فرانسیسی AI کمپنی Mistral AI روبوٹکس کی جگہ میں Robostral Navigate کے ساتھ داخل ہوئی ہے، یہ ایک 8 بلین پیرامیٹر ماڈل ہے جو روبوٹ کو ایک عام RGB کیمرے سے زیادہ کچھ نہیں استعمال کرتے ہوئے پیچیدہ ماحول کو خود مختار طور پر نیویگیٹ کرنے کے قابل بناتا ہے۔ یہ ماڈل، جس کا اعلان 8 جولائی 2026 کو ہوا، Mistral کے مجسم AI اور جسمانی روبوٹکس میں پہلے اقدام کی نمائندگی کرتا ہے۔
روبوسٹرل نیویگیٹ آر جی بی کی تصاویر اور سادہ زبان کی ہدایات لیتا ہے اور روبوٹ کو کسی دفتر، رہائشی عمارت یا بیرونی جگہ جیسے ماحول میں منتقل کرتا ہے۔ جو چیز اسے الگ کرتی ہے وہ اس کی ہارڈ ویئر کی کم سے کمیت ہے: جب کہ مقابلہ کرنے والے ماڈل عام طور پر گہرائی کے سینسر، LiDAR، یا کنسرٹ میں کام کرنے والے ایک سے زیادہ کیمروں پر انحصار کرتے ہیں، روبوسٹرل نیویگیٹ صرف ایک معیاری RGB کیمرہ استعمال کرتا ہے اور کوئی بھی گہرائی کے سینسر نہیں ہے۔ ابھرتے ہوئے AI ماڈل کے آغاز کی جامع کوریج کے لیے، قارئین ہمارے ہوم پیج پر AI کی تازہ ترین پیشرفت کی پیروی کر سکتے ہیں۔
R2R-CE پر اسٹیٹ آف دی آرٹ کارکردگی
اپنے سنگل کیمرہ اپروچ کے باوجود، روبوسٹرل نیویگیٹ نے R2R-CE (کمرے سے کمرے میں مسلسل ماحول) کی توثیق غیر دیکھے ہوئے بینچ مارک پر 76.6% کامیابی کی شرح حاصل کی، جو کہ تربیت کے دوران منعقد کیے گئے ماحول میں نیویگیشن ہدایات پر عمل کرنے کا معیاری امتحان ہے۔ یہ نتیجہ بہترین پچھلے سنگل کیمرہ اپروچ کو 9.7 فیصد پوائنٹس سے ہرا دیتا ہے اور ڈیپتھ سینسرز یا ایک سے زیادہ کیمرے استعمال کرنے والے بہترین سسٹم کو 4.5 پوائنٹس سے پیچھے چھوڑ دیتا ہے، باوجود اس کے کہ دونوں میں سے کوئی بھی استعمال نہ ہو۔
توثیق کرنے پر، ماڈل 79.4% کامیابی کی شرح تک پہنچ جاتا ہے۔ Mistral کے مطابق، ماڈل روبوٹ کی تمام اقسام کو عام کرتا ہے، پہیوں والے، ٹانگوں والے، اور یہاں تک کہ اڑنے والے روبوٹس پر چلتا ہے، اور دوبارہ تربیت کے بغیر روبوٹ کے سائز کے مطابق ہوتا ہے۔
مکمل طور پر تخروپن میں بنایا گیا ہے۔
روبوسٹرل نیویگیٹ کے سب سے قابل ذکر پہلوؤں میں سے ایک یہ ہے کہ یہ مکمل طور پر اندرون خانہ بنایا گیا تھا اور اسے خصوصی طور پر نقلی تربیت دی گئی تھی۔ Mistral نے ایک موثر ڈیٹا جنریشن پائپ لائن بنائی جس نے تقریباً 400,000 trajectories کا ڈیٹا سیٹ تیار کیا جو 6,000 مصنوعی مناظر میں جمع کیا گیا۔ اس نقلی-پہلے نقطہ نظر نے حقیقی دنیا کے ڈیٹا اکٹھا کرنے کی لاگت اور لاجسٹک چیلنجوں کے بغیر تیز رفتار تکرار کو قابل بنایا۔
ماڈل کو Mistral کے اپنے وژن لینگویج ماڈل سے شروع کیا گیا ہے، جو کہ پوائنٹنگ، گنتی، اور آبجیکٹ لوکلائزیشن جیسے کاموں کے لیے مخصوص تھا۔ نیویگیشن ان صلاحیتوں کی فطری توسیع کے طور پر ابھرتا ہے: ایک بار جب ماڈل سمجھتا ہے کہ چیزیں تصویر میں کہاں ہیں، تو وہ ان کی طرف بڑھنے کا طریقہ سیکھتا ہے۔ خاص طور پر، روبوسٹرل نیویگیٹ کسی بھی موجودہ اوپن سورس ویژن لینگویج ماڈلز پر انحصار نہیں کرتا ہے۔
پوائنٹنگ پر مبنی نیویگیشن اور کمک سیکھنا
