लेखक: विल डगलस हेवन
DeepOcean TechFlow
शेनचाओ का परिचय: नियांटिक ने पोकेमॉन गो के उपयोगकर्ताओं द्वारा ली गई 30 अरब शहरी तस्वीरों को एक नए व्यवसाय में बदल दिया है। इसकी एआई सहायक कंपनी नियांटिक स्पेशियल ने इन डेटा का उपयोग करके एक विजुअल लोकेशन सिस्टम ट्रेन किया है, जो स्थानीयकरण की सटीकता को सेंटीमीटर स्तर तक पहुंचा सकता है, जो शहरी घाटियों में GPS की प्रदर्शन क्षमता से कहीं बेहतर है। पहला बड़ा ग्राहक डिलीवरी रोबोट कंपनी कोको रोबोटिक्स है। पिकाचू पकड़ने से लेकर पिज़्ज़ा डिलीवर करने तक, यह सामूहिक डेटा का सबसे अप्रत्याशित व्यावसायिकीकरण मार्गों में से एक हो सकता है।
The full text is as follows:
पोकेमॉन गो दुनिया का पहला फीनोमेनल AR गेम था। 2016 में Google की सहायक कंपनी Niantic द्वारा जारी किया गया, यह गेम पोकेमॉन IP पर आधारित और एक्सटेंडेड रियलिटी गेमप्ले के साथ तुरंत दुनिया भर में धूम मचा गया। चिकागो से लेकर ओस्लो और ज़ोशिमा तक, खिलाड़ी सड़कों पर भीड़ लगाने लगे, ताकि वे एक पिकाचू, स्क्विटल, या (अगर भाग्यशाली हों) एक अत्यंत दुर्लभ गैलेक्सियन स्पार्कबर्ड पकड़ सकें—जो वास्तविक दुनिया के ऊपर तैर रहे होते हैं, केवल थोड़ी सी दूरी पर।
सरल शब्दों में, इसका मतलब है कि अरबों लोग अपने फोन से अरबों इमारतों की तस्वीरें ले रहे हैं। "60 दिनों में पांच अरब लोगों ने इस ऐप को इंस्टॉल किया," Niantic Spatial के CTO Brian McClendon ने कहा। Niantic Spatial, Niantic द्वारा पिछले मई में बनाई गई एक AI कंपनी है। गेम कंपनी Scopely (जिसने इसी समय Niantic से Pokémon Go को खरीदा) के डेटा के अनुसार, 8 साल बाद भी 2024 में इस गेम के 100 मिलियन से अधिक सक्रिय खिलाड़ी हैं।
अब, Niantic Spatial दुनिया भर के करोड़ों Pokémon Go खिलाड़ियों के फोन से शहरी स्थलों की तस्वीरें, जिनमें अत्यधिक सटीक स्थान टैग शामिल हैं, के एक अद्वितीय जन-संग्रहित डेटा भंडार का उपयोग करके एक विश्व मॉडल (World Model) बना रहा है। यह वर्तमान में लोकप्रिय तकनीकी दिशा है, जिसका लक्ष्य LLM की बुद्धिमत्ता को वास्तविक दुनिया के परिवेश में स्थापित करना है।
कंपनी का सबसे हालिया उत्पाद एक मॉडल है: बस कुछ इमारतों या अन्य स्थानीय स्थलों की तस्वीरें लेकर, आपकी मानचित्र पर स्थिति को कुछ सेंटीमीटर के भीतर सटीकता से निर्धारित किया जा सकता है। वे इसका उपयोग रोबोट्स को GPS के अविश्वसनीय स्थानों में अधिक सटीक नेविगेशन प्रदान करने के लिए करना चाहते हैं।
टेक्नोलॉजी के पहले बड़े सत्यापन के रूप में, नियांटिक स्पेशियल ने हाल ही में कोको रोबोटिक्स के साथ साझेदारी की है। कोको एक ऐसी स्टार्टअप कंपनी है जो अमेरिका और यूरोप के कई शहरों में अंतिम किलोमीटर डिलीवरी रोबोट तैनात करती है। "सभी को लगता है कि AR भविष्य है, AR ग्लासेस आने वाले हैं," मैकक्लेंडन कहते हैं, "लेकिन रोबोट पहले उपयोगकर्ता बन गए।"
