हाल के वर्षों में, अवतारित बुद्धि का क्रेज़ बहुत बढ़ा है, चाहे वह स्प्रिंग फेस्टिवल रोबोट के शानदार प्रदर्शन से हो, या सरकारी कार्य रिपोर्ट में शामिल किया जाना हो, या फिर एनवीडिया के जेन्सन हुआंग द्वारा बार-बार इसका समर्थन किया जाना हो, यह एआई क्षेत्र का केंद्र बिंदु बन गया है। अवतारित बुद्धि का उद्देश्य रोबोट को मनुष्यों की तरह वास्तविक दुनिया में सटीक रूप से अनुभव करने और लचीले ढंग से प्रतिक्रिया करने में सक्षम बनाना है।
त्सिंगुआ विश्वविद्यालय और एंट ग्रुप के अनुसंधान दल ने एक महत्वपूर्ण सफलता हासिल की है। उन्होंने ICLR2025 में प्रकाशित अपने शोध पत्र में BodyGen एल्गोरिथम ढाँचा प्रस्तुत किया है। यह ढाँचा सुदृढीकरण शिक्षण और गहन तंत्रिका नेटवर्क तकनीक को जोड़ता है, जिससे रोबोट कम समय में स्वचालित रूप से पर्यावरण के अनुकूल इष्टतम आकार और नियंत्रण रणनीति विकसित कर सकते हैं। वास्तविक परीक्षण में प्रदर्शन में 60% की वृद्धि हुई है, और कोड GitHub पर ओपन सोर्स हो चुका है।
पारंपरिक रोबोट डिज़ाइन कई चुनौतियों का सामना करता है, जैसे कि बड़ी मात्रा में विशेषज्ञ ज्ञान पर निर्भरता, विशिष्ट वातावरण के लिए बार-बार प्रयोग और पुनरावृत्ति की आवश्यकता, और रूप नियंत्रण समन्वय डिज़ाइन तकनीक में विशाल रूप खोज स्थान और रूप और नियंत्रण रणनीति के गहन युग्मन जैसी समस्याएँ। BodyGen ढाँचा रूप डिज़ाइन और पर्यावरणीय अंतःक्रिया के दो चरणों के माध्यम से इन चुनौतियों को प्रभावी ढंग से हल करता है। रूप डिज़ाइन चरण में, ट्रांसफॉर्मर (GPT-Style) स्व-पुनरावृत्ति का उपयोग रोबोट के रूप संरचना मापदंडों के निर्माण और अनुकूलन के लिए किया जाता है; पर्यावरणीय अंतःक्रिया चरण में, ट्रांसफॉर्मर (Bert-Style) का उपयोग जोड़ों की जानकारी को संसाधित करने और पर्यावरण के साथ अंतःक्रियात्मक प्रतिक्रिया प्राप्त करने के लिए किया जाता है।
BodyGen में तीन मुख्य तकनीकें हैं। रूप संरचना स्थिति एन्कोडर TopoPE रोबोट की "शारीरिक अनुभूति" प्रणाली के समान है, जो AI को रूप परिवर्तनों के अनुकूल होने में मदद करता है; ट्रांसफॉर्मर-आधारित MoSAT "मस्तिष्क केंद्र" के समान है, जो सूचना प्रसंस्करण और निर्देश भेजने के लिए जिम्मेदार है; एक विशेष पुरस्कार आवंटन तंत्र AI को डिज़ाइन निर्णयों का उचित मूल्यांकन करने में मदद करता है।
रेंगने, तैराकी जैसे 10 विभिन्न कार्य वातावरणों में परीक्षण में, BodyGen द्वारा उत्पन्न रोबोट के रूप की अनुकूलन योग्यता स्कोर मौजूदा सर्वोत्तम विधियों से 60.03% अधिक है। इसके अलावा, इसके पैरामीटर की मात्रा केवल 1.43M है, जो इसे अधिक हल्का बनाता है, और संसाधन-प्रतिबंधित वातावरण में इसका स्पष्ट लाभ है। भविष्य में, अनुसंधान दल इसके व्यावहारिक अनुप्रयोगों को आगे बढ़ाएगा, और BodyGen सामान्य अवतारित बुद्धि के विकास में एक महत्वपूर्ण योगदानकर्ता बन सकता है।
पता:https://github.com/GenesisOrigin/BodyGen
