ফরাসি AI কোম্পানি Mistral AI রোবোস্ট্রাল নেভিগেট সহ রোবোটিক্স স্পেসে প্রবেশ করেছে, একটি 8-বিলিয়ন-প্যারামিটার মডেল যা রোবটকে একটি সাধারণ আরজিবি ক্যামেরা ছাড়া আর কিছুই ব্যবহার করে স্বায়ত্তশাসিতভাবে জটিল পরিবেশে নেভিগেট করতে সক্ষম করে। 8ই জুলাই, 2026-এ ঘোষণা করা মডেলটি মিস্ট্রালের মূর্ত AI এবং ফিজিক্যাল রোবোটিক্সে প্রথম পদক্ষেপের প্রতিনিধিত্ব করে।
রোবোস্ট্রাল নেভিগেট আরজিবি ছবি এবং একটি সরল-ভাষায় নির্দেশনা নেয় এবং একটি রোবটকে একটি অফিস, আবাসিক ভবন বা বাইরের জায়গার মতো পরিবেশের মধ্য দিয়ে নিয়ে যায়। যা এটিকে আলাদা করে তা হল এর হার্ডওয়্যার মিনিমালিজম: প্রতিযোগী মডেলগুলি সাধারণত গভীরতার সেন্সর, LiDAR বা একাধিক ক্যামেরার উপর নির্ভর করে কনসার্টে, রোবোস্ট্রাল নেভিগেট শুধুমাত্র একটি স্ট্যান্ডার্ড আরজিবি ক্যামেরা ব্যবহার করে এবং কোনও গভীরতা সেন্সর ব্যবহার করে না। উদীয়মান AI মডেল লঞ্চের ব্যাপক কভারেজের জন্য, পাঠকরা আমাদের হোমপেজে সর্বশেষ AI উন্নয়নগুলি অনুসরণ করতে পারেন।
R2R-CE-তে অত্যাধুনিক পারফরম্যান্স
এর একক-ক্যামেরা পদ্ধতি সত্ত্বেও, রোবোস্ট্রাল নেভিগেট R2R-CE (রুম-টু-রুম ইন কন্টিনিউয়াস এনভায়রনমেন্টস) বৈধতা অদেখা বেঞ্চমার্কে 76.6% সাফল্যের হার অর্জন করেছে, যা প্রশিক্ষণের সময় অনুষ্ঠিত পরিবেশে নেভিগেশন নির্দেশাবলী অনুসরণ করার জন্য আদর্শ পরীক্ষা। এই ফলাফলটি 9.7 শতাংশ পয়েন্ট দ্বারা সেরা পূর্ববর্তী একক-ক্যামেরা পদ্ধতিকে হারায় এবং কোনটিই ব্যবহার না করা সত্ত্বেও 4.5 পয়েন্ট দ্বারা গভীরতার সেন্সর বা একাধিক ক্যামেরা ব্যবহার করে সেরা সিস্টেমকে ছাড়িয়ে যায়।
যাচাইকরণে, মডেলটি 79.4% সাফল্যের হারে পৌঁছেছে। মিস্ট্রালের মতে, মডেলটি রোবটের ধরন জুড়ে সাধারণীকরণ করে, চাকাযুক্ত, পায়ে, এমনকি উড়ন্ত রোবটগুলিতেও দৌড়ায় এবং পুনরায় প্রশিক্ষণ ছাড়াই রোবটের আকারের সাথে খাপ খায়।
সম্পূর্ণরূপে সিমুলেশনে নির্মিত
রোবোস্ট্রাল নেভিগেটের সবচেয়ে উল্লেখযোগ্য দিকগুলির মধ্যে একটি হল এটি সম্পূর্ণরূপে ইন-হাউস তৈরি করা হয়েছিল এবং একচেটিয়াভাবে সিমুলেশনে প্রশিক্ষণ দেওয়া হয়েছিল। মিস্ট্রাল একটি দক্ষ ডেটা জেনারেশন পাইপলাইন তৈরি করেছিলেন যা 6,000টি সিমুলেটেড দৃশ্য জুড়ে সংগৃহীত প্রায় 400,000 ট্রাজেক্টোরির একটি ডেটাসেট তৈরি করেছিল। এই সিমুলেশন-প্রথম পদ্ধতিটি বাস্তব-বিশ্বের ডেটা সংগ্রহের খরচ এবং লজিস্টিক চ্যালেঞ্জ ছাড়াই দ্রুত পুনরাবৃত্তি সক্ষম করেছে।
