ان روبوٹس کو 30 نئے باۓ ایریا گھروں میں ٹیسٹ کیا گیا، جہاں ان کے لیے کوئی اضافی تربیت یا ڈیٹا نہیں دیا گیا۔ انہوں نے جو کچھ پہلے سے سیکھا تھا، اس کا استعمال کرتے ہوئے کمرے ترتیب دیے، دستخط بکھیرے اور بستر بنائے۔ اس قسم کی حقیقی دنیا میں عام کرنے کی صلاحیت انسان نما روبوٹس کے لیے ایک بڑا قدم ہے۔ اس بات پر زور دیا گیا کہ زیرو شاٹ جنرلائزیشن نے روبوٹک مینیپولیشن کے طویل عرصے سے چلنے والے کمزور پالیسی مسئلے کو حل کر دیا ہے۔ بڑے پیمانے پر پہلے سے تربیت یافتہ متعدد ماڈل امبیڈنگز کا استعمال کرتے ہوئے، روبوٹ کا پالیسی نیٹ ورک وژول ان پٹس کو براہ راست جوائنٹ ٹارکس میں تبدیل کرتا ہے، بغیر کسی مخصوص کام کے دوبارہ تربیت کے۔ اس نئے زیرو شاٹ صلاحیت کے ذریعے پلیٹ فارم نئے مینیپولیشن ورک فلوز کو کامیابی سے انجام دے سکتا ہے اور غیر منظم ماحول کو ڈائنامک طور پر ہینڈل کر سکتا ہے۔ سی ای او (بریٹ ایڈکاک) نے محسوس اور کنٹرول کے لیے روایتی حکمرانی پائپ لائن سے لے کر اکنھد نیورل نیٹ ورک آرکٹیکچر میں تبدیلی کا تفصیل سے ذکر کیا۔ 边緣計算優化、傳感器融合精度與端到端學習的融合，正在壓縮自主部署的時間表。 ابھی بھی امید ہے کہ @continuumlabs_ جلد شروع ہو جائے گا سب انتظار کر رہے ہیں