NVIDIA ਨੇ ਅਮਰੀਕਾ ਦੇ ਟੈਕਸਸ ਰਾਜ ਦੇ ਔਸਟਿਨ ਵਿੱਚ ਹੋਈ ਰੋਬੋਟ ਲਰਨਿੰਗ ਕਾਨਫ਼ਰੰਸ (CoRL) ਵਿੱਚ ਰੋਬੋਟ ਮਾਡਲ GR00T 2, Isaac Lab 3.0 ਅਤੇ ਦੋ ਨਵੇਂ ਖੁੱਲ੍ਹੇ ਬੈਂਚਮਾਰਕ ਪੇਸ਼ ਕੀਤੇ। ਸਭ ਦਾ ਨਿਸ਼ਾਨਾ ਇੱਕ ਹੀ ਹੈ: ਰੋਬੋਟਾਂ ਨੂੰ ਗੀਅਰ ਮਿਲਾਉਣ, ਤਾਰਾਂ ਜੋੜਨ ਅਤੇ ਛੋਟੇ ਪੁਰਜ਼ੇ ਜੋੜਨ ਵਰਗੇ ਬਾਰੀਕ ਕੰਮ ਸਿਖਾਉਣਾ, ਪਹਿਲਾਂ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਅਭਿਆਸ ਕਰਵਾ ਕੇ।
ਇਹ ਟੂਲ ਖੋਜਕਾਰਾਂ ਅਤੇ ਕੰਪਨੀਆਂ ਲਈ ਹਨ, ਆਮ ਖ਼ਰੀਦਦਾਰਾਂ ਲਈ ਨਹੀਂ, ਪਰ ਇਹ ਦੱਸਦੇ ਹਨ ਕਿ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਦੇ ਰੋਬੋਟ ਕਿਵੇਂ ਸਿਖਲਾਈ ਲੈ ਰਹੇ ਹਨ। ਇਹ ਐਲਾਨ 9 ਨਵੰਬਰ ਨੂੰ ਛਪਿਆ।
GR00T 2 ਕੀ ਹੈ?
NVIDIA ਇਸ ਨੂੰ NVIDIA Cosmos ’ਤੇ ਬਣਿਆ ਖੁੱਲ੍ਹਾ ਵਰਲਡ ਐਕਸ਼ਨ ਮਾਡਲ ਦੱਸਦੀ ਹੈ। ਇਹ ਰੋਬੋਟ ਅਤੇ ਮਨੁੱਖੀ ਡੇਟਾ ’ਤੇ ਸਿਖਲਾਈ ਲੈ ਚੁੱਕਾ ਹੈ, ਜਿਸ ਵਿੱਚ NVIDIA ਦਾ ਖੁੱਲ੍ਹਾ 100,000 ਘੰਟਿਆਂ ਦਾ ਮਨੁੱਖੀ ਪਹਿਲੇ-ਵਿਅਕਤੀ ਡੇਟਾ ਸ਼ਾਮਲ ਹੈ।
- ਕਿਸੇ ਖ਼ਾਸ ਕੰਮ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਪਰਖੇ ਗਏ 50 ਕੰਮਾਂ ਵਿੱਚੋਂ 40 ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਾਰ ਪੂਰੇ ਕੀਤੇ
- ਮਨੁੱਖੀ ਪ੍ਰਦਰਸ਼ਨਾਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਵੱਖ-ਵੱਖ ਰੋਬੋਟ ਢਾਂਚਿਆਂ ਵਿਚਕਾਰ ਹੁਨਰ ਟ੍ਰਾਂਸਫ਼ਰ ਕਰਦਾ ਹੈ
- ਹਰ ਕੰਮ ਲਈ ਇੱਕ ਪ੍ਰਦਰਸ਼ਨ ਨਾਲ 50 ਕੰਮਾਂ ਵਿੱਚ ਔਸਤ ਸਫਲਤਾ 71%, ਪੰਜ ਨਾਲ 95%
- ਏਜੰਟ ਇਸ ਦੇ ਪ੍ਰੋਗਰਾਮਿੰਗ ਇੰਟਰਫ਼ੇਸ ਰਾਹੀਂ ਹੁਨਰਾਂ ਨੂੰ ਕ੍ਰਮ ਵਿੱਚ ਚਲਾ ਸਕਦੇ ਹਨ ਅਤੇ ਗ਼ਲਤੀਆਂ ਤੋਂ ਉੱਭਰ ਸਕਦੇ ਹਨ
NVIDIA ਮੁਤਾਬਕ ਇਹ RoboCasa365, RoboLab, RoboDojo ਅਤੇ MolmoSpaces ਸਮੇਤ ਕਈ ਬੈਂਚਮਾਰਕ ਵਰਗਾਂ ਵਿੱਚ ਚੋਟੀ ਦੇ ਤਿੰਨ ਮਾਡਲਾਂ ਵਿੱਚ ਹੈ। Nexuni ਇਸ ਨੂੰ ਕੱਪੜਿਆਂ ਦੀ ਸੰਭਾਲ ਲਈ, Foxconn ਸਰਵਰ ਨਿਰਮਾਣ ਲਈ ਅਤੇ Siemens ਕਈ ਉਦਯੋਗਿਕ ਵਰਤੋਂ ਲਈ ਪਰਖ ਰਹੀ ਹੈ। ਇਹ ਕੰਪਨੀ ਦੇ ਅੰਕੜੇ ਹਨ, ਸੁਤੰਤਰ ਟੈਸਟ ਨਹੀਂ।
Isaac Lab 3.0 ਵਿੱਚ ਨਵਾਂ ਕੀ ਹੈ?
