میں پہلے سوچتا تھا کہ جب روبوٹ چیزوں کو پکڑنا سیکھ جائے تو صرف ایک اور مشین پر وہی کام کر دیا جائے۔ لیکن Axis اور Booster کے اس تجربے کو دیکھ کر میں نے اپنی سمجھ کو سادہ پایا۔ Franka ہیڈفون کے باکس کو پکڑ سکتا ہے، لیکن جب اسے Booster پر بدل دیا جائے تو پہلے والے حرکات ممکنہ طور پر بالکل بے کار ہو جائیں گی۔ دونوں مشینوں کے بازو کی لمبائی، جوڑوں کی تعداد، کیمرے کا منظر اور گریپر مختلف ہیں۔ Booster تو دو بازو والی ساخت ہے، جس کا ہر بازو 7 آزادیوں والا ہے۔ ماڈل کو نہ صرف نئے منظر کو سمجھنا ہوگا بلکہ اس نئے جسم کو کنٹرول کرنے کا طریقہ بھی سیکھنا ہوگا۔ پہلے اس صورتحال کا حل یہ تھا کہ انجینئرز حقیقی روبوٹ کے پاس بیٹھ کر بار بار ریموٹ سے ڈیٹا جمع کرتے۔ مشینوں کی تعداد محدود تھی، اور جب منظر یا اشیاء بدل جاتے تو دوبارہ ڈیٹا جمع کرنا پڑتا۔ @axisrobotics نے اس بار Booster کے حقیقی ورکسٹیشن کو سیمولیشن ماحول میں دوبارہ تشکیل دیا، اور پھر اس طرح کے امور کو براؤزر میں رکھ دیا تاکہ مختلف علاقوں کے صارفین مدد کر سکیں۔ اشیاء کی پوزیشن، روشنی، منظر اور پس منظر مستقل تبدیل ہوتے رہے، اور آخرکار 42,046 سیمولیٹڈ ٹرایجکٹریز حاصل ہوئیں جنہیں Booster کو اپنے جسم کے ساتھ بہتر تطابق قائم کرنے کے لیے ٹریننگ میں استعمال کیا گیا۔ ہیڈفون باکس کا ٹیسٹ ڈیٹا بہت واضح ہے۔ صرف 10 حقیقی ڈیموز کے ساتھ، روبوٹ نے 20 بار لگاتار ٹرائل کئے لیکن ایک بار بھی مقصد نہیں چھوا۔ جب ان مطابق 50 سیمولیٹڈ ٹرایجکٹریز شامل کر دی گئیں تو 20 ٹرائلز میں سے 17 بار ہیڈفون باکس کو چھوا، جن میں سے 6 بار مکمل طور پر پکڑ لیا گیا، اور ان میں سے 2 بار اسے اُٹھایا بھی گیا۔ ایک اور ٹیسٹ میں، ان ڈیٹا سے پہلے تربیت پانے والے Booster کے اسٹریٹجی نے صرف 30 حقیقی ڈموز کے ساتھ، اصل π₀.₅ ماڈل کے 60 حقیقی ڈموز سے زائد بہتر نتائج حاصل کئے۔ اس تجربے میں صرف آفسٹل ٹیسٹ کچھ امور شامل تھے، ابھی تک نہ تو دوسرے روبوٹس اور نہ ہी پیچیدہ مناظر میں اس طرح کا بہتر عمل دکھایا جا سکا۔ لیکن اس نے مجھے Axis کے ان ڈیٹا جمع کرنے کا مقصد سمجھنے میں مدد دی: پہلے سیمولیشن ماحول میں مقصد تلاش کرنا، زاویہ تبدیل کرنا اور اشیاء تک پہنچنا سीکھ لینا، اور پھر حقیقی روبوٹ پر صرف تھوڑے سے حقیقی حرکات سے رابطہ اور پکڑنے کا عمل مکمل کرنا۔ بالکل واضح بات ہے کہ ہم نے ٹاسک لاب میں بنائے گئے ٹرایجکٹریز دونوں نہीں، بلکہ انہيں دوبارہ چلایا، فلٹر کرنا، فارمٹ تبدید کرنا، اور ان کو متعلقہ مشین سے مطابقت رکھنے والابنامانداز ترتيب دینا ضروري تھا۔ پہلے میرا خيال صرف اسکور اور پوائنٹس دेखنا تھا۔ لेकن اب ميں اپني حرکتوں كي خاصيت دेखتا هون، كيا وني غلط طور پر لرز رهي هين، كيا پكڑن كي راه صاف هين۔ جب روبوٹ كي جسم تبديل هوتا هين تو كيا حقائق كي نمائندگي كي آدھي تعداد كم كي جاسكتي هين، يه ان ٹرائجكٽريز كي معينيت سي منسلك هين۔ تجربه كرن كي ليا شروعات Beginner ٹاسك سي كرييں۔ جب آپ ٹاسك كي تصداق كر لين تو Portfolio ميں Base سائنچر كرن مت بھولين: https://t.co/Bo1luv9UkN