एजीआईबॉट कंपनी ने 29 अक्टूबर को GO-3 प्रीव्यू मॉडल जारी किया। कृत्रिम बुद्धिमत्ता का यह मूर्त मॉडल प्रारंभिक प्रशिक्षण के दौरान, उसके बाद और यहां तक कि काम में लागू होने के बाद भी सभी चरणों में सीखने की क्षमता रखता है। एजीआईबॉट वर्ष 2026 के अंत तक पूरे मॉडल को सार्वजनिक रूप से उपलब्ध कराने का इरादा रखती है।
GO-3 प्रीव्यू WRAM, या वर्ल्ड रीजनिंग एक्शन मॉडल नामक आर्किटेक्चर पर आधारित है। यह आर्किटेक्चर कार्य पर तर्क, भविष्य की घटनाओं की भविष्यवाणी और कार्यों के निर्माण को जोड़ता है, जिससे रोबोट निर्देश को समझ सकता है, परिणाम की भविष्यवाणी कर सकता है और उपयुक्त हरकतें कर सकता है।
इस मॉडल ने हाल ही में मूर्त एआई के लिए तीन रैंकिंग - RoboDojo, RoboTwin और RoboColiseum - में पहला स्थान हासिल किया है। एजीआईबॉट का दावा है कि मॉडल दो दिशाओं में स्केलेबल है। एक ओर, वस्तुओं के प्रसंस्करण और कार्यों के विकास के लिए समृद्ध उदाहरण प्रथम-व्यक्ति मानव वीडियो रिकॉर्डिंग द्वारा प्रदान किए जाते हैं, और रोबोट पथ अवलोकनों को कार्यों और भौतिक परिणामों से जोड़ते हैं।
दूसरी ओर, मॉडल की उच्च शिक्षण क्षमता इस बिखरे हुए अनुभव को ऐसे कौशल में बदल देती है जिन्हें नए कार्यों पर लागू किया जा सकता है। प्रारंभिक प्रशिक्षण के बाद, कंपनी बताती है कि रोबोट घरों, रसोई में, मल्टी-रोबोट सिस्टम में अज्ञात कार्यों को कर सकते हैं और अतिरिक्त फाइन-ट्यूनिंग के बिना सूक्ष्म हेरफेर कर सकते हैं।
कई प्रदर्शनों की मदद से, मॉडल लंबी और नाजुक प्रक्रियाओं को सीखने में सक्षम है, जैसे जियानबिन - एक चीनी मसालेदार पैनकेक बनाना। एजेंट द्वारा फाइन-ट्यूनिंग और कदमों के समन्वय के बाद, रोबोट लेगो के पुर्जे भी इकट्ठा कर सकता है।
प्रशिक्षण के बाद के चरण के लिए, एजीआईबॉट ने जीनियस इवॉल्वर नामक एक वितरित शिक्षण प्रणाली विकसित की है, जो लगभग सौ वास्तविक रोबोटों को भौतिकी सिमुलेशन और विश्व मॉडल के साथ जोड़ती है। टेबल पर कर्लिंग गेम में, रोबोट ने चार घंटे के ऑनलाइन प्रशिक्षण के बाद औसत परीक्षण किए गए व्यक्ति को पीछे छोड़ दिया। ब्लॉक टावरों वाले खेल में, यह स्थिरता बनाए रखते हुए लगातार पांच ब्लॉकों को बाहर निकालने में सक्षम था।
कार्यान्वयन के बाद, जीनियस मास्टर एजेंट संरचना तर्क, निष्पादन और प्रतिक्रिया के बीच संबंध सुनिश्चित करती है, जिससे रोबोट काम करने की प्रक्रिया में लगातार बेहतर हो सकते हैं। एजीआईबॉट G2 रोबोट, जो एक वास्तविक चौबीसों घंटे स्टोर में काम कर रहा था, ने अपने स्वयं के विफलताओं के कारणों का पता लगाया, अपने दृष्टिकोण को समायोजित किया और किसी मानव या ट्यूनिंग के बिना प्राप्त ज्ञान को बनाए रखा। पूर्ण कार्यप्रवाह पर इस रोबोट की सफलता पहले दिन 28.6 प्रतिशत से बढ़कर पांच दिनों में स्थिर 85.7 प्रतिशत हो गई।
छोटे हुक लटकाने जैसे कार्य में, एजीआईबॉट का दावा है कि इस विधि ने पारंपरिक नियंत्रित फाइन-ट्यूनिंग की तुलना में व्यक्तिगत कार्य की सफलता दर में 17.7 प्रतिशत अंकों की वृद्धि की है, और प्रशिक्षण प्रक्रिया ऑनलाइन जारी है।
