ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স

ছয় দশক ধরে শিল্প রোবোটিক্স একটি কঠোর কাঠামোয় চলেছে: একজন মানব প্রকৌশলী মালিকানাধীন ভাষা, টিচ পেন্ডেন্ট আর অনমনীয় কাইনেম্যাটিক সলভার দিয়ে যন্ত্রের গতির প্রতিটি মিলিমিটার স্পষ্টভাবে প্রোগ্রাম করেন। ওয়ার্কপিস পাঁচ মিলিমিটার সরে গেলে বা আলো বদলালে রোবট ত্রুটি দেখায়। ১৩ অক্টোবর ২০২৬ তারিখে লন্ডনে Economist Enterprise Physical AI and Robotics Summit-এ Hugging Face-এর LeRobot-প্রধান Pepijn Kooijmans এমন এক বিকল্প স্থাপত্য উপস্থাপন করেন যা এই উত্তরাধিকার ভেঙে দিচ্ছে: “ভবিষ্যতের রোবটকে কাজ ধরে ধরে প্রোগ্রাম করা হবে না। তারা শিখবে।”

মোশন প্ল্যানিং থেকে ইমিটেশন লার্নিং: স্থাপত্যগত পরিবর্তন #

Open for business: how open source is accelerating physical AI (ব্যবসার জন্য উন্মুক্ত: ওপেন সোর্স কীভাবে ফিজিক্যাল AI-কে গতি দিচ্ছে) শীর্ষক কেস স্টাডি উপস্থাপনায় Pepijn Kooijmans প্রচলিত মেকাট্রনিক্স প্রকৌশল থেকে ডিপ লার্নিংয়ে তাঁর যাত্রার কথা বলেন। দশকের পর দশক রোবোটিক্স বিশেষজ্ঞদের শেখানো হয়েছে ম্যানিপুলেশনকে আলাদা, বিচ্ছিন্ন উপ-সমস্যায় ভাগ করতে: বস্তু বিভাজন, 6D ভঙ্গি অনুমান, স্থানাঙ্ক ফ্রেম রূপান্তর, সংঘর্ষ এড়িয়ে পথ পরিকল্পনা এবং জয়েন্টের PID মোটর নিয়ন্ত্রণ।

এই বিশ্লেষণী বিভাজন অনমনীয় ফিক্সচারের অটোমোটিভ কারখানায় ভালো কাজ করে, যেখানে যন্ত্রাংশ মাইক্রন-নির্ভুল স্টিলের জিগে আসে, কিন্তু পুরোনো শিল্প স্থাপনা, গবেষণাগার, গুদাম আর ঘরোয়া পরিবেশে তা ভেঙে পড়ে। বাস্তব জগতে বস্তু বিকৃত হয়, পৃষ্ঠতল অপ্রত্যাশিতভাবে আলো প্রতিফলিত করে আর মানব সহকর্মীরা চলমান বাধা তৈরি করেন।

Hugging Face-এর উপস্থাপিত মূল প্রতিপাদ্য হলো, শারীরিক দক্ষতাকে হাতে-লেখা নিয়মে বিশ্লেষণী উপায়ে নির্দিষ্ট করা যায় না; তা অভিজ্ঞতা থেকেই অর্জন করতে হয়। বড় ভাষা মডেল (LLM) যেমন বিশাল পাঠ-সংগ্রহে পরের টোকেন অনুমান করে ব্যাকরণ, যুক্তি আর জগৎ-জ্ঞান শিখেছে, তেমনই ফিজিক্যাল AI এজেন্ট দৃশ্যগত ও সংবেদী পর্যবেক্ষণের ওপর নির্ভরশীল ক্রিয়ার বণ্টন শিখে মোটর দক্ষতা অর্জন করে।

প্রতিটি গতি প্রোগ্রাম করা থেকে মানব প্রদর্শনের মাধ্যমে শেখানোর এই রূপান্তর রোবোটিক্সের ফাউন্ডেশন মডেল যুগে প্রবেশের চিহ্ন।