पिकाचू से पिज्जा डिलीवरी तक
Coco Robotics ने लॉस एंजिल्स, चिकागो, जर्सी सिटी, मियामी और हेलसिंकी में लगभग 1000 बैगेज साइज़ के रोबोट तैनात किए हैं, जो अधिकतम 8 अति-विशाल पिज़्ज़ा या 4 बैग सामान ले सकते हैं। CEO Zach Rash के अनुसार, इन रोबोट्स ने अब तक 50 लाख से अधिक डिलीवरी पूरी की हैं और विभिन्न मौसम की स्थितियों में कई मिलियन मील की यात्रा की है।
लेकिन मानव ड्राइवर्स के साथ प्रतिस्पर्धा करने के लिए, कोको के रोबोट (जो चलने के लिए लगभग 5 मील प्रति घंटे की गति से चलते हैं) को पर्याप्त विश्वसनीय होना चाहिए। "हमारा सबसे अच्छा तरीका यह है कि आपको जिस समय बताया गया है, उसी समय पहुँच जाएं," रश ने कहा। इसका मतलब है कि वे रास्ता नहीं खोने चाहिए।
कोको का सामना करना पड़ रहा समस्या है कि वह GPS पर निर्भर नहीं कर सकता। शहरों में, रेडियो संकेत इमारतों के बीच परावर्तित होते हैं और एक-दूसरे के साथ हस्तक्षेप करते हैं, जिससे GPS संकेत कमजोर हो जाता है। "हम बहुत सारे घने क्षेत्रों में डिलीवरी करते हैं जहाँ उच्च इमारतें, भूमिगत सुरंगें और उच्च ब्रिज होते हैं, और इन स्थानों पर GPS लगभग कभी काम नहीं करता," रश कहते हैं।
"शहरी घाटी GPS के लिए दुनिया भर में सबसे कमजोर स्थान है," मैकक्लेंडन ने कहा। "आप अपने फोन पर नीले बिंदु को देखते हैं, जो अक्सर 50 मीटर तक तैरता है और आपको सीधे एक अन्य ब्लॉक, अन्य दिशा, सड़क के दूसरी ओर रख देता है।" यही समस्या Niantic Spatial हल करने जा रहा है।
पिछले कुछ वर्षों में, Niantic Spatial ने पोकेमॉन गो और इनग्रेस (Niantic द्वारा 2013 में लॉन्च की गई पिछली मोबाइल AR गेम) के खिलाड़ियों द्वारा उत्पन्न डेटा को संगठित करके एक विजुअल पोजिशनिंग सिस्टम (Visual Positioning System) बनाया है—जो आप जो कुछ देखते हैं, उसके आधार पर आपकी स्थिति का पता लगाता है। 'पिकाचू को सचमुच सड़क पर दौड़ने के लिए और कोको के रोबोट को शहर में सुरक्षित और सटीक ढंग से घूमने के लिए, मूलतः एक ही समस्या है,' Niantic Spatial के CEO John Hanke ने कहा।
"विजुअल लोकेशनिंग कोई नई तकनीक नहीं है," डिजिटल मैपिंग और जियोस्पेशल एनालिसिस कंपनी ESRI के कोनराड वेंजेल कहते हैं, "लेकिन स्पष्ट है कि जितने अधिक कैमरे बाहर होंगे, इतना ही बेहतर यह काम करेगा।"
