ہالیا وقت میں، انسان نما روبوٹس کو "لگژری" سے "سستا" تک کا تاریخی موڑ ملا ہے۔

مضمون کے مصنف، ذریعہ: AI فرانتیئر

حالیہ وقت میں، انسان نما روبوٹس کو "لگژری" سے "سبزی کی قیمت" تک کا تاریخی موڑ ملا۔ ایک سال پہلے جنہیں نزدیک 10 لاکھ یوان کے لیے تیار کرنے کے لیے لائن میں کھڑا ہونا پڑتا تھا، وہ اب دوسرے ہاتھ کی ویب سائٹس اور ٹوٹے ہوئے ڈیوائسز کے مارکیٹ میں "50,000 یوان فی گاڑی" کے ریٹ پر بکھیر دیے جا رہے ہیں۔ اکیلے یونٹ کی قیمت پر، کچھ تو اعلیٰ فلگشپ فونز سے بھی سستے ہیں۔

یو شو G1 کی قیمت 85,000 یوان سے شروع ہو رہی ہے، کنسیومر لیول اینٹری لیول R1 Air صرف 29,900 یوان میں دستیاب ہے، جبکہ سونگ یان پاور کا Bumi 9,998 یوان تک گر چکا ہے، جو ایک اعلیٰ سپیکس iPhone سے سستا ہے۔ اس کے علاوہ، چینی انسان نما روبوٹس کی سپلائی چین کی ڈومیسٹک کردار 90 فیصد سے زائد ہو چکا ہے۔ مورگن اسٹینلی کی جانب سے جاری کردہ حالیہ رپورٹ کے مطابق، 2025 میں دنیا بھر میں بھیجے جانے والے 13,000 سے 16,000 انسان نما روبوٹس میں سے تقریباً 90 فیصد چینی سازندگان سے آئیں گے۔

اگر موجودہ AI پہلے ہی ڈیجیٹل دنیا کی پیداواری طاقت کے طور پر کام کر رہا ہے، تو تیزی سے ترقی کرتے روبوٹس فزیکل دنیا کی پیداواری طاقت بننے کی امید لئے ہوئے ہیں۔ جب پروڈکٹ کی قیمتیں "دن بھر میں لاکھوں کا فرق" کر رہی ہیں، تو ایک سوال ابھر رہا ہے: کیا مستقبل میں صرف انسان نما روبوٹس ہی درکار ہوں گے؟

گارٹنر کے تحقیقی ڈیٹا کے مطابق، انسانی شکل کے روبوٹس کا "واقعی نسبت" صرف 1:60 ہے، جس کا مطلب ہے کہ تقریباً 98.36% مشاركہ کرنے والے صارفین ابھی تک تلاش کے مراحل میں ہیں، جبکہ صرف 1.64% نے انہیں عملی طور پر لاگو کیا ہے۔ "عملی یا منطقی نقطہ نظر سے، ہم سمجھتے ہیں کہ مستقبل کے روبوٹس کو ضروری نہیں کہ انسانوں جیسے دکھائی دیں،" گارٹنر کے تحقیقی وائس پریزیڈنٹ گاو تینگ کہتے ہیں۔

ہالی ووڈ کے ایک ہدایت کار نے ہمیں بتایا کہ جبکہ انسانی دنیا انسانی جسم کے مطابق ڈیزائن کی گئی ہے، لیکن انسانی جسم کی ساخت ضروری طور پر روبوٹس کے لیے بہترین شکل نہیں ہے۔ کامیاب روبوٹس کو انسانی شکل کا سادہ نقل نہیں بلکہ اس میں بہتری لانی چاہیے۔ مثال کے طور پر، ایمیزون نے ڈجٹ روبوٹ کا ٹیسٹ کیا ہے جس کے گھٹنے پیچھے کی طرف منحنی ہوتے ہیں، جس سے وہ شیلف کے سامنے انسان سے زیادہ موثر طریقے سے بیٹھ سکتا ہے؛ جبکہ 1X کا Eve روبوٹ چرخوں اور خود متوازن چسس پر مبنی ہے، جو سطحی انڈور ماحول میں حرکت کی کارکردگی بڑھاتا ہے۔ موثر روبوٹس کی شکل کچھ بھی ہو سکتی ہے — کُتے جیسی، چرخوں والی، یا مکمل طور پر کام کی ضرورت کے مطابق ڈیزائن کردہ نئی شکل — جو عام طور پر انسان نما شکل سے زیادہ مستحکم، سستی اور تیز ہوتی ہے۔

