மனித உருவ ரோபோ பயிற்சித் தரவு: களத்தில் இறக்குவதற்கு முன் குழுக்களுக்குத் தேவைப்படுபவை

மனித உருவ ரோபோக்கள் ஆய்வக செயல்விளக்கங்களிலிருந்து உண்மையான கிடங்குகள், சமையலறைகள் மற்றும் தொழிற்சாலைத் தளங்களுக்குள் நுழைந்து வருகின்றன — ஆனால், பெரும்பாலான குழுக்கள் இதில் கடினமான பகுதி மாதிரி அல்ல, மாறாக அதன் பின்னணியில் உள்ள தரவுதான் என்பதைக் கண்டறிகின்றன. அடிப்படை மாதிரிகளால் ஒரு கோப்பையை அடையாளம் காண முடியும்; ஆனால், ஒரு கோப்பையை எடுத்து, ஒரு வயதான நபரிடம் கொடுத்து, அவர் வித்தியாசமாக கையை நீட்டும்போது தன்னைத் தகவமைத்துக் கொள்ளும் ஒரு மனித உருவ ரோபோவைப் பயன்படுத்துவது என்பது முற்றிலும் வேறுபட்ட ஒரு சிக்கலாகும். ஒரு நேர்த்தியான செயல்விளக்கத்திற்கும், நிஜ உலகத் தொடர்பைத் தாங்கி நிற்கும் ஒரு அமைப்புக்கும் இடையிலான தீர்மானிக்கும் காரணி மனித உருவ ரோபோவின் பயிற்சித் தரவுகளே ஆகும்.

ஒரு மாதிரியை உற்பத்திக்குக் கொண்டு செல்வதற்கு முன்பு, மனித உருவ செயற்கை நுண்ணறிவு குழுக்களுக்குத் தரவு வகைகள், விளக்கக் குறிப்பு ஆழம், பாதுகாப்பு வரம்பு மற்றும் தரக் கட்டுப்பாடுகள் ஆகியவற்றில் என்னென்ன தேவை என்பதை இந்த வழிகாட்டி விளக்குகிறது.

முக்கிய எடுத்துக்காட்டுகள்

• ஹியூமனாய்டு நிலைநிறுத்தலுக்கு, குறியிடப்பட்ட படங்கள் மட்டுமல்ல, செயலுடன் இணைந்த பலவகைத் தரவுகளும் தேவைப்படுகின்றன.
• பௌதீக மாறுபாடுகளைக் கையாள்வதற்கு, அடித்தள மாதிரிகளுக்கு இன்னும் நிஜ உலக செயல்விளக்கங்கள் தேவைப்படுகின்றன.
• இரு கைகளால் செய்யப்படும், அதிகத் தொடர்பு கொண்ட பணிகளுக்குத் துல்லியமான பாதை மற்றும் விசைக் குறிப்புகள் தேவைப்படுகின்றன.
• பாதுகாப்புச் சூழ்நிலைக் காப்பீடு என்பது தற்போது தொழில்துறை முழுவதும் ஒரு செயலாக்கத்தைத் தடுக்கும் அளவுகோலாக உள்ளது.
• மனித ஈடுபாட்டுடன் கூடிய மதிப்பாய்வும், குறிப்பீட்டாளர்களுக்கு இடையேயான உடன்பாடும் இன்றியமையாத தரக் கட்டுப்பாடுகளாகத் தொடர்கின்றன.
• VLA-க்கு ஏற்ற வெளியீட்டு வடிவங்கள், தரவுச் செயல்பாடுகளுக்கும் பயிற்சி வழிமுறைகளுக்கும் இடையிலான உராய்வைக் குறைக்கின்றன.

மனித உருவ ரோபோவின் பயிற்சித் தரவுகள் எப்படி இருக்கும்?