মাল্টি-মোডাল VLA স্থাপত্যের ভেতরে #

বক্তৃতায় Kooijmans আধুনিক ওপেন-সোর্স ফিজিক্যাল AI নীতি চালানো বিস্তারিত এন্ড-টু-এন্ড নিউরাল নেটওয়ার্ক পাইপলাইন দেখান এবং ব্যাখ্যা করেন কীভাবে উচ্চ-মাত্রিক প্রত্যক্ষণগত ইনপুট সাবলীল শারীরিক ম্যানিপুলেশনে রূপান্তরিত হয়।

.class="img-fluid clearfix"

স্থাপত্যটি একটি নিবিড়ভাবে সমন্বিত মাল্টি-মোডাল সেন্সরিমোটর পাইপলাইন হিসেবে কাজ করে:

১. প্রত্যক্ষণগত মাল্টি-স্ট্রিম গ্রহণ #

রোবট একাধিক সমলয় ক্যামেরা স্ট্রিমের মাধ্যমে তার কর্মক্ষেত্র দেখে (সাধারণত স্থানিক প্রেক্ষাপট দেওয়া একটি ওপরের বেস ক্যামেরা, আর তার সঙ্গে বাম ও ডান ম্যানিপুলেটরের কবজিতে বসানো ক্যামেরা, যা সূক্ষ্ম সংস্পর্শের ওপর নজর রাখে)।

এই কাঁচা পিক্সেল স্ট্রিমগুলো একটি হিমায়িত SigLIP (400M প্যারামিটার) ভিশন ট্রান্সফর্মারে পাঠানো হয়, যা ভিডিও ফ্রেমকে ঘন দৃশ্য টোকেনে রূপান্তর করে; ফলে নীতির ফাইন-টিউনিংয়ের সময় ভিশন ব্যাকবোনের মধ্য দিয়ে ব্যয়বহুল এন্ড-টু-এন্ড গ্রেডিয়েন্ট আপডেটের প্রয়োজন পড়ে না।

২. কাইনেম্যাটিক অবস্থা ভেক্টর ও কাজ-নির্ধারণ #

একই সঙ্গে সিস্টেম বাস্তব রোবটের অভ্যন্তরীণ প্রোপ্রিওসেপ্টিভ অবস্থার নমুনা নেয়: একটি ১৬-মাত্রিক ভেক্টর, যা দুটি ম্যানিপুলেটরের ৭টি জয়েন্ট কোণ, বেগ আর গ্রিপার খোলার প্রস্থ ধরে রাখে।

ব্যবহারকারী যেকোনো প্রাকৃতিক ভাষার প্রম্পটের মাধ্যমে কাজের লক্ষ্য দেন (যেমন "fold the t-shirt", "pick the M8 hex bolt and place it in the bracket" বা "route the cable through the conduit"), যা মানক টেক্সট এম্বেডিংয়ে টোকেনাইজ করা হয়।

৩. মাল্টি-মোডাল ক্রস-অ্যাটেনশন কেন্দ্র (Gemma VLM) #

দৃশ্য টোকেন, প্রোপ্রিওসেপ্টিভ অবস্থা ভেক্টর আর টেক্সট টোকেন একটি Gemma ভিশন-ল্যাঙ্গুয়েজ মডেলে (2B প্যারামিটার) দেওয়া হয়। শুধু টেক্সট টোকেন তৈরির বদলে Gemma VLM তিনটি মোডালিটি জুড়ে গভীর ক্রস-অ্যাটেনশন করে এবং ভাষা-নির্দেশের উচ্চস্তরের অর্থগত অভিপ্রায়কে দৃশ্যের স্থানিক জ্যামিতি ও আর্মের তাৎক্ষণিক যান্ত্রিক বিন্যাসের সঙ্গে মেলায়।

