சுதந்திரத்தை மறுவரையறை செய்தல்: மெட்டாவின் AI மாதிரிகள் பிட்ஸ்பர்க் பல்கலைக்கழகத்தின் உதவி ரோபோட்டிக்ஸ் மாற்றத்தை எவ்வாறு உதவுகின்றன

ஆண்டுக்கு 100,000 க்கும் அதிகமான சக்கர நாற்காலி தொடர்பான காயங்கள் அமெரிக்க அவசர சிகிச்சை பிரிவுகளில் மக்களை கொண்டு வருகின்றன — சக்கர நாற்காலிகள் உள்ளிருந்து ஆபத்தாக இருப்பதால் அல்ல, மாறாக தொழில்நுட்பம் உண்மையான சூழல்களின் சிக்கலতையுடன் தொடர்ந்து செல்லவில்லை என்பதால். பிட்ஸ்பர்க் பல்கலைக்கழகத்தின் மனித பொறியியல் গবেষண்டு ஆய்வகங்கள் (HERL) இப்போது இந்த சிக்கலை நேரடியாக தாக்குவதற்கு, மெட்டாவின் திறந்த மூல AI மாதிரிகளை ரோபோட்டிக்ஸ் தளத்தில் பயன்படுத்துவதற்கு, இது লক்ష லட்சம் மக்களுக்கான உடல் சுதந்திரத்தை மறுவரையறை செய்யக்கூடும். சுதந்திரத்தை மறுவரையறை செய்தல்: மெட்டாவின் AI மாதிரிகள் இந்த மாற்றத்தை எவ்வாறு சக்தியளிக்கின்றன என்பது பிட்ஸ்பர்க்கிற்கு அப்பாற்பட்ட ஒரு கதை — இது ஆசியா முழுவதும் AI-இயக்கிய தயாரிப்புகளை உருவாக்கும் டெவலப்பர்கள் மற்றும் நிறுவனர்களுக்கு நேரடி தாக்கங்களை கொண்டுள்ளது.

என்ன நடந்தது

பிட்ஸ்பர்க் பல்கலைக்கழகத்தின் HERL, உதவி தொழில்நுட்ப முன்னோடி ATDev உடன் இணைந்து, மக்களுக்கான சுதந்திரத்தை வழங்கும் ரோபோட்டிக் உதவி இயக்கம் மற்றும் கையாளுதல் தளம் — RAMMP என அறியப்படுகிறது — உருவாக்கி வருகிறது. இந்த முயற்சி உயர்நிலை ஆராய்ச்சி திட்ட நிறுவனம் (ARPA-H) — ஒரு அமெரிக்க அரசு நிறுவனம் — இலிருந்து $41.5 மில்லியன் வரை நிதியுடன் ஆதரிக்கப்படுகிறது, இது மாற்றகரமான உயிரியல் மருத்துவ முன்னேற்றங்களை ஆதரிக்க உருவாக்கப்பட்டது.

திட்டத்தில் மெட்டாவின் AI வலைப்பதிவு பதிவு படி, RAMMP தளம் ஒரு கடுமையான யதார்த்தத்தை தீர்க்க உருவாக்கப்படுகிறது: அமெரிக்காவில் சுமார் 5.5 மில்லியன சக்கர நாற்காலி ব்যবহாரிகள் உள்ளனர், மற்றும் அவர்களுக்கு கிடைக்கும் உதவி தொழில்நுட்பம் பெரும்பாலும் உண்மையான-உலக சூழல்களின் சிக்கலதையை பிரதிபலிக்க தவறிவிடுகிறது — சமன்படாத நிலப்பரப்பு, குழப்பமான உள்ளூர் இடங்கள், இயக்க தடைகள். தொழில்நுட்பம் குறைவாக இருக்கும்போது, விளைவுகள் வெறும் சிரமகரமாக இல்லை. அவை உடல்ரீதியாக ஆபத்தாக இருக்கின்றன.