Niantic Spatial ने शहरी वातावरण में ली गई 30 अरब तस्वीरों के साथ मॉडल को प्रशिक्षित किया है। ये तस्वीरें विशेष रूप से 'हॉटस्पॉट' के आसपास घनीभूत हैं—Niantic गेम्स में खिलाड़ियों को जाने के लिए प्रोत्साहित किए जाने वाले महत्वपूर्ण स्थान, जैसे पोकेमॉन लड़ाई गुरुकुल। "हमारे पास दुनिया भर में 10 लाख से अधिक स्थान हैं, जो आपकी स्थिति को सटीकता से निर्धारित कर सकते हैं," मैकलेंडन कहते हैं, "हम जानते हैं कि आप कहाँ खड़े हैं, सटीकता कुछ सेंटीमीटर के भीतर। और अधिक महत्वपूर्ण बात यह है कि हम जानते हैं कि आप किस दिशा में देख रहे हैं।"
परिणामस्वरूप, इन 100 लाख स्थानों में से प्रत्येक के लिए, Niantic Spatial के पास लगभग एक ही स्थान पर, लेकिन अलग-अलग कोणों, समय और मौसम की स्थितियों में ली गई हजारों तस्वीरें हैं। प्रत्येक तस्वीर के साथ विस्तृत मेटाडेटा जुड़ा हुआ है: फोन की स्थानिक स्थिति, दिशा, अभिविन्यास, क्या यह गतिशील था, गति और दिशा आदि।
कंपनी ने इस डेटासेट का उपयोग मॉडल को प्रशिक्षित करने के लिए किया, ताकि यह अपनी स्थिति का सटीक अनुमान लगा सके — यहां तक कि उन 100 लाख हॉटस्पॉट्स के बाहर भी, जहां छवि और स्थान डेटा अपेक्षाकृत कम है।
GPS के अलावा, कोको के रोबोट (जिसमें 4 कैमरे लगे हैं) अब इस मॉडल का उपयोग करके यह निर्धारित करते हैं कि वे कहाँ हैं और कहाँ जा रहे हैं। रोबोट के कैमरे घुटनों की ऊँचाई पर लगे हैं और सभी दिशाओं की ओर देखते हैं, जिससे Pokémon Go खिलाड़ियों का दृश्यकोण थोड़ा अलग है, लेकिन रश ने कहा कि डेटा अनुकूलन जटिल नहीं है।
प्रतिद्वंद्वी भी विजुअल लोकेशन सिस्टम का उपयोग कर रहे हैं। उदाहरण के लिए, 2014 में एस्टोनिया में स्थापित रोबोट डिलीवरी कंपनी स्टारशिप टेक्नोलॉजीज, जिसका कहना है कि उसके रोबोट सेंसर का उपयोग करके अपने आसपास के वातावरण का 3D मानचित्र बनाते हैं, जिसमें भवनों के किनारों और लैंप पोस्ट की स्थिति को चिह्नित किया जाता है।
लेकिन रश ने Niantic Spatial की तकनीक पर यह दांव लगाया कि यह Coco को लाभ प्रदान करेगी। उनका मानना है कि इससे रोबोट सही डिलीवरी स्थान पर रेस्तरां के बाहर सटीक रूप से रुक सकेगा, किसी के रास्ते में नहीं आएगा, और ग्राहक के घर के दरवाजे पर रुकेगा—पिछले समय में ऐसा कभी-कभी होता था।
The Cambrian Explosion of Bots
नियांटिक स्पेशियल ने विजुअल लोकेशन सिस्टम बनाना शुरू किया, जिसका उद्देश्य एंहांस्ड रियलिटी पर उपयोग करना था, हैंके ने कहा। "अगर आप AR चश्मा पहन रहे हैं और चाहते हैं कि वर्चुअल दुनिया आपके देखने की दिशा में स्थिर रहे, तो इसके लिए कुछ तरीका होना चाहिए। लेकिन अब हम रोबोटिक्स क्षेत्र में कैम्ब्रियन एक्सप्लोजन को देख रहे हैं।"
कुछ रोबोट्स को मानवों के साथ साझा स्थानों, जैसे कि निर्माण स्थल और चलने के लिए बनाए गए रास्तों में काम करना होता है। "अगर रोबोट्स को इन परिवेशों में मानवों को परेशान किए बिना शामिल होना है, तो उन्हें मानवों की तरह ही स्थानीय समझ होनी चाहिए," हैंके कहते हैं। "जब रोबोट को धक्का दिया जाता है या टकराया जाता है, तो हम इसे इसकी सटीक स्थिति पुनः प्राप्त करने में मदद कर सकते हैं।"
Coco Robotics के साथ साझेदारी केवल शुरुआत है। हैंके कहते हैं कि Niantic Spatial जो बना रहा है, वह उनके कहने के अनुसार 'लिविंग मैप' के पहले घटक हैं: एक अत्यधिक सटीक वर्चुअल दुनिया का सिमुलेशन, जो वास्तविक दुनिया के परिवर्तन के साथ बदलता रहता है। जैसे-जैसे Coco और अन्य कंपनियों के रोबोट दुनिया भर में घूमते रहेंगे, वे नए मैपिंग डेटा स्रोत प्रदान करेंगे, जिससे डिजिटल दुनिया की प्रतियाँ और अधिक सूक्ष्म होती जाएंगी।
हैंक और मैक्लेंडन के अनुसार, मानचित्र केवल अधिक विस्तृत ही नहीं बन रहे हैं, बल्कि अब वे बढ़ती संख्या में मशीनों द्वारा भी उपयोग किए जा रहे हैं। इससे मानचित्रों के उपयोग में परिवर्तन हुआ है। मानचित्रों ने लंबे समय तक मनुष्यों को अपनी स्थिति निर्धारित करने में मदद की है। 2D से 3D और फिर 4D (डिजिटल ट्विन जैसे रीयल-टाइम सिमुलेशन पर विचार करें) तक, मूल सिद्धांत अपरिवर्तित रहा है: मानचित्र पर बिंदु स्थान या समय में बिंदुओं के संगत होते हैं।
लेकिन मशीनों के लिए नक्शे को एक गाइडबुक की तरह बनाया जाना चाहिए, जिसमें मनुष्य जो स्वाभाविक मानते हैं, उन सभी जानकारियों को शामिल किया जाए। Niantic Spatial और ESRI जैसी कंपनियाँ नक्शों पर विवरण जोड़ना चाहती हैं, ताकि मशीन को बताया जा सके कि वह वास्तव में क्या देख रही है, और प्रत्येक वस्तु को एक सेट ऑफ़ गुणों से चिह्नित किया जाए। "इस युग का कार्य मशीनों के लिए उपयोगी दुनिया का वर्णन बनाना है," हैंके कहते हैं। "हमारे पास जो डेटा है, वह दुनिया के संबंधों के संगठन को समझने में एक अच्छा प्रारंभिक बिंदु है।"
अब वर्ल्ड मॉडल्स बहुत लोकप्रिय हैं, और Niantic Spatial इस बात को स्पष्ट रूप से समझता है। LLM ऐसे लगते हैं जैसे वे सब कुछ जानते हैं, लेकिन दैनिक वातावरण की व्याख्या करने और उससे बातचीत करने में उनके पास लगभग कोई सामान्य ज्ञान नहीं है। वर्ल्ड मॉडल्स इस समस्या को हल करने के लिए हैं। कुछ कंपनियाँ, जैसे Google DeepMind और World Labs, ऐसे मॉडल्स विकसित कर रही हैं जो तुरंत वर्चुअल फंतासी दुनियाएँ उत्पन्न कर सकती हैं, और फिर उन्हें AI एजेंट्स के प्रशिक्षण के मैदान के रूप में उपयोग कर सकती हैं।
नियांटिक स्पेशियल का कहना है कि वे इस समस्या को अलग कोण से देख रहे हैं। अगर आप मानचित्र को पर्याप्त रूप से उच्चतम स्तर तक ले जाते हैं, तो आप अंततः सब कुछ पकड़ लेंगे, मैक्क्लेंडन कहते हैं: "हम अभी उस बिंदु पर नहीं पहुंचे हैं, लेकिन हम वहां पहुंचना चाहते हैं। मैं वर्तमान में वास्तविक दुनिया को पुनर्निर्मित करने की कोशिश में बहुत फोकस कर रहा हूं।"