মডেলটি মিস্ট্রালের নিজস্ব দৃষ্টি-ভাষা মডেল থেকে শুরু করা হয়েছে, যা পয়েন্টিং, গণনা এবং বস্তু স্থানীয়করণের মতো গ্রাউন্ডিং কাজের জন্য বিশেষায়িত ছিল। নেভিগেশন এই ক্ষমতাগুলির একটি প্রাকৃতিক সম্প্রসারণ হিসাবে আবির্ভূত হয়: একবার মডেলটি বুঝতে পারে যে জিনিসগুলি একটি চিত্রের কোথায় রয়েছে, এটি কীভাবে তাদের দিকে যেতে হবে তা শিখেছে। উল্লেখযোগ্যভাবে, রোবোস্ট্রাল নেভিগেট কোনো বিদ্যমান ওপেন-সোর্স ভিশন-ভাষা মডেলের উপর নির্ভর করে না।
পয়েন্টিং-ভিত্তিক নেভিগেশন এবং রিইনফোর্সমেন্ট লার্নিং
রোবোস্ট্রাল নেভিগেট একটি পয়েন্টিং-ভিত্তিক নেভিগেশন প্রক্রিয়া ব্যবহার করে। একটি টাস্ক এবং পর্যবেক্ষণের একটি ইতিহাস দেওয়া, মডেলটি রোবটের বর্তমান ক্যামেরা ভিউতে টার্গেট অবস্থানের ইমেজ কোঅর্ডিনেট অনুমান করে, আগমনের পর কাঙ্খিত স্থিতিবিন্যাস সহ রোবটটির পরবর্তী কোথায় যেতে হবে তা ভবিষ্যদ্বাণী করে। এই নির্দেশক পদ্ধতিটি মেট্রিক স্থানচ্যুতির উপর নির্ভর করে এমন কমান্ডের বিপরীতে, ক্যামেরার অন্তর্নিহিত এবং বিশ্ব স্কেলে পরিবর্তনের জন্য নীতিকে স্বাভাবিকভাবে শক্তিশালী করে তোলে।
যখন লক্ষ্য অবস্থানটি বর্তমান দৃশ্যের ক্ষেত্রের বাইরে থাকে এবং পয়েন্টিং প্রযোজ্য হয় না, তখন মডেলটি রোবটের স্থানীয় স্থানাঙ্ক ফ্রেমে স্থানচ্যুতিতে ফিরে আসে। তত্ত্বাবধানে প্রশিক্ষণের পর, মিস্ট্রাল তার CISPO অ্যালগরিদম ব্যবহার করে অনলাইন রিইনফোর্সমেন্ট লার্নিং প্রয়োগ করে, যা মডেলটিকে ট্রায়াল এবং ত্রুটি থেকে শিখতে, ব্যর্থতা থেকে পুনরুদ্ধার করতে এবং অনুসন্ধানমূলক আচরণ অর্জন করতে সক্ষম করে। এই শক্তিবৃদ্ধি শেখার পর্যায়টি একা সাফল্যের হারকে 3.2 শতাংশ পয়েন্ট দ্বারা উন্নত করেছে, এবং মিস্ট্রাল রিপোর্ট করেছেন যে মালভূমির লক্ষণ ছাড়াই কর্মক্ষমতা এখনও আরোহণ করছে।
প্রিফিক্স-ক্যাশিংয়ের মাধ্যমে দক্ষ প্রশিক্ষণ
