क्वानज्यू (Qianjue), जो एम्बोडीड आर्टिफिशियल इंटेलिजेंस में विशेषज्ञता रखता है और जिसने Tsinghua University से जड़ें जमाई हैं, ने रोबोटों के लिए एक भविष्य कहनेवाला विश्व मॉडल, Polibrain की घोषणा की। यह प्रस्तुति 20 अक्टूबर को नानजिंग में आयोजित पहले फिजिकल एआई और वर्ल्ड मॉडल कॉन्फ्रेंस में हुई, जहाँ संस्थापक गाओ हाईचुआन (Gao Haichuan) ने उद्घाटन मुख्य भाषण के दौरान मॉडल का प्रदर्शन किया।
Polibrain हर भविष्य के वीडियो फ्रेम को उत्पन्न करने का प्रयास नहीं करता है। इसके बजाय, यह पर्यावरण की स्थिति, इतिहास और कार्यों के परिणामों के बीच संबंधों का अध्ययन करता है, और अनुमान लगाता है कि प्रासंगिक स्थिति प्रतिनिधित्व के लेटेंट स्पेस में कैसे बदलेंगी। कंपनी का दावा है कि कचरा इकट्ठा करने के कार्य के लिए, रोबोट के लिए जमीन का रंग वस्तु के स्थान, उसके सापेक्ष मैनिपुलेटर की स्थिति और ग्रिप द्वारा स्थिति में परिवर्तन कैसे आएगा, इससे कम महत्वपूर्ण है।
यह मॉडल धारणा, स्थिति की समझ, कार्रवाई की भविष्यवाणी, निर्णय लेने, निष्पादन और फीडबैक को एक बंद लूप में एकीकृत करता है। जब प्राप्त परिणाम भविष्यवाणियों से विचलित होते हैं, उदाहरण के लिए एक असफल पकड़ के बाद, तो सिस्टम नई स्थिति के आधार पर कार्य का पुनर्मूल्यांकन करता है और बाद के चरणों को समायोजित करता है। क्वानज्यू का कहना है कि प्रमुख विशेषताओं का डिकोडिंग उसे अपेक्षित और वास्तविक स्थितियों के बीच विसंगतियों को ट्रैक करने की अनुमति देता है, जिससे त्रुटियों का पता लगाने और ठीक होने में मदद मिलती है।
कंपनी द्वारा प्रदान किए गए प्रदर्शन वीडियो में, एक चार पैरों वाला रोबोट, जो एक मैनिपुलेटर और संग्रह बिन से लैस है, सड़क पर कूड़ा ढूंढ रहा है, उसके करीब आ रहा है, मैनिपुलेटर की गति की योजना बना रहा है और वस्तुओं को बिन में रख रहा है। क्वानज्यू बताता है कि Polibrain को साथी सेवा, भोजन सेवा, सफाई और सूक्ष्म हेरफेर जैसे कार्यों को करने के लिए चार पैरों वाले, मानव सदृश, पहिया, एक-हाथ और दो-हाथ वाले रोबोटों में उपयोग के लिए अनुकूलित किया जा सकता है। हालांकि, कंपनी स्वीकार करती है कि जटिल परिदृश्यों में मॉडल की विश्वसनीयता के लिए अभी भी वास्तविक दुनिया की स्थितियों में अधिक गहन परीक्षण की आवश्यकता है।
क्वानज्यू खुद को रोबोटों के लिए 'मस्तिष्क' प्रदाता के रूप में स्थापित करता है, न कि हार्डवेयर निर्माता के रूप में। इसकी कमजोर रूप से जुड़ी वास्तुकला पर्यावरण और कार्य की सामान्य समझ को प्रत्येक मशीन के स्व-प्रबंधन से अलग करती है, जिससे विभिन्न रोबोट या यहां तक कि जुड़े हुए उपकरणों को एक ही इरादतन परिवर्तन को अपने तरीके से करने की अनुमति मिलती है। कंपनी को उम्मीद है कि यह विभिन्न रोबोट रूपों से डेटा को एक ही मॉडल को खिलाने की भी अनुमति देगा।
यह विकास उन शोधों पर आधारित है जो क्वानज्यू ने Tsinghua University की टीम के साथ ICML 2025 सम्मेलन में प्रकाशित किए थे, जिसमें बताया गया था कि न्यूरल नेटवर्क विश्व मॉडल कैसे सीखते हैं, साथ ही मॉडल की जटिलता के माप 'कुशल डिग्री' और यह निर्धारित करने के लिए काउंटरफैक्चुअल विधि से संबंधित बाद के काम भी शामिल हैं कि किन पिछले अवलोकनों को बनाए रखा जाना चाहिए।