“'انسانی شکل' کے ظاہری رُخ سے مت ڈوبیں، بلکہ تیزی سے قیمت فراہم کرنے اور آمدنی پیدا کرنے والے خاص عمودی зааступوں کی تلاش کریں۔” اس کے علاوہ، گاؤ تینگ نے ٹیکنالوجی، ہارڈویئر، зааступوں اور حقیقی چیلنجز جیسے متعدد ابعاد سے آج کے روبوٹکس صنعت کا اصل منظر پیش کیا۔

آج کے روبوٹ کیا کر سکتے ہیں؟

مختصر مدت میں، آپ کو یہ نہیں دیکھنا چاہیے کہ "روبوٹ انسان جیسا دکھائی دے رہا ہے یا نہیں"، بلکہ یہ دیکھنا چاہیے کہ "کیا روبوٹ ایک بہت واضح سیناریو میں مستقل طور پر کام مکمل کر سکتا ہے، لاگت کم کر سکتا ہے، انسانی طاقت پر انحصار کم کر سکتا ہے اور آپریشنل کارکردگی بڑھا سکتا ہے؟"

تو، آج کے روبوٹ کیا کر سکتے ہیں؟

ابھی تک کے کیسز سے ظاہر ہوتا ہے کہ روبوٹ کی شکل سب سے اہم نہیں ہے۔ چاہے وہ اسٹور میں کام کرنے والا میکنیکل آرم ہو یا کار فیکٹری میں سامان منتقل کرنے والا روبوٹ، وہ تمام مقامات جہاں روبوٹ آسانی سے لاگو ہو سکتے ہیں، ایک مشترکہ خصوصیت رکھتے ہیں: ماحول مستقل ہوتا ہے۔ کمپنیاں آخر کار یہی دیکھتی ہیں کہ یہ روبوٹ کام کو اچھی طرح سے کر سکتا ہے یا نہیں، اور اس کا خرچہ ادا کرنے کے قابل ہے یا نہیں، نہ کہ یہ انسان جیسا دکھائی دے رہا ہے یا نہیں۔

ہائ تینگ کے خلاصے کے مطابق، موجودہ مرحلے میں سب سے زیادہ سرمایہ کاری کا منافع دینے والے روبوٹک مناظر عام طور پر تین خصوصیات رکھتے ہیں: کام کی حدود واضح ہوں، عمل دہرایا جا سکے، اور غیر متوقع صورتحال نسبتاً محدود ہوں۔ مثال کے طور پر، صنعتی لائن کے قریب لوسٹکس، اسٹوریج اور ٹرانسپورٹ، اور کچھ سروس پروسیجرز کو مقامی تبدیلیوں کے ذریعے روبوٹ کے لیے سامنا کرنے والی پیچیدگیوں کو کم کیا جا سکتا ہے۔ گھریلو مناظر الگ ہیں: کام کے مجموعے زیادہ بکھرے ہوئے ہوتے ہیں، ماحول میں تبدیلیاں زیادہ اکثر ہوتی ہیں، اور کوئی بھی غلطی براہ راست افراد کی حفاظت کو متاثر کر سکتی ہے۔ اس لیے، گھریلو روبوٹس نہ صرف مضبوط ماڈل کی صلاحیت کی ضرورت رکھتے ہیں، بلکہ زیادہ بالغ انجینئرنگ کی قابل اعتمادی اور محفوظ نظام کی بھی ضرورت رکھتے ہیں۔

