लेखक: Syed Armani
संपादित: फेलिक्स, PANews
AI अब स्क्रीन और सॉफ्टवेयर तक सीमित नहीं है। AI और रोबोटिक्स के एकीकरण के साथ, मशीनें धीरे-धीरे दुनिया को समझने, बदलती स्थितियों की व्याख्या करने और वास्तविक समय में कार्रवाई करने की क्षमता प्राप्त कर रही हैं। बुद्धिमान भौतिक प्रणालियों (अर्थात् भौतिक AI) की ओर यह बदलाव विभिन्न उद्योगों को पुनर्गठित करना शुरू कर रहा है और तकनीक के परिपक्व होने के साथ दैनिक घरेलू जीवन पर प्रभाव डालने की संभावना है।
रोबोटिक्स के क्षेत्र में नवीनता अभूतपूर्व गति से बढ़ रही है। Figure ने हाल ही में घरेलू और व्यावसायिक अनुप्रयोगों के लिए डिज़ाइन किए गए Figure 03 ह्यूमनॉइड रोबोट को लॉन्च किया है। यह कुछ घरेलू कार्य, जैसे कपड़े बुनना और डिशवाशर भरना, पूरा कर सकता है, लेकिन अभी यह परफेक्ट नहीं है। Tesla Optimus ह्यूमनॉइड रोबोट को अपने कारखाने के कार्यशाला में सीमित आंतरिक पायलट प्रोजेक्ट में चला रहा है। स्वायत्त ड्रोन और पैदल रोबोट का उपयोग खतरनाक जांच कार्यों में बढ़ती हुई संख्या में किया जा रहा है। इसी बीच, Unitree और FlexiTac जैसी स्पर्श तकनीकें रोबोट को अव्यवस्थित घरेलू परिवेश में घूमने, पालतू जानवरों और बच्चों के आसपास सुरक्षित रूप से कार्य करने, और दैनिक कार्यों में सहायता प्रदान करने पर काम कर रही हैं। स्मार्ट रोबोट एक बार तैयार होने पर सामान्य बुद्धिमत्ता और संदर्भ-समझ पर ध्यान केंद्रित करेंगे, उदाहरण के लिए, स्पष्ट निर्देशों के बिना ही पता लगा सकते हैं कि गिरी हुई पानी की कप में संसाधन की आवश्यकता है।
निवेशक ऐसी तकनीकों में बड़ी मात्रा में पूंजी निवेश कर रहे हैं, जो अगली पीढ़ी के रोबोटिक हार्डवेयर को समर्थन देने की संभावना रखती हैं। जनवरी 2026 में, Skild AI ने अपने C-राउंड फंडिंग में 14 बिलियन डॉलर जुटाए, जिससे इसका मूल्यांकन 140 बिलियन डॉलर हो गया, ताकि यह अपने यूनिवर्सल रोबोटिक फाउंडेशन मॉडल का विस्तार कर सके; जबकि Figure AI ने 2025 के C-राउंड फंडिंग में 10 बिलियन डॉलर से अधिक जुटाए, जिससे इसका पोस्ट-मूल्यांकन 390 बिलियन डॉलर हो गया, ताकि मानव-निर्मित क्षमता और औद्योगिक लागूकरण का विस्तार किया जा सके। Apptronik ने अपने A-राउंड फंडिंग को 9.35 बिलियन डॉलर तक बढ़ाया, और NEURA Robotics ने अपने B-राउंड फंडिंग में 1.2 अरब यूरो जोड़े। ये सभी एक बढ़ते हुए सहमति को दर्शाते हैं: फिजिकल AI, उपभोक्ता और औद्योगिक रोबोट के लिए एक सामरिक आधार बनता जा रहा है।
क्या स्मार्ट रोबोट्स के व्यापक अपनाये जाने का मोड़ आ गया है?