இந்த இடைவெளியை மூடுவதற்கு, HERL குழு மெட்டாவின் திறந்த மூல AI மாதிரிகளை — குறிப்பாக SAM (Segment Anything Model) மற்றும் DINOv2 — RAMMP இன் உணர்வு அடுக்கில் ஒருங்கிணைக்கிறது. SAM உண்மையான-நேர காட்சி பிভাজனத்தை கையாளுகிறது, சென்சார் தரவிலிருந்து மேற்பரப்புகள், தடைகள் மற்றும் செல்லலாம் பாதைகளை அடையாளம் காணுகிறது. DINOv2 வலுவான காட்சி அம்சம் பிரித்தெடுப்பை வழங்குகிறது, கணினி அது வெளிப்படையாக பயிற்றுவிக்கப்படாத சூழல்களுக்கு பொதுமைப்படுத்த உதவுகிறது. ஒன்றாக, அவை ரோபோட்டிக் தளத்திற்கு உடல் உலகத்தை புரிந்துகொள்வதற்கான ভিত்தியை வழங்குகின்றன, உதவி இயக்கம் கோரும் வகையான நுணுக்கத்துடன்.

மெட்டாவின் திறந்த மூல மாதிரிகளின் தேர்வு தற்செயல் அல்ல. இது ஒரு ইচ்஛ாகிரமான பொறியியல் முடிவை பிரதிபலிக்கிறது: திறந்த எடைகள் என்றால் গবেষண்டு குழு மாதிரிகளை உதவி ரோபோட்டிக்ஸ் — குறைந்த-বিলம்ப அனுமান, விளிம்பு பயன்பாடு, பாதுகாப்பு-முக்கியமான நம்பகத்தன்மை — இன் குறிப்பிட்ட கட்டுப்பாடுகளுக்கு நன்றாக-சரிசெய்ய, தணிக்கை மற்றும் மாற்ற முடியும், ஒரு தனியுரிம API க்கு பூட்டப்பட்டு இல்லாமல் அது மாற்ற அல்லது மறைந்து போகலாம். அந்த স்থাপত்য தேர்வு இன்று AI அடிப்படைகளில் உருவாக்கும் எந்த டெவலப்பரும் குறிப்பிடுவதற்கு மதிப்பு.

ஆசியாவுக்கு இது ஏன் முக்கியமானது

ஆசியா கிரகத்தில் இயக்க குறைபாடுள்ள மக்களின் மிகப்பெரிய மக்கள்தொகை உள்ளது. உலக சுகாதார நிறுவனத்தின் படி, உலகளவில் 1 பில்லியনுக்கும் அதிகமான மக்கள் ஏதாவது வடிவ குறைபாட்டுடன் வாழ்கின்றனர், மற்றும் ஒரு விகிதாசாரமாக பெரிய பங்கு ஆசியாவில் உள்ளது — குறிப்பாக ஜப்பான், தென் கொரியா, தைவான் மற்றும் ক্রমிக வளர்ந்து வரும் சீனா போன்ற வயதான சமூகங்களில். தென்கிழக்கு ஆசியா மற்றொரு அடுக்கு சேர்க்கிறது: வியட்நாம், இந்தோனேசியா மற்றும் பிலிப்பைன்ஸ் போன்ற நாடுகளில் உচ்च-தரமான உதவி தொழில்நுட்பத்திற்கான வரையறுக்கப்பட்ட அணுகல் கொண்ட பெரிய மக்கள்தொகை உள்ளது, செலவு மற்றும் உள்கட்டமைப்பு இடைவெளி இரண்டுக்கும் காரணமாக.

RAMMP திட்டம் ஆசியா தொழில்நுட்ப சூழ்நிலைக்கு ஒன்றை சமிக்ஞை செய்கிறது: திறந்த மூல AI, ரோபோட்டிக்ஸ் மற்றும் சுகாதாரம் இன் ஒருங்கிணைப்பு இனி ஒரு গবেষண்டு ஆவி அல்ல. இது ஒரு நிதியுள்ள, பயன்பாடு-சார்ந்த பொறியியல் ஒழுக்கம். RAMMP ஐ சக்தியளிக்கும் மாதிரிகள் — SAM மற்றும் DINOv2 — பொதுவாக கிடைக்கின்றன. சிங்கப்பூர், சியோல் அல்லது ஷென்ஜெனில் உள்ள எந்த குழுவும் அவற்றை இன்று இழுக்க முடியும் மற்றும் உருவாக்க தொடங்க முடியும்.