بڑے پیمانے پر صنعتی کاروبار کے لیے کھلے دروازے کے موقع کہاں ہیں؟

"روبوٹس اب بڑے پیمانے پر صنعتی بننے کے مرحلے میں ہیں۔" اس دور کے لیے گاؤ تینگ نے اس طرح تعریف کی ہے۔ "ابھی، روبوٹس کچھ صنعتی اور تجارتی مناظر میں کام کر چکے ہیں۔ خاص طور پر فیکٹریوں اور اسٹورز میں، دہرائے جانے والے کاموں کو روبوٹس اب تک انسانی طاقت کا حصہ بنا چکے ہیں۔ اس لیے سرمایہ کار اس شعبے پر بہت زیادہ توجہ دے رہے ہیں، اور کچھ ٹاپ کمپنیوں کی قیمتیں بھی جلدی بڑھ رہی ہیں۔"

لیکن اب تک واقعی بڑے پیمانے پر صنعتی نفاذ نہیں ہوا ہے۔

ٹیسلا نے 2025 میں تقریباً 5000 Optimus یونٹس کی پیداوار کا مقصد رکھا تھا۔ لیکن 2025 کے چوتھے تہائی کے فنانشل رزلٹس کے وقت، الون مسک نے تسلیم کیا کہ Optimus صرف فیکٹری میں بنیادی کام کر رہا ہے اور ابھی تک اصلی پیداواری صلاحیت حاصل نہیں کی ہے۔ معلوم ہوا ہے کہ ٹیسلا کا تیسرے جنریشن کا انسان نما روبوٹ منصوبہ درمیانے سال متعارف کرایا جائے گا، اور مکمل تولید جولائی-اگست 2026 تک شروع نہیں ہوگی۔

روبوٹ، خاص طور پر انسانی شکل کے روبوٹ، کا عملی طور پر اطلاق اور عوامی توقعات کے درمیان کافی فرق ہے، جو موجودہ حالت ہے۔

گائو تینگ کے خیال میں، اگلے 2-3 سالوں تک انسان نما روبوٹس کا مکمل طور پر بڑے پیمانے پر تجارتی استعمال مشکل ہوگا۔ "یہ انسان نما روبوٹس ممکنہ طور پر فیکٹریوں، اسٹوریج، اور کار تیاری جیسے نسبتاً مستقل ماحول میں دہرائے جانے والے، کم پیچیدہ کاموں کو کرنے کے لیے جاری رہیں گے۔ لیکن یہ زیادہ تر ٹیسٹنگ اور چھوٹے پیمانے پر ڈپلومنٹ ہوں گے، نہ کہ مزدوری کا مکمل طور پر تبادلہ۔ اس کے مقابلے میں، صنعتی روبوٹس، اسٹوریج روبوٹس، سروس روبوٹس، اور کچھ خاص کاموں کے لیے متعدد کاموں والے روبوٹس کا تجارتی راستہ زیادہ واضح ہے۔ کیونکہ ان کے کام کا دائرہ کار واضح ہے، انپٹ آؤٹ پٹ آسانی سے حساب لگایا جا سکتا ہے، اور تحفظ اور عمل کو آسانی سے کنٹرول کیا جا سکتا ہے۔"

مشینوں کو خریدنا چاہنے والے کمپنیوں کے لیے اس کی تجویز یہ ہے: “پہلا، شروعات ‘ایک انسان نما روبوٹ خریدنا’ نہیں، بلکہ اعلیٰ قیمت والے اور کم پیچیدہ کاموں کی تلاش سے ہونی چاہیے۔ دوسرا، روبوٹ کو صرف ایک ہارڈویئر خریداری کے طور پر نہیں، بلکہ ایک آپریشنل تبدیلی کے منصوبے کے طور پر دیکھنا چاہیے۔ صرف جسم خریدنا کافی نہیں، بلکہ آپ کو مقامی عمل، جگہ کا منصوبہ بندی، آئی ٹی/او ٹی اندراج، اور ملازمین کے ساتھ تعاون جیسے پہلوؤں پر بھی غور کرنا ہوگا۔ تیسرا، پہلے ٹیسٹ پائلٹ کریں، پھر وسعت دیں، اور ایک یا دو چھوٹے، بند شُعاعوں سے شروع کریں، اور حقیقی پیداواری نتائج حاصل کرنے کے بعد انہیں نقل کریں۔ چوتھا، پہلے بالغ اقسام پر غور کریں، جیسے AMR، مکینکل آرم، اور تعاونی روبوٹس، اور لمبے مدت تک انسان نما روبوٹس کی بالغت کا جائزہ لیں۔”

