रोबोट AgiBot G2 Max JD Logistics गोदाम में 80 डिब्बे प्रति घंटे संसाधित कर रहा है

AgiBot G2 मॉडल के छह मानव सदृश रोबोटों ने शंघाई के शूहुई क्षेत्र में स्थित सुविधा स्टोर में 24 घंटे की शिफ्ट पूरी की। यह सीधा प्रसारण कार्यक्रम 2 नवंबर को सुबह 10:00 बजे से 3 नवंबर को सुबह 10:00 बजे तक चला, और AgiBot के अनुसार, ऑनलाइन दर्शकों की संख्या दो मिलियन से अधिक थी।

प्रत्येक रोबोट एक विशिष्ट कार्य करता था: एक प्रवेश द्वार पर ग्राहकों का स्वागत करता था, दो स्टॉक भरने, आपूर्ति बढ़ाने और अलमारियों पर गश्त करने का काम करते थे, एक कॉफी बनाता था, एक चेकआउट और गर्म भोजन का प्रबंधन करता था, और छठा मेज साफ करने के लिए जिम्मेदार था। AgiBot की अंतिम गणना के अनुसार, छह रोबोटों ने 1730 कार्य पूरे किए, जिसमें 683 ग्राहक सेवा, 369 डिलीवरी और सामान प्राप्त करना, 147 कॉफी बनाना, 126 नाश्ते के ऑर्डर, 277 स्टॉक भरने और अलमारियों की जांच के ऑपरेशन, और 128 मेज साफ करने के मामले शामिल थे।

छह में से चार रोबोटों ने कार्यक्रम के मूल्यांकन में भाग लिया, जिसने कार्यों को पूरा करने की गति, प्रतिक्रिया, अपवादों से निपटने की क्षमता और ग्राहक प्रतिक्रिया का आकलन किया। आमंत्रित परीक्षकों ने रोबोटों के लिए कठिनाइयाँ पैदा करने की कोशिश की, जिसमें सामान्य और आहार कोला मिलाना और केवल आहार कोला मांगना, गम की पूरी शेल्फ पर अव्यवस्था फैलाना, और रोबोटों के रास्ते में गलियारों में खड़े होना या डिब्बे गिराना शामिल था।

रिपोर्टों के अनुसार, रोबोट आवाज अनुरोध को दृश्य सत्यापन के साथ मिलाकर पेय पदार्थों की पुष्टि करते थे; वे मूल्य टैग पर निर्भर रहने के बजाय वस्तुओं को नेत्रहीन रूप से गिनकर अलमारियों को बहाल करते थे; और बाधाओं से बचते हुए रुक जाते थे। छोटे हेरफेर, जैसे कि कैंडी बैग को हुक पर लटकाना या बिना नुकसान पहुंचाए नरम केक चुनना, सबसे कठिन कार्यों में से एक बने रहे, और रोबोट कभी-कभी गलतियाँ करते थे।

सभी छह रोबोट AgiBot के एम्बोडीड एजेंट फ्रेमवर्क, Genie Master के माध्यम से समन्वयित होते थे, जो अपने एम्बोडेड एग्जीक्यूशन प्रोटोकॉल के माध्यम से कार्य निर्णयों, गति निष्पादन और फीडबैक को जोड़ता है। सिस्टम दैनिक रूप से सफल और असफल रन का विश्लेषण करता है, उपयोगी अनुभव को दीर्घकालिक स्मृति में सहेजता है और प्रशिक्षण डेटा में उपयोग के लिए सुधारे गए प्रयासों को फ़िल्टर करता है, और रोबोट कम गतिविधि के घंटों के दौरान अभ्यास करते हैं। AgiBot ने जोर देकर कहा कि परीक्षण चक्र में मानव भागीदारी के बिना किया गया था, जिसका अर्थ है कि कोई मानव प्रदर्शन या ऑन-साइट मैनुअल ट्यूनिंग नहीं थी।

AgiBot के एम्बोडीड रिसर्च सेंटर के उपाध्यक्ष रेन गुआनहुई ने मीडिया को बताया कि कंपनी कार्य पूरा करने के प्रतिशत, पहली बार में सफलता, प्रतिक्रिया समय, कुल चक्र समय, प्रति इकाई समय में योग्य डिलीवरी की संख्या, मानव हस्तक्षेप की आवृत्ति, रिकवरी समय और सिस्टम की उपलब्धता जैसे मेट्रिक्स पर नज़र रखेगी। हालांकि, समापन पर प्रकाशित आंकड़े केवल पूरे किए गए कार्यों की संख्या से संबंधित थे, और AgiBot ने अभी तक सफलता मेट्रिक्स या हस्तक्षेपों की संख्या पर डेटा जारी नहीं किया है।

इस परीक्षण लॉन्च ने AgiBot के AI WAVE रिलीज़ श्रृंखला को पूरा किया, जो 22 अक्टूबर को शुरू हुई और कंपनी के डेटासेट, सिमुलेशन प्लेटफॉर्म, मॉडल और रोबोट हार्डवेयर को एक ही लाइव प्लेटफॉर्म पर एकीकृत करती है।

शंघाई में 29 अक्टूबर को आयोजित इनोवेशन डे 2026 कार्यक्रम में, AgiBot कंपनी ने कार्यप्रवाहों में रोबोट के वास्तविक योगदान का आकलन करने के लिए एक नई माप इकाई प्रस्तुत की। सह-संस्थापक, अध्यक्ष और तकनीकी निदेशक पेंग झिहुई ने इस इकाई को वर्कन नाम दिया, जिसका अर्थ है कुशल बौद्धिक कार्य घंटे। उन्होंने वर्कन को सक्रिय रोबोटों की संख्या को स्वायत्त कार्य घंटों और आउटपुट दक्षता गुणांक के गुणनफल के रूप में परिभाषित किया।

पेंग ने इस बात पर जोर दिया कि केवल रोबोट के चलने का समय ही मूल्य के बराबर नहीं होता है। उनके अनुसार, यह गारंटी नहीं देता है कि यदि कोई रोबोट आठ घंटे चालू रहता है तो आठ घंटे का मूल्य उत्पन्न होगा, और एक कार्य को सफलतापूर्वक पूरा करने की उच्च सफलता दर का मतलब यह नहीं है कि वह महीने भर मनुष्य की तरह स्थिर रूप से काम कर पाएगा। वर्कन का उद्देश्य वास्तविक परिस्थितियों में रोबोट द्वारा प्रदान किए गए टिकाऊ और उपयोगी श्रम के बारे में सवाल का जवाब देना है, न कि प्रदर्शन विनिर्देशों के बारे में।

AgiBot ने तीन कार्यान्वयनों से डेटा साझा किया। चेंगदू में कुआनचाई गली में ग्राहकों की सेवा करने वाले चार रोबोटों ने 310 घंटे काम किया और 744 वर्कन उत्पन्न किए। लॉन्गचीर फैक्ट्री की उत्पादन लाइन पर लोडिंग और अनलोडिंग करने वाले आठ रोबोटों ने 528 घंटे काम किया और 2956.8 वर्कन दिए। गुआंगझोउ मेट्रो में सुरक्षा क्षेत्र के माध्यम से यात्रियों का मार्गदर्शन करने वाले 120 रोबोटों ने 240 घंटे काम किया और 14,400 वर्कन प्रदान किए। हालांकि, कंपनी ने अभी तक दक्षता गुणांक को परिभाषित करने के लिए कोई सर्वमान्य मानक स्थापित नहीं किया है, जैसे मानव हस्तक्षेप, रखरखाव या डाउनटाइम को कैसे ध्यान में रखा जाए।

एक महत्वपूर्ण पहलू लोगों को कार्य चक्र से हटाना था। सितंबर में, AgiBot ने हेनचिन में चिमेलोंग स्पेसशिप पार्क के 100 से अधिक स्थानों पर 300 से अधिक रोबोट तैनात किए ताकि आगंतुकों के लिए पर्यटन, शतरंज और टेबल टेनिस जैसे खेल और अन्य कार्यक्रम आयोजित किए जा सकें। वर्तमान में वहां लगभग 500 रोबोट नियमित रूप से काम कर रहे हैं, और कंपनी वर्ष के अंत तक इस संख्या को 1000 तक बढ़ाने की योजना बना रही है।

साझेदार वांग चुआंग ने उल्लेख किया कि शुरू में लगभग हर रोबोट के लिए एक समर्पित इंजीनियर की आवश्यकता थी। चूंकि बच्चे रोबोटों के साथ बातचीत कर रहे थे और खेल के नियमों का उल्लंघन कर रहे थे, इसलिए रोबोटों और इंजीनियरों का अनुपात 1:1 से बढ़कर 3:1 हो गया। कंपनी का लक्ष्य इस वर्ष के अंत तक 10:1 का अनुपात प्राप्त करना है, और अगले वर्ष 20:1 का। उनके अनुसार, इस अनुपात पर, ग्राहक को इस कार्य के लिए कर्मियों पर केवल लगभग 5 प्रतिशत अधिक बजट की आवश्यकता होगी।

नेतृत्व ने मौजूदा सीमाओं को स्वीकार किया। वांग ने बताया कि नई WITA-OMNI इंटरैक्शन मॉडल को बड़े रोबोट पार्कों के साथ काम करते समय स्थिरता और संगति के मामले में अभी भी सुधार की आवश्यकता है। सह-संस्थापक याओ माओकिंग ने कहा कि चीनी कारखानों में 10,000 से अधिक रोबोटों का दीर्घकालिक स्थिर संचालन एक प्रमुख उद्योग उपलब्धि होगी। पेंग ने जोड़ा कि अंतिम उपभोक्ता रोबोट बनाने की क्षमता में उतनी दिलचस्पी नहीं रखते हैं, जितनी वे उसकी эксплуатации का खर्च उठा सकते हैं। उनके विचार में, मापने योग्य परिणाम और परिचालन लागत में कमी के बिना, प्रत्येक बेचे गए रोबोट को अभी भी अपने पर्यवेक्षक की आवश्यकता होगी।

AgiBot ने Genie Master प्रस्तुत किया है - एक मूर्त एजेंट फ्रेमवर्क जो रोबोटों को इंजीनियरों द्वारा पुन: प्रशिक्षण की प्रतीक्षा करने के बजाय परिनियोजन के बाद लगातार बेहतर होने की अनुमति देता है। कंपनी का दावा है कि इस फ्रेमवर्क का उपयोग करने वाले G2 रोबोट वास्तविक घर के पास के स्टोर में तैयार व्यंजनों को पैक करने, वस्तुओं का चयन करने और अलमारियों को भरने जैसे कार्य करते हुए काम कर रहे थे, साथ ही प्रशिक्षण प्रक्रिया में मानव हस्तक्षेप के बिना अपनी विफलता मोड की पहचान और समाधान भी कर रहे थे।

AgiBot प्राप्त परिणाम को अवधारणा के पहले प्रमाण के रूप में वर्णित करता है जिसे वे भौतिक RSI, या मूर्त पुनरावर्ती आत्म-सुधार कहते हैं, सिमुलेशन और प्रयोगशाला स्थितियों से बाहर। प्रस्तुति में प्रस्तुत उदाहरणों में से एक यह था कि रोबोट बार-बार शेल्फ पर एक छोटे हुक को चूक रहा था क्योंकि मूल्य टैग कैमरे के सिर से दृश्य को अवरुद्ध कर रहा था। अपने निष्पादन लॉग का विश्लेषण करने के बाद, एजेंट ने समस्या की पहचान की, दृष्टिकोण बदल दिया, हुक की स्थिति की पुष्टि करने के लिए कलाई कैमरे को करीब लाने के लिए बाएं हाथ का उपयोग किया, फिर दाहिने हाथ से वस्तु उठाई और भविष्य के उपयोग के लिए इस सुधार को सहेजा।

