[10 حقیقی ڈیمو: 0/20 مصنوعات کے رابطے۔ 50 مزید سیمولیشنز شامل کریں: 17/20] @KaitoAI X @axisrobotics Axis میں شمولیت کا لنک (ریفرل): https://t.co/hUbWSVsBVR روبوٹ کو نئے کام سکھانے کے لیے، حقیقی ڈیوائس پر ڈیمو ڈیٹا جمع کرنے میں بہت زیادہ وقت اور لاگت لگتی ہے۔ روبوٹ کو تیار کرنا، کام کے ماحول کو سامنے لانا، اور انسان کے ذریعہ ہدایت کے ساتھ دہائیوں یا سینکڑوں بار ریکارڈ کرنا ضروری ہوتا ہے، اور اگر مصنوعات یا ماحول بدل جائے تو نئے ڈیٹا کی ضرورت پڑتی ہے۔ Axis اور @boosterobotics نے حال ہی میں Booster کے دو بازو والے روبوٹ کا استعمال کرتے ہوئے، حقیقی ڈیمو کے ساتھ Axis کے سیمولیشن Trajectory کو ملا کر سیکھنے کے نتائج کیسے بدلتے ہیں، اس کا تجربہ کیا۔ استعمال کیے گئے کام: پینسل اٹھانا اور ایر بڈ کیس اٹھانا۔ ہم نے یہ جانچا کہ روبوٹ نے مصنوعات کو چھوا کیا، گرپر سے پکڑا کیا، اور اصل میں اٹھایا کیا، اور تمام پالسیاں Pi0.5 ماڈل چیک پوائنٹ سے شروع ہوئیں۔ Axis Suite میں، حقیقی کام کے ماحول کو مختصر ویڈیو میں ریکارڈ کرکے، پری-ٹرینڈ 2D-to-3D ماڈل کا استعمال کرتے ہوئے، ٹاسک کے مطابق ڈجیٹل ٹوین تخلیق کیا جا سکتا ہے۔ بنائے گئے منظر کو Axis Hub پر ڈپلوائز کر دیا جاتا ہے، جس سے متعدد شرکاء جن کے پاس فزکل روبوٹ نہیں ہوتا، وہ بھی اسی ٹاسک کے لیے سیمولیشن Trajectory تخلیق کر سکتے ہیں۔ مصنوعات کا مقام، کمرہ، روشنی، سطح، پس منظر اور اردگرد کے اشیاء بھی تبدیل کرکے، اسی ٹاسک کو مختلف شرائط میں انجام دیا جاتا ہے۔ ایر بڈ کیس کے ساتھ لو-ڈیٹا تجربے میں 10 حقیقی ڈیمو شامل تھے۔ ان ڈیٹا سے سکھائی گئی پالسی نے حقیقی Booster روبوٹ پر 20 بار انجام دینے پر مصنوعات کو ایک بار بھی نہ چھوا۔ 10 حقیقی ڈیمو وہی رکھے گئے، جبکہ Axis سیمولیشن Trajectory مزید 50 شامل کرنے پر، پالسی نے 20 میں سے 17 بار مصنوعات کو چھوا۔ 6 بار تک gripper مرحلہ تک پہنچا، جن میں سے دو بار ایر بڈ کاس اٹھانے میں کامیاب رہا۔ مزید ڈیٹا استعمال کرتے ہوئے فزکل روبوٹ ارزنش میں، مختلف ترکیب تجربہ کی گئین۔ پینسل ٹاسک کے لئے real-only پالسی نے lift rate 35% رجسٹر کیا، جبکہ simulation نسبت 67% شرائط میں 40% تھا۔ ایر بڈ کاس کے لئے real-only 30% تھا، جبکہ simulation نسبت 50% شرائط میں 40% تھا۔ ہر شرط کو فزکل روبوٹ پر 20 بار انجام دینا پڑا، اور مجموعی ارزنش 240 rollout سے مرکب تھا۔ سماولینشن میں، مصنوعات کا مقام، نظر، پس منظر جैسے شرائط آسانی سے تبدید کئے جا سکتے ہيں تاکہ دہرائے جانے والے ڈे�ٹا تخلีق ہوسکيں۔ حقیقى دمو ميں، كمره كى خصوصيات، actuator جواب، gripper وقت، رابطه اور عمل غلطى جैسى فيزيكلى آلات ميں پيدا هونى والى معلومات شامل هوتى هى۔ اس تجربه ميں دو ٹاسكز كى بہترین lift rate وہ حاصل هوي جس ميں حقائقى دمو اور مناسب سيموليشن ڈيٗٹا دونوں استعمال كئي جيئن۔ Axis اور Booster نے مختلف ٹاسکس سے جمع کردہ ڈे�ٹا استعمال کرتے ہوئے Booster کے لئے خصوصى شروعاتى ماڈل بھى تخلีق كيا۔ نئى ٹاسك سكھانى سى پهلى، Booster كى كمره كى ترتيب، دو7-DoF بازو، gripper، عمل كى نمائندگي، اور بندي كى حركت كى طرف سى ماڈل كو آشنا كيا جاتا هى۔ سماوليشن اصل ميں 95 ريزپوزيٗري اور76 زبان كمانڈز پر مشتمل44,039 ايپيسيز تھي۔ ثابت Trajectory اور استعمال كئي جانى والي بازوؤں كى شناخت مشكله والي ريكارڈز كو حذف كرنى كى بعد42,046 ايپيسيز،3,249,835 فريمز باقي رهيں جن كي لمبياي5Hz كي بناءپر لگ بھگ180.55 год تھي۔ كاميابي، telemetry، observation والي Booster كى حقائقى دمو بھي سكھانى كي عمليات ميں شامل كي جانى والي۔ اس ڈيٗٹا كي بناءپر Pi0.5 كو full-parameter continued pretraining كيا گيا اور پينسل اور ايرو بيد كيس كي ٹاسكز كي لئي آداب كيا گيا۔ ٹاسك كي لئي30 دمو استعمال كرنې كي صورت ميں Booster-specific ماڈل16 ميں سे14 بار رابطه - gripper close - اوپر كي طرف حرکت كى ترتيب كو عمل ميں لايَا۔ اصلي Pi0.5 ماڈل نے وہي30 شرائط ميں6/16 حاصل كيا، جبكه دمو كو60 تك بڑhayنې كي صورت ميں10/16 حاصل كيا۔ ٹاسك كي لئي اضافي سكھاي قبل zero-shot simulation ميں بھي، واشٹ تو مقصد فاصله17.27cm سे5.78cm تك kam هوا اور حكم نہ دي جانې والي طرف بازو كي حرکت5.04 rad سे0.25 rad تك kam هوي۔ ان اعداد و شمار Axis اور Booster كى تعاون كرنې والي تجربات كا نتيجہ هيا۔ ان نتائج كى الگ طورپر دوباره حاصل كرنې والي تحقيق اب تك جاري نه هوي۔ 10 حقائقى دمو اور50 سيموليشن استعمال كرنې والي لو-ڈيٗٹا ارزنش فزكلى Booster روبوٹ پر عمل درآمد هوي، جبكه Booster-specific ماڈل كى30,60 دمو كى تقابلية Isaac Sim پر عمل درآمد هوي۔ دونوں ارزنشون ميں حاصل شدہ نمبرون كو ايك فزكلى روبوٹ كى عملدرآمد اندازه كى طرح جمع نهيكيا جاسكتا۔ Axis Hub ميں تخلีق شدہ سيموليشن Trajectory مصنوعات كى ترتيب اور بصري شرائط مختلف بنانې كي لئي استعمال هوي، جبكه Booster كى حقائقى دمو فزكلى روبوٹ كى رابطه اور عمل خصوصيات سكھانې ميں شامل هويں۔ متعدد ٹاسکس سے مرتب شدہ ڈे�ٹا Booster kie jism aur kontrol tareeqe se wasta rakhte hue shuruaati model banane mein bhi istemal hua.براؤزر میں جمع کیا گیا Trajectory، Booster کے فزیکل روبوٹ کی تجزیہ اور ابتدائی ماڈل تعلیم میں استعمال کیا گیا۔ #PhysicalAI #RobotLearning