Isaac Lab NVIDIA ਦਾ ਖੁੱਲ੍ਹਾ ਰੋਬੋਟ-ਲਰਨਿੰਗ ਫ਼ਰੇਮਵਰਕ ਹੈ। 3.0 ਵਿੱਚ ਖੋਜਕਾਰ ਏਜੰਟਾਂ ਨਾਲ ਸਿਖਲਾਈ ਮਾਹੌਲ ਬਣਾ ਸਕਦੇ ਹਨ, PhysX ਅਤੇ Newton ਫ਼ਿਜ਼ਿਕਸ ਸੌਲਵਰਾਂ ਵਿਚਕਾਰ ਬਦਲ ਸਕਦੇ ਹਨ, ਧਾਰਨਾ-ਆਧਾਰਿਤ ਸਿਖਲਾਈ ਲਈ ਰੈਂਡਰਰ ਚੁਣ ਸਕਦੇ ਹਨ ਅਤੇ GR00T ਵਰਗੇ ਮਾਡਲਾਂ ’ਤੇ ਨਵੀਂ ਰੀਇਨਫ਼ੋਰਸਮੈਂਟ ਪੋਸਟ-ਟ੍ਰੇਨਿੰਗ ਲਾਇਬ੍ਰੇਰੀ ਵਰਤ ਸਕਦੇ ਹਨ।
- Newton ਨਾਲ ਡੂੰਘਾ ਜੋੜ, ਇਸ ਲਈ ਤਾਰਾਂ, ਕੱਪੜੇ ਅਤੇ ਕਈ ਜੋੜਾਂ ਵਾਲੇ ਰੋਬੋਟ ਹੱਥਾਂ ਦਾ ਮਾਡਲ ਬਣ ਸਕਦਾ ਹੈ
- ਹਜ਼ਾਰਾਂ ਸਿਮੂਲੇਟਡ ਰੋਬੋਟ ਇੱਕੋ ਸਮੇਂ ਸਿਖਲਾਈ ਲੈਂਦੇ ਹਨ
- ਇੱਕ ਨਜ਼ਰ-ਆਧਾਰਿਤ ਹੁਨਰਮੰਦ ਹੇਰਾਫੇਰੀ ਬੈਂਚਮਾਰਕ ਵਿੱਚ PhysX ਵਾਲੇ Isaac Lab 2.3 ਨਾਲੋਂ 2.5x ਤੱਕ ਸਿਖਲਾਈ ਥ੍ਰੂਪੁੱਟ
Newton ਖੁੱਲ੍ਹਾ ਫ਼ਿਜ਼ਿਕਸ ਇੰਜਣ ਹੈ ਜੋ ਪਹਿਲਾਂ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਮੁਤਾਬਕ Google DeepMind, Disney Research ਅਤੇ NVIDIA ਨੇ ਮਿਲ ਕੇ ਬਣਾਇਆ ਅਤੇ Linux Foundation ਇਸ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ। Skild AI ਨੇ Newton ’ਤੇ ਬਣਿਆ ਠੋਸ-ਪਿੰਡ ਸੌਲਵਰ STEEL ਪੇਸ਼ ਕੀਤਾ, ਅਤੇ Flexion, FieldAI, Dyna Robotics, Walden Robotics ਤੇ Dexmate ਨੇ ਆਪਣੇ ਕੰਮ ਦੱਸੇ।
ਸਿਮੂਲੇਟਡ ਅਭਿਆਸ ਕਿੰਨਾ ਸਟੀਕ ਹੋ ਸਕਦਾ ਹੈ?
