গুগল ডিপমাইন্ড তাদের সবচেয়ে উন্নত ভিশন, ল্যাঙ্গুয়েজ এবং অ্যাকশন মডেল, জেমিনি রোবোটিক্স ২ উন্মোচনের মাধ্যমে রোবোটিক্সের জগতে এক বিশাল অগ্রগতি সাধন করেছে । বুদ্ধিমত্তার এই নতুন স্তরটি রোবটকে সত্যিকারের অভিযোজনযোগ্য যন্ত্রে রূপান্তরিত করার প্রতিশ্রুতি দেয়, যা প্রতিটি নড়াচড়া সম্পর্কে যুক্তি দিতে এবং বাস্তব-জগতের পরিবেশে জটিল কাজ সম্পাদন করতে সক্ষম। সংস্থাটি এটিকে একটি সার্বজনীন মস্তিষ্ক হিসেবে উপস্থাপন করেছে, যা ইন্ডাস্ট্রিয়াল আর্ম থেকে শুরু করে পূর্ণাঙ্গ হিউম্যানয়েড পর্যন্ত যেকোনো ধরনের রোবোটিক হার্ডওয়্যারে স্থাপন করা যেতে পারে।
সিস্টেমটি তিনটি বিশেষায়িত মডেলকে কেন্দ্র করে গঠিত, যেগুলো একসাথে কাজ করে। প্রথমত, ভিএলএ (ভিশন, ল্যাঙ্গুয়েজ, এবং অ্যাকশন) মডেল নির্দেশাবলীকে শারীরিক নড়াচড়ায় রূপান্তরিত করে। ইআর ২ মডেলটি উচ্চ-স্তরের মস্তিষ্ক হিসেবে কাজ করে, যা বিভিন্ন কাজের পরিকল্পনা করে এবং মানুষের সাথে যোগাযোগ স্থাপন করে। আর অন-ডিভাইস ২ মডেলটি ইন্টারনেট সংযোগের উপর নির্ভর না করে, রোবটের মধ্যেই স্থানীয়ভাবে চলার জন্য বিশেষভাবে তৈরি করা হয়েছে। এই গঠনপ্রণালী রোবটটিকে একই সাথে চিন্তা করতে ও কাজ করতে সক্ষম করে , যা একই ধরনের অন্যান্য সিস্টেমে প্রচলিত বিরতিগুলো দূর করে।
সম্পূর্ণ রোবোটিক বুদ্ধিমত্তার জন্য তিনটি মডেল
ভিশন, ল্যাঙ্গুয়েজ, এবং অ্যাকশন (VLA) মডেলটি রোবটের শরীরকে সরাসরি নিয়ন্ত্রণ করার জন্য দায়ী। প্রথমবারের মতো, এটি পায়ের আঙুল থেকে হাত পর্যন্ত সম্পূর্ণ হিউম্যানয়েড পরিচালনা করতে পারে, যা তাদেরকে নিপুণতার সাথে হাঁটতে, বসতে, শরীর প্রসারিত করতে এবং বস্তু নাড়াচাড়া করতে সক্ষম করে। পরীক্ষায়, এটি রোবোটিক গ্রিপার ব্যবহার করে কোনো কিছু প্রবেশ করানোর কাজে ৯০% নির্ভুলতা এবং পাঁচ-আঙুলের হাত ও ২২ ডিগ্রি স্বাধীনতা ব্যবহার করে লাইট বাল্ব খোলার কাজে ৯২% নির্ভুলতা প্রদর্শন করেছে।
অন্যদিকে, জেমিনি রোবোটিক্স ইআর ২ মডেলটি সমন্বিত যুক্তির উপর গুরুত্ব দেয়। এটি এমন একটি এজেন্ট হিসেবে কাজ করে যা তার পরিবেশ পর্যবেক্ষণ করে, একাধিক ধাপের কর্মপন্থা পরিকল্পনা করে এবং সেগুলো কার্যকর করার জন্য ভিএলএ-এর সাথে সমন্বয় করে । অতিরিক্ত তথ্যের প্রয়োজনে এটি গুগল সার্চের মতো বাহ্যিক টুল ব্যবহার করতে পারে এবং কাজের অগ্রগতি নিরীক্ষণের জন্য রিয়েল-টাইম ভিডিও বিশ্লেষণ করতে সক্ষম। গুগলের মতে, এই মডেলটি কাজের অগ্রগতি অনুমানে ৫৭.৪% এবং গুরুত্বপূর্ণ ঘটনা শনাক্তকরণে ৯১.৩% নির্ভুলতা অর্জন করে, যার ত্রুটির মাত্রা এক সেকেন্ডেরও কম।
