একটি রোবটকে বলুন "আমার ল্যাপটপে কফি ছড়াবেন না" এবং আজকের মেশিনগুলি ঠিক তাই করবে - এবং এর বেশি কিছু নয়। ল্যাপটপের পাশে বসে থাকা ফোন? টেবিলের অপর পাশে ট্যাবলেট চার্জ হচ্ছে? রোবট এর রাডার বন্ধ যতক্ষণ না আপনি প্রতিটি বানান আউট, ক্লান্তিকর সংশোধন দ্বারা সংশোধন.
এমআইটি এবং নিউ ইয়র্ক ইউনিভার্সিটির গবেষকদের একটি নতুন প্ল্যাটফর্ম সেই ফাঁকটি বন্ধ করার লক্ষ্যে রয়েছে। এমআইটি নিউজ অনুসারে, ফ্লেক্স নামক সিস্টেমটি মোশন-প্ল্যানিং রোবটগুলিকে মানুষের সুস্পষ্ট নির্দেশাবলী অনুসরণ করতে সক্ষম করে এবং তাদের থেকে আরও বিস্তৃত সাধারণীকরণ আঁকতে পারে যা কর্মক্ষমতা উন্নত করে। দলটি এই মাসে রোবট লার্নিং (CoRL)-এর বার্ষিক সম্মেলনে কাজটি উপস্থাপন করবে। For more context on this story, see our ongoing latest AI developments.
এমআইটির কম্পিউটার সায়েন্স অ্যান্ড আর্টিফিশিয়াল ইন্টেলিজেন্স ল্যাবরেটরি (সিএসএআইএল) এর পোস্টডক এবং গবেষণার লেখক নাথান ডেনলার বলেন, "এলএলএম ইন্টারনেট থেকে অনেক পাঠ্য দেখেছে।" "লোকেরা হয়তো লিখেছে, 'ওহ, আমার ফোন পানিতে পড়ে গেছে এবং এখন এটি কাজ করে না,' বা 'আমি আমার কম্পিউটারে কফি ছিটিয়েছি এবং এখন এটি কাজ করে না।' তাই এলএলএমগুলি এই ধারণাটি গ্রহণ করে যে তরল প্লাস ডিভাইসগুলি কাজ না করার দিকে পরিচালিত করে।"
ওয়ান ওয়ার্নিং থেকে পুরো রুলবুক পর্যন্ত
এমআইটি নিউজ দ্বারা বর্ণিত একটি প্রদর্শনের দৃশ্যে, একজন ব্যক্তি একটি রোবটিক হাতকে একটি বিশৃঙ্খল টেবিলের উপর একটি কফির কাপ বহন করতে দেখেন এবং একটি একক আদেশ টাইপ করেন: "ল্যাপটপে ছিটকে পড়বেন না!" একটি প্রচলিত রোবট ল্যাপটপটিকে তার পরিহারের তালিকায় যুক্ত করবে এবং তার পথটি পুনরায় পরিকল্পনা করবে। ফ্লেক্স আরও এগিয়ে যায় - কেন ল্যাপটপগুলি গুরুত্বপূর্ণ সে সম্পর্কে রোবট কারণ এবং কাছাকাছি ইলেকট্রনিক্স এড়াতে এর গতিপথ সামঞ্জস্য করে, যার মধ্যে এমন একটি ফোন রয়েছে যা ব্যবহারকারী কখনও উল্লেখ করেননি।
"ধারণাটি হল যে আপনি যে শব্দগুলি বলছেন তার পিছনে কিছু উচ্চ-স্তরের অভিপ্রায় রয়েছে," ডেনলার বলেছিলেন। "মানুষ স্বাভাবিকভাবেই এটি পায়৷ কিন্তু আপনাকে এটি একটি রোবটকে সাবধানতার সাথে ব্যাখ্যা করতে হবে, যার জন্য সময় এবং প্রচেষ্টা লাগে৷ FLEX আপনাকে একটি রোবটের সাথে যোগাযোগের একটি ইন্টারফেস দেয় যাতে বলা হয়, 'লোকেরা যখন এটি বলে, তখন তারা তা বোঝায়৷'"
অধ্যয়নের নেতৃত্বে ছিলেন এমআইটি-তে অ্যারোনটিক্স এবং অ্যাস্ট্রোনটিক্সের সহকারী অধ্যাপক আন্দ্রেয়া বোবু যিনি কোলাবোরেটিভ লার্নিং অ্যান্ড অটোনমি রিসার্চ (ক্লিয়ার) ল্যাবের প্রধান। সহ-লেখকদের মধ্যে রয়েছে অড্রে লি, যিনি 2026 সালে এমআইটি-তে তার এসএম সম্পন্ন করেছেন এবং নিউ ইয়র্ক বিশ্ববিদ্যালয়ের ইলিয়া সুকোলুটস্কি।
কিভাবে ফ্লেক্স কাজ করে: অ্যাড, জেনারেলাইজ, মাস্ক
