শরীরে বুদ্ধিমত্তার শিল্পে প্রতিযোগিতা ডেটার বাধার উপর কেন্দ্রীভূত, কিউনচে ইন্টেলিজেন্স অ্যালিবাবা ক্লাউডের সাথে মিলে ক্লাউড-ভিত্তিক স্বয়ংক্রিয় ডেটা প্রসেসিং লাইন তৈরি করেছে। UMI সমাধান ব্যবহার করে রোবটের অপারেশন ডেটা সংগ্রহ করা হয়, কিন্তু সংগ্রহের পরে পজিশন রিকভারি, ফিশ-আই ক্যালিব্রেশন, অ্যাকশন সেগমেন্টেশন, মাল্টি-মোডাল অ্যানোটেশনসহ জটিল ধাপগুলির মধ্যে দিয়ে যেতে হয়। অ্যালিবাবা ক্লাউড ডিস্ট্রিবিউটেড কম্পিউটিং ক্ষমতা প্রদান করে, যা সম্পূর্ণ প্রক্রিয়াটি স্বয়ংক্রিয়ভাবে প্রক্রিয়াকরণের অনুমতি দেয়, ডেটা থ্রুপুট 10-এরও বেশি গুণ বৃদ্ধি পায়, ক্লাউড-ভিত্তিক কম্পিউটিং ক্ষমতা 100,000+ CU-এরও বেশি পর্যন্ত স্কেল হয়, এবং মডেল ট্রেনিংয়ের দক্ষতা 50% পর্যন্ত বৃদ্ধি পায়। এই সহযোগিতা প্রমাণিত করেছে যে রোবটের ডেটা একটি স্কেলযোগ্য, স্ট্যান্ডার্ডাইজড উৎপাদন সিস্টেমের সৃষ্টি করা যায়, যা মডেলের আপডেটের জন্য নিরবচ্ছিন্নভাবে ডেটা সমর্থন প্রদান করে, এবং এটি শরীরেরবুদ্ধিমত্তা-ভিত্তিককোম্পানিরজনপদকল্পকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসমৃদ্ধকমসহজলভসম�

লেখক এবং উৎস: জিকে পার্ক

যদি 2025 কে শরীরবাদী বুদ্ধিমত্তার বিস্ফোরণের বছর বলা হয়, তবে এই বছর শিল্পের প্রতিযোগিতা একটি নতুন পর্যায়ে প্রবেশ করেছে।

বিদেশ ও ঘরোয়া অনেক রোবোটিক্স কোম্পানি নতুন পণ্য প্রকাশ করছে, এবং বিনিয়োগকারীরা অবিরাম বিনিয়োগ করছেন—এই ক্ষেত্রে শরীরসংযুক্ত বুদ্ধিমত্তা এখন AI-এর সবচেয়ে বেশি মনোযোগ আকর্ষণকারী দিকগুলির একটি হয়ে উঠেছে। তবে শিল্পটির দ্রুত বিকাশের সাথে সাথে, একটি নতুন সমঝোতা গড়ে উঠছে: রোবোটের উন্নতির গতি বাধা দিচ্ছে শুধুমাত্র মডেল নয়, বরং ডেটা।

বড় ভাষা মডেলগুলি ইন্টারনেটের বিপুল পরিমাণ টেক্সট ব্যবহার করতে পারে, কিন্তু রোবোটগুলিকে বাস্তব বিশ্বের অপারেশনাল দক্ষতা শিখতে হয়। একটি ধরে রাখা, একটি স্থানান্তর, একটি সাজানোর কাজ—এগুলি সবই বাস্তবে ঘটতে হবে এবং ভিজুয়াল, অ্যাকশন, ট্রাজেক্টরি ইত্যাদি মাল্টিমডাল তথ্য একসাথে রেকর্ড করতে হবে। উচ্চমানের ডেটা কীভাবে ধারাবাহিকভাবে পাওয়া যায়, এবং এই ডেটা কীভাবে দ্রুত মডেলগুলির জন্য শেখার যোগ্য ডেটাসেটে রূপান্তরিত হয়, এটিই বড়সড় বুদ্ধিমত্তা প্রতিষ্ঠানগুলির জন্য একটি নতুন চ্যালেঞ্জের রূপ নিচ্ছে।

একটি দেশীয় বড়ি বুদ্ধিমত্তা প্রতিষ্ঠান হিসাবে, Qiongche Intelligence সর্বদা রোবট ইনফ্রাস্ট্রাকচার গঠনের জন্য "ডেটা—ট্রেনিং—ডিপ্লয়মেন্ট" চক্রকে কেন্দ্র করে কাজ করে আসছে। সাম্প্রতিককালে, Qiongche Intelligence আলিবাবা ক্লাউডের সাথে মিলে একটি ক্লাউড-ভিত্তিক অটোমেটেড ডেটা প্রসেসিং লাইন তৈরি করেছে, যা রোবট ডেটা প্রসেসিংকে মানুষের উপর নির্ভরশীল এবং একক মেশিন-ভিত্তিক পদ্ধতির পরিবর্তে স্কেলযোগ্য, শিল্পগত প্রক্রিয়ায় উন্নীত করতে চায়, যাতে মডেল আপডেটের জন্য নিরবচ্ছিন্ন ডেটা সমর্থন পাওয়া যায়।