इस क्षेत्र में देखे जा रहे त्वरित विकास का कारण विभिन्न तकनीकों का संगम है। कई दशकों तक, स्मार्ट रोबोट के घटक मॉड्यूल अलग-अलग विकसित किए जाते रहे, जैसे उन्नत AI अल्गोरिदम, उच्च-विश्वसनीय सेंसर, मैनिपुलेटर और रीयल-टाइम कंट्रोल सिस्टम। हाल ही में, इन मॉड्यूल्स का संयोजन शुरू हुआ, जिससे रोबोट वास्तविक परिवेश में प्रभावी ढंग से संवेदना, तर्क और कार्रवाई कर पाए। इस “रोबोटिक्स का मोड़” को आगे बढ़ाने वाले मुख्य कारक निम्नलिखित हैं:
आर्थिक कारक: हार्डवेयर अंततः व्यावसायिक रूप से उपलब्ध हो गया है। पिछले समय, रोबोट महंगे थे क्योंकि प्रत्येक घटक कस्टमाइज़ किया जाता था। अब, वे उपभोक्ता इलेक्ट्रॉनिक्स और इलेक्ट्रिक वाहनों की सप्लाई चेन का लाभ उठा रहे हैं।
एक्टुएटर: उच्च टॉर्क एंथ्रोपोमॉर्फिक रोबोट के एक्टुएटर पारंपरिक रूप से महंगे रहे हैं, और छोटी मात्रा में औद्योगिक प्रणालियों में प्रत्येक जोड़ की लागत आमतौर पर 1000 डॉलर से अधिक होती है। टेस्ला और Unitree जैसी कंपनियों द्वारा पेश किए गए नए ऊर्ध्वाधर एकीकृत डिज़ाइन, कुछ एक्टुएटर कंपोनेंट्स की लागत को कई सौ डॉलर तक कम कर रहे हैं।
सेंसर: पिछले दशक में, लेजर रडार और डीप्थ कैमरों की लागत में भारी कमी आई है। जो उच्च-अंत उपकरण पहले लगभग 10,000 डॉलर में बेचे जाते थे, वे अब कुछ सौ डॉलर में उपलब्ध हैं। यह स्थिर डिजाइन में सुधार, बड़े पैमाने पर उत्पादन, और ऑटोमोबाइल और मोबाइल उपकरणों में इसके उपयोग के कारण हुआ है।
बैटरी: इलेक्ट्रिक वाहनों पर वैश्विक निवेश ने उच्च घनत्व वाले लिथियम-आयन बैटरी की लागत को कम कर दिया है और उनकी विश्वसनीयता में सुधार किया है, जिससे कई रोबोट एक बार चार्ज करने पर 2-4 घंटे तक काम कर सकते हैं।
एज गणना: रोबोट को स्थानीय रूप से जानकारी को प्रोसेस करना होगा, क्योंकि संतुलन या वस्तुओं को पकड़ने जैसे रियल-टाइम नियंत्रण कार्यों में नेटवर्क लेटेंसी की अनुमति नहीं है। न्वाइडिया के जेटसन थॉर जैसे चिप्स को बोर्ड पर AI इन्फरेंस चलाने और एक साथ कई सेंसर डेटा स्ट्रीम्स को प्रोसेस करने के लिए डिज़ाइन किया गया है। इससे रोबोट स्थानीय रूप से अपने वातावरण को प्रोसेस और ट्रैक कर सकता है, बिना नेटवर्क कनेक्शन पर निर्भर किए बिना बदलते वातावरण के प्रति त्वरित प्रतिक्रिया दे सकता है।
“मस्तिष्क” ब्रेकथ्रू (AI मॉडल): यह सबसे बड़ा परिवर्तन है। “if/then” प्रोग्रामिंग से “वर्ल्ड मॉडल्स” पर स्थानांतरित होना। वर्ल्ड मॉडल्स एक प्रकार के AI मॉडल हैं जो वीडियो देखकर वास्तविक दुनिया के काम करने के तरीके को सीखते हैं। रोबोट को “दरवाजे का हैंडल घुमाएं” इस तरह प्रोग्राम करने के बजाय, उसे 10,000 खुले दरवाजे के वीडियो दिखाए जाते हैं। AI केवल वीडियो देखकर, भौतिकी के काम करने के तरीके के बारे में एक मानसिक मॉडल बना लेता है, भौतिकी की सीधी समझ विकसित करता है और कार्रवाई करने से पहले मन में परिदृश्य का अनुकरण करता है। Google Deepmind Genie 3 और NVIDIA Cosmos इस प्रकार के नए वर्ल्ड मॉडल्स के उदाहरण हैं।