এই সমন্বিত ফাউন্ডেশন মডেলের আউটপুট হলো VLM কাজ-বৈশিষ্ট্যের একটি ঘন উপস্থাপন, যা বস্তুগুলো কোথায় আছে তার প্রেক্ষিতে কী করতে হবে তা ধারণ করে।

৪. অ্যাকশন এক্সপার্ট: ফ্লো ম্যাচিং ও ডিফিউশন নীতি #

VLM বৈশিষ্ট্যগুলো সরাসরি ফ্লো-ম্যাচিং নীতিতে চলা একটি অ্যাকশন এক্সপার্টে (300M প্যারামিটার) যায়। প্রথম দিকের ইমিটেশন লার্নিং পদ্ধতিগুলো সাধারণ মিন স্কোয়ার্ড এরর (MSE) রিগ্রেশনের ওপর নির্ভর করত, যার ফলে মডেল পরস্পরবিরোধী প্রদর্শনের গড় দিত আর রোবট সিদ্ধান্তহীন হয়ে থমকে যেত; এর বিপরীতে ফ্লো ম্যাচিং মানুষের ক্রিয়া-পথের বহু-মোডাল বণ্টনকে মডেল করে।

দশটি সাংখ্যিক ইন্টিগ্রেশন ধাপে সমাধান করা রেক্টিফায়েড ফ্লো অন্তরকল সমীকরণের সাহায্যে অ্যাকশন এক্সপার্ট গাউসীয় নয়েজকে ৫০Hz নিয়ন্ত্রণ কম্পাঙ্কে ৩০টি ভবিষ্যৎ ক্রিয়ার একটি সুসংগত পথে রূপান্তর করে।

৫. টেম্পোরাল এনসেম্বলিংসহ অ্যাকশন চাঙ্কিং #

পরপর ৩০টি সময়-ধাপ অনুমান করে (এই পদ্ধতিকে অ্যাকশন চাঙ্কিং বলে) নীতিটি উচ্চ-কম্পাঙ্কের ঝাঁকুনি আর বিলম্বের বাধা দূর করে। রোবট ক্রিয়ার প্রথম খণ্ড সম্পাদন করতে করতে পটভূমিতে পরের পরিকল্পনা হিসাব করে এবং মসৃণ, নমনীয়, নিরবচ্ছিন্ন, জৈব মানের গতি অর্জন করে।

প্রযুক্তিগত তুলনা: প্রচলিত অটোমেশন বনাম ওপেন-সোর্স ফিজিক্যাল AI #

সূত্র: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, লন্ডন, ১৩ অক্টোবর ২০২৬)-এ উপস্থাপিত তথ্য, প্রযুক্তিগত বেঞ্চমার্ক ও সরাসরি প্রদর্শনের বিশ্লেষণ।

খাতভিত্তিক এর অর্থ #

উন্মুক্ত, সম্প্রদায়-চালিত ফিজিক্যাল AI-এর উত্থান বহু শিল্পে বাণিজ্যিক হিসাব বদলে দিচ্ছে।

ক্ষুদ্র ও মাঝারি উদ্যোগ (SME) #

ইউরোপ ও যুক্তরাজ্যের উৎপাদন সক্ষমতার ৮০%-এর বেশি SME-দের, অথচ ঐতিহাসিকভাবে তাদের ৫%-এরও কম অটোমেশনের খরচ বহন করতে পারত। একটি শিল্প অটোমেশন সেল বসাতে বিশেষজ্ঞ সিস্টেম ইন্টিগ্রেটর নিয়োগ, ছয় অঙ্কের সফটওয়্যার লাইসেন্স ফি এবং স্থাপনের সময় কারখানার মেঝে বন্ধ রাখতে হতো।

