হিউম্যানয়েড রোবট প্রশিক্ষণ ডেটা: মোতায়েনের আগে দলগুলোর যা প্রয়োজন

হিউম্যানয়েড রোবটগুলো ল্যাবের ডেমো থেকে বেরিয়ে এসে আসল গুদাম, রান্নাঘর এবং কারখানার মেঝেতে জায়গা করে নিচ্ছে — কিন্তু বেশিরভাগ দলই বুঝতে পারছে যে আসল কঠিন কাজটা মডেল তৈরি করা নয়, বরং এর পেছনের ডেটা। সাধারণ মডেলগুলো একটি কাপ চিনতে পারে; কিন্তু এমন একটি হিউম্যানয়েড রোবট তৈরি করা যা কাপটি তুলে নিয়ে একজন বয়স্ক ব্যক্তিকে দেবে এবং ব্যক্তিটি ভিন্নভাবে হাত বাড়ালে নিজেকে মানিয়ে নেবে, তা সম্পূর্ণ ভিন্ন একটি সমস্যা। একটি নিখুঁত ডেমো এবং বাস্তব জগতের সংস্পর্শে টিকে থাকতে সক্ষম একটি সিস্টেমের মধ্যে পার্থক্য গড়ে দেয় হিউম্যানয়েড রোবটের প্রশিক্ষণ ডেটা।

একটি মডেলকে প্রোডাকশনে পাঠানোর আগে হিউম্যানয়েড এআই টিমগুলোর ডেটার ধরন, অ্যানোটেশনের গভীরতা, সেফটি কভারেজ এবং গুণমান নিয়ন্ত্রণের ক্ষেত্রে কী কী প্রয়োজন, এই নির্দেশিকাটিতে তা বিশদভাবে আলোচনা করা হয়েছে।

কী Takeaways

• হিউম্যানয়েড মোতায়েনের জন্য শুধু লেবেলযুক্ত ছবিই নয়, বরং কার্যকলাপের সাথে সামঞ্জস্যপূর্ণ বহুবিধ ডেটা প্রয়োজন।
• ভৌত পরিবর্তনশীলতা সামাল দেওয়ার জন্য ভিত্তি মডেলগুলোর এখনও বাস্তব জগতে প্রদর্শনের প্রয়োজন রয়েছে।
• উভয় হাতে করা ও স্পর্শ-নির্ভর কাজগুলোর জন্য সুনির্দিষ্ট গতিপথ এবং বলের টীকা প্রয়োজন।
• নিরাপত্তা-পরিস্থিতি কভারেজ এখন শিল্পজুড়ে স্থাপনার একটি প্রধান শর্ত।
• পর্যালোচনায় মানুষের অংশগ্রহণ এবং টীকাকারদের মধ্যেকার মতৈক্য অপরিহার্য মান নিয়ন্ত্রণ ব্যবস্থা হিসেবে রয়ে গেছে।
• VLA-রেডি আউটপুট ফরম্যাটগুলো ডেটা অপস এবং ট্রেনিং পাইপলাইনের মধ্যকার প্রতিবন্ধকতা হ্রাস করে।

হিউম্যানয়েড রোবট প্রশিক্ষণের ডেটা দেখতে কেমন?

হিউম্যানয়েড রোবট প্রশিক্ষণ ডেটা হলো মাল্টিমোডাল, সময়-সমন্বিত ডেটা যা রোবট কী উপলব্ধি করে এবং তার প্রতিক্রিয়ায় একজন মানুষ (বা রোবট) কী করে, উভয়ই ধারণ করে। একটি কার্যকর ডেটাসেটে সমন্বিত RGB ও ডেপথ ভিডিও, অডিও, IMU ও ফোর্স রিডিং, জয়েন্ট স্টেট এবং ভাষার নির্দেশাবলীর সাথে লেবেলযুক্ত অ্যাকশন ট্র্যাজেক্টরিও যুক্ত থাকে।

ক্রিয়ার গতিপথ: এন্ড-ইফেক্টরের অবস্থান, জয়েন্টের কোণ, বা মোটর কমান্ডের একটি সময়-চিহ্নিত ক্রম যা বর্ণনা করে কীভাবে একটি কাজ সম্পাদন করা হয়।

ওপেন এক্স-এমবডিমেন্ট কোলাবোরেশন ২২টি রোবট এমবডিমেন্ট এবং ৫০০টিরও বেশি টাস্ক জুড়ে ডেটা একত্রিত করেছে (ডিপমাইন্ড/স্ট্যানফোর্ড প্রমুখ, ২০২৪), যা প্রি-ট্রেনিংয়ের সময় আধুনিক হিউম্যানয়েড ফাউন্ডেশন মডেলগুলোর প্রত্যাশিত স্কেলকে তুলে ধরে। কিন্তু শুধুমাত্র প্রি-ট্রেনিংয়ের স্কেলই ডেপ্লয়মেন্ট নিশ্চিত করে না। এর উপরে দলগুলোর নিজস্ব টাস্ক-নির্দিষ্ট ডেটার স্তর প্রয়োজন হয় — যা এমন পরিবেশে সংগ্রহ করা হয় যেখানে তাদের রোবটগুলো বাস্তবে কাজ করবে।

কেন হিউম্যানয়েড টিমগুলো ডেপ্লয়মেন্টের আগে ডেটা সংক্রান্ত জটিলতায় আটকে যায়?