जबकि मशीनें अधिक बुद्धिमान हो रही हैं, उनकी लागत भी लगातार कम हो रही है। उदाहरण के लिए, Noetix Bumi (1400 डॉलर में बेचा जाने वाला) रोबोट की कीमत अब iPhone 17 Pro Max के लगभग समान है। हार्डवेयर लागत में कमी, AI चिप की क्षमता में वृद्धि और विश्व मॉडल क्षमता में सुधार के संयुक्त प्रभाव से, बुद्धिमान रोबोट सामान्य जनता के लिए अधिक सुलभ हो रहे हैं, और अनुसंधान का क्षेत्र शीर्ष प्रौद्योगिकी प्रयोगशालाओं से अधिक व्यापक क्षेत्रों तक विस्तारित हो रहा है।
यदि रोबोटिक्स क्षेत्र में "ChatGPT क्षण" जल्द ही आता है, तो इसका पहले उद्योग और लॉजिस्टिक्स क्षेत्र में अनुप्रयोग देखा जाएगा, और फिर ही वास्तविक अर्थों में घरेलू मानवरूपी रोबोट। हालाँकि, बुद्धिमान रोबोट के व्यापक रूप से प्रचलन से पहले कई चुनौतियाँ हैं, लेकिन तर्कसंगत आशावादी यह समझेंगे कि वर्तमान प्रवृत्तियाँ एक ऐसे भविष्य की ओर इशारा कर रही हैं, जहाँ बुद्धिमान रोबोट का व्यापक रूप से उपयोग होने की संभावना बढ़ती जा रही है।
महत्वपूर्ण सॉफ़्टवेयर की उपलब्धि अक्सर हार्डवेयर की उपलब्धि के साथ आती है। इंस्टाग्राम और टिकटॉक का उदय आवश्यक हार्डवेयर के कारण हुआ। यदि बुद्धिमान रोबोट हार्डवेयर आने वाले कुछ वर्षों में व्यापक रूप से उपलब्ध हो जाता है, तो एक दिलचस्प सवाल उठता है: क्या रोबोट एप्लिकेशन अगली लहर होंगे?
इस विकास की गति को कौन सी चुनौतियाँ रोक रही हैं?
रोबोट ट्रेनिंग डेटा: यह सामान्य बुद्धिमान रोबोट के विकास का सबसे बड़ा बाधक है। पूरे इंटरनेट के टेक्स्ट को पकड़ने वाले टेक्स्ट AI के विपरीत, रोबोट को वास्तविक दुनिया का अनुभव चाहिए, जैसे संवेदनशीलता, संतुलन बनाए रखना और वस्तुओं के साथ बातचीत करना। इस प्रकार के डेटा को इकट्ठा करना धीमा और महंगा है, और यह बहुत अधिक मानवशक्ति की आवश्यकता रखता है।
भौतिक समस्याएँ: वीडियो देखने से रोबोट को वस्तुओं को कैसे संचालित करें या सुरक्षित रूप से चलें, यह पूरी तरह से सिखाया नहीं जा सकता; इसे बल और संपर्क का अनुभव करना होगा। दूरस्थ संचालन, जिसमें मनुष्य रोबोट को वास्तविक समय में मार्गदर्शन करता है, इरादे और बल को एक साथ पकड़ सकता है, और यह डेटा संग्रह का सर्वोत्तम मानक है। लाखों घंटों की उच्च गुणवत्ता वाली डेटा उत्पन्न करने के लिए, ऑपरेटर को पूरी तरह से उपस्थित होना होगा, जिसकी स्केलेबिलिटी डिजिटल डेटा संग्रह की तुलना में काफी कम है।
सिमुलेशन और वास्तविकता के बीच का अंतर: सिमुलेशन कम लागत पर बड़ी मात्रा में डेटा उत्पन्न कर सकता है, लेकिन भौतिक घटनाओं के मॉडलिंग न होने या परिवेश की अप्रत्याशित प्रकृति के कारण, रोबोट अक्सर कौशल को वास्तविक दुनिया में स्थानांतरित करने में विफल रहते हैं।
On-chain machine economy