LeRobot বাস্তুতন্ত্রের সাহায্যে বিশেষ নির্ভুল ব্র্যাকেট তৈরি করা একটি SME £৫০০-এর কমে দুই-আর্মের SO-100 ওয়ার্কস্টেশন 3D-প্রিন্ট করতে পারে, তাতে £৪০-এর USB ওয়েবক্যাম লাগাতে পারে এবং 3D-প্রিন্ট করা লিডার আর্ম দিয়ে CNC মিলিং মেশিনে যন্ত্রাংশ ভরানো এক কর্মীর পঞ্চাশটি প্রদর্শন রেকর্ড করতে পারে। একটি সাধারণ ডেস্কটপ কম্পিউটারে তিন ঘণ্টার ফাইন-টিউনিংয়ের মধ্যে ওপেন-সোর্স নীতি মেশিন চালানোর কাজ স্বয়ংক্রিয়ভাবে করতে সক্ষম হয় এবং কয়েক সপ্তাহের মধ্যেই খরচ উঠে আসে।

একাডেমিক গবেষণা ও উচ্চশিক্ষা #

সম্প্রতি পর্যন্ত বিশ্ববিদ্যালয়ের রোবোটিক্স বিভাগগুলো এক গভীর বিভাজনের দুই প্রান্তে ছিল: ভালো তহবিলের গবেষণাগারগুলো Boston Dynamics বা Willow Garage প্ল্যাটফর্ম কিনতে পারত, আর ছোট প্রতিষ্ঠানগুলো Gazebo বা MuJoCo-তে কেবল সিমুলেশন চালানোয় সীমাবদ্ধ ছিল।

ওপেন-সোর্স ফিজিক্যাল AI শারীরিক পরীক্ষা-নিরীক্ষাকে সবার নাগালে এনেছে। বিশ্বজুড়ে স্নাতকোত্তর শিক্ষার্থীরা একই রকম হার্ডওয়্যার প্ল্যাটফর্ম তৈরি করতে, প্রশিক্ষিত নীতির চেকপয়েন্ট Hugging Face Hub-এ ভাগ করতে এবং পরিসংখ্যানগত কঠোরতায় বেঞ্চমার্ক ফলাফল পুনরুৎপাদন করতে পারেন। Kooijmans জোর দিয়ে বলেন, LeRobot রিপোজিটরি কয়েক মাসের মধ্যেই হাতে গোনা কয়েকজন ইউরোপীয় অবদানকারী থেকে বিশ্বজুড়ে হাজার হাজার সক্রিয় রোবোটিক্স বিশেষজ্ঞে পৌঁছেছে, যা প্রমাণ করে উন্মুক্ত প্রবেশাধিকার মালিকানাধীন কর্পোরেট সাইলোর চেয়ে দ্রুত অভিজ্ঞতামূলক যাচাইকে এগিয়ে নেয়।

উচ্চ বৈচিত্র্য, স্বল্প পরিমাণের চুক্তিভিত্তিক সংযোজন #

ইলেকট্রনিক্স ও চিকিৎসা যন্ত্র সংযোজনে পণ্যের রকমফের প্রতি সপ্তাহে বদলায়। হার্ডকোড করা অটোমেশন লাইন অর্থনৈতিকভাবে টেকসই হয় না, কারণ পুনঃটুলিং আর পুনঃপ্রোগ্রামিংয়ের খরচ উৎপাদন ব্যাচের মুনাফার মার্জিন ছাড়িয়ে যায়।

ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন নীতি প্রাকৃতিক ভাষার কাজ-নির্ধারণের মাধ্যমে এই সীমাবদ্ধতার সমাধান করে। একজন অপারেটর শুধু নতুন কমান্ড টাইপ করে বা নতুন উপ-সংযোজনের দুটি পুনরাবৃত্তি দেখিয়ে সংযোজন প্রক্রিয়া বদলাতে পারেন। মডেলের ক্রস-অ্যাটেনশন কৌশল আগে থেকে প্রশিক্ষিত দৃশ্য উপস্থাপন কাজে লাগিয়ে পুরো নিউরাল নেটওয়ার্ক পুনরায় প্রশিক্ষণ ছাড়াই নতুন যন্ত্রাংশ শনাক্ত করে।

