2025-ம் ஆண்டு ஜூலை மாதத்தின் முதல் வாரம், செயற்கை நுண்ணறிவு மற்றும் ரோபோடிக்ஸ் துறையில் 획ிப்படையான முன்னேற்றத்தை கண்டுள்ளது. ஆராய்ச்சியாளர்கள், இயக்கத்தின் எதிர்பார்ப்பு மற்றும் தன்னிச்சையான உத்திகள் ஆகியவற்றில் சாதனை படைத்துள்ள ரோபோட்களை அறிமுகப்படுத்தியுள்ளனர்.
இந்த முன்னேற்றத்தின் மையமாக உள்ளது ETH Zurich உருவாக்கிய ANYmal-D எனும் நான்கு கால்கள் கொண்ட ரோபோட். இது மனிதர்களுடன் தானாகவே பேட்மிண்டன் விளையாடும் திறனை பெற்றுள்ளது. இந்த ரோபோட், ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங் மூலம் இயக்கப்படும் 획ிப்படையான கட்டுப்பாட்டு அமைப்பை பயன்படுத்துகிறது. இதன் மூலம் ஷட்டில்காக் பாயும் பாதையை கண்காணித்து, கணிப்பிட்டு, திறமையாக திருப்பி அனுப்ப முடிகிறது. ANYmal-D-ன் மேம்பட்ட 'மூளை' ஷட்டில்காக் பாதையை பின்தொடர்ந்து, அதன் இயக்கத்தை முன்கணித்து, கோர்ட்டில் விரைவாக நகர்ந்து அதைத் தடுத்து திருப்பி அனுப்பும் திறனை வழங்குகிறது. Science Robotics என்ற ஜர்னலில் வெளியான இந்த சாதனை, துல்லியமான பார்வை மற்றும் விரைவு உடல் இயக்கம் தேவைப்படும் செயல்களில் கால்கள் கொண்ட ரோபோட்களை பயன்படுத்தும் சாத்தியங்களை வெளிப்படுத்துகிறது.
இந்த ANYmal-D ரோபோட், பார்வை அடிப்படையிலான உணர்வுக்கு ஸ்டீரியோ கேமராவும், பேட்மிண்டன் ராக்கெட் பிடிக்க இயக்கக்கூடிய கை அமைப்பும் கொண்டுள்ளது. இதில் பார்வை, நகர்வு மற்றும் கை இயக்கம் ஆகியவை துல்லியமாக ஒருங்கிணைக்கப்பட வேண்டும். ஆராய்ச்சியாளர்கள், ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங் மூலம் இந்த அமைப்பை பயிற்றுவித்துள்ளனர். ANYmal-D, மனிதர்களுடன் போட்டியிடும் போது, கோர்ட்டில் திறம்பட நகர்ந்து, வேறு வேறு வேகங்களிலும் கோணங்களிலும் பந்துகளை திருப்பி அனுப்பி, அதிகபட்சம் 10 தொடர்ச்சியான ஷாட்களை திருப்பி அனுப்பும் திறனைக் காட்டியுள்ளது.
இந்த 획ிப்படையான முன்னேற்றம், வெறும் தொழில்நுட்ப ஆச்சரியமாக மட்டுமல்ல. ANYmal-D போன்ற நான்கு கால்கள் கொண்ட ரோபோட், பார்வை, சென்சார் தரவு மற்றும் மெஷின் லெர்னிங் ஆகியவற்றை பயன்படுத்தி இயக்கங்களை முன்கணித்து, தன்னிச்சையாக உத்திகளை மாற்றுகிறது. இது மனித-ரோபோட் ஒத்துழைப்பு எதிர்காலத்தை விளையாட்டு மற்றும் பயிற்சி துறைகளில் காட்டுகிறது. இந்த திட்டம், உடல் ரோபோடிக்ஸை மேம்பட்ட AI சிந்தனையுடன் இணைக்கிறது, 복잡மான மற்றும் எதிர்பார்க்க முடியாத சூழல்களில் மனிதர்களுடன் இணைந்து செயல்படும் இயந்திரங்களுக்கு புதிய வாய்ப்புகளை திறக்கிறது.
ரோபோடிக்ஸ் விஞ்ஞானிகள், ரோபோட்கள் எப்படி கற்றுக்கொள்கின்றன மற்றும் தங்களை மாற்றிக்கொள்கின்றன என்பதில் பெரிய முன்னேற்றங்களை செய்துள்ளனர். முக்கியமான ஒரு முன்னேற்றம், பல்வேறு தரவுகளை ஒருங்கிணைத்து ரோபோட்களுக்கு பயனுள்ளதாக மாற்றுவது. உதாரணமாக, மனிதர்கள் செயல்களைச் செய்யும் போது அணியும் சென்சார் தரவுகள், மனிதர்கள் ரோபோட் கை மூலம் செயலை தொலைநிலையிலிருந்து இயக்கும் தரவுகள், மேலும் இணையத்தில் கிடைக்கும் படங்கள் மற்றும் வீடியோக்கள் ஆகியவற்றை ஒருங்கிணைக்க முடிகிறது. இந்த அனைத்து தரவுகளையும் புதிய AI மாதிரிகளில் இணைப்பதன் மூலம், பாரம்பரிய முறைகளை விட ரோபோட்கள் அதிக முன்னேற்றம் பெறுகின்றன. ஒரே செயலைக் பல்வேறு முறையில் பார்க்கும் வாய்ப்பு, AI மாதிரிகள் தன்னிச்சையாக செயல்படவும், உண்மையான சூழலில் சரியான அடுத்த நடவடிக்கையை தீர்மானிக்கவும் உதவுகிறது. இது ரோபோட்கள் கற்றுக்கொள்ளும் முறையில் அடிப்படையான மாற்றமாகும்.
இது இன்று AI உற்பத்தித் துறையின் முக்கிய அம்சமாகும். ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங் முறையில் 획ிப்படையான முன்னேற்றங்கள், உடல் ரோபோட்களுக்கு முடிவெடுக்கவும், சிக்கலான செயல்களைச் செய்யவும் உதவுகிறது; உதாரணமாக, சட்டை ஹேங்கரில் தொங்க வைக்கும் செயலிலிருந்து பீட்சா மாவு தயாரிக்கும் வரை. ஜெனரேட்டிவ் AI மற்றும் ரோபோட்களின் இந்த இணைப்பு, வணிகம், சுகாதாரம், கல்வி மற்றும் பொழுதுபோக்கு உள்ளிட்ட துறைகளில் பயன்பாடுகளை 획ிப்படையாக விரிவாக்கியுள்ளது. இது, நுண்ணறிவு இயந்திரங்கள் எங்கள் அன்றாட வாழ்வில் இயல்பாக இணைந்து செயல்படும் எதிர்காலத்தை சுட்டிக்காட்டுகிறது.