ब्लॉकचेन और रोबोटिक्स का संयोजन रोबोटिक्स के वर्तमान चुनौतियों के लिए एक व्यावहारिक समाधान प्रदान करता है। टोकन प्रोत्साहन प्रणाली लाखों रोबोटों को समन्वयित करने और दूरस्थ संचालित उपकरणों या सेंसर डेटा के योगदानकर्ताओं को पुरस्कृत करने में मदद कर सकती है। प्रत्येक इंटरैक्शन एक मूल्यवान डेटा संपत्ति बन जाता है, जो एक तेजी से बढ़ते, समुदाय-स्वामित्व वाले रोबोट डेटासेट का निर्माण करता है, जिसका आकार किसी भी एकल कंपनी से कहीं अधिक है।
Tokenization of data collection
रोबोट डेटा अत्यंत मूल्यवान है, लेकिन वास्तविक दुनिया के सेंसिंग और इंटरैक्शन डेटा कम हैं। बड़ी कंपनियाँ अपनी फ्लीट के माध्यम से विशाल ड्राइविंग और औद्योगिक डेटा एकत्र करती हैं, जो स्वतंत्र डेवलपर्स को असंभव बना देती हैं।
डिसेंट्रलाइज्ड फिजिकल AI उपयोगकर्ताओं को रोबोट्स को रिमोट से कंट्रोल करने या सेंसर डेटा योगदान देने की अनुमति देता है और टोकन पुरस्कार प्रदान करता है। डिसेंट्रलाइज्ड नेटवर्क दुनिया भर में हजारों प्रशंसकों को समन्वयित कर सकता है, जो रोबोट्स को जटिल सड़कों या विशेष परिवेश के लिए डेटा अपलोड करने और पुरस्कार प्राप्त करने में मदद करते हैं। हालाँकि ये प्लेटफॉर्म अभी प्रारंभिक चरण में हैं, लेकिन ये भविष्य में रोबोटिक डेटा के अधिक व्यापक साझाकरण की ओर संकेत करते हैं, जिससे कुछ बड़ी कंपनियों के एकाधिकार को कमजोर किया जा सकता है।
Bots as economic agents
"रोबोट एज ए सर्विस" मॉडल में, स्मार्ट रोबोट स्वयं "टोकनाइज़्ड" संपत्ति बन सकते हैं। प्रत्येक रोबोट (या उपयोग का अधिकार) डिजिटल टोकन द्वारा निरूपित किया जा सकता है, जिससे कई उपयोगकर्ता इसके मालिक या किरायेदार बन सकते हैं। रोबोट के सेवाशुल्क का भुगतान सीधे रोबोट के वॉलेट में टोकन या स्थिर मुद्रा के माध्यम से किया जा सकता है। इस सेटअप से स्वायत्त आय उत्पन्न होती है: रोबोट काम करके पैसा कमाते हैं, अपने संचालन लागत का भुगतान करते हैं, और स्वचालित रूप से टोकन धारकों को लाभ वितरित करते हैं। मूलतः, यह एक Web3 प्रोटोकॉल है, जो रोबोट को प्रोग्राम करने योग्य, स्व-पर्याप्त सेवा प्रदाता में बदल देता है, जिसमें पारदर्शी और ट्रैक करने योग्य आय होती है।
Physical AI market landscape
नई पीढ़ी के बुद्धिमान मशीन लर्निंग और त्रिआयामी दुनिया में जटिल वास्तविकता को समझने के साथ, डिजिटल बुद्धिमत्ता और भौतिक व्यवहार के बीच की सीमा लुप्त हो रही है।
इस क्रांति का केंद्र AI मॉडल है। Physical Intelligence और Skild AI द्वारा विकसित जटिल “दिमाग” स्थिर कोड के आगे बढ़ता है और विभिन्न भौतिक रूपों के लिए सामान्य बुद्धिमत्ता प्रदान करता है। ये मॉडल रोबोट को चुस्ती और गतिशीलता को सॉफ्टवेयर समस्या के रूप में देखने की अनुमति देते हैं, जिससे एकल समान “दिमाग” कई रोबोट शरीरों के अनुकूल हो सकता है। यह बुद्धिमत्ता स्तर प्राकृतिक प्लेटफॉर्म और डेटा पाइपलाइनों (जैसे Zeromatter द्वारा प्रदान किया गया प्लेटफॉर्म) द्वारा समर्थित है, जो प्रणाली को वर्चुअल परिवेश में सुरक्षित रूप से प्रशिक्षित करने और फिर वास्तविक दुनिया में डिप्लॉय करने की अनुमति देता है।