ডেটার দেয়াল ভাঙা: টেলিঅপারেশন, Parquet ও ওয়ার্ল্ড মডেল #

Kooijmans প্রতিষ্ঠানপ্রধানদের যে মূল অন্তর্দৃষ্টি দেন তা হলো, ফিজিক্যাল AI-এর প্রধান বাধা এখন আর মডেলের সক্ষমতা নয়; সেটি প্রদর্শনের বৈচিত্র্য।

প্রাকৃতিক ভাষা প্রক্রিয়াকরণে মডেলগুলো উন্মুক্ত ওয়েব থেকে সংগৃহীত লক্ষ কোটি টোকেনে প্রশিক্ষিত হয়েছে। শারীরিক রোবোটিক্সে আগে থেকে বিদ্যমান কোনো “শারীরিক ম্যানিপুলেশনের ইন্টারনেট” নেই। গ্রিপারের কোনো বস্তু তোলা, ভালভ ঘোরানো বা কাপড় ভাঁজ করার প্রতিটি প্রদর্শন সেন্সরযুক্ত টেলিঅপারেশনের মাধ্যমে বাস্তব জগতেই রেকর্ড করতে হয়।

Hugging Face LeRobot তিনটি মূল উদ্যোগের মাধ্যমে এই চ্যালেঞ্জ মোকাবিলা করে:

1. লিডার-ফলোয়ার টেলিঅপারেশন রিগ: চৌম্বক এনকোডারযুক্ত কম খরচের 3D-প্রিন্ট করা নিষ্ক্রিয় “লিডার” আর্ম তৈরি করে, যা সক্রিয় “ফলোয়ার” রোবটকে যান্ত্রিকভাবে অনুকরণ করে, মানব অপারেটররা প্রকৃত সময়ে অনায়াসে রোবটকে টেলিঅপারেট করতে পারেন এবং একই সঙ্গে জয়েন্ট কোণ, বেগ আর বহু-দৃশ্যের ভিডিও রেকর্ড করতে পারেন।
2. মানসম্মত Parquet ডেটাসেট স্কিমা: প্রদর্শনগুলো খণ্ডিত MP4 ভিডিও ফিডের সঙ্গে যুক্ত মানসম্মত, উচ্চ-ক্ষমতার Apache Parquet টেবিলে বাঁধা হয়। এর ফলে মানক ডেটা প্রকৌশল টুল (Polars, DuckDB, PyArrow) টেরাবাইট পরিমাণ রোবোটিক টেলিমেট্রি দ্রুত প্রক্রিয়া করতে পারে।
3. সিম-টু-রিয়েল ও ওয়ার্ল্ড মডেল সম্প্রসারণ: শারীরিক টেলিঅপারেশনের সীমা ছাড়িয়ে যেতে ওপেন-সোর্স ওয়ার্ল্ড মডেল জেনারেটিভ ভৌত গতিবিদ্যা শেখে। বাস্তব প্রদর্শনের একটি মূল ডেটাসেটে প্রশিক্ষণের পর ওয়ার্ল্ড মডেল সরাসরি লেটেন্ট স্পেসে লক্ষ লক্ষ বিকল্প-পরিস্থিতির সিমুলেশন চালায় (আলো বদলে, বিশৃঙ্খলা যোগ করে, টেবিলের ঘর্ষণ পাল্টে) এবং বাস্তবে মোতায়েনের আগে নীতিগুলোর কঠোর পরীক্ষা নেয়।

উপসংহার #

Economist Enterprise Physical AI and Robotics Summit-এ Hugging Face LeRobot-এর উপস্থাপনা রোবোটিক্স শিল্পের এক নির্ণায়ক মোড়কে স্পষ্ট করেছে। যে যুগে রোবোটিক্সের জন্য কোটি কোটি পাউন্ডের মূলধন বাজেট, মালিকানাধীন প্রোগ্রামিং ভাষা আর অনমনীয় কারখানা-খাঁচা লাগত, তা এখন একটি উন্মুক্ত, সহযোগিতামূলক ও ডেটা-চালিত বাস্তুতন্ত্রকে জায়গা ছেড়ে দিচ্ছে।