ஆசியாவில் குறைவாக பொதுவான விஷயம் என்பது அந்த திறனை ব்যবহারকாரி-கেন்দ்রிக தயாரிப்பாக மாற்ற நிறுவன உள்கட்டமைப்பு. HERL இன் அணுகுமுறை — உண்மையான சக்கர நாற்காலி ব்যবহாரிகளைச் சுற்றி வடிவமைப்பு செயல்முறையை மையமாக வைத்து, உண்மையான-உலக சோதனைகளை இயக்குதல், பாதுகாப்பு தேவைகளில் மீண்டும் செய்தல் — ஒரு தயாரிப்பு পদ்ధதி ஒரு গবேষணை ஒன்றாக உள்ளது. உதவி இடத்தில் உருவாக்கும் ஆசிய சுகாதார-தொழில்நுட்ப நிறுவனர்கள் அதை படிக்க நன்றாக செய்வார்கள்.

ஒரு வன்பொருள் கோணமும் உள்ளது. ஆசியா உலக ரோபோட்டிக்ஸ் உற்பத்தியை ஆধிக்கிறது. தைவான், ஜப்பான் மற்றும் தென் கொரியா உலகின் ரோபோட்டிக் செயல்பாட்டாளர்கள், சென்சாரிகள் மற்றும் உட்பொதிக்கப்பட்ட கணினியின் குறிப்பிடத்தக்க பங்கை உற்பத்தி செய்கின்றன. இடைவெளி வன்பொருள் সরবரাহ சங்கிலிகளில் இல்லை — இது ரோபோட்டுகளை சூழ்நிலை-விழிப்புணர்வு மற்றும் மனித-அருகாமை பயன்பாட்டிற்கு பாதுகாப்பாக செய்யும் AI மென்பொருள் அடுக்கு. அது சரியாக SAM மற்றும் DINOv2 போன்ற திறந்த மாதிரிகள் புதிய சாத்தியங்களை திறக்கிறது, மற்றும் ஆசிய AI டெவலப்பர்கள் இப்போது ஒரு உண்மையான போட்டি சாளரம் உள்ளது.

பகுதியில் நிறுவனர்களுக்கு, இது ஒரு சமிக்ஞை: உதவி ரோபோட்டிக்ஸ் நன்றாக-நிதியுள்ள அமெரிக்க গবேষண்டு ল்যாபுகளுக்கு সংரக்ষிக்கப்பட்ட ஒரு பிற்பொழுது செங்குத்து அல்ல. இது ஒரு திறந்த புலம், மற்றும் ভিত்திப்படை AI மாதிரிகள் ஏற்கனவே பயன்பாட்டிற்கு இலவசம்.

டெவலப்பர்களுக்கு இது என்ன அர்த்தம்

RAMMP பின்னால் உள்ள தொழில்நுட்ப கட்டமைப்பு ஒரு நடைமுறை ব்ளூப்ரிண்ட் வழங்குகிறது, டெவலப்பர்கள் நேரடியாக கற்றுக்கொள்ள முடியும். அதன் மূলে, கணினி சூழ்நிலை உணர்வுக்கான பார்வை-மொழி AI மாதிரிகளை பயன்படுத்துகிறது, ரோபோட்டிக்ஸ் கட்டுப்பாட்டு தர্க்கத்துடன் இணைந்து, அது உணர்வு வெளிப்பাடுகளை பாதுகாப்பு, உண்மையான-நேர இயக்க முடிவுகளாக மொழிபெயர்க்கிறது. கனமான தூக்கம் செய்யும் இரண்டு மெட்டா மாதிரிகள் — SAM மற்றும் DINOv2 — இரண்டும் Hugging Face மற்றும் மெட்டாவின் GitHub களஞ்சியங்களில் கிடைக்கின்றன.