மனித உருவ ரோபோ பயிற்சித் தரவு என்பது, ரோபோ உணர்வதையும் அதற்குப் பதிலளிக்கும் விதமாக ஒரு மனிதன் (அல்லது ரோபோ) செய்வதையும் பதிவுசெய்யும், பலவகைப்பட்ட, நேரத்துடன் ஒத்திசைக்கப்பட்ட தரவு ஆகும். ஒரு பயனுள்ள தரவுத்தொகுப்பானது, ஒத்திசைக்கப்பட்ட RGB மற்றும் ஆழம் சார்ந்த காணொளிகள், ஒலி, IMU மற்றும் விசை அளவீடுகள், மூட்டு நிலைகள், மற்றும் மொழி வழிமுறைகள் ஆகியவற்றை, பெயரிடப்பட்ட செயல் பாதைகளுடன் இணைத்து வழங்குகிறது.

செயல்பாட்டுப் பாதை: ஒரு பணி எவ்வாறு செய்யப்படுகிறது என்பதை விவரிக்கும், செயல்முனைப்பு உறுப்புகளின் நிலைகள், மூட்டுக் கோணங்கள் அல்லது இயக்கக் கட்டளைகளின் நேர முத்திரையிடப்பட்ட தொடர்வரிசை.

ஓப்பன் எக்ஸ்-எம்பாடிமென்ட் கூட்டு முயற்சியானது, 22 ரோபோ வடிவங்கள் மற்றும் 500-க்கும் மேற்பட்ட பணிகளிலிருந்து தரவுகளை ஒருங்கிணைத்தது (டீப்மைண்ட்/ஸ்டான்ஃபோர்ட் மற்றும் பலர், 2024). இது, நவீன மனித உருவ அடிப்படை மாதிரிகள் முன்-பயிற்சியில் எதிர்பார்க்கும் அளவை விளக்குகிறது. ஆனால், முன்-பயிற்சி அளவு மட்டுமே களச் செயல்பாட்டிற்கு வழிவகுக்காது. குழுக்களுக்கு, தங்கள் ரோபோக்கள் உண்மையில் செயல்படவிருக்கும் சூழல்களில் சேகரிக்கப்பட்ட, பணி சார்ந்த பிரத்யேகத் தரவுகள் அதன் மேல் அடுக்கப்பட வேண்டும்.

ஹியூமனாய்டு குழுக்கள் களத்தில் இறக்கப்படுவதற்கு முன்பு ஏன் தரவுத் தடையை எதிர்கொள்கின்றன?

இணைய அளவிலான பட-உரை இணைகளில் செயல்பாட்டுப் பாதைகள், தொடர்பு விசைகள் அல்லது மனித நோக்கம் ஆகியவை இல்லாததால், ஹியூமனாய்டு குழுக்கள் ஒரு தரவுத் தடையை எதிர்கொள்கின்றன. ஒரு மாதிரியானது, பொருட்கள் சிதறிக் கிடக்கும் ஓர் அலமாரியைத் துல்லியமாக விவரித்தாலும், அதிலிருந்து பொருட்களைப் புரிந்துகொள்வதில் தோல்வியடையக்கூடும். ஒரு காட்சியைப் புரிந்துகொள்வதற்கும் அதில் செயல்படுவதற்கும் இடையிலான இடைவெளியை, எந்தவொரு பொதுத் தரவுத்தொகுப்பும் வழங்காத கட்டமைக்கப்பட்ட செயல்விளக்கங்கள், டெலிமெட்ரி மற்றும் விளிம்புநிலை நிகழ்வுகளின் பகுப்பாய்வு ஆகியவற்றைக் கொண்டு நிரப்பலாம்.

ஒரு கட்டுப்படுத்தப்பட்ட ஸ்டுடியோவில், பொருட்களை எடுத்து வைக்கும் செயல்விளக்கம் பிழையின்றி இயங்கும் ஒரு நடுத்தர அளவிலான மனித உருவ ரோபோ ஸ்டார்ட்அப் நிறுவனத்தைக் கற்பனை செய்து பாருங்கள். அதே ரோபோ, பிரதிபலிக்கும் தரைகள், பகுதி மறைப்புகள் மற்றும் பழக்கமில்லாத பேக்கேஜிங் கொண்ட ஒரு உண்மையான கிடங்கிற்குள் நுழையும்போது, ​​அதன் வெற்றி விகிதம் சரிந்துவிடுகிறது — அதற்குக் காரணம் அதன் மாதிரி தவறானது என்பதல்ல, மாறாக அந்தச் சூழல்களில் யாரும் அதற்குப் பயிற்சி அளிக்கவில்லை என்பதே. அந்த இடைவெளியைக் குறைப்பது ஒரு தரவுச் சிக்கலே தவிர, மாதிரிச் சிக்கல் அல்ல.