NVIDIA Isaac Lab ਵਿੱਚ ਬਣੇ AlphaNIST ਦੀ ਮਿਸਾਲ ਦਿੰਦੀ ਹੈ। ਇੱਕ ਨੀਤੀ NIST ਅਸੈਂਬਲੀ ਟਾਸਕ ਬੋਰਡ ਦੇ ਸਾਰੇ 20 ਕੰਮ ਸਿੱਖਦੀ ਹੈ, ਮਿਲੀਮੀਟਰ ਪੱਧਰ ਦੇ ਪੁਰਜ਼ਿਆਂ ਨੂੰ ਸਿਰਫ਼ ਹਾਂ ਜਾਂ ਨਾਂਹ ਵਾਲੇ ਸਫਲਤਾ ਸੰਕੇਤ ਨਾਲ ਸੰਭਾਲਦੀ ਹੈ। ਸਿਖਲਾਈ ਸਫਲਤਾ 98% ਤੋਂ ਵੱਧ ਰਹੀ, ਜਦਕਿ ਵੱਖ-ਵੱਖ ਕੰਮ ਦੀਆਂ ਨੀਤੀਆਂ ਲਈ 81%, ਅਤੇ GPU ਸਮਾਂ ਲਗਭਗ 39x ਘੱਟ ਲੱਗਿਆ। ਪਿੱਛੇ ਵਾਸ਼ਿੰਗਟਨ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ NVIDIA ਦਾ Success-Guided Sampling ਤਰੀਕਾ ਹੈ, ਜੋ ਅਭਿਆਸ ਉਨ੍ਹਾਂ ਕੰਮਾਂ ’ਤੇ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਨੀਤੀ ਲਗਭਗ ਅੱਧੀ ਵਾਰ ਸਫਲ ਹੁੰਦੀ ਹੈ। NVIDIA ਮੁਤਾਬਕ ਇਹ ਦਸ ਲੱਖ ਤੋਂ ਵੱਧ ਸਮਾਨਾਂਤਰ ਮਾਹੌਲਾਂ ਤੱਕ ਫੈਲ ਸਕਦਾ ਹੈ।
ਨਵੇਂ ਬੈਂਚਮਾਰਕ ਕਿਹੜੇ ਹਨ?
ਖੁੱਲ੍ਹਾ ਮੁਲਾਂਕਣ ਫ਼ਰੇਮਵਰਕ Isaac Lab-Arena ਵਰਜ਼ਨ 0.4 ਦੇ ਡਿਵੈਲਪਰ ਪ੍ਰੀਵਿਊ ਵਜੋਂ ਆ ਰਿਹਾ ਹੈ। ਦੋ ਬੈਂਚਮਾਰਕ ਇਸ ਨੂੰ ਵਰਤਦੇ ਹਨ:
- DexBench: RLWRLD ਅਤੇ NVIDIA ਵੱਲੋਂ, ਰਿਟੇਲ, ਲੌਜਿਸਟਿਕਸ, ਨਿਰਮਾਣ ਅਤੇ ਹੌਸਪਿਟੈਲਿਟੀ ਦੇ ਚਾਰ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ 15 ਕੰਮ
- VABAR: UC Berkeley ਅਤੇ NVIDIA ਵੱਲੋਂ, ਮਿਆਰੀ ਭਿੰਨਤਾਵਾਂ, ਮੁਸ਼ਕਲ ਪੱਧਰਾਂ ਅਤੇ ਸਫਲਤਾ ਮਾਪਦੰਡਾਂ ਵਾਲੇ ਛੇ ਉਦਯੋਗਿਕ ਕੰਮ
UC Berkeley ਦਾ Graph-as-Policy ਫ਼ਰੇਮਵਰਕ ਏਜੰਟਾਂ ਨਾਲ ਹੁਨਰਾਂ ਨੂੰ ਪ੍ਰੋਗਰਾਮਾਂ ਵਿੱਚ ਜੋੜਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੰਜੀਨੀਅਰ ਤੈਨਾਤੀ ਤੋਂ ਪਹਿਲਾਂ ਪਰਖ ਸਕਦੇ ਹਨ। NVIDIA ਨੇ Video to Data ਵਰਕਫ਼ਲੋ ਅਤੇ EgoHand ਮਾਡਲ ਵੀ ਜਾਰੀ ਕੀਤੇ, ਅਤੇ EgoHand ਦੇ ਦੋ ਹਫ਼ਤਿਆਂ ਵਿੱਚ Hugging Face ’ਤੇ 40,000 ਤੋਂ ਵੱਧ ਡਾਊਨਲੋਡ ਹੋਣ ਦੀ ਗੱਲ ਕਹੀ ਗਈ ਹੈ।