মাল্টি-মোডাল ভিশন-ল্যাঙ্গুয়েজ ফাউন্ডেশন মডেলকে ফ্লো-ম্যাচিং অ্যাকশন চাঙ্কিং আর সাশ্রয়ী উন্মুক্ত হার্ডওয়্যারের সঙ্গে যুক্ত করে ওপেন-সোর্স ফিজিক্যাল AI রোবটকে ভঙ্গুর স্বয়ংক্রিয় যন্ত্র থেকে অভিযোজনক্ষম, শিক্ষণশীল ব্যবস্থায় রূপান্তর করছে। প্রকৌশল-প্রধান ও প্রযুক্তি নির্বাহীদের জন্য কৌশলগত বার্তা দ্ব্যর্থহীন: প্রতিযোগিতামূলক সুবিধা আর মালিকানাধীন যান্ত্রিক হার্ডওয়্যার থেকে আসবে না, আসবে সেই ডেটা পাইপলাইন, প্রদর্শন-সংগ্রহ কর্মপ্রবাহ আর ফাউন্ডেশন মডেলে দক্ষতা থেকে, যা যন্ত্রকে বাস্তব জগৎ আয়ত্ত করতে শেখায়।

সচরাচর জিজ্ঞাসা #

Hugging Face LeRobot কী? Hugging Face LeRobot হলো রোবোটিক্স ও ফিজিক্যাল AI-কে সবার নাগালে আনার জন্য তৈরি একটি ওপেন-সোর্স ফ্রেমওয়ার্ক ও সম্প্রদায়গত উদ্যোগ। রোবোটিক্সের আর্থিক ও প্রযুক্তিগত বাধা কমাতে এটি অত্যাধুনিক ইমিটেশন লার্নিং অ্যালগরিদমের PyTorch-ভিত্তিক বাস্তবায়ন, মানসম্মত ডেটাসেট বিন্যাস, আগে থেকে প্রশিক্ষিত ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন (VLA) ফাউন্ডেশন মডেল এবং ওপেন-সোর্স হার্ডওয়্যার নকশা (যেমন SO-100) দেয়।

ইমিটেশন লার্নিং প্রচলিত রোবট প্রোগ্রামিং থেকে কীভাবে আলাদা? প্রচলিত রোবট প্রোগ্রামিংয়ে প্রকৌশলীকে টিচ পেন্ডেন্ট বা ROS স্ক্রিপ্ট দিয়ে সঠিক কার্তেসীয় স্থানাঙ্ক, ইনভার্স কাইনেম্যাটিক সমাধান আর স্টেট রূপান্তর নির্দিষ্ট করা স্পষ্ট প্রক্রিয়াগত কোড লিখতে হয়। এর বিপরীতে ইমিটেশন লার্নিং টেলিঅপারেশনে কাজ করা মানুষের রেকর্ড করা প্রদর্শন দেখে মানব আচরণ অনুকরণ করতে নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দেয় এবং এমন একটি নীতি শেখে যা সংবেদী পর্যবেক্ষণকে সরাসরি মোটর কমান্ডে রূপ দেয়।

ফিজিক্যাল AI পাইপলাইনে Gemma VLM-এর ভূমিকা কী? আধুনিক ফিজিক্যাল AI স্থাপত্যে Gemma ভিশন-ল্যাঙ্গুয়েজ মডেল (VLM) মাল্টি-মোডাল যুক্তি-ইঞ্জিনের কাজ করে। এটি ক্যামেরা থেকে আসা দৃশ্য টোকেন (SigLIP দিয়ে এনকোড করা), রোবটের জয়েন্টের ভৌত অবস্থার ভেক্টর আর প্রাকৃতিক ভাষার নির্দেশ গ্রহণ করে। ক্রস-অ্যাটেনশনের মাধ্যমে এটি অর্থগত অভিপ্রায়কে দৃশ্য জ্যামিতির সঙ্গে মিলিয়ে উচ্চস্তরের কাজ-উপস্থাপন তৈরি করে, যা অ্যাকশন এক্সপার্টকে পথ দেখায়।