একটি মূল প্রযুক্তিগত উদ্ভাবন হল উপসর্গ-ক্যাশিংয়ের উপর ভিত্তি করে একটি দক্ষ প্রশিক্ষণ অ্যালগরিদম। একটি গাছ-ভিত্তিক মনোযোগ-মাস্কিং কৌশল ব্যবহার করে, মিস্ট্রালের পদ্ধতিটি একটি সম্পূর্ণ পর্বকে একটি একক অনুক্রমের মধ্যে সংকুচিত করে, একটি একক ফরোয়ার্ড পাসে সমস্ত সময় ধাপে প্রশিক্ষণ সক্ষম করে এবং সময় ধাপের মধ্যে তথ্য ফাঁস প্রতিরোধ করে। প্রতি ধাপে একটি নমুনা সহ প্রশিক্ষণের তুলনায়, এই পদ্ধতিটি সমস্ত শিক্ষার সংকেত সংরক্ষণ করার সময় প্রশিক্ষণ টোকেনের সংখ্যা 22 এর ফ্যাক্টর দ্বারা হ্রাস করে। অনুশীলনে, কোম্পানি বলে যে এটি প্রশিক্ষণ রানকে রূপান্তরিত করে যা কয়েক মাস সময় নেয় যা দিনে সম্পূর্ণ হয়।
অ্যাপ্লিকেশন এবং এর পরে কি আসে
মিস্ট্রাল পজিশন রোবোস্ট্রাল নেভিগেট হিসাবে তার গ্রাহকদের জন্য সবচেয়ে চাহিদাসম্পন্ন ক্ষমতাগুলির একটিকে সম্বোধন করে। প্রযুক্তিটি উত্পাদন, বিতরণ, সরবরাহ, এবং আতিথেয়তা জুড়ে অ্যাপ্লিকেশনগুলিকে আনলক করে। মডেলটিকে একটি নির্দেশ দিন এবং এটি সম্পূর্ণ কাজটি স্বায়ত্তশাসিতভাবে সম্পন্ন করে, মানুষ এবং বাধা দিয়ে পূর্ণ লাইভ স্পেসগুলির মধ্য দিয়ে চলে যা প্রশিক্ষণের সময় এটি কখনও দেখানো হয়নি।
কোম্পানি এই রিলিজটিকে একটি ইউনিফাইড মূর্ত এজেন্টের দিকে প্রথম পদক্ষেপ হিসাবে বর্ণনা করে। মিস্ট্রাল সক্রিয়ভাবে তার রোবোটিক্স দলকে প্রসারিত করছে এবং গবেষণা বিজ্ঞানী এবং প্রকৌশলীদের সন্ধান করছে। লঞ্চটি প্যারিস-ভিত্তিক স্টার্টআপের জন্য একটি উল্লেখযোগ্য কৌশলগত সম্প্রসারণকে চিহ্নিত করে, যা প্রাথমিকভাবে তার বৃহৎ ভাষার মডেলগুলির জন্য পরিচিত এবং এখন শারীরিক এআই এবং রোবোটিক্সের প্রতি একটি গুরুতর অঙ্গীকারের ইঙ্গিত দিয়েছে।
বৃহত্তর AI শিল্প ক্রমবর্ধমানভাবে মূর্ত AI-তে বিনিয়োগ করার সময় রোবোটিক্সে স্থানান্তরিত হয়, কোম্পানীগুলি অন্বেষণ করে যে কীভাবে ভাষা মডেলের ক্ষমতাগুলি শারীরিক বিশ্বের মিথস্ক্রিয়াতে প্রসারিত করা যায়। মিস্ট্রালের সিমুলেশন-প্রথম, একক-ক্যামেরা পদ্ধতি স্বায়ত্তশাসিত নেভিগেশন সিস্টেম স্থাপনে বাধা কমাতে পারে, বিশেষ করে খরচ-সংবেদনশীল বাণিজ্যিক অ্যাপ্লিকেশনগুলিতে যেখানে মাল্টি-সেন্সর সেটআপগুলি অবাস্তব।
এআই থেকে এগিয়ে থাকুন
Robostral নেভিগেট এখন Mistral এর গ্রাহকদের জন্য উপলব্ধ। আরও ব্রেকিং এআই নিউজ এবং বিশ্লেষণের জন্য, এআই বাজ ওয়্যার দেখুন।
আরও এআই খবর পড়ুন →
