ਫ੍ਰੈਂਚ AI ਕੰਪਨੀ Mistral AI ਨੇ ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਦੇ ਨਾਲ ਰੋਬੋਟਿਕਸ ਸਪੇਸ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕੀਤਾ ਹੈ, ਇੱਕ 8-ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਮਾਡਲ ਜੋ ਰੋਬੋਟਾਂ ਨੂੰ ਇੱਕ ਆਮ RGB ਕੈਮਰੇ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਕੁਝ ਨਹੀਂ ਵਰਤਦੇ ਹੋਏ ਗੁੰਝਲਦਾਰ ਵਾਤਾਵਰਣਾਂ ਨੂੰ ਸਵੈ-ਨਿਰਭਰ ਰੂਪ ਵਿੱਚ ਨੈਵੀਗੇਟ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਮਾਡਲ, 8 ਜੁਲਾਈ, 2026 ਨੂੰ ਘੋਸ਼ਿਤ ਕੀਤਾ ਗਿਆ, ਮਿਸਟ੍ਰਾਲ ਦੀ ਮੂਰਤ ਏਆਈ ਅਤੇ ਭੌਤਿਕ ਰੋਬੋਟਿਕਸ ਵਿੱਚ ਪਹਿਲੀ ਚਾਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਆਰਜੀਬੀ ਚਿੱਤਰ ਅਤੇ ਇੱਕ ਸਾਦੀ-ਭਾਸ਼ਾ ਹਿਦਾਇਤ ਲੈਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਰੋਬੋਟ ਨੂੰ ਇੱਕ ਵਾਤਾਵਰਣ ਜਿਵੇਂ ਕਿ ਇੱਕ ਦਫਤਰ, ਰਿਹਾਇਸ਼ੀ ਇਮਾਰਤ, ਜਾਂ ਬਾਹਰੀ ਜਗ੍ਹਾ ਵਿੱਚ ਭੇਜਦਾ ਹੈ। ਕੀ ਇਸਨੂੰ ਵੱਖਰਾ ਕਰਦਾ ਹੈ ਇਸਦਾ ਹਾਰਡਵੇਅਰ ਨਿਊਨਤਮਵਾਦ ਹੈ: ਜਦੋਂ ਕਿ ਮੁਕਾਬਲੇ ਵਾਲੇ ਮਾਡਲ ਆਮ ਤੌਰ 'ਤੇ ਡੂੰਘਾਈ ਸੈਂਸਰ, LiDAR, ਜਾਂ ਸੰਗੀਤ ਸਮਾਰੋਹ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਮਲਟੀਪਲ ਕੈਮਰਿਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਸਿਰਫ ਇੱਕ ਸਟੈਂਡਰਡ ਆਰਜੀਬੀ ਕੈਮਰਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਕੋਈ ਵੀ ਡੂੰਘਾਈ ਸੈਂਸਰ ਨਹੀਂ ਹੈ। ਉੱਭਰ ਰਹੇ AI ਮਾਡਲ ਲਾਂਚਾਂ ਦੀ ਵਿਆਪਕ ਕਵਰੇਜ ਲਈ, ਪਾਠਕ ਸਾਡੇ ਹੋਮਪੇਜ 'ਤੇ ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਨ।
R2R-CE 'ਤੇ ਅਤਿ-ਆਧੁਨਿਕ ਪ੍ਰਦਰਸ਼ਨ
ਇਸਦੇ ਸਿੰਗਲ-ਕੈਮਰਾ ਪਹੁੰਚ ਦੇ ਬਾਵਜੂਦ, ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਨੇ R2R-CE (ਕੰਟੀਨਿਊਅਸ ਇਨਵਾਇਰਮੈਂਟਸ ਵਿੱਚ ਕਮਰੇ-ਤੋਂ-ਕਮਰੇ) ਪ੍ਰਮਾਣਿਕਤਾ ਅਣਦੇਖੀ ਬੈਂਚਮਾਰਕ 'ਤੇ 76.6% ਸਫਲਤਾ ਦਰ ਪ੍ਰਾਪਤ ਕੀਤੀ, ਸਿਖਲਾਈ ਦੌਰਾਨ ਰੱਖੇ ਗਏ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਨੇਵੀਗੇਸ਼ਨ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਮਿਆਰੀ ਟੈਸਟ। ਇਹ ਨਤੀਜਾ ਸਭ ਤੋਂ ਵਧੀਆ ਪਿਛਲੇ ਸਿੰਗਲ-ਕੈਮਰਾ ਪਹੁੰਚ ਨੂੰ 9.7 ਪ੍ਰਤੀਸ਼ਤ ਪੁਆਇੰਟਾਂ ਨਾਲ ਹਰਾਉਂਦਾ ਹੈ ਅਤੇ ਡੂੰਘਾਈ ਵਾਲੇ ਸੈਂਸਰਾਂ ਜਾਂ ਮਲਟੀਪਲ ਕੈਮਰਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਿਸਟਮ ਨੂੰ 4.5 ਪੁਆਇੰਟਾਂ ਨਾਲ ਪਛਾੜਦਾ ਹੈ, ਭਾਵੇਂ ਕਿ ਕੋਈ ਵੀ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ।