হিউম্যানয়েড দলগুলো তথ্যের সংকটে পড়ে, কারণ ওয়েব-স্কেলের ছবি-লেখার জোড়াগুলোতে ক্রিয়ার গতিপথ, সংস্পর্শ বল বা মানুষের অভিপ্রায় থাকে না। একটি মডেল হয়তো একটি অগোছালো তাককে নিখুঁতভাবে বর্ণনা করতে পারে, কিন্তু তারপরেও সেখান থেকে কোনো কিছু বুঝতে ব্যর্থ হয়। একটি দৃশ্য বোঝা এবং সেই অনুযায়ী কাজ করার মধ্যকার এই ব্যবধান পূরণ করা হয় সুসংগঠিত প্রদর্শন, টেলিমেট্রি এবং প্রান্তিক পরিস্থিতির তথ্য দিয়ে, যা কোনো পাবলিক ডেটাসেটই সরবরাহ করে না।

একটি মাঝারি আকারের হিউম্যানয়েড স্টার্টআপের কথা ভাবুন, যার পণ্য বাছাই ও রাখার ডেমো একটি নিয়ন্ত্রিত স্টুডিওতে নিখুঁতভাবে চলে। যখন সেই একই রোবট প্রতিফলক মেঝে, আংশিক প্রতিবন্ধকতা এবং অপরিচিত প্যাকেজিং সহ একটি আসল গুদামে প্রবেশ করে, তখন তার সফলতার হার একেবারে ধসে পড়ে — এর কারণ মডেলটি ভুল তা নয়, বরং কারণ হলো, এই ধরনের পরিস্থিতিতে এটিকে কেউ প্রশিক্ষণ দেয়নি। এই ব্যবধানটি পূরণ করা একটি ডেটা-সংক্রান্ত সমস্যা, মডেলের সমস্যা নয়।

[আরও পড়ুন: হিউম্যানয়েড রোবটের জন্য মাল্টিমোডাল ডেটা ]

দ্বিহস্ত চালনার জন্য কোন ডেটা টাইপগুলো সবচেয়ে গুরুত্বপূর্ণ?

দ্বিহস্ত চালনার জন্য এমন ডেটা প্রয়োজন যা শুধু শেষ অবস্থানই নয়, বরং দুই হাতের সমন্বয়, সংস্পর্শের গতিশীলতা এবং পূর্বাবস্থায় ফেরার আচরণও ধারণ করে।

দ্বিহস্ত চালনা: এটি রোবোটিক দক্ষতার একটি শ্রেণী, যা এমন বস্তু পরিচালনা করার জন্য একত্রে দুটি বাহু ও হাত ব্যবহার করে, যা একক-বাহু পদ্ধতি দ্বারা নির্ভরযোগ্যভাবে পরিচালনা করা যায় না।

অপরিবর্তনীয় স্তরগুলোর মধ্যে রয়েছে:

1. উচ্চ ফ্রেম রেটে ট্র্যাক করা, মানুষ দ্বারা বা দূরনিয়ন্ত্রিতভাবে উভয় হাত ব্যবহার করে করা প্রদর্শনী।
2. গ্রিপার এবং স্পর্শ বিন্দু জুড়ে সমন্বিত বল এবং স্পর্শজনিত পাঠ।
3. প্রতিটি ফ্রেম জুড়ে বস্তুর অবস্থান, অভিমুখ এবং বিকৃতি চিহ্নিতকারী অবস্থা-সূচক টীকা।
4. কোনো বস্তু পিছলে গেলে বা সরে গেলে মানুষ কী করে, তা ব্যর্থতা পুনরুদ্ধারের ক্রমের মাধ্যমে দেখানো হয়েছে।
5. নির্দেশনা ও কাজের এমন যুগলবন্দী যা স্বাভাবিক ভাষার লক্ষ্যকে সম্পাদিত গতির সাথে সংযুক্ত করে।

শাইপ-এর ফিজিক্যাল এআই ওয়ার্কফ্লো বিশ্বব্যাপী স্টুডিও ক্যাপচার এবং রান্নাঘর, গুদাম, কারখানা ও বাড়ি জুড়ে ফিল্ড কালেকশনের মাধ্যমে এই লেয়ারটি ক্যাপচার করে, যেখানে ভিএলএ (ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন) মডেল প্রশিক্ষণের জন্য অ্যানোটেশনের গভীরতা বিশেষভাবে টিউন করা থাকে। সম্পূর্ণ পাইপলাইনটির জন্য শাইপ-এর ফিজিক্যাল এআই অফারিং দেখুন।

[আরও পড়ুন: VLA মডেলের প্রশিক্ষণ ডেটা থেকে কী প্রয়োজন ]

ভিএলএ প্রশিক্ষণের জন্য মানব প্রদর্শনীর ডেটা কীভাবে বিন্যস্ত করা উচিত?