তৃতীয় মডেল, জেমিনি রোবোটিক্স অন-ডিভাইস ২, অফলাইনে কাজ করার জন্য ডিজাইন করা হয়েছে। এটি ২০০টিরও কম উদাহরণ দিয়ে প্রশিক্ষণ দিয়ে মাত্র কয়েক ঘণ্টার মধ্যে একটি সম্পূর্ণ নতুন রোবটের সাথে নিজেকে মানিয়ে নিতে পারে । এই কারণে এটি এমন পরিবেশের জন্য আদর্শ যেখানে লেটেন্সি বা গোপনীয়তা অত্যন্ত গুরুত্বপূর্ণ, যেমন কারখানা বা ব্যক্তিগত বাড়ির সংযুক্ত ডিভাইস ।
সম্পূর্ণ শারীরিক নিয়ন্ত্রণ এবং অভূতপূর্ব নিপুণতা
সবচেয়ে আকর্ষণীয় নতুন বৈশিষ্ট্যগুলোর মধ্যে একটি হলো পূর্ণাঙ্গ দেহ নিয়ন্ত্রণ। পূর্ববর্তী মডেলগুলো যেখানে কেবল টেবিলের ওপরের কাজের জন্য রোবটের উপরের অংশ নিয়ন্ত্রণ করত, সেখানে জেমিনি রোবোটিক্স ২ শারীরিক কৃত্রিম বুদ্ধিমত্তাকে পূর্ণাঙ্গ দেহ সঞ্চালন পর্যন্ত প্রসারিত করেছে। রোবটগুলো এখন হাঁটতে, বসতে, শরীর প্রসারিত করতে এবং জটিল কাজের পরিকল্পনা করার পাশাপাশি বিভিন্ন বস্তু নাড়াচাড়া করতে পারে । প্রদর্শনীতে, শার্পাওয়েভ হাতযুক্ত অ্যাপট্রোনিকের অ্যাপোলো ২ রোবটটি তাক গোছাতে এবং সম্পূর্ণ নির্ভুলতার সাথে গিঁট বাঁধতে সক্ষম হয়েছিল।
সূক্ষ্ম অঙ্গ সঞ্চালনের দক্ষতাও উল্লেখযোগ্যভাবে উন্নত হয়েছে। মডেলটি শক্তি-প্রয়োজনীয় কাজের জন্য দুই আঙুলে সমান্তরালভাবে ধরতে পারে, এবং সূক্ষ্ম কাজের জন্য পাঁচ আঙুল ব্যবহার করতে পারে। প্রদর্শিত দক্ষতার মধ্যে রয়েছে ব্যাগ বন্ধ করা, গিঁট বাঁধা, লাইট বাল্ব খোলা এবং ছোট ছোট যন্ত্রাংশ একত্রিত করা । গুগল এই সক্ষমতাগুলোর সমর্থনে তথ্য প্রকাশ করেছে: নির্ভুলভাবে কিছু ঢোকানোর কাজে সাফল্যের হার ৯০%, এবং স্ক্রু খোলার কাজে সাফল্যের হার ৯২%।
রোবটদের মধ্যে সহযোগিতা এবং রিয়েল-টাইম যুক্তি
আরেকটি প্রধান উদ্ভাবন হলো একই কর্মক্ষেত্রে একাধিক রোবটকে সমন্বয় করার ক্ষমতা। জেমিনি রোবোটিক্স ইআর ২ বিভিন্ন ধরনের যন্ত্রকে তাদের পরিবেশ সম্পর্কে একটি সাধারণ ধারণা তৈরি করতে এবং কাজ ভাগ করে নিতে সাহায্য করে । একটি পরীক্ষায়, একটি ফ্রাঙ্কা এফ৩ ডুয়ো রোবট বাক্সে জিনিসপত্র রাখছিল, আর অ্যাপোলো ২ হিউম্যানয়েড সেগুলোকে একটি তাকে রাখছিল। গুগলের মতে, কোনোটিই একা কাজটি সম্পন্ন করতে পারত না, কিন্তু একসাথে কাজ করে তারা সফলভাবে তা শেষ করে।
এই সিস্টেমে রিয়েল-টাইম অগ্রগতি ট্র্যাকিংও অন্তর্ভুক্ত রয়েছে। রোবট দ্বারা ধারণ করা ভিডিওর ক্রমাগত বিশ্লেষণের মাধ্যমে, মডেলটি কার্যকলাপের শুরু থেকে শেষ পর্যন্ত প্রতিটি ফ্রেমকে পাঁচ-স্তরের স্কেলে শ্রেণীবদ্ধ করে। যদি কোনো অপ্রত্যাশিত সমস্যা দেখা দেয়, তবে রোবটটি ব্যর্থতার সঠিক অবস্থান চিহ্নিত করতে পারে এবং তা সংশোধন করার পর সেখান থেকে কাজ চালিয়ে যেতে পারে , যার জন্য পুরো ওয়ার্কফ্লোটি পুনরায় শুরু করার প্রয়োজন হয় না। এটি পূর্ববর্তী সংস্করণগুলির তুলনায় একটি উল্লেখযোগ্য উন্নতি, যেখানে যেকোনো ত্রুটির জন্য একেবারে গোড়া থেকে শুরু করতে হতো।
ডেভেলপারদের জন্য নিরাপত্তা এবং প্রাপ্যতা
গুগল এই নতুন প্রজন্মের সুরক্ষার উপর বিশেষ গুরুত্ব দিয়েছে। এই মডেলে রয়েছে একটি বহুস্তরীয় পদ্ধতি, যার মধ্যে অন্তর্ভুক্ত আছে শক্তিশালী সুরক্ষা কাঠামো এবং ASIMOV-Agentic নামক একটি নতুন মূল্যায়ন টুল । এই টুলটি পরিমাপ করে যে, রোবটগুলো বিপজ্জনক নির্দেশ প্রত্যাখ্যান করে কি না, অনিশ্চিত পরিস্থিতি শনাক্ত করে কি না এবং কোনো ব্যক্তি খুব কাছে চলে এলে থেমে যায় কি না। প্রদর্শনীতে দেখা গেছে, সিস্টেমটি একটি হিউম্যানয়েড রোবটকে তার কর্মক্ষেত্রে কোনো মানুষ শনাক্ত করার সাথে সাথে স্বয়ংক্রিয়ভাবে তার চলাচল থামিয়ে দিতে এবং এলাকাটি খালি হয়ে গেলে পুনরায় কাজ শুরু করতে সক্ষম হয়েছে।
জেমিনি রোবোটিক্স ইআর ২ এখন ডেভেলপারদের জন্য জেমিনি এপিআই, গুগল এআই স্টুডিও এবং জেমিনি এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্মে প্রাইভেট প্রিভিউ হিসেবে উপলব্ধ। তবে, ভিএলএ এবং অন-ডিভাইস ২ মডেলগুলো শুধুমাত্র আর্লি অ্যাক্সেস থাকা পার্টনারদের জন্য উপলব্ধ । গুগল আশা করে যে এই প্রযুক্তি লজিস্টিকস, ম্যানুফ্যাকচারিং এবং হোম অটোমেশনের মতো ক্ষেত্রগুলিতে রোবটের ব্যবহারকে ত্বরান্বিত করবে, যেখানে বহুমুখিতা এবং নিরাপত্তা অত্যন্ত গুরুত্বপূর্ণ।
নিরবচ্ছিন্ন যুক্তিবোধ, পরিবেশগত সচেতনতা, বহু-ধাপের পরিকল্পনা, রোবটের পারস্পরিক সহযোগিতা এবং বাহ্যিক সরঞ্জামের সাথে সমন্বয়ের সংমিশ্রণ জেমিনি রোবোটিক্স ২-কে ডিপমাইন্ডের এখন পর্যন্ত অন্যতম উন্নত উদ্ভাবন হিসেবে প্রতিষ্ঠিত করেছে। এই প্রকাশের মাধ্যমে, গুগল ভৌত কৃত্রিম বুদ্ধিমত্তার প্রতি তার অঙ্গীকারকে আরও জোরদার করেছে, যার লক্ষ্য হলো রোবটকে মানুষের যেকোনো কাজ—থালাবাসন ধোয়া থেকে শুরু করে কারখানায় কাজ করা পর্যন্ত—মানুষের সাথে সহাবস্থানের জন্য প্রয়োজনীয় সাবলীলতা ও নিরাপত্তার সাথে সম্পাদনে সক্ষম করে তোলা।