இந்த மாதிரிகளைப் பயன்படுத்தி ஒரு குறைந்தபட்ச உணர்வு பைப்லைன் கருத்தளவில் எப்படி தெரிகிறது என்பது இங்கே:

• உள்ளீடு: RGB-D கேமரா ஊட்டம் (ஆழம் + நிறம்) இயக்கம் தளத்தில் ஏற்றப்பட்ட சென்சாரிகளிலிருந்து
• பிভாজனம்: SAM ஒவ்வொரு சட்டத்தையும் செயல்படுத்தி வெவ்வேறு பகுதிகளை அடையாளம் காணுகிறது — தரை, தடைகள், தளபதி, சாய்வுகள்
• அம்சம் பிரித்தெடுப்பு: DINOv2 அடையாளம் காணப்பட்ட பகுதிகளுக்கான உட்பொதிப்புகளை உৎপন்ன செய்கிறது, கணினி மேற்பரப்பு வகைகளை வகைப்படுத்த மற்றும் பயணযোग்যতை பற்றி பகுத்தறிய உதவுகிறது
• முடிவு அடுக்கு: ஒரு கீழ்நோக்கு கட்டுப்பாட்டு மாதிரி பிவாজனம் முகமூடிகள் மற்றும் உட்பொதிப்புகளைப் பயன்படுத்தி உண்மையான-நேரத்தில் பாதுகாப்பு செல்லலாம் பாதைகளை கணக்கிடுகிறது
• செயல்பாடு: மோட்டார் கட்டளைகள் சக்கர நாற்காலியின் ড்রைவ் கணினிக்கு வெளியிடப்படுகின்றன, மோதல்-தவிர்ப்பு கட்டுப்பாடுகள் பொதிக்கப்பட்டுள்ளன

இங்கே பொறியியல் சவால்கள் சிறிய அல்ல. SAM ஐ விளிம்பு வன்பொருளில் ஏற்றுக்கொள்ளக்கூடிய பிலம்பத்தில் இயக்குவது — ஒரு மேக சுற்று-பயணம் இல்லாமல் — மாதிரி அளவு குறைப்பு மற்றும் கவனமான அனுமান உகப்பாக்கம் தேவை. DINOv2 இன் உட்பொதிப்புகள் சக்திশாலி ஆனால் கணக்கீட்டளவில் அடர்த்தி; NVIDIA Jetson அல்லது Qualcomm RB5 போன்ற உட்பொதிக்கப்பட்ட கணினிகளில் அவற்றை பயன்படுத்துவது விவரக்குறிப்பு மற்றும் ছাঁটுதல் தேவை. இவை தீர்க்கக்கூடிய சிக்கல்கள், ஆனால் அவை ஒரு ইচ்஛ாகிரமான பொறியியல் முயற்சி தேவை, வெறும் API அழைப்புகள் அல்ல.

MonstarX இல் உருவாக்கும் டெவலப்பர்களுக்கு, RAMMP இலிருந்து பரந்த பாடம் கட்டமைப்பு ஒழுக்கம் பற்றி: நீங்கள் உண்மையான பாதுகாப்பு பங்குகளுடன் உடல் சூழல்களில் செயல்படும் AI கணினிகளை உருவாக்கும்போது, திறந்த மூல மற்றும் தனியுரிம மாதிரிகளின் தேர்வு வெறும் ஒரு செலவு முடிவு அல்ல — இது ஒரு கட்டுப்பாட்டு முடிவு. திறந்த எடைகள் உங்களுக்கு ডொமেইன்-குறிப்பிட்ட தரவுகளில் நன்றாக-சரிசெய்ய திறன் வழங்குகிறது (HERL இன் விஷயத்தில், உள்ளூர் இயக்கம் சூழல்கள்), பிலம்ப தண்டனை இல்லாமல் ஆஃப்லைனில் இயக்க, மற்றும் மேல்நோக்கு வழங்குநர்கள் அவர்களின் API மாற்றும்போது கணினி பராமரிக்க.

இது எந்த AI பயன்பாட்டிற்கும் முக்கியமானது, அங்கு நம்பகத்தன்மை மற்றும் தணிக்கை-திறன் பேசுவதற்கு முடியாது — சுகாதாரம், தளவாடங்கள், தொழிற்சாலை ஆட்டோমேஷன், வயதான যত்ன. இந்த செங்குத்துகளின் அனைத்தும் ஆசியா முழুவதும் வேகமாக வளர்ந்து வருகின்றன, மற்றும் அனைத்தும் ஒரே தேவையை பகிர்ந்து கொள்கின்றன: AI நீங்கள் ஆய்வு, மாற்ற மற்றும் நம்பிக்கை முடியும்.

RAMMP proj