روبوسٹرل نیویگیٹ پوائنٹنگ پر مبنی نیویگیشن میکانزم استعمال کرتا ہے۔ ایک کام اور مشاہدات کی تاریخ کو دیکھتے ہوئے، ماڈل پیشین گوئی کرتا ہے کہ روبوٹ کے موجودہ کیمرے کے منظر میں ہدف کے مقام کے امیج کوآرڈینیٹس کا اندازہ لگا کر، آمد پر مطلوبہ سمت کے ساتھ روبوٹ کو آگے کہاں جانا چاہیے۔ یہ اشارہ کرنے والا نقطہ نظر کیمرہ کے اندرونی اور عالمی پیمانے پر ہونے والی تبدیلیوں کے لیے پالیسی کو فطری طور پر مضبوط بناتا ہے، ان کمانڈز کے برعکس جو میٹرک نقل مکانی پر انحصار کرتے ہیں۔
جب ہدف کا مقام موجودہ فیلڈ آف ویو سے باہر ہوتا ہے اور پوائنٹنگ لاگو نہیں ہوتی ہے، تو ماڈل روبوٹ کے مقامی کوآرڈینیٹ فریم میں نقل مکانی پر واپس آجاتا ہے۔ زیر نگرانی تربیت کے بعد، Mistral نے اپنے CISPO الگورتھم کا استعمال کرتے ہوئے آن لائن کمک سیکھنے کا اطلاق کیا، جس نے ماڈل کو آزمائش اور غلطی سے سیکھنے، ناکامیوں سے باز آنے، اور تحقیقی رویے حاصل کرنے کے قابل بنایا۔ اکیلے اس کمک سیکھنے کے مرحلے نے کامیابی کی شرح میں 3.2 فیصد پوائنٹس کا اضافہ کیا، اور Mistral رپورٹ کرتا ہے کہ سطح مرتفع کے نشانات کے بغیر کارکردگی اب بھی عروج پر ہے۔
پریفکس-کیچنگ کے ذریعے موثر تربیت
ایک اہم تکنیکی اختراع ایک موثر تربیتی الگورتھم ہے جس کی بنیاد پریفکس کیشنگ ہے۔ درختوں پر مبنی توجہ ماسک کرنے کی حکمت عملی کا استعمال کرتے ہوئے، Mistral کا طریقہ ایک پوری قسط کو ایک ہی ترتیب میں کمپریس کرتا ہے، جس سے ایک ہی فارورڈ پاس میں ہر وقت کے مراحل پر تربیت کو قابل بناتا ہے جبکہ وقت کے مراحل کے درمیان معلومات کے رساو کو روکتا ہے۔ فی وقت ایک نمونہ کے ساتھ تربیت کے مقابلے میں، یہ نقطہ نظر تمام سیکھنے کے اشاروں کو محفوظ رکھتے ہوئے تربیتی ٹوکنز کی تعداد کو 22 کے عنصر سے کم کرتا ہے۔ عملی طور پر، کمپنی کا کہنا ہے کہ یہ ٹریننگ رن کو تبدیل کرتا ہے جس میں مہینوں کا وقت لگ جاتا ہے جو دنوں میں مکمل ہوتا ہے۔
درخواستیں اور آگے کیا آتا ہے۔
Mistral پوزیشنز روبوسٹرل نیویگیٹ کے طور پر اپنے صارفین کے لیے آج کی سب سے زیادہ طلب صلاحیتوں میں سے ایک ہے۔ ٹیکنالوجی مینوفیکچرنگ، ڈیلیوری، لاجسٹکس اور مہمان نوازی میں ایپلی کیشنز کو کھول دیتی ہے۔ ماڈل کو ایک ہدایت دیں اور یہ پورا کام خودمختار طور پر مکمل کرتا ہے، لوگوں اور رکاوٹوں سے بھری لائیو جگہوں سے گزرتا ہے جو اسے تربیت کے دوران کبھی نہیں دکھایا گیا تھا۔
کمپنی اس ریلیز کو ایک متحد مجسم ایجنٹ کی طرف صرف پہلا قدم قرار دیتی ہے۔ Mistral فعال طور پر اپنی روبوٹکس ٹیم کو بڑھا رہا ہے اور ریسرچ سائنسدانوں اور انجینئروں کی تلاش کر رہا ہے۔ یہ لانچ پیرس میں قائم اسٹارٹ اپ کے لیے ایک اہم اسٹریٹجک توسیع کی نشاندہی کرتا ہے، جو بنیادی طور پر اپنے بڑے زبان کے ماڈلز کے لیے جانا جاتا ہے اور اب اس نے فزیکل AI اور روبوٹکس کے لیے سنجیدہ وابستگی کا اشارہ دیا ہے۔
روبوٹکس میں یہ اقدام اس وقت ہوا جب وسیع تر AI صنعت تیزی سے مجسم AI میں سرمایہ کاری کر رہی ہے، کمپنیاں اس بات کی کھوج کر رہی ہیں کہ زبان کے ماڈل کی صلاحیتوں کو جسمانی دنیا کے تعامل تک کیسے بڑھایا جا سکتا ہے۔ Mistral کا سمولیشن فرسٹ، سنگل کیمرہ اپروچ خود مختار نیویگیشن سسٹم کی تعیناتی میں رکاوٹ کو کم کر سکتا ہے، خاص طور پر لاگت سے متعلق حساس تجارتی ایپلی کیشنز میں جہاں ملٹی سینسر سیٹ اپ ناقابل عمل ہیں۔
AI سے آگے رہیں
روبوسٹرل نیویگیٹ اب Mistral کے صارفین کے لیے دستیاب ہے۔ مزید بریکنگ AI خبروں اور تجزیہ کے لیے، AI Buzz Wire پر جائیں۔
مزید AI خبریں پڑھیں →