डिसेंट्रलाइज्ड फिजिकल AI का विकास मशीन ब्रेन के साथ हो रहा है। उदाहरण के लिए, डिसेंट्रलाइज्ड इंफ्रास्ट्रक्चर नेटवर्क Fabric Protocol स्वायत्त रोबोट्स को ऑन-चेन आईडेंटिटी और एन्क्रिप्टेड वॉलेट प्रदान करता है और क्रिप्टोग्राफी का उपयोग करके मशीन के काम की पुष्टि करता है। Auki, Peaq और IoTeX जैसी कंपनियाँ एक “मशीन इकोनॉमी” बना रही हैं, जहाँ रोबोट 3D मैप्स साझा कर सकते हैं, डेटा की पुष्टि कर सकते हैं और स्वायत्त रूप से लेन-देन कर सकते हैं। यह डिसेंट्रलाइज्ड दृष्टिकोण सुनिश्चित करता है कि समन्वय स्तर किसी एकल कंपनी के नियंत्रण में न हो।
उद्योग क्षेत्र में, बेडरॉक रोबोटिक्स के स्वायत्त निर्माण उपकरण और मायट्रा की वेयरहाउस स्वचालन श्रम बल को पुनर्परिभाषित कर रहे हैं, जबकि एनीबॉटिक्स खतरनाक परिवेश में दैनिक रखरखाव का काम करता है। इसी समय, फिगर और यूशु के प्रगति के साथ, उपभोक्ता बाजार में घरेलू सहायक के क्षेत्र में क्रांति आने में केवल समय की बात है।
2030 का दृष्टिकोण
एक तर्कसंगत सकारात्मक दृष्टिकोण से, रोबोटिक्स का पुनर्जागरण आ चुका है। चार अवरोधहीन शक्तियाँ एकत्रित हो रही हैं: हार्डवेयर लागत में तेजी से कमी, AI मॉडल की बुद्धिमत्ता में लगातार वृद्धि, एज कॉम्प्यूटिंग चिप्स द्वारा अभूतपूर्व कैलकुलेशन क्षमता, और वैश्विक उद्योग के कार्यकर्ताओं द्वारा डेटा समस्याओं का समाधान। 2030 तक, यह सहयोगात्मक प्रभाव भौतिक AI को दुनिया के हर कोने में, स्वायत्त कृषि से लेकर अग्निशमन और बुजुर्ग देखभाल जैसे उच्च-जोखिम क्षेत्रों तक पहुँचाएगा।
इतिहास दर्शाता है कि रूपांतरकारी सॉफ्टवेयर नवाचार आमतौर पर हार्डवेयर स्थिर होने के बाद होते हैं। संभवतः "स्मार्ट लीजिंग" का युग आएगा, जिसमें मानक ऑपरेटिंग सिस्टम चलाने वाले मानक मानवीय रोबोट और ऐप स्टोर एकीकृत होंगे। जिस प्रकार पिछले स्मार्टफोन क्रांति में हुआ, आने वाले कुछ वर्षों को "रोबोट ऐप स्टोर" परिभाषित करेगा, जहाँ उपयोगकर्ता विशिष्ट उपकरण खरीदने के बजाय रोबोट के कौशल के लिए सदस्यता लेंगे। इस मॉडल में, मूल्य रोबोट स्वयं से उसके द्वारा किए जा सकने वाले विशिष्ट "कौशल" पर स्थानांतरित हो जाता है। आपको विशिष्ट फ्रेंच ट्यूटर रोबोट खरीदने की आवश्यकता नहीं है, बल्कि आप अपने सामान्य मानवीय रोबोट पर "फ्रेंच स्किल ऐप" डाउनलोड कर सकते हैं, जिससे वह आपका फ्रेंच शिक्षक बन जाएगा। 2030 तक, समृद्ध व्यक्तियों के लिए, प्रीमियम फ़ोल्डेबल स्क्रीन स्मार्टफोन के बजाय, मनचाही कार्यों के प्रबंधन में सचमुच मदद करने वाला स्मार्ट असिस्टेंट प्राथमिकता का त्योहार का उपहार होगा।
यह भविष्यवाणी एक तर्कसंगत आशावाद पर आधारित है, जिसमें भले ही भविष्य की ओर जाने का रास्ता कभी-कभी सीधा न हो, लेकिन विभिन्न तकनीकों का संगम एक गहरी मशीनी क्रांति का संकेत दे रहा है।
संबंधित पढ़ें: जब रोबोट सोचना, पैसा कमाना और सहयोग करना सीखते हैं, तो 15 प्रकार की रोबोटिक तकनीकों और अनुप्रयोग मामलों का विश्लेषण करें