রোবোটিক্সে ক্রিয়া-অনুমানে ফ্লো ম্যাচিং কী? ফ্লো ম্যাচিং হলো নিরবচ্ছিন্ন নর্মালাইজিং ফ্লো ও ডিফিউশন মডেলের সঙ্গে সম্পর্কিত একটি জেনারেটিভ মডেলিং কৌশল। রোবোটিক্সে এটি একাধিক ধাপে সাধারণ অন্তরকল সমীকরণ সমাধান করে সরল গাউসীয় নয়েজকে জটিল, বহু-মোডাল ক্রিয়া-পথে রূপান্তর করে। এর ফলে একাধিক বৈধ গতি সম্ভব এমন অস্পষ্ট পরিস্থিতি রোবট সামলাতে পারে, আর সরল রিগ্রেশন মডেলকে ব্যর্থ করা গড়জনিত ত্রুটি এড়ানো যায়।

$২০০-এর চেয়ে সস্তা 3D-প্রিন্ট করা রোবট আর্ম কি উৎপাদন-মানের কাজ করতে পারে? SO-100-এর মতো $২০০-এর চেয়ে সস্তা আর্মে ভারী মহাকাশ মেশিনিংয়ের জন্য দরকারি ভারবহন ক্ষমতা, কাঠামোগত দৃঢ়তা আর মিলিমিটারের চেয়েও সূক্ষ্ম পুনরাবৃত্তি-নির্ভুলতা না থাকলেও এগুলো সূক্ষ্ম ম্যানিপুলেশন, পরিদর্শন, গবেষণাগারে তরল সামলানো আর ছোট যন্ত্রাংশের কিটিং পুরোপুরি করতে পারে। আরও গুরুত্বপূর্ণ হলো, এই স্বল্প খরচের প্ল্যাটফর্মে প্রশিক্ষিত ও যাচাই করা নীতি ন্যূনতম ফাইন-টিউনিংয়ে সরাসরি শিল্প-মানের সহযোগী রোবট আর্মে স্থানান্তর করা যায়।

তথ্যসূত্র #

• Economist Enterprise, (2026). Physical AI & Robotics Summit: স্বয়ংক্রিয় ব্যবস্থার মাধ্যমে পরিচালনগত সুবিধা ⧉. Economist Enterprise.
• Kooijmans, P., (2026). ব্যবসার জন্য উন্মুক্ত: ওপেন সোর্স কীভাবে ফিজিক্যাল AI-কে গতি দিচ্ছে ⧉. Hugging Face.
• Hugging Face, (2026). LeRobot: PyTorch-এ বাস্তব জগতের রোবোটিক্সের জন্য অত্যাধুনিক মেশিন লার্নিং ⧉. GitHub.
• Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B., & Song, S., (2024). ডিফিউশন পলিসি: অ্যাকশন ডিফিউশনের মাধ্যমে ভিজ্যুয়োমোটর নীতি শিক্ষা ⧉. Columbia University & MIT.
• Zhao, T. Z., Kumar, V., Levine, S., & Finn, C., (2023). স্বল্প খরচের হার্ডওয়্যারে সূক্ষ্ম দুই-হাতের ম্যানিপুলেশন শেখা ⧉. Stanford University.
• Zhai, X., Mustafa, B., Kolesnikov, A., & Beyer, L., (2023). ভাষা-চিত্র প্রাক-প্রশিক্ষণের জন্য সিগময়েড লস (SigLIP) ⧉. Google DeepMind.
• Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M., & Le, M., (2023). জেনারেটিভ মডেলিংয়ের জন্য ফ্লো ম্যাচিং ⧉. Meta AI Research.

সর্বশেষ পর্যালোচনা 2026-10-13.

সর্বশেষ পর্যালোচনা 2026-10-27.

# ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/](https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/)

লন্ডনের Economist Physical AI সামিটে Hugging Face LeRobot-প্রধান Pepijn Kooijmans দেখালেন, ওপেন-সোর্স মডেল আর $২০০-এর হার্ডওয়্যার রোবোটিক্সের বাধা ভাঙছে।

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/

ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau

লন্ডনের Economist Physical AI সামিটে Hugging Face LeRobot-প্রধান Pepijn Kooijmans দেখালেন, ওপেন-সোর্স মডেল আর $২০০-এর হার্ডওয়্যার রোবোটিক্সের বাধা ভাঙছে।

https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/

ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau

লন্ডনের Economist Physical AI সামিটে Hugging Face LeRobot-প্রধান Pepijn Kooijmans দেখালেন, ওপেন-সোর্স মডেল আর $২০০-এর হার্ডওয়্যার রোবোটিক্সের বাধা ভাঙছে।.

এখানে মূল কৌশলগত টেকওয়েগুলি রয়েছে:

- মোশন প্ল্যানিং থেকে ইমিটেশন লার্নিং: স্থাপত্যগত পরিবর্তন. Open for business: how open source is accelerating physical AI (ব্যবসার জন্য উন্মুক্ত: ওপেন সোর্স কীভাবে ফিজিক্যাল AI-কে গতি দিচ্ছে) শীর্ষক কেস স্টাডি উপস্থাপনায় Pepijn Kooijmans প্রচলিত মেকাট্রনিক্স প্রকৌশল থেকে…
- মাল্টি-মোডাল VLA স্থাপত্যের ভেতরে. বক্তৃতায় Kooijmans আধুনিক ওপেন-সোর্স ফিজিক্যাল AI নীতি চালানো বিস্তারিত এন্ড-টু-এন্ড নিউরাল নেটওয়ার্ক পাইপলাইন দেখান এবং ব্যাখ্যা করেন কীভাবে উচ্চ-মাত্রিক প্রত্যক্ষণগত ইনপুট সাবলীল শারীরিক ম্যানিপুলেশনে রূপান্তরিত…
- প্রযুক্তিগত তুলনা: প্রচলিত অটোমেশন বনাম ওপেন-সোর্স ফিজিক্যাল AI. সূত্র: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, লন্ডন, ১৩ অক্টোবর ২০২৬)-এ উপস্থাপিত তথ্য, প্রযুক্তিগত বেঞ্চমার্ক ও সরাসরি প্রদর্শনের বিশ্লেষণ।.
- খাতভিত্তিক এর অর্থ. উন্মুক্ত, সম্প্রদায়-চালিত ফিজিক্যাল AI-এর উত্থান বহু শিল্পে বাণিজ্যিক হিসাব বদলে দিচ্ছে।.

এই নিবন্ধে উল্লিখিত চ্যালেঞ্জগুলির প্রতি আপনার প্রতিষ্ঠানের পদ্ধতি কী?

→ https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/

#HuggingFaceLerobot #PepijnKooijmans #ফিজিক্যালAi #ওপেনসোর্সরোবোটিক্স #ইমিটেশনলার্নিং

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026ওপ,
  author  = {Rousseau, Sebastien},
  title   = {{ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/
ER  -

Rousseau S. ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/

Rousseau, Sebastien. "ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/.

Rousseau, S. (2026, October 13). ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/

ওপেন-সোর্স ফিজিক্যাল AI: LeRobot ও ইমিটেশন লার্নিংয়ে সুলভ রোবোটিক্স — Sebastien Rousseau

লন্ডনের Economist Physical AI সামিটে Hugging Face LeRobot-প্রধান Pepijn Kooijmans দেখালেন, ওপেন-সোর্স মডেল আর $২০০-এর হার্ডওয়্যার রোবোটিক্সের বাধা ভাঙছে।

Originally published at https://sebastienrousseau.com/bn/2026-10-13-open-sors-fizikal-ai-lerobot-imiteshan/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER