ह्यूमनॉइड रोबोट यूनिट्री G1 ने सीमित डेटा के साथ टेनिस कौशल में महारत हासिल की
द्वारा संपादित: Tatyana Hurynovich
वर्ष 2026 में रोबोटिक्स के क्षेत्र में महत्वपूर्ण प्रगति देखी गई है, विशेष रूप से मानवीय प्रणालियों को जटिल और गतिशील कार्यों में प्रशिक्षित करने के मामले में। सिंघुआ विश्वविद्यालय, पेकिंग विश्वविद्यालय और गैलबॉट (Galbot) के शोधकर्ताओं ने 'LATENT' नामक एक महत्वाकांक्षी परियोजना पेश की है। इस नवाचार ने यूनिट्री (Unitree) G1 रोबोट को केवल पांच घंटे के शौकिया गति डेटा का उपयोग करके जटिल टेनिस कौशल सीखने में सक्षम बनाया है। यह विकास रोबोटिक्स में डेटा दक्षता की एक नई मिसाल कायम करता है जो आने वाले समय में मशीनी बुद्धिमत्ता के लिए गेम-चेंजर साबित होगा।
वास्तविक परीक्षणों के दौरान, यूनिट्री G1 ने असाधारण सटीकता का प्रदर्शन किया। इसने इंसानी विरोधियों के खिलाफ लगभग 90.9% 'फोरहैंड' रिटर्न सफलता दर हासिल की, जो 54 किमी/घंटा से अधिक की गति से गेंदें फेंक रहे थे। यह उपलब्धि "Correctable Latent Action Space" (सुधार योग्य गुप्त क्रिया स्थान) नामक तकनीक पर आधारित है, जो शॉट्स के दौरान रोबोट की गतिविधियों को स्थिर और सटीक बनाती है। इस पद्धति का सबसे बड़ा लाभ यह है कि इसमें महंगे और व्यापक मोशन कैप्चर डेटा की आवश्यकता नहीं होती, जिससे भविष्य में रोबोट का वास्तविक दुनिया के चुनौतीपूर्ण परिदृश्यों में तेजी से उपयोग करना संभव हो जाएगा।
शोधकर्ताओं ने तकनीक को और अधिक कुशल बनाने के लिए मोशन कैप्चर के लिए आवश्यक क्षेत्र को पूर्ण आकार के कोर्ट की तुलना में 17 गुना से अधिक कम कर दिया। उनका प्राथमिक ध्यान फोरहैंड और बैकहैंड हिट्स के साथ-साथ साइड-स्टेप्स और क्रॉस-स्टेप्स जैसे मौलिक कौशलों पर केंद्रित रहा। सिमुलेशन परीक्षणों में रोबोट ने 96% की सफलता दर दिखाई, जबकि वास्तविक परीक्षणों में इसने 15 मीटर/सेकंड से अधिक की उच्चतम गति वाली गेंदों को भी सफलतापूर्वक वापस किया। LATENT फ्रेमवर्क जटिल गतिविधियों के लिए "अपूर्ण" डेटा के टुकड़ों को एक संरचनात्मक आधार के रूप में उपयोग करता है, जो पारंपरिक खर्चीली विधियों की तुलना में बहुत अधिक प्रभावी और किफायती है।
हालांकि यह तकनीक प्रभावशाली है, लेकिन कुछ तकनीकी सीमाओं का भी उल्लेख किया गया है। वर्तमान में यूनिट्री G1 केवल प्रतिक्रियाशील तरीके से गेंद वापस करता है, जिसका अर्थ है कि इसमें मानवीय खिलाड़ियों के खिलाफ कोई रणनीतिक शॉट प्लेसमेंट विकसित नहीं किया गया है। इसके अतिरिक्त, परीक्षण के दौरान गेंद को ट्रैक करने के लिए रोबोट की अपनी दृष्टि प्रणाली के बजाय एक बाहरी ऑप्टिकल मोशन कैप्चर सिस्टम का उपयोग किया गया था। डेवलपर्स भविष्य में इस फ्रेमवर्क को फुटबॉल और पार्कौर जैसे अन्य गतिशील खेलों के लिए अनुकूलित करने की योजना बना रहे हैं, जहां रणनीतिक निर्णय लेना एक मुख्य तकनीकी चुनौती बनी हुई है।
हांग्जो स्थित यूनिट्री कंपनी के लिए वर्ष 2026 एक मील का पत्थर साबित हो रहा है। कंपनी ने इस वर्ष 20,000 ह्यूमनॉइड रोबोट शिप करने का लक्ष्य रखा है, जो 2025 के 5,500 यूनिट्स के आंकड़े से बहुत अधिक है। यूनिट्री G1 रोबोट, जो 23 से 43 डिग्री ऑफ फ्रीडम (DoF) के साथ आता है, विभिन्न विन्यासों में 13,500 से 43,000 अमेरिकी डॉलर के बीच उपलब्ध है। यह स्केलेबल प्रशिक्षण पद्धति सीमित डेटा के साथ रोबोटों को शारीरिक कौशल सिखाने का एक नया रास्ता खोलती है, जिससे रोबोट प्रयोगशालाओं से निकलकर वास्तविक उपयोगिता की ओर मजबूती से कदम बढ़ा रहे हैं।
अंत में, यह विकास रोबोटिक्स के एक व्यापक संदर्भ का हिस्सा है। यूनिट्री द्वारा प्रदर्शित अन्य कौशलों, जैसे नृत्य और मार्शल आर्ट्स की गतिविधियों के साथ, G1 रोबोट की क्षमताएं बहुआयामी और प्रभावशाली साबित हो रही हैं। इसी बीच, गैलबॉट कंपनी ने पहले ही ऐसी उन्नत तकनीक को खुदरा क्षेत्र में लागू करना शुरू कर दिया है। वर्तमान में, गैलबॉट चीन भर में 40 से अधिक स्वायत्त (autonomous) स्टोर्स का संचालन कर रही है, जो रोबोटिक नवाचारों की व्यावसायिक सफलता और दैनिक जीवन में उनके बढ़ते प्रभाव को स्पष्ट रूप से दर्शाता है।
4 दृश्य
स्रोतों
La Opinión Digital
Serving an Ace: LATENT Framework Teaches Unitree G1 Athletic Tennis Skills
Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data - arXiv
Unitree G1 vs Tesla Optimus: This Robot Learned Tennis by "Watching" Amateurs
China sorprende con un nuevo y avanzado robot humanoide que juega al tenis: devuelve golpes con un 96 % de precisión - El Español
इस विषय पर अधिक लेख पढ़ें:
क्या आपने कोई गलती या अशुद्धि पाई?हम जल्द ही आपकी टिप्पणियों पर विचार करेंगे।