NVIDIA کا ENPIRE فریم ورک روبوٹ خود سیکھنے میں 99% کامیابی کی شرح حاصل کرتا ہے

ME AI کا پیغام، Beating مانیٹرنگ کے مطابق، نیوڈیا، کارنیگی میلون یونیورسٹی اور کیلیفورنیا یونیورسٹی، برکلے کے مل کر جاری کردہ ENPIRE فریم ورک نے روبوٹ تربیت کو پہلی بار مکمل طور پر انسانی مداخلت کے بغیر خودکار ترقی کا درجہ دے دیا۔ پہلے روبوٹس کے حرکات کو تھوڑا سا درست کرنے کے لیے انسانوں کو لگاتار اوزار دوبارہ سیٹ کرنے، کنٹرول کوڈ لکھنے اور اسے ڈیبگ کرنے کی ضرورت ہوتی تھی۔ اب، ٹیم نے Codex اور Claude Code جیسے بڑے ماڈل پروگرامنگ ٹولز کو روبوٹ کلستر سے جوڑ دیا ہے تاکہ یہ ٹولز خودکار طور پر حرکت کنٹرول پروگرامز تخلیق کر سکیں اور فیلڈ کیمرے کے ذریعے حرکات کی کامیابی یا ناکامی کا جائزہ لے سکیں، اور انسانی سائنسدانوں کی طرح خود ہی ایرر لاگز کا تجزیہ کرکے کوڈ میں تبدیلیاں کر سکیں۔ بکھرے ہوئے پن کو اکٹھا کرنے، مادر بورڈ کے اجزاء کو جوڑنا اور نکالنا، زپ ٹائیز باندھنا اور میٹھن چاقو سے زپ ٹائیز کاٹنا جیسے ملی میٹر درجہ کی باریک حرکات میں، روبوٹس نے انسانی مداخلت کے بغیر 99% کامیابی کا شمارہ دکھایا۔ تجربات سے ظاہر ہوا کہ اس فزکل خودکار سیکھنے کا بہت زبردست اضافہ ہونے والا ہے: جب روبوٹس کی تعداد بڑھا کر 8 کردی گئی تو، مختلف شاخوں والے بڑے ماڈل اجینٹس Git شاخوں کے ذریعے خودکار طور پر اپنے بہترین الگورتھمز شیر کر سکتے ہیں اور پن ڈالنے والے ٹاسک کی تربیت کا وقت صرف 1.5 گھنٹوں سے 40 منٹ تک کم ہو گیا۔ تاہم، خودکار ترقی کے عمل نے نئے رُکاوٹوں کو بھی ظاہر کیا۔ ایک ڈوائس پر چلنے پر روبوٹس کا موثر حرکت وقت 85% تھا؛ لیکن جب 8 ڈوائس اکٹھے چل رہے تھے تو، روبوٹس بڑے ماڈل پروگرامنگ ٹولز کو بڑے آپریشن لاگز پڑھنے، نئے کوڈ لکھنے اور API جوابات کا انتظار کرنے کے لیے بار بار روکتے رہتے تھے، جس سے ہارڈ وئیر کا موثر استعمال صرف 35% رہ گیا۔ اس کے علاوہ، متعدد روبوٹس کے اجینٹس کو بار بار اپنے بہترین حلز سynchronise رکھنے کے لیے، مجموعی Token استعمال مسلسل بڑھتا رہا۔ پروجیکٹ ٹیم نے قریب هی متعلقہ کوڈ اوپن سورس کرنے کا اعلان کیا ہے۔ (ذرائع: BlockBeats)