01

রোবোট যুগে, প্রকৃতপক্ষে ডেটা দুর্লভ

শরীরবাদী বুদ্ধিমত্তার জন্য, ডেটা সমস্যার কথা শুধুমাত্র 'প্রাপ্ত করা যায় না' এটাই নয়, বরং 'প্রক্রিয়াকরণ করা যায় না' এটাও।

কুয়ানচে ইন্টেলিজেন্ট ডেটা সংগ্রহের জন্য UMI (Universal Manipulation Interface) সমাধান ব্যবহার করে। অপারেটরদের কেবলমাত্র হাতে ডিভাইস ধরে ধরে, ধরে রাখা, দরজা খোলা, বহন করা ইত্যাদি প্রাকৃতিক ক্রিয়াকলাপ সম্পন্ন করতে হয়, যার ফলে ডিভাইসটি প্রথম দৃষ্টিকোণের ভিডিও, গ্রিপারের অবস্থান, গতিপথ ইত্যাদি তথ্য সমন্বিতভাবে রেকর্ড করে, যা রোবট প্রশিক্ষণের জন্য উচ্চ-গুণমানের অপারেশনাল ডেটা প্রদান করে।

কিন্তু প্রকৃত চ্যালেঞ্জটি প্রায়শই সংগ্রহের পরেই শুরু হয়।

এই মূল ডেটা মডেল ট্রেনিংয়ের জন্য ব্যবহার করার আগে, পোজ রিকভারি, ফিশআই ক্যামেরা ক্যালিব্রেশন, অ্যাকশন সেগমেন্টেশন, মাল্টিমোডাল অ্যানোটেশন সহ অনেকগুলি জটিল ধাপ অতিক্রম করতে হবে। ভিজুয়াল SLAM রিকনস্ট্রাকশনের জন্য ব্যাপক GPU ক্ষমতা প্রয়োজন; ফিশআই ইমেজগুলিকে ফ্রেম-বাই-ফ্রেম ডিসটরশন করতে এবং ক্যালিব্রেট করতে হবে; ধারাবাহিক অ্যাকশনগুলিকে একক অ্যাটমিক টাস্কে বিভক্ত করতে হবে এবং প্রতিটির জন্য প্রাকৃতিক ভাষার বর্ণনা যুক্ত করতে হবে; ডেটা সংগ্রহের পরিসর বৃদ্ধির সাথে, শত শত ঘন্টার ভিডিও ডেটা সমগ্র গণনার উপর বিপুল চাপ সৃষ্টি করছে।

এই কাজগুলি শুধু প্রচুর গণনার প্রয়োজন করে না, বরং সম্পূর্ণ প্রক্রিয়াটি একাধিক প্রসেসিং ধাপের সমন্বয়ে গঠিত, যেখানে যদি কোনো একটি ধাপ বিচ্ছিন্ন হয়, তবে সম্পূর্ণ ডেটা ব্যাচের পুনরায় গণনা প্রভাবিত হতে পারে। এমবডিড ইন্টেলিজেন্স কোম্পানির জন্য, ডেটা প্রসেসিং একটি নতুন ইনফ্রাস্ট্রাকচার ক্ষমতা হয়ে উঠছে, যা এলাস্টিক কম্পিউটিং পাওয়ার, অটোমেটেড স্কিডিউলিং, ফুল-প্রসেস ট্র্যাকিং এবং মডেল ট্রেনিংয়ের সহযোগিতা সমর্থনকারী একটি সম্পূর্ণ ব্যবস্থা প্রয়োজন।

02

একটি মেঘের উপর দিয়ে চলা ডেটা প্রোডাকশন লাইন

বট ট্রেনিং কে কিভাবে ত্বরান্বিত করা যায়

এই সমস্যাগুলি সমাধানের জন্য, Qiongche Intelligence এবং Alibaba Cloud একটি এন্ড-টু-এন্ড UMI Data + AI Pipeline তৈরি করেছে, যা আগের বিচ্ছিন্ন ডেটা প্রসেসিং প্রক্রিয়াগুলিকে একটি স্বয়ংক্রিয় ডেটা প্রোডাকশন লাইনে পরিণত করতে চায়।