FLEX একটি তিন-পদক্ষেপ পাইপলাইন হিসাবে কাজ করে যা প্রায় পাঁচ সেকেন্ডে চলে।
ধাপ 1: যোগ করুন
যখন একজন ব্যবহারকারী একটি প্রাকৃতিক-ভাষা সংশোধন ইস্যু করে, তখন রোবটটি কাজের জন্য গুরুত্বপূর্ণ জিনিসগুলির চলমান তালিকায় প্রাসঙ্গিক বৈশিষ্ট্য যুক্ত করে। যদি একজন ব্যক্তি বলে "এটা আমার মগের উপর ফেলো না!" যখন রোবট একটি বোলিং বল বহন করে, তখন মগ পরিহারের তালিকায় যোগ দেয় এবং রোবট তার গতিপথ আপডেট করে। এই পদক্ষেপটি প্রতিফলিত করে যে পূর্ববর্তী পদ্ধতিগুলি সর্বদা কীভাবে কাজ করেছে — এবং এখান থেকেই তাদের সমস্যা শুরু হয়।
ডেনলার এমআইটি নিউজকে বলেন, "সমস্যাটি ঘটে যখন আপনার বৈশিষ্ট্যের তালিকাটি খুব দীর্ঘ হয়ে যায় এবং কিছু বৈশিষ্ট্য আর প্রাসঙ্গিক থাকে না কারণ আপনার পরিবেশ পরিবর্তিত হতে পারে।" প্রতিটি বস্তুকে পৃথকভাবে এড়িয়ে চলার জন্য বলা একটি রোবট সংশোধন করতে ধীর এবং পরিকল্পনা করতে ধীর হয়ে যায় এবং গণনার বোঝা মানুষের উপর পড়ে।
ধাপ 2: সাধারণীকরণ
এটি FLEX এর মূল অবদান। একটি বড় ভাষা মডেল — GPT-4o, দলের বাস্তবায়নে — জমা হওয়া বৈশিষ্ট্যের তালিকা পরীক্ষা করে এবং আইটেমগুলির মধ্যে নিদর্শনগুলি অনুসন্ধান করে৷ একটি মগ এবং অন্যান্য ভঙ্গুর বস্তুর মুখোমুখি হয়ে ব্যক্তিটি পতাকাঙ্কিত করেছে, এলএলএম একটি সাধারণ শ্রেণী অনুমান করে: ভঙ্গুর জিনিসগুলি এড়িয়ে চলুন, এমনকি কখনও উল্লেখ করা হয়নি৷ কারণ মানব পাঠ্যের বিশাল লাইব্রেরিতে প্রশিক্ষিত মডেল, দৈনন্দিন সাধারণ জ্ঞানের বেশিরভাগই পূর্ব-ইন্সটল করা হয়।
ডেনলার বলেন, "এলএলএম ইন্টারনেট থেকে, সব ধরণের মানুষ এবং জায়গা থেকে অনেকগুলি পাঠ্য দেখেছে।" "যেহেতু তারা সেই জিনিসগুলির উপর অনেক বেশি প্রশিক্ষিত হয়েছে, সেই সাধারণ জ্ঞানের কিছু এলএলএম-এ শোষিত হয়।"
ধাপ 3: মাস্ক
বাস্তব পরিবেশ পরিবর্তিত হয়, এবং বাসি নিয়মগুলি অনিয়মিত আচরণের কারণ হয়। ফ্লেক্স-এর তৃতীয় ধাপে কোন পতাকাযুক্ত বস্তু আর উপস্থিত নেই তা নির্ধারণ করতে রোবটের স্ট্যান্ডার্ড কম্পিউটার ভিশন সিস্টেম ব্যবহার করে, তারপর বৈশিষ্ট্য তালিকা থেকে সেই এন্ট্রিগুলি মুছে দেয় — মানুষের হস্তক্ষেপ ছাড়াই রোবটের সীমাবদ্ধতাগুলিকে বর্তমান রাখা।
কফি, মোমবাতি এবং বোলিং বল সিমুলেশনে পরীক্ষা করা হয়েছে
দলটি তিনটি কাজ সম্পাদন করে একটি রোবট হাতের অনুকরণে FLEX মূল্যায়ন করেছে: এক কাপ কফি পরিবেশন করা, একটি মোমবাতি সরানো এবং একটি বোলিং বল বহন করা৷ স্বেচ্ছাসেবকরা ভার্চুয়াল রোবটের সাথে প্রাকৃতিক-ভাষার কমান্ড টাইপ করে যোগাযোগ করেছে যেমন "আমার ল্যাপটপে ছিটকে পড়বেন না," "কাগজের স্তুপ থেকে দূরে থাকুন" এবং "মগের উপর ফেলবেন না।"
তিনটি পরিস্থিতিতেই, রোবটটি আক্ষরিক অর্থে প্রতিটি কমান্ড অনুসরণ করে এবং উচ্চ স্তরে যুক্তিও করে — ল্যাপটপ সম্পর্কে সতর্ক করা হলে ইলেকট্রনিক্সের স্টিয়ারিং পরিষ্কার করা, মোমবাতি দেখতে বলা হলে দাহ্য বস্তু এড়িয়ে যাওয়া এবং একটি মগ সতর্কতার পরে সমস্ত ভঙ্গুর আইটেমকে নো-ড্রপ জোন হিসাবে বিবেচনা করা।