यह फ्रेमवर्क मूर्त निष्पादन प्रोटोकॉल (EEP) पर आधारित है - एजेंट और रोबोट के बीच एक एकीकृत इंटरफ़ेस। इसमें चार घटक शामिल हैं: क्षमताओं का इंटरफ़ेस, जो एजेंट को बताता है कि रोबोट क्या कर सकता है; मार्गदर्शन इंटरफ़ेस, जो कार्रवाई नीति को स्थानिक संकेतों, ऑब्जेक्ट संदर्भों और विस्तृत निर्देशों को पारित करता है; फीडबैक इंटरफ़ेस, जो भौतिक परिणाम के बारे में सूचित करता है; और निरंतरता इंटरफ़ेस, जो पूरे रोबोट बेड़े के भीतर प्रगति और कार्य निर्भरताओं को ट्रैक करता है, जिससे ब्रेक के बाद काम फिर से शुरू या पुन: योजना बनाई जा सकती है।

जब कार्य लगातार विफल होते हैं या धीरे-धीरे किए जाते हैं, तो एजेंट स्टोर में कम व्यस्त घंटों के दौरान लक्षित अभ्यास की योजना बनाता है। सुधार दो दिशाओं में होता है। RSI, जो मॉडल भार को प्रभावित नहीं करता है, दैनिक सफलता और विफलता विश्लेषण का उपयोग करके संकेत, मेमोरी और निष्पादन नियमों को परिष्कृत करता है ताकि ऐसी चीज़ बनाई जा सके जिसकी टीम त्रुटि लॉगबुक से तुलना करती है। RSI नीति स्वायत्त रन, मानव हस्तक्षेप और पुनर्प्राप्ति के मामलों से डेटा एकत्र करती है, उसे फ़िल्टर और पुन: भारित करती है, और फिर पर्यवेक्षित शिक्षण, अनुकरण या सुदृढीकरण का उपयोग करके मूल कार्रवाई नीति को पुनः प्रशिक्षित करती है। AgiBot बताता है कि दूसरा ट्रैक अभी भी मानव हस्तक्षेप और मॉडल प्रशिक्षण डेटा का उपयोग करता है, इसलिए मनुष्य पूरी तरह से बाहर नहीं किए जाते हैं।

Genie Master AgiBot की AI WAVE रिलीज़ श्रृंखला का चौथा तत्व है, जो 22 अक्टूबर को शुरू हुई थी। कंपनी के प्रकाशित कार्यक्रम के अनुसार, अगला बिंदु 28 अक्टूबर को आंतरिक भौतिक इंजन के साथ Genie Sim सिमुलेशन प्लेटफॉर्म का अद्यतन होगा, जिसे विकृत वस्तुओं का अनुकरण करने के लिए डिज़ाइन किया गया है, जो AgiBot के अनुसार जटिल कार्यों में वास्तविक और अनुकरण किए गए परिणामों के बीच 95% से अधिक संगति प्राप्त करता है। लेखन के समय कोई विस्तृत जानकारी प्रकाशित नहीं की गई थी।

सार्वजनिक परीक्षण 2 और 3 नवंबर को निर्धारित है, जब छह G2 रोबोट घर के पास के स्टोर में 24 घंटे वास्तविक समय में काम करेंगे, जिसमें दोपहर और रात के भोजन के चरम घंटों, रात की पाली और नाश्ते की तैयारी को कवर किया जाएगा।