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।