இருகைப் பயன்பாட்டிற்கு எந்தத் தரவு வகைகள் மிகவும் முக்கியமானவை?

இரு கைகளால் செய்யப்படும் கையாளுதலுக்கு, இறுதி நிலைகளை மட்டும் அல்லாமல், கைகளுக்கு இடையேயான ஒருங்கிணைப்பு, தொடு இயக்கவியல் மற்றும் மீட்சி நடத்தைகள் ஆகியவற்றை உள்ளடக்கிய தரவுகளும் தேவைப்படுகின்றன.

இருகைகளால் செய்யப்படும் கையாளுதல்: ஒற்றைக் கையால் நம்பகத்தன்மையுடன் கையாள முடியாத பொருட்களை, இரண்டு கைகளையும் ஒன்றாகப் பயன்படுத்தி கையாளும் ஒரு ரோபோ திறன் வகுப்பு.

விட்டுக்கொடுக்க முடியாத அம்சங்களில் பின்வருவன அடங்கும்:

1. இரு கைகளையும் பயன்படுத்தி, அதிக பிரேம் விகிதங்களில் கண்காணிக்கப்படும் மனித அல்லது தொலை இயக்க செயல்விளக்கங்கள்.
2. பற்றிகள் மற்றும் தொடர்புப் புள்ளிகள் முழுவதும் ஒத்திசைக்கப்பட்ட விசை மற்றும் தொடு உணர்வு அளவீடுகள்.
3. ஒவ்வொரு ஃபிரேமிலும் நிலை, திசையமைப்பு மற்றும் உருக்குலைவைக் குறிக்கும் பொருள்-நிலை விளக்கக் குறிப்புகள்.
4. ஒரு பொருள் நழுவும்போதோ அல்லது நகரும்போதோ மனிதர்கள் என்ன செய்கிறார்கள் என்பதைக் காட்டும் செயலிழப்பு மீட்புத் தொடர்கள்.
5. இயல்மொழி இலக்குகளைச் செயல்படுத்தப்பட்ட இயக்கத்துடன் இணைக்கும் அறிவுறுத்தல்-செயல் இணைப்புகள்.

ஷைப்பின் பிசிக்கல் ஏஐ பணிப்பாய்வுகள், உலகளாவிய ஸ்டுடியோ பதிவு மற்றும் சமையலறைகள், கிடங்குகள், தொழிற்சாலைகள் மற்றும் வீடுகள் முழுவதும் கள சேகரிப்பு ஆகியவற்றின் மூலம் இந்த அடுக்கைப் படம்பிடிக்கின்றன, மேலும் இதன் குறிப்புரை ஆழம் அதற்கேற்ப சரிசெய்யப்பட்டுள்ளது. VLA (பார்வை-மொழி-செயல்) மாதிரிப் பயிற்சி. காண்க ஷைப்பின் பிசிகல் ஏஐ வழங்கல் முழுமையான செயல்முறைக்கு.

VLA பயிற்சிக்காக மனித செயல்விளக்கத் தரவுகளை எவ்வாறு கட்டமைக்க வேண்டும்?

மனித செயல்விளக்கத் தரவுகள், தனித்தனி, மொழி வாரியாகக் குறியிடப்பட்ட அத்தியாயங்களாகக் கட்டமைக்கப்பட வேண்டும் — ஒவ்வொரு அத்தியாயமும் சீரமைக்கப்பட்ட அவதானிப்புகள், அறிவுறுத்தல்கள், செயல் வழித்தடங்கள் மற்றும் வெற்றி அல்லது தோல்விக்கான குறியீடு ஆகியவற்றைக் கொண்டிருக்க வேண்டும்.