মানুষের উপর করা প্রদর্শনের ডেটা স্বতন্ত্র, ভাষা-চিহ্নিত পর্ব হিসেবে বিন্যস্ত করা উচিত — প্রতিটি পর্বে থাকবে সামঞ্জস্যপূর্ণ পর্যবেক্ষণ, নির্দেশনা, কর্মের গতিপথ এবং একটি সাফল্য বা ব্যর্থতার লেবেল।

সাম্প্রতিক একটি বৃহৎ প্রচেষ্টায় অসংগঠিত আত্মকেন্দ্রিক মানব ভিডিওগুলোকে ২৬ মিলিয়ন ফ্রেম জুড়ে ১ মিলিয়ন পর্বের VLA-ফরম্যাটেড প্রশিক্ষণ ডেটাতে রূপান্তরিত করা হয়েছে (Wu et al., arXiv, 2025), যা এই বিষয়টি নিশ্চিত করে যে প্রদর্শনী ডেটা তখনই সবচেয়ে বেশি কার্যকর হয় যখন তা খণ্ডিত, একক এবং ভাষা-সমন্বিত হয়। রান্নাঘর, গুদাম এবং বাড়ি জুড়ে বৃহৎ পরিসরে ঠিক এই ফুটেজটিই ধারণ করার কাজটি শাইপের আত্মকেন্দ্রিক ভিডিও ডেটা সংগ্রহ প্রোগ্রামগুলো করে থাকে।

কার্যকরী ডেমোনস্ট্রেশনে থাকে: একটি সুস্পষ্ট কাজের নির্দেশনা, ফ্রেমভিত্তিক পর্যবেক্ষণ, প্রতিটি ধাপে অ্যাকশন লেবেল, টাইমস্ট্যাম্প এবং একটি মূল্যায়ন নির্দেশক। শাইপ-এর ডেটা অ্যানোটেশন ওয়ার্কফ্লো এন্টারপ্রাইজ লিগ্যাল রিভিউর জন্য প্রোভেনেন্স মেটাডেটা সহ ঠিক এই কাঠামোটিই প্রদান করে।

নিরাপত্তা পরিস্থিতিগুলো ডেটা পাইপলাইনকে কীভাবে পরিবর্তন করে?

নিরাপত্তা পরিস্থিতিগুলো ডেটা পাইপলাইনকে পরিবর্তন করে দেয়, কারণ এটি দলগুলোকে ডেটা সংগ্রহ শুরু হওয়ার আগে, পরে নয়, বিরল ঘটনা মোকাবেলার পরিকল্পনা করতে বাধ্য করে। প্রান্তিক পরিস্থিতিগুলো—যেমন প্রতিবন্ধকতা, কম আলো, অপ্রত্যাশিত মানুষের আগমন, বা কোনো বস্তু পড়ে যাওয়া—হলো সেইসব অবস্থা যেখানে ডেটা স্থাপনের ঝুঁকি কেন্দ্রীভূত হয়।

প্রান্তিক পরিস্থিতি: একটি বিরল কিন্তু সম্ভাব্য পরিচালন অবস্থা যা অসামঞ্জস্যপূর্ণভাবে মাঠপর্যায়ে ব্যর্থতা এবং নিরাপত্তা দুর্ঘটনার কারণ হয়।

শক্তিশালী পাইপলাইনগুলি অন্তর্নিহিত থাকে:

• ডেপ্লয়মেন্ট ঝুঁকি স্তরের সাথে যুক্ত স্ক্রিপ্টেড সিনারিও তালিকা
• রিগ্রেশন টেস্ট সেট যা পারফরম্যান্সের বিচ্যুতি ধরতে পারে
• উচ্চ-ঝুঁকিপূর্ণ লেবেলের জন্য আন্তঃ-টীকাকারী চুক্তির সীমা
• বিরল ঘটনা জুড়ে রিলিজ-প্রস্তুতির মানদণ্ড

মার্কিন যুক্তরাষ্ট্রের ন্যাশনাল ইনস্টিটিউট অফ স্ট্যান্ডার্ডস অ্যান্ড টেকনোলজির এআই ঝুঁকি ব্যবস্থাপনা কাঠামোটি ঝুঁকির স্তরভিত্তিক মূল্যায়ন সংগঠিত করার জন্য একটি কার্যকর নিরপেক্ষ নির্দেশিকা প্রদান করে, বিশেষ করে নিয়ন্ত্রিত পরিবেশে কর্মরত দলগুলোর জন্য।

হিউম্যানয়েড ডেটার গুণমান কীভাবে পরিমাপ করা উচিত?