ਕੀਮਤਾਂ
NVIDIA ਦੀ ਪੋਸਟ ਵਿੱਚ ਕੋਈ ਕੀਮਤ ਨਹੀਂ ਦਿੱਤੀ ਗਈ। ਟੂਲਾਂ ਨੂੰ ਖੁੱਲ੍ਹੇ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਅਤੇ Isaac Lab-Arena 0.4 ਡਿਵੈਲਪਰ ਪ੍ਰੀਵਿਊ ਹੈ। ਹਰ ਹਿੱਸਾ ਕਿੱਥੋਂ ਡਾਊਨਲੋਡ ਹੋਵੇਗਾ, ਇਹ ਇਸ ਪੋਸਟ ਵਿੱਚ ਨਹੀਂ ਦੱਸਿਆ, ਇਸ ਲਈ NVIDIA ਦੇ ਡਿਵੈਲਪਰ ਪੰਨੇ ਦੇਖੋ।
ਇਹ ਕਿਸ ਲਈ ਠੀਕ ਹੈ
ਰੋਬੋਟਿਕਸ ਖੋਜਕਾਰ। ਖੁੱਲ੍ਹੇ ਮਾਡਲ, ਸਿਮੂਲੇਟਰ ਅਤੇ ਬੈਂਚਮਾਰਕ ਲੈਬਾਂ ਨੂੰ ਹੁਨਰਮੰਦ ਕੰਮ ਸਿਖਾਉਣ ਅਤੇ ਤੁਲਨਾ ਕਰਨ ਦਾ ਸਾਂਝਾ ਤਰੀਕਾ ਦਿੰਦੇ ਹਨ।
ਫ਼ੈਕਟਰੀ ਅਤੇ ਗੋਦਾਮ ਟੀਮਾਂ। Foxconn, Siemens ਅਤੇ ਹੋਰ ਇਸ ਨੂੰ ਅਸੈਂਬਲੀ ਅਤੇ ਲੌਜਿਸਟਿਕਸ ਲਈ ਪਰਖ ਰਹੇ ਹਨ, ਪਰ ਕੁਝ ਵੀ ਤਿਆਰ ਉਤਪਾਦ ਨਹੀਂ ਦੱਸਿਆ ਗਿਆ।
ਵਿਦਿਆਰਥੀ। ਯੂਨੀਵਰਸਿਟੀ ਆਫ਼ ਟੈਕਸਸ ਐਟ ਔਸਟਿਨ Isaac Sim ਅਤੇ Isaac Lab ਵਰਤਦੀ ਹੈ ਤਾਂ ਜੋ ਹਾਰਡਵੇਅਰ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਵਿਦਿਆਰਥੀ ਸ਼ੁਰੂਆਤ ਕਰ ਸਕਣ।
ਆਮ ਪਾਠਕ। ਇੱਥੇ ਵਿਕਰੀ ਲਈ ਕੁਝ ਨਹੀਂ, ਪਰ ਇਹ ਝਲਕ ਦਿੰਦਾ ਹੈ ਕਿ ਭਵਿੱਖ ਦੇ ਘਰੇਲੂ ਅਤੇ ਕੰਮ ਵਾਲੀ ਥਾਂ ਦੇ ਰੋਬੋਟ ਸਟੀਕ ਕੰਮ ਕਿਵੇਂ ਸਿੱਖ ਸਕਦੇ ਹਨ।
ਹਾਲੇ ਕੀ ਪਤਾ ਨਹੀਂ?
NVIDIA ਨੇ ਵਪਾਰਕ ਵਰਤੋਂ ਦੀਆਂ ਤਾਰੀਖ਼ਾਂ, ਕੀਮਤ ਜਾਂ ਬੈਂਚਮਾਰਕ ਦਾਅਵਿਆਂ ਦੀ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀ ਨਹੀਂ ਦੱਸੀ। ਜ਼ਿਆਦਾਤਰ ਨਤੀਜੇ ਸਿਮੂਲੇਸ਼ਨ ਜਾਂ ਲੈਬ ਪ੍ਰਦਰਸ਼ਨਾਂ ਤੋਂ ਹਨ, ਇਸ ਲਈ ਅਸਲੀ ਫ਼ੈਕਟਰੀਆਂ ਵਿੱਚ ਇਹ ਕਿੰਨੇ ਕੰਮ ਆਉਣਗੇ, ਇਹ ਸਾਬਤ ਹੋਣਾ ਬਾਕੀ ਹੈ। ਭਾਈਵਾਲਾਂ ਦੀ ਪੂਰੀ ਸੂਚੀ ਅਤੇ ਲਿੰਕ NVIDIA ਦੀ ਬਲੌਗ ਪੋਸਟ ਵਿੱਚ ਹਨ।