কেন সাধারণ জ্ঞান হোম রোবটগুলির জন্য বাধা
গবেষণাটি ভোক্তা রোবোটিক্সে একটি অবিরাম বাধাকে লক্ষ্য করে: কেউ এমন একটি রোবট পাঠায় না যা ইতিমধ্যেই জানে যে আপনার বাড়িতে কী গুরুত্বপূর্ণ। পদার্থবিদ্যা-ভিত্তিক ট্র্যাজেক্টোরি পরিকল্পনা সুনির্দিষ্ট কিন্তু অস্বচ্ছ, এবং ব্যবহারকারীদের গাণিতিক খরচ ফাংশন ম্যানিপুলেট করার আশা করা একটি নন-স্টার্টার।
"রোবটগুলি তাদের ট্রাজেক্টোরি পরিকল্পনা করতে গণিত ব্যবহার করে। কিন্তু আমরা আশা করতে পারি না যে একজন ভোক্তা এই গণিতটি শিখবেন যাতে একটি রোবটকে কী করতে হবে তা বলার জন্য," ডেনলার বলেন। "একটি নির্দিষ্ট উপায়ে কীভাবে একটি রোবট ব্যবহার করতে হয় তা মানুষকে শেখার পরিবর্তে, লক্ষ্য হল প্রাকৃতিক ভাষার মাধ্যমে রোবটের সাথে যোগাযোগ করা।"
রোবোটিক্স গবেষণার একটি বড় স্ট্র্যান্ড ইতিমধ্যেই রোবট শিক্ষার মধ্যে ভাষা বুনছে — কাজের লক্ষ্যগুলি স্পষ্ট করা, ট্র্যাজেক্টোরিগুলি পুনঃনির্দেশ করা, নিরাপদ পথ সংজ্ঞায়িত করা। কিন্তু এমআইটি নিউজ নোট করে যে বিদ্যমান পদ্ধতিগুলি মূলত ভাষা ব্যবহার করে রোবটকে কীভাবে শারীরিকভাবে একটি কাজ সম্পাদন করতে হয় তা বলার জন্য। ববুর গোষ্ঠী একটি ভিন্ন সীমানায় ঠেলে দিচ্ছে: মুষ্টিমেয় নৈমিত্তিক কমান্ড থেকে একজন ব্যক্তির অন্তর্নিহিত, অনির্দিষ্ট পছন্দগুলি বের করা।
ববু এমআইটি নিউজকে বলেন, "প্রত্যেকের বাড়ি আলাদা, এবং প্রত্যেকেই আলাদা আলাদা বিষয় নিয়ে চিন্তা করে, তাই কোন রোবট আপনার জন্য গুরুত্বপূর্ণ তা জেনে বাক্সের বাইরে আসে না।" "ফ্লেক্স সম্পর্কে যা আমাকে উত্তেজিত করে তা হল যে এটি আপনাকে প্রতিটি নিয়ম বানান করতে বলার পরিবর্তে একটি বা দুটি বাক্য থেকে এটি তুলে নিতে পারে - এবং এটি একটি রোবট লোকেদের সাথে থাকা এবং তারা তাদের বাড়িতে যেটি চায় তার মধ্যে পার্থক্য।"
এরপর কি আসে
"অ্যাডাপ্টিভ রোবট আচরণের জন্য নমনীয় ভাষা-নির্দেশিত প্রতিনিধিত্ব সম্পাদনা" গবেষণাপত্রে বিস্তারিত কাজটি MIT জেনারেটিভ এআই ইমপ্যাক্ট কনসোর্টিয়াম এবং এমআইটি শোয়ার্জম্যান কলেজ অফ কম্পিউটিং এর সামাজিক এবং নৈতিক দায়িত্ব কম্পিউটিং প্রোগ্রাম দ্বারা সমর্থিত ছিল।
এখন পর্যন্ত দেখানো ফলাফলগুলি হল সিমুলেশন, এবং সেই পারফরম্যান্সটিকে শারীরিক হার্ডওয়্যারে অনুবাদ করা — অগোছালো উপলব্ধি, শোরগোল ভাষা এবং বাস্তব পরিণতি সহ — ক্ষেত্রের পরবর্তী বাধা রয়ে গেছে। কিন্তু দিকটা স্পষ্ট: রোবট কারখানার খাঁচা থেকে রান্নাঘর এবং অফিসে চলে যাওয়ার সাথে সাথে যে মেশিনগুলি সফল হয় সেগুলি এমন হতে পারে যেগুলি কেবল আমরা যা বলি তা নয়, আমরা কী বোঝাতে চাই।
এই নিবন্ধটি জেনিফার চু-এর প্রতিবেদনের উপর ভিত্তি করে তৈরি করা হয়েছে, যা MIT News দ্বারা 9 নভেম্বর, 2026-এ প্রকাশিত হয়েছে।---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
