एक मानवरूपी रोबोट एक ऐसा रोबोट है जिसका भौतिक रूप मानव शरीर के समान होता है, जिसमें आमतौर पर एक सिर, धड़, हाथ जैसे अंत-प्रभावकों वाली दो भुजाएँ, और दो पैर शामिल होते हैं - यह डिज़ाइन मशीन को मनुष्यों के लिए बनाए गए स्थानों, उपकरणों और कार्यप्रवाहों में काम करने में सक्षम बनाने के लिए होता है, बिना पर्यावरण को फिर से डिज़ाइन करने की आवश्यकता के। यह श्रेणी दशकों के शोध प्रोटोटाइपों को शामिल करती है, जिसमें 2000 में अनावरण किया गया होंडा का ASIMO और 2013 में DARPA के लिए पहली बार विकसित बोस्टन डायनेमिक्स का Atlas शामिल हैं, लेकिन इसने लगभग 2022 से वाणिज्यिक निवेश की एक नई लहर आकर्षित की, जो Reinforcement learning-आधारित गति, सस्ते एक्चुएटर और बैटरी, और सामान्य-उद्देश्यीय Vision-language model प्रणालियों के उद्भव से प्रेरित थी, जो निर्देशों और दृश्यों की व्याख्या करने में सक्षम हैं।
ऐतिहासिक विकास
प्रारंभिक मानवरूपी शोध ने गति और संतुलन को केंद्रीय कठिन समस्या के रूप में प्राथमिकता दी: ASIMO ने स्थिर द्विपाद चलना और सीढ़ी चढ़ना प्रदर्शित किया, जबकि Atlas, जो शुरू में DARPA कार्यक्रम के तहत आपदा-प्रतिक्रिया कार्यों के लिए बनाया गया था, बोस्टन डायनेमिक्स द्वारा विकसित दौड़ने और बैकफ्लिप जैसी गतिशील, एथलेटिक गति के लिए जाना गया। ये प्लेटफ़ॉर्म सीखी गई धारणा के बजाय शास्त्रीय नियंत्रण सिद्धांत और मॉडल-आधारित योजना पर भारी रूप से निर्भर थे, और काफी हद तक शोध या प्रदर्शन प्रणालियाँ थीं, न कि वाणिज्यिक उत्पाद, जो Robotics पर लेख में चर्चा किए गए AI की डिजिटल और भौतिक प्रगति के बीच व्यापक अंतर को दर्शाता है।
2022-2026 की लहर
मानवरूपी रोबोटों में वाणिज्यिक रुचि 2022 के बाद से तेजी से बढ़ी। Elon Musk ने 2022 में टेस्ला की Optimus परियोजना पेश की, इसे बड़े पैमाने पर निर्माण योग्य सामान्य-उद्देश्यीय कार्यकर्ता रोबोट और टेस्ला के Self-driving car धारणा स्टैक के दीर्घकालिक विस्तार के रूप में स्थापित किया। Figure AI, जिसे OpenAI, Microsoft (AI), और NVIDIA सहित निवेशकों का समर्थन प्राप्त था, ने 2023 से गोदाम और विनिर्माण सेटिंग्स में अपने मानवरूपी रोबोट का पायलट परीक्षण शुरू किया और अपने रोबोट में बड़े-मॉडल तर्क को एकीकृत करने के लिए OpenAI के साथ व्यापक रूप से प्रचारित सहयोग स्थापित किया। अन्य प्रवेशकों में Agility Robotics का Digit शामिल था, जो पहले से ही सीमित लॉजिस्टिक्स परीक्षणों में तैनात था, और Unitree और Fourier Intelligence जैसे चीनी निर्माताओं की एक लहर, जिन्होंने हार्डवेयर लागत कम की। बोस्टन डायनेमिक्स ने 2024 में Atlas का पूरी तरह से इलेक्ट्रिक संस्करण अनावरण किया, अपने हाइड्रोलिक पूर्ववर्ती को बदलते हुए और अपने शोध जोर को विशुद्ध रूप से इंजीनियर नियंत्रण के बजाय सीखे गए नियंत्रण की ओर स्थानांतरित किया।
विज़न-भाषा-क्रिया मॉडल
2024-2026 की लहर के पीछे केंद्रीय तकनीकी दांव यह है कि वही नुस्खा जिसने सक्षम Large language model प्रणालियाँ उत्पन्न कीं - व्यापक डेटा पर एक बड़े मॉडल को पूर्व-प्रशिक्षित करना और फिर इसे किसी कार्य के लिए अनुकूलित करना - विज़न-भाषा-क्रिया, या VLA, मॉडलों के माध्यम से भौतिक नियंत्रण तक बढ़ाया जा सकता है: एक Vision-language model बैकबोन को सीधे रोबोट संयुक्त आदेशों को आउटपुट करने के लिए प्रशिक्षित या फाइन-ट्यून किया जाता है, जिससे एक एकल मॉडल टेलीऑपरेशन के माध्यम से एकत्रित प्रदर्शन डेटा पर प्रशिक्षण के बाद विभिन्न प्रकार के हेरफेर और गति कार्यों में प्राकृतिक-भाषा निर्देशों का पालन कर सकता है। Google DeepMind का RT-2 और उत्तराधिकारी प्रयास, साथ ही Figure, Physical Intelligence, और अन्य रोबोटिक्स-केंद्रित प्रयोगशालाओं के समान कार्य, इस दृष्टिकोण के उदाहरण हैं, जिसके समर्थकों का तर्क है कि यह मानवरूपी रोबोटों को उसी तरह सामान्यीकरण करने में सक्षम बना सकता है जैसे बड़े भाषा मॉडल पाठ कार्यों में सामान्यीकरण करते हैं, हालांकि उपलब्ध वास्तविक-विश्व भौतिक प्रशिक्षण डेटा की मात्रा भाषा मॉडलों के लिए उपयोग किए जाने वाले पाठ संग्रहों की तुलना में कहीं छोटी बनी हुई है।
दृष्टिकोण और संदेह
समर्थक मानवरूपी रोबोटों को एक संभावित ट्रिलियन-डॉलर श्रम-बाजार बदलाव के रूप में प्रस्तुत करते हैं, जो विनिर्माण, लॉजिस्टिक्स, और अंततः बड़े पैमाने पर घरेलू कार्य करने में सक्षम हैं। संदेहवादी रोबोटिक्स समयसीमाओं के अति-वादे के लंबे इतिहास पर ध्यान देते हैं, निपुण हेरफेर, बैटरी जीवन, और लागत में अनसुलझी चुनौतियों की ओर इशारा करते हैं, और तर्क देते हैं कि कार्य-विशिष्ट रोबोट डिज़ाइन अक्सर किसी दिए गए कार्य के लिए सामान्य मानवरूपी रूप कारकों से बेहतर प्रदर्शन करेंगे, जिससे 2020 के दशक के अंत तक मानवरूपी तैनाती की गति और अंतिम पैमाना वास्तव में अनिश्चित हो जाता है।