ہائِنگ نے وضاحت کی کہ صنعت میں عام طور پر موجودہ جسمانی ذہانت کے مرحلے کو بڑے ماڈل کے ابتدائی مرحلے کے ساتھ موازنہ کیا جاتا ہے: تکنیکی رجحانات آہستہ آہستہ واضح ہو رہے ہیں، لیکن سائیز کی صلاحیت ابھی تک قائم نہیں ہوئی۔ اس مثال کو سمجھنا مناسب ہے، لیکن روبوٹس کا صنعتی سطح پر ترقی کرنا زیادہ مشکل ہے۔" کیونکہ اس میں صرف ڈیٹا اور کمپوٹیشنل طاقت کے پابندیوں کے علاوہ سینسرز، ڈرائیو سسٹم، پاور مینجمنٹ اور سسٹم کی قابلیت بھی شامل ہے۔

VLA اب بھی اہم راستہ ہے، عالمی ماڈل روبوٹک سسٹمز میں تیزی سے شامل ہو رہے ہیں

روبوٹ کیا کر سکتا ہے اور کیا نہیں کر سکتا، اس کا بنیادی طور پر اس کا “دماغ” یعنی روبوٹ ماڈل پر منحصر ہے۔

ہائٹنگ نے کہا: "VLA ویژن-لینگویج-ایکشن، جو بصری، زبانی اور حرکتی عناصر کو ظاہر کرتا ہے، اب تک عام روبوٹ ماڈل کی سب سے ناضح تکنیکی راہ ہے۔" اس میں "زبان" کا حصہ بڑے زبانی ماڈلز سے آتا ہے۔ یہ روبوٹ کو ماحول کی معلومات اور ٹاسک کے حکمات کو ملا کر موزوں حرکات پیدا کرنے کی اجازت دیتا ہے۔

زبانی ماڈل کا کردار روبوٹ کو معنائی سمجھ، عام معلومات اور کام کی منصوبہ بندی کی صلاحیت فراہم کرنا ہے۔ مثال کے طور پر، جب صارف کہتا ہے “کمرہ بہت اندھیرا ہے”، تو روبوٹ کو اس جملے کے پیچھے کا مقصد سمجھنا چاہیے اور فیصلہ کرنا چاہیے کہ کیا اسے لائٹ جلانا چاہیے۔

پہلے کے طریقہ کار سے الگ، VLA ماڈل پہلے جامع صلاحیت حاصل کرتا ہے، پھر ایک ایک کر کے منظر کے لیے قابلیت کو بڑھاتا ہے۔ منطق بالکل اُلٹا ہے۔"پہلے خاص مناظر کی اعلیٰ قابلیت کو حل کیا جاتا تھا، اور پھر جامع بنانے کی کوشش کی جاتی تھی۔ مثلاً، پہلے ایک روبوٹ کو کسی خاص حرکت کی قابلیت بہت زیادہ کرنے دی جاتی تھی، اور پھر اسے دوسرے کام سیکھنے کی کوشش کی جاتی تھی۔ لیکن آپ دیکھیں گے کہ اس طریقہ سے حقیقی جامعیت حاصل کرنا مشکل ہے، آپ صرف ایک بہت ہی ماہر روبوٹ حاصل کرتے ہیں، جو اگر کام بدل جائے تو اسے اچھی طرح نہیں کر پاتا۔"