ডেটা প্রসেসিং পর্যায়ে, আলিবাবা ক্লাউডের MaxCompute MaxFrame ডিস্ট্রিবিউটেড কম্পিউটিং ক্ষমতা প্রদান করে, যা ভিডিও ডিসটরশন করেction, SLAM পজিশন রিকভারি, মাল্টিমোডাল অ্যানোটেশন ইত্যাদি টাস্কগুলিকে ক্লাউড রিসোর্সে প্যারালেলভাবে বিভক্ত করে। অতীতে যেসব বড় পরিসরের কম্পিউটিংয়ের জন্য একক মেশিনের উপর নির্ভরশীল হতে হত, এখন টাস্কের আকারের উপর ভিত্তি করে কম্পিউটিং ক্ষমতা ফ্লেক্সিবলভাবে স্কেল করা যায়, যা সামগ্রিক প্রসেসিং দক্ষতা বৃদ্ধি করে। এছাড়াও, বড় মডেলের ক্ষমতা সরাসরি ডেটা প্রসেসিং প্রক্রিয়ায় এমবেডড হয়েছে, যা অপারেশন সেগমেন্টগুলির অটোমেটিক সেমান্টিক অ্যানোটেশনকে সম্ভব করেছে এবং ম্যানুয়াল অ্যানোটেশনের খরচ কমিয়েছে।

সমস্ত ডেটা প্রসেসিং প্রক্রিয়া ডেটাওয়ার্কস দ্বারা একীভূতভাবে সংগঠিত হয়। পিরিয়ডিক স্কেডিউলিং, হিস্টোরিক্যাল ডেটা পুনরায় রান বা অস্বাভাবিকতা স্বয়ংক্রিয়ভাবে পুনরুদ্ধার—সবকিছুই একটি একীভূত প্ল্যাটফর্মে সম্পন্ন করা যায়, যা ম্যানুয়াল হস্তক্ষেপ কমিয়ে ডেটা প্রডাকশন লাইনটিকে স্থিতিশীলভাবে চলমান রাখে।

প্রক্রিয়াকরণের পরে, ডেটা Hologres-এ প্রবেশ করে একীকৃত পরিচালনার জন্য, যা পরবর্তী নমুনা অনুসন্ধান, ডেটা অডিট এবং ট্রেনিং ম্যানেজমেন্টের জন্য রিয়েল-টাইম ডেটা সার্ভিস প্রদান করে; তারপর এটি PAI প্ল্যাটফর্মে যায় যেখানে মডেল ট্রেনিং, পারফরম্যান্স অপ্টিমাইজেশন এবং ডিপ্লয়মেন্ট ভেরিফিকেশন সম্পন্ন হয়, যা ডেটা প্রোডাকশন থেকে মডেল ট্রেনিং এবং তারপর ফলাফল ফিডব্যাক পর্যন্ত একটি সম্পূর্ণ সম্পূর্ণ সম্পূর্ণ চক্র গঠন করে।

এই সহযোগিতা বাস্তব ফলাফলও আনে। কিউচে ইন্টেলিজেন্টের ডেটা প্রসেসিং পুরোপুরি অটোমেশনে পরিণত হয়েছে, সামগ্রিক থ্রুপুট ১০ গুণের বেশি বৃদ্ধি পেয়েছে, মাল্টিমোডাল অ্যানোটেশন স্কেল করে অটোমেটিকভাবে সম্পন্ন হচ্ছে, ক্লাউড-ভিত্তিক কম্পিউটিং ক্ষমতা ১০ লাখ+ CU-এর বেশি পর্যন্ত নমনীয়ভাবে সম্প্রসারিত করা যায়, এবং মডেল ট্রেনিংয়ের দক্ষতা প্রায় ৫০% বৃদ্ধি পেয়েছে।

শরীরবাদী বুদ্ধিমত্তার শিল্পের জন্য, এই সহযোগিতা একটি বিষয় যাচাই করে: রোবট ডেটা একইভাবে স্কেলযোগ্য এবং স্বয়ংক্রিয় ডেটা উৎপাদন ব্যবস্থা গড়ে তুলতে পারে। যখন ডেটা সংগ্রহ, প্রক্রিয়াকরণ এবং প্রশিক্ষণ ধাপে ধাপে মানকীকৃত প্রক্রিয়ায় পরিণত হয়, তখন রোবট মডেলগুলির পুনরায় প্রজন্মের গতি বেড়ে যাবে। শিল্পের প্রতিযোগিতা যখন মডেলের ক্ষমতা থেকে ডেটা অবকাঠামোতে বিস্তৃত হচ্ছে, তখন ডেটা উৎপাদনক্ষমতার উপর ভিত্তি করে অনুসন্ধানগুলি শরীরবাদী বুদ্ধিমত্তার পরবর্তী পর্যায়ের একটি গুরুত্বপূর্ণ প্রতিযোগিতামূলক সুবিধা হয়ে উঠবে।