदर्शन और आगे की योजना

छोटे रोबोट से बेढंगी वस्तुओं को शेल्फ़ पर रखने के प्रयोग में ओपन-सोर्स VLA मॉडल π0.5 के साथ NTT वर्ल्ड मॉडल जोड़ने पर सफलता दर 73.1% से बढ़कर 92.3% हो गई। सार्वजनिक बेंचमार्क OBJ3D में LPIPS पैमाने पर इसे 7.81 मिला, जबकि OCK का 7.92 और NVIDIA Cosmos Predict 2.5 का 21.90 रहा। यहाँ कम मान बेहतर है।

NTT पहले एयरपोर्ट बैगेज की लोडिंग और अनलोडिंग में इसका उपयोग करना चाहती है। कंपनी Mujin के साथ प्रयोग आगे बढ़ाएगी और लॉजिस्टिक्स, वेयरहाउस, मैन्युफैक्चरिंग, निर्माण और रिटेल तक विस्तार का लक्ष्य रखती है।