ہائو تینگ نے اس نئی ٹیکنالوجی کے بارے میں کہا، "یہ ایک دوسری سوچ فراہم کرتا ہے: نظام کو فزیکل دنیا میں حالت کے تبدیلی اور علیت و معلولیت سیکھنے اور اقدامات کے ممکنہ نتائج کا پیشن گوئی کرنے کی اجازت دینا۔ اسے زبان کو درمیانی لیئر کے طور پر استعمال کرنے کی ضرورت نہیں ہوتی، بلکہ فزیکل قوانین کے ماڈلنگ پر زور دیا جاتا ہے۔ جیسے ایک ماہر ڈرائیور گاڑی چلاتے وقت آگے پانی کا گڑھا دیکھتا ہے، تو اسے دماغ میں زبان میں ترجمہ کرنے کی ضرورت نہیں ہوتی جیسے 'یہاں پانی ہے، پھسلنے کا خطرہ ہے، میں تیزی کم کروں گا'، بلکہ بصری معلومات براہ راست گاڑی کے راستے کے فزیکل پیشن گوئی کو فعال کردیتی ہے، اور وہ بے شعور طور پر بریک دبائے دیتا ہے۔ عالمی ماڈل کا مقصد یہ صلاحیت حل کرنا ہے جو زبان میں ترجمہ کئے بغیر براہ راست فیصلہ لینے کی صلاحیت ہے۔"

تاہم، وہ سمجھتے ہیں کہ "آج، جنرل پرز اور انسان نما روبوٹس کے اگرے پر VLA ہی مرکزی راستہ ہے۔ عالمی ماڈلز تیزی سے ترقی کر رہے ہیں، لیکن اب تک ان کا استعمال زیادہ تر ڈیٹا کے تخلیقی، شبیہہ سازی، جائزہ لینے اور معاون منصوبہ بندی کے لیے ہے، اور حقیقی جسمانی روبوٹ کنٹرول کے لیے ابھی بھی بہت کم مثالیں ہیں۔ آنے والے ایک یا دو سالوں میں، VLA اب بھی روبوٹ ایکشن ماڈلز کا مرکزی حصہ رہے گا، لیکن عالمی ماڈلز VLA سسٹمز میں تدریجاً شامل ہوں گے تاکہ روبوٹس کو زیادہ مضبوط فزکس کی سمجھ، منصوبہ بندی اور پیشگی انجام دینے کی صلاحیت فراہم کی جا سکے۔ لمبے مدت کے لحاظ سے، VLA اور عالمی ماڈلز کا امتزاج زیادہ ممکن ہے، نہ کہ عالمی ماڈلز کا VLA کو آسانی سے مکمل طور پر بدلنا۔"

ہائٹنگ نے کہا کہ موجودہ وقت پر، VLA عام روبوٹک ٹیکنالوجی کی ایک ایسی راستہ ہے جو انجینئرنگ کے عمل میں سب سے زیادہ قریب ہے۔ اس کا فاصلہ انسان کی طرح لچکدار اور عام ذہانت تک اب بھی بہت زیادہ ہے، لیکن اسکے ویئرہاؤس، تیاری جیسے حدود نسبتاً واضح منظر میں، یہ اچھی عملی قیمت دکھا چکا ہے۔ آنے والے دور میں، VLA اب بھی روبوٹک صنعت کی اہم راستہ رہے گا۔

لا پاکی کا “چالاک ہاتھ”: روبوٹ کی بڑے پیمانے پر تیاری میں متعدد انجینئرنگ ٹریڈ آف

اگر ماڈل روبوٹ کا "دماغ" ہے، تو چالک ہاتھ اس کا سب سے اہم "وزیر" ہے۔ "物体 کو چلانے والے روبوٹس کے لیے، انتہائی عمل کنندہ اہم ہے؛ عام عمل کے مناظر میں، چالک ہاتھ خاص طور پر اہم ہیں۔"

گائو تینگ نے کہا کہ کوئی بھی مکینیکل ہاتھ "چست ہاتھ" نہیں کہلا سکتا، اس میں کافی آزادی ہونی چاہیے، باریک عمل کرنا چاہیے، اور مختلف اشیاء کو پکڑنے کے قابل ہونا چاہیے۔

گزشتہ کچھ سالوں میں چالک ہاتھوں میں واضح ترقی ہوئی ہے: ان کی آزادی کا درجہ لگاتار بڑھ رہا ہے اور قیمتیں کم ہو رہی ہیں۔ لیکن گاؤ ٹنگ نے کہا، "چالک ہاتھوں کی چیلنج صرف آزادی بڑھانا نہیں ہے۔ صنعتی заастعمال کے لیے، محدود جگہ میں پکڑنے کی درستگی، طاقت کا اخراج، استحکام اور صرفہ لاگت کو متوازن کرنا زیادہ اہم ہے۔ سب سے زیادہ آزادی والے مصنوعات ضروری طور پر بڑے پیمانے پر تیار کرنے کے لیے سب سے مناسب نہیں ہوتے، مختلف کاموں کے لیے اداء اور قابلیت کے درمیان مختلف توازن درکار ہوتا ہے۔"

