लेख · रोबोटिक्स
रोबोट लोगों से सीखते हैं
लैंग्वेज मॉडल ने खरबों शब्दों से सीखा। रोबोट के पास अभी ऐसी कोई लाइब्रेरी नहीं है। रोबोटिक्स में अब कमी इस डेटा की है कि लोग कैसे काम करते हैं।

1988 में रोबोटिक्स वैज्ञानिक Hans Moravec ने लिखा था कि “कंप्यूटर से इंटेलिजेंस टेस्ट या चेकर्स खेलने में वयस्क स्तर का प्रदर्शन करवाना तुलनात्मक रूप से आसान है, और जब बात देखने-समझने और चलने-फिरने की हो, तो उन्हें एक साल के बच्चे जैसा हुनर देना मुश्किल या नामुमकिन है”। करीब चार दशक बाद भी उनका विरोधाभास कायम है। एक लैंग्वेज मॉडल बार परीक्षा पास कर सकता है। कपड़े तह करने वाला रोबोट आज भी खबर बनता है।
लाइब्रेरी की कमी
इसकी एक वजह डेटा है। Meta ने अपने Llama 3 लैंग्वेज मॉडलों को टेक्स्ट के 15 ट्रिलियन से ज़्यादा टोकन पर ट्रेन किया, जो सार्वजनिक स्रोतों से जुटाए गए थे और जिनका ज़्यादातर हिस्सा लोगों ने दूसरे लोगों के लिए लिखा था। हाथ जो करते हैं, उसका ऐसा कोई संग्रह नहीं है। किसी ने दशकों तक यह दर्ज नहीं किया कि जार खोलते समय हाथ में कौन-से बल काम करते हैं।
अब तक की सबसे बड़ी खुली कोशिश इस फ़ासले को दिखाती है। 2023 में Google DeepMind और 21 संस्थानों के साझेदारों ने 22 तरह के रोबोट का डेटा Open X-Embodiment डेटासेट में इकट्ठा किया: 10 लाख से ज़्यादा रिकॉर्ड किए गए एपिसोड, जिनमें 500 से ज़्यादा स्किल शामिल हैं। इस क्षेत्र के लिए यह एक मील का पत्थर था। लैंग्वेज मॉडल को ट्रेन करने वाले टेक्स्ट के सामने यह एक पर्चा भर है।
हर कोई डेटा जुटा रहा है
पैसा इस समस्या के पीछे-पीछे आया है। सैन फ़्रांसिस्को का स्टार्टअप Physical Intelligence 2024 में रोबोट के लिए जनरल मॉडल बनाने के मकसद से शुरू हुआ। उसने नवंबर 2024 में 40 करोड़ डॉलर जुटाए, और एक साल बाद 5.6 अरब डॉलर के वैल्युएशन पर 60 करोड़ डॉलर और। तब से खबरें हैं कि वह कहीं ऊँची कीमत पर फिर से पैसा जुटाने की बातचीत में है। उसने कई कामों और कई रोबोट से पर्याप्त डेटा जुटाने को अपनी मुख्य चुनौतियों में से एक बताया है।
तरीके अलग-अलग हैं। कुछ कंपनियाँ रोबोट को दूर से चलाती हैं और हर हरकत रिकॉर्ड करती हैं। दूसरी कंपनियाँ लोगों को मोशन-कैप्चर सूट पहनाती हैं। 2025 में Tesla ने अपने Optimus रोबोट को ट्रेन करने वाले स्टाफ़ से कहा कि वह इसके बजाय मुख्य रूप से वीडियो पर निर्भर रहेगी, जिसमें कर्मचारी कैमरा रिग पहनकर शर्ट तह करेंगे और चीज़ें उठाएँगे, क्योंकि वीडियो तेज़ी से स्केल होता है।
हमारी भूमिका
इन सभी तरीकों में एक बात साझा है: शारीरिक काम का सबसे अच्छा शिक्षक वह इंसान है जो उसे अच्छी तरह करता है। एक मैकेनिक महसूस कर लेता है कि बोल्ट की चूड़ी अब जाने वाली है। एक नर्स जानती है कि मरीज़ को बिना तकलीफ़ दिए करवट कैसे दिलाई जाए। यही ज्ञान रोबोट के पास नहीं है, और इसका ज़्यादातर हिस्सा कभी रिकॉर्ड ही नहीं हुआ।
इसीलिए हमारी दो कंपनियाँ इस पर काम करती हैं। Archaí Physics रिकॉर्ड करती है कि लोग असल में कैसे काम करते हैं, ताकि रोबोट उससे सीख सकें। physical.wiki इकट्ठा करता है कि चीज़ें हाथ में क्या करती हैं: उनका वज़न, उनकी पकड़, वे कैसे खुलती हैं और कैसे टूटती हैं।
हार्डवेयर हर साल सस्ता होता जाता है। कुशल काम की अच्छी रिकॉर्डिंग, जो उसे करने वालों की सहमति से बनी हो, आज भी दुर्लभ है, और हम अपना पैसा वहीं लगाते हैं।
स्रोत
स्रोत अपनी मूल भाषा में दिए गए हैं।
- Hans Moravec: Mind Children, Harvard University Press, 1988
- Wikipedia: Moravec’s paradox
- OpenAI: GPT-4, March 2023
- Meta AI: Introducing Meta Llama 3, April 2024
- Google DeepMind: Scaling up learning across many different robot types, October 2023
- Open X-Embodiment: Robotic learning datasets and RT-X models
- Bloomberg: Robotics startup Physical Intelligence valued at $5.6 billion, November 2025
- Dataconomy: Bezos-backed Physical Intelligence raises $600M, November 2025
- eWeek, reporting Business Insider: Tesla’s Optimus has a new training strategy, August 2025
- TechCrunch: Physical Intelligence in talks to raise $1 billion again, March 2026
और लेख
पूँजीदक्षता ही नई बढ़त हैDeepSeek ने कम में ज़्यादा करके एक दिन में Nvidia के बाज़ार मूल्य से 589 अरब डॉलर साफ़ कर दिए। संस्थापकों के लिए सबक AI से पुराना है: जिसे सबसे कम पैसे की ज़रूरत होती है, उसे पकड़ना सबसे मुश्किल होता है।
संस्थापकबिज़नेस प्लान सूझबूझ की परीक्षा हैEisenhower ने कहा था कि प्लान बेकार होते हैं, लेकिन प्लानिंग ही सब कुछ है। हम बिज़नेस प्लान उसके पीछे की प्लानिंग के लिए पढ़ते हैं। यहाँ बताया गया है कि हम सबसे पहले क्या देखते हैं।
साझेदारीकेमिस्ट्री ड्यू डिलिजेंस हैNoam Wasserman ने पाया कि ऊँची संभावना वाले 65% स्टार्टअप सह-संस्थापकों के आपसी टकराव की वजह से नाकाम होते हैं। इसलिए हम प्लान पढ़ने से पहले लोगों को परखते हैं।