ਪ੍ਰਮਾਣਿਕਤਾ ਦੇਖੇ ਜਾਣ 'ਤੇ, ਮਾਡਲ 79.4% ਸਫਲਤਾ ਦਰ 'ਤੇ ਪਹੁੰਚਦਾ ਹੈ। ਮਿਸਟਰਲ ਦੇ ਅਨੁਸਾਰ, ਮਾਡਲ ਰੋਬੋਟ ਦੀਆਂ ਕਿਸਮਾਂ ਵਿੱਚ ਸਧਾਰਣ ਹੈ, ਪਹੀਏ ਵਾਲੇ, ਲੱਤਾਂ ਵਾਲੇ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਉੱਡਦੇ ਰੋਬੋਟਾਂ 'ਤੇ ਚੱਲਦਾ ਹੈ, ਅਤੇ ਮੁੜ ਸਿਖਲਾਈ ਦਿੱਤੇ ਬਿਨਾਂ ਰੋਬੋਟ ਦੇ ਆਕਾਰਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ।
ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਬਣਾਇਆ ਗਿਆ
ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਦੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂਆਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅੰਦਰ-ਅੰਦਰ ਬਣਾਇਆ ਗਿਆ ਸੀ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਮਿਸਟਰਲ ਨੇ ਇੱਕ ਕੁਸ਼ਲ ਡੇਟਾ ਜਨਰੇਸ਼ਨ ਪਾਈਪਲਾਈਨ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ ਜਿਸ ਨੇ 6,000 ਸਿਮੂਲੇਟਡ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਇਕੱਠੇ ਕੀਤੇ ਲਗਭਗ 400,000 ਟ੍ਰੈਜੈਕਟਰੀਜ਼ ਦਾ ਡੇਟਾਸੈਟ ਤਿਆਰ ਕੀਤਾ। ਇਹ ਸਿਮੂਲੇਸ਼ਨ-ਪਹਿਲੀ ਪਹੁੰਚ ਨੇ ਅਸਲ-ਸੰਸਾਰ ਡੇਟਾ ਇਕੱਤਰ ਕਰਨ ਦੀ ਲਾਗਤ ਅਤੇ ਲੌਜਿਸਟਿਕਲ ਚੁਣੌਤੀਆਂ ਦੇ ਬਿਨਾਂ ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਓ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ।
ਮਾਡਲ ਨੂੰ ਮਿਸਟਰਲ ਦੇ ਆਪਣੇ ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ ਮਾਡਲ ਤੋਂ ਸ਼ੁਰੂ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਪੁਆਇੰਟਿੰਗ, ਕਾਉਂਟਿੰਗ, ਅਤੇ ਆਬਜੈਕਟ ਲੋਕਾਲਾਈਜ਼ੇਸ਼ਨ ਵਰਗੇ ਗਰਾਉਂਡਿੰਗ ਕੰਮਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਸੀ। ਨੈਵੀਗੇਸ਼ਨ ਇਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਦੇ ਇੱਕ ਕੁਦਰਤੀ ਵਿਸਤਾਰ ਦੇ ਰੂਪ ਵਿੱਚ ਉਭਰਦਾ ਹੈ: ਇੱਕ ਵਾਰ ਜਦੋਂ ਮਾਡਲ ਸਮਝ ਲੈਂਦਾ ਹੈ ਕਿ ਚੀਜ਼ਾਂ ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਕਿੱਥੇ ਹਨ, ਤਾਂ ਇਹ ਸਿੱਖਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਵੱਲ ਕਿਵੇਂ ਵਧਣਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਕਿਸੇ ਵੀ ਮੌਜੂਦਾ ਓਪਨ-ਸੋਰਸ ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ ਮਾਡਲਾਂ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰਦਾ ਹੈ।
ਪੁਆਇੰਟਿੰਗ-ਅਧਾਰਿਤ ਨੇਵੀਗੇਸ਼ਨ ਅਤੇ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ
ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਪੁਆਇੰਟਿੰਗ-ਅਧਾਰਿਤ ਨੇਵੀਗੇਸ਼ਨ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇੱਕ ਕੰਮ ਅਤੇ ਨਿਰੀਖਣਾਂ ਦੇ ਇਤਿਹਾਸ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਰੋਬੋਟ ਦੇ ਮੌਜੂਦਾ ਕੈਮਰਾ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਨਿਸ਼ਾਨਾ ਸਥਾਨ ਦੇ ਚਿੱਤਰ ਨਿਰਦੇਸ਼ਾਂਕ ਦਾ ਅਨੁਮਾਨ ਲਗਾ ਕੇ, ਪਹੁੰਚਣ 'ਤੇ ਲੋੜੀਦੀ ਸਥਿਤੀ ਦੇ ਨਾਲ ਰੋਬੋਟ ਨੂੰ ਅੱਗੇ ਕਿੱਥੇ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਸੰਕੇਤਕ ਪਹੁੰਚ ਮੈਟ੍ਰਿਕ ਵਿਸਥਾਪਨ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ ਦੇ ਉਲਟ, ਕੈਮਰੇ ਦੇ ਅੰਦਰੂਨੀ ਅਤੇ ਵਿਸ਼ਵ ਪੱਧਰ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਲਈ ਨੀਤੀ ਨੂੰ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ਬਣਾਉਂਦੀ ਹੈ।
ਜਦੋਂ ਨਿਸ਼ਾਨਾ ਸਥਾਨ ਮੌਜੂਦਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੇ ਖੇਤਰ ਤੋਂ ਬਾਹਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਪੁਆਇੰਟਿੰਗ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਮਾਡਲ ਰੋਬੋਟ ਦੇ ਸਥਾਨਕ ਕੋਆਰਡੀਨੇਟ ਫਰੇਮ ਵਿੱਚ ਵਿਸਥਾਪਨ 'ਤੇ ਵਾਪਸ ਆ ਜਾਂਦਾ ਹੈ। ਨਿਰੀਖਣ ਕੀਤੀ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, ਮਿਸਟਰਲ ਨੇ ਆਪਣੇ ਸੀਆਈਐਸਪੀਓ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਔਨਲਾਈਨ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨੂੰ ਲਾਗੂ ਕੀਤਾ, ਜਿਸ ਨੇ ਮਾਡਲ ਨੂੰ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਗਲਤੀ ਤੋਂ ਸਿੱਖਣ, ਅਸਫਲਤਾਵਾਂ ਤੋਂ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ, ਅਤੇ ਖੋਜੀ ਵਿਹਾਰਾਂ ਨੂੰ ਹਾਸਲ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਇਆ। ਇਸ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਪੜਾਅ ਨੇ ਇਕੱਲੇ ਸਫਲਤਾ ਦੀ ਦਰ ਨੂੰ 3.2 ਪ੍ਰਤੀਸ਼ਤ ਅੰਕਾਂ ਦੁਆਰਾ ਸੁਧਾਰਿਆ ਹੈ, ਅਤੇ ਮਿਸਟਰਲ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ ਕਿ ਪ੍ਰਦਰਸ਼ਨ ਅਜੇ ਵੀ ਪਠਾਰ ਦੇ ਸੰਕੇਤਾਂ ਦੇ ਬਿਨਾਂ ਚੜ੍ਹ ਰਿਹਾ ਹੈ।
ਪ੍ਰੀਫਿਕਸ-ਕੈਚਿੰਗ ਦੁਆਰਾ ਕੁਸ਼ਲ ਸਿਖਲਾਈ
ਇੱਕ ਮੁੱਖ ਤਕਨੀਕੀ ਨਵੀਨਤਾ ਪ੍ਰੀਫਿਕਸ-ਕੈਚਿੰਗ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਕੁਸ਼ਲ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਹੈ। ਇੱਕ ਰੁੱਖ-ਅਧਾਰਿਤ ਧਿਆਨ-ਮਾਸਕਿੰਗ ਰਣਨੀਤੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਮਿਸਟ੍ਰਾਲ ਦੀ ਵਿਧੀ ਇੱਕ ਪੂਰੇ ਐਪੀਸੋਡ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਕ੍ਰਮ ਵਿੱਚ ਸੰਕੁਚਿਤ ਕਰਦੀ ਹੈ, ਇੱਕ ਸਿੰਗਲ ਫਾਰਵਰਡ ਪਾਸ ਵਿੱਚ ਹਰ ਸਮੇਂ ਦੇ ਕਦਮਾਂ 'ਤੇ ਸਿਖਲਾਈ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਸਮੇਂ ਦੇ ਕਦਮਾਂ ਦੇ ਵਿਚਕਾਰ ਜਾਣਕਾਰੀ ਲੀਕ ਹੋਣ ਨੂੰ ਰੋਕਦਾ ਹੈ। ਪ੍ਰਤੀ ਸਮੇਂ ਦੇ ਇੱਕ ਨਮੂਨੇ ਨਾਲ ਸਿਖਲਾਈ ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਇਹ ਪਹੁੰਚ ਸਿਖਲਾਈ ਟੋਕਨਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ 22 ਦੇ ਇੱਕ ਕਾਰਕ ਦੁਆਰਾ ਘਟਾਉਂਦੀ ਹੈ ਜਦੋਂ ਕਿ ਸਾਰੇ ਸਿੱਖਣ ਦੇ ਸੰਕੇਤਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। ਅਭਿਆਸ ਵਿੱਚ, ਕੰਪਨੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਸਿਖਲਾਈ ਦੀਆਂ ਦੌੜਾਂ ਨੂੰ ਬਦਲਦਾ ਹੈ ਜੋ ਮਹੀਨਿਆਂ ਨੂੰ ਦੌੜਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜੋ ਦਿਨਾਂ ਵਿੱਚ ਪੂਰਾ ਹੁੰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ
ਮਿਸਟ੍ਰਲ ਪੋਜੀਸ਼ਨਜ਼ ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਦੇ ਰੂਪ ਵਿੱਚ ਅੱਜ ਆਪਣੇ ਗਾਹਕਾਂ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਮੰਗ ਸਮਰੱਥਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ। ਤਕਨਾਲੋਜੀ ਨਿਰਮਾਣ, ਡਿਲੀਵਰੀ, ਲੌਜਿਸਟਿਕਸ, ਅਤੇ ਪਰਾਹੁਣਚਾਰੀ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਅਨਲੌਕ ਕਰਦੀ ਹੈ। ਮਾਡਲ ਨੂੰ ਇੱਕ ਹਿਦਾਇਤ ਦਿਓ ਅਤੇ ਇਹ ਪੂਰੇ ਕੰਮ ਨੂੰ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਪੂਰਾ ਕਰਦਾ ਹੈ, ਲੋਕਾਂ ਅਤੇ ਰੁਕਾਵਟਾਂ ਨਾਲ ਭਰੀਆਂ ਲਾਈਵ ਥਾਵਾਂ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ, ਜੋ ਕਿ ਸਿਖਲਾਈ ਦੌਰਾਨ ਕਦੇ ਨਹੀਂ ਦਿਖਾਇਆ ਗਿਆ ਸੀ।
ਕੰਪਨੀ ਇਸ ਰੀਲੀਜ਼ ਨੂੰ ਇੱਕ ਯੂਨੀਫਾਈਡ ਐਬੋਡੀਡ ਏਜੰਟ ਵੱਲ ਸਿਰਫ ਪਹਿਲਾ ਕਦਮ ਦੱਸਦੀ ਹੈ। ਮਿਸਟਰਲ ਆਪਣੀ ਰੋਬੋਟਿਕਸ ਟੀਮ ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਵਧਾ ਰਿਹਾ ਹੈ ਅਤੇ ਖੋਜ ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਭਾਲ ਕਰ ਰਿਹਾ ਹੈ। ਲਾਂਚ ਪੈਰਿਸ-ਅਧਾਰਤ ਸਟਾਰਟਅਪ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰਣਨੀਤਕ ਵਿਸਤਾਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜੋ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਸਦੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਹੁਣ ਭੌਤਿਕ AI ਅਤੇ ਰੋਬੋਟਿਕਸ ਲਈ ਇੱਕ ਗੰਭੀਰ ਵਚਨਬੱਧਤਾ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।
ਰੋਬੋਟਿਕਸ ਵਿੱਚ ਕਦਮ ਉਦੋਂ ਆਇਆ ਹੈ ਜਦੋਂ ਵਿਆਪਕ AI ਉਦਯੋਗ ਵਧਦੀ ਹੋਈ AI ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਦਾ ਹੈ, ਕੰਪਨੀਆਂ ਇਹ ਖੋਜ ਕਰ ਰਹੀਆਂ ਹਨ ਕਿ ਭਾਸ਼ਾ ਮਾਡਲ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਭੌਤਿਕ ਸੰਸਾਰ ਦੇ ਆਪਸੀ ਤਾਲਮੇਲ ਤੱਕ ਕਿਵੇਂ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਮਿਸਟ੍ਰਲ ਦੀ ਸਿਮੂਲੇਸ਼ਨ-ਪਹਿਲੀ, ਸਿੰਗਲ-ਕੈਮਰਾ ਪਹੁੰਚ ਆਟੋਨੋਮਸ ਨੈਵੀਗੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਵਿੱਚ ਰੁਕਾਵਟ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਲਾਗਤ-ਸੰਵੇਦਨਸ਼ੀਲ ਵਪਾਰਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਜਿੱਥੇ ਮਲਟੀ-ਸੈਂਸਰ ਸੈੱਟਅੱਪ ਅਵਿਵਹਾਰਕ ਹਨ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਰੋਬੋਸਟ੍ਰਲ ਨੈਵੀਗੇਟ ਹੁਣ ਮਿਸਟ੍ਰਲ ਦੇ ਗਾਹਕਾਂ ਲਈ ਉਪਲਬਧ ਹੈ। ਹੋਰ ਬ੍ਰੇਕਿੰਗ AI ਖਬਰਾਂ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, AI Buzz Wire 'ਤੇ ਜਾਓ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