اس نے مثال دی: "کچھ اجنبی اعلیٰ درجے کے ہنر مند ہاتھ، جو اعلیٰ ڈینسٹی کے سینسرز کے ڈھیر اور پیچیدہ ٹینڈن ڈرائیو کے ذریعے ڈگری آف فریڈم اور خود کو ڈھالنے کی صلاحیت میں انسانی ہاتھ کے قریب پہنچ سکتے ہیں، لیکن ان کی قیمت عام طور پر اعلیٰ ہوتی ہے، اکثر کئی یا دہوں لاکھ یوان تک، جس کی وجہ سے ان کا بڑے پیمانے پر استعمال مشکل ہے۔ کچھ ہزار یوان کی یا اوپن سورس شروعاتی مصنوعات نے استعمال کا رُخ آسان کر دیا ہے، لیکن آخری طاقت کے اخراج، استحکام اور حسّاسی درستگی جیسے پہلوؤں میں اب بھی مزید تصدیق کی ضرورت ہے، اور موجودہ مرحلے میں وہ انسانی کام کو براہ راست بدلنا مشکل ہے۔"

ڈیٹا کا فرق: شبیہ سازی اور حقیقت، مشین اور انسان کے درمیان فرق

آج، روبوٹکس کے شعبے کو کئی چیلنجز کا سامنا ہے، اور ایک مرکزی رکاوٹ کوالٹی ڈیٹا کی کمی ہے۔ "ڈیٹا ابھی تک روبوٹس کو سکیل کرنے کی پہلی بڑی رکاوٹ ہے۔"

گائو تینگ نے کہا کہ بڑے زبانی ماڈلز کی تربیت انٹرنیٹ کے ڈیٹا پر ہوتی ہے، جو نسبتاً آسانی سے دستیاب ہوتا ہے۔ لیکن روبوٹس کے حقیقی آپریشنز کا ڈیٹا، جیسے ریموٹ کنٹرول ڈیٹا، حاصل کرنے کے لیے اہم اخراجات کی ضرورت ہوتی ہے۔

چونکہ حقیقی ڈیٹا حاصل کرنا مشکل ہے، کیا اس کی جگہ سیمولیشن ڈیٹا استعمال کیا جا سکتا ہے؟ یہ دوسری چیلنج — سیمولیشن اور حقیقت کے درمیان فرق — تک پہنچ جاتا ہے۔ گاؤ نے اشارہ کیا کہ NVIDIA سیمولیشن اور سنتھیٹک ڈیٹا ٹول چین پر زور دے رہا ہے، جس کے ذریعے وہ ورچوئل ماحول میں روبوٹس کو تربیت، ٹیسٹ اور تصدیق کرکے تربیتی ڈیٹا کے سائز کو بڑھاتا ہے اور حقیقی دنیا میں تجربہ و غلطی کے اخراجات کو کم کرتا ہے۔ اس کا فائدہ کم لاگت اور آسان سکیل ابھارنا ہے۔ لیکن ایک اہم مسئلہ یہ ہے کہ سیمولیشن اسکینریوز اور حقیقی دنیا میں ہمیشہ فرق رہتا ہے۔ "جتنا بھی اچھا سیمولیشن بنایا جائے، حقیقی دنیا سے اس کا فرق رہتا ہے۔ اگرچہ روبوٹ ورچوئل انجن میں لاکھوں بار مثالی حرکات کر لے، لیکن جب وہ حقیقی دنیا میں چھوٹے سے فرکشن، مواد یا روشنی اور سایہ کے تبدیل ہونے کا سامنا کرے تو ورچوئل ماحول میں سیکھا گیا کنٹرول اسٹریٹجی ناکام ہو سکتا ہے۔ اس لئے، سیمولیشن ڈیٹا بہت مفید ہے، لیکن ابھی تک یہ حقیقی ڈیٹا کا مکمل متبادل نہیں ہو سکتا۔"