சமீபத்திய ஒரு பெரிய அளவிலான முயற்சியானது, கட்டமைக்கப்படாத தன்முனைப்புள்ள மனிதக் காணொளிகளை, 26 மில்லியன் பிரேம்களில் பரவியுள்ள 1 மில்லியன் அத்தியாயங்களைக் கொண்ட VLA-வடிவப் பயிற்சித் தரவுகளாக மாற்றியது (Wu et al., arXiv, 2025). இதன் மூலம், செயல்விளக்கத் தரவுகள் துண்டுகளாகப் பிரிக்கப்பட்டதாகவும், தனித்தனி கூறுகளாகவும், மொழிக்கு ஏற்றவாறு சீரமைக்கப்பட்டதாகவும் இருக்கும்போது மிகவும் பயனுள்ளதாக இருக்கும் என்பது உறுதி செய்யப்பட்டது. தளர்வான, துண்டுகளாகப் பிரிக்கப்படாத காணொளி மட்டும், செயல்படுத்தக்கூடிய ஒரு கொள்கைக்குப் பயிற்சி அளிக்காது.

பயனுள்ள செயல்விளக்கங்கள் பின்வருவனவற்றைக் கொண்டுள்ளன: தெளிவான பணி அறிவுறுத்தல், படிநிலை வாரியான அவதானிப்புகள், ஒவ்வொரு படியிலும் செயல் குறிச்சொற்கள், நேரக் குறியீடுகள் மற்றும் ஒரு மதிப்பீட்டுக் குறிப்பான். ஷைப்பின் தரவு சிறுகுறிப்பு பணிப்பாய்வுகள், நிறுவன சட்ட மதிப்பாய்விற்கான மூலத் தரவு உட்பட, இந்த கட்டமைப்பைத் துல்லியமாக வழங்குகின்றன.

பாதுகாப்புச் சூழ்நிலைகள் தரவுப் பரிமாற்றத்தை எவ்வாறு மாற்றுகின்றன?

பாதுகாப்புச் சூழ்நிலைகள், தரவு சேகரிப்பு தொடங்கிய பிறகு அல்லாமல், அதற்கு முன்பே அரிதான நிகழ்வுகளுக்கான திட்டமிடலைச் செய்யுமாறு குழுக்களைக் கட்டாயப்படுத்துவதன் மூலம் தரவுப் பரிமாற்ற முறையை மாற்றுகின்றன. மறைப்புகள், குறைந்த ஒளி, எதிர்பாராத மனித அணுகுமுறை, கீழே விழும் பொருட்கள் போன்ற விளிம்புநிலைச் சூழல்களில்தான் தரவுச் செயலாக்க அபாயம் குவிகிறது.

விளிம்பு நிலை: அரிதான ஆனால் சாத்தியமான ஒரு இயக்க நிலை, இது களச் செயலிழப்புகளையும் பாதுகாப்புச் சம்பவங்களையும் அளவுக்கு அதிகமாகத் தூண்டுகிறது.

வலுவான செயல்முறைத் திட்டங்கள் இயல்பாகவே உள்ளடக்கியவை:

• செயல்பாட்டு இடர் அடுக்குகளுடன் இணைக்கப்பட்ட ஸ்கிரிப்ட் செய்யப்பட்ட சூழ்நிலைப் பட்டியல்கள்
• செயல்திறன் சறுக்கலைக் கண்டறியும் பின்னடைவு சோதனைத் தொகுப்புகள்
• அதிக ஆபத்துள்ள லேபிள்களுக்கான குறிப்பாளர் இடையேயான உடன்பாட்டு வரம்புகள்
• அரிதான நிகழ்வுகள் முழுவதும் வெளியீட்டுத் தயார்நிலை அளவுகோல்கள்

அமெரிக்க தேசிய தரநிலைகள் மற்றும் தொழில்நுட்ப நிறுவனத்தின் AI இடர் மேலாண்மை கட்டமைப்பு குறிப்பாக ஒழுங்குபடுத்தப்பட்ட சூழல்களில் செயல்படும் குழுக்களுக்கு, இடர்-படிநிலை மதிப்பீட்டை ஒழுங்கமைப்பதற்கான ஒரு பயனுள்ள நடுநிலையான குறிப்பை இது வழங்குகிறது.

மனித உருவத் தரவின் தரத்தை எவ்வாறு அளவிட வேண்டும்?