کسی نے یہ بھی پوچھا: کیا ہم انٹرنیٹ پر دستیاب وسیع و عریض ویڈیوز کا استعمال کرکے روبوٹس کو تربیت دے سکتے ہیں؟ اس کا اخراج کم ہے اور ڈیٹا بھی آسانی سے دستیاب ہے، لیکن اس کا ایک نیا چیلنج بھی ہے: ایمبودیمنٹ گیپ۔ سادہ الفاظ میں، انسان کا جسم اور روبوٹ کا جسم مختلف ہوتا ہے، جیسے کہ "آنکھیں سیکھ گئیں، لیکن ہاتھ ضروری نہیں کہ سیکھ لیں۔" اس لیے، انسانی روایات یا حرکات کے ویڈیوز یا ڈیٹا کو براہ راست روبوٹس پر منتقل کرنے سے اس کی کارکردگی بہت زیادہ متاثر ہوتی ہے۔

"مستقبل کے لیے زیادہ عملی راستہ 'صرف سنیولیشن پر انحصار کرنا' نہیں،" گاؤ تینگ کہتے ہیں، "بلکہ مخلوط ڈیٹا حکمت عملی بنانا ہے: حقیقی روبوٹ انٹرایکشن ڈیٹا کو مرکز بنایا جائے، جس میں ریموٹ آپریشن، انسانی ٹیچنگ اور فیلڈ آپریشن کے فیڈ بیک شamil ہوں؛ اس کے بعد حرکت کی نقل، پہلے شخص کے ویڈیو جیسے انسانی رویے کے ڈیٹا، اور سنیولیشن/سنتھیٹک ڈیٹا کو ملا کر روبوٹ ماڈل کی جنرلائزیشن اور قابلیت کو بہتر بنایا جائے۔"

ڈیٹا کے علاوہ، لاگت بھی روبوٹک صنعت کے سامنے ایک چیلنج ہے۔ "روبوٹس کو ہر صنعت میں داخل ہونے کے لیے، ان کی قیمت کافی سستی ہونی چاہیے۔" تاہم، گاؤ تین نے اشارہ کیا کہ چین کی سپلائی چین ایک بڑا فائدہ ہے۔ "یو شو ٹیکنالوجی کا سب سے سستا انسان نما روبوٹ R1 Air، اب 30,000 یوان سے کم قیمت پر دستیاب ہے۔ حالانکہ ابھی تک یہ فیکٹریوں میں کام نہیں کر سکتا اور اس کا استعمال زیادہ تر تحقیقی مقاصد کے لیے ہوتا ہے، لیکن چین کی روبوٹک سپلائی چین کا فائدہ واضح طور پر نمایاں ہو چکا ہے۔"

قیمتیں گر رہی ہیں، سپلائی چین نے نضج حاصل کر لیا ہے، VLA پیرڈائم کامیاب ثابت ہو چکا ہے، اور سرمایہ بہہ رہا ہے۔ لیکن ڈیٹا کا فرق، ہارڈویئر کی سرحدیں، اور لاگت کے مسائل، ابھی تک مکمل عام ہونے کے راستے میں تین اونچی دیواروں کی طرح موجود ہیں۔

اس صنعت کے لیے، سب سے منطقی رویہ شاید “انسانی” شکل کے ڈھنگ کا تعاقب نہ ہو بلکہ ایک سادہ سوال پر واپس آنا ہے: یہ مشین بالآخر انسانوں کی کون سی عملی پریشانیوں کو حل کر سکتی ہے؟ جیسا کہ گاو تین نے کہا: “اس بات پر زیادہ فکر نہ کریں کہ یہ انسان جیسی لگتی ہے یا نہیں۔” اس سے زیادہ اہم بات یہ ہے کہ “یہ مفید ہے۔” اور قیمت سے زیادہ اہم قیمت ہے۔ اس پیداواری صنعت کا مقابلہ، جو شکل کے بجائے پیداوار پر مرکوز ہے، ابھی شروع ہوا ہے۔