छह दशकों से औद्योगिक रोबोटिक्स एक कठोर ढाँचे में चलता आया है: एक मानव इंजीनियर स्वामित्व वाली भाषाओं, टीच पेंडेंट और कठोर काइनेमैटिक सॉल्वरों के सहारे मशीन की गति का हर मिलीमीटर स्पष्ट रूप से प्रोग्राम करता है। यदि वर्कपीस पाँच मिलीमीटर खिसक जाए या रोशनी बदल जाए, तो रोबोट त्रुटि दे देता है। 13 अक्टूबर 2026 को लंदन में Economist Enterprise Physical AI and Robotics Summit में Hugging Face के LeRobot प्रमुख Pepijn Kooijmans ने एक वैकल्पिक संरचना प्रस्तुत की जो इस विरासत को ध्वस्त कर रही है: “भविष्य के रोबोट काम-दर-काम प्रोग्राम नहीं किए जाएँगे। वे सीखेंगे।”
मोशन प्लानिंग से इमिटेशन लर्निंग तक: संरचनात्मक बदलाव #
अपनी केस स्टडी प्रस्तुति Open for business: how open source is accelerating physical AI (कारोबार के लिए खुला: ओपन सोर्स फ़िज़िकल AI को कैसे गति दे रहा है) में Pepijn Kooijmans ने पारंपरिक मेकाट्रॉनिक्स इंजीनियरिंग से डीप लर्निंग तक की अपनी यात्रा बताई। दशकों तक रोबोटिक्स विशेषज्ञों को सिखाया गया कि मैनिपुलेशन को अलग-अलग, पृथक उप-समस्याओं में बाँटें: वस्तु विभाजन, 6D मुद्रा आकलन, निर्देशांक फ़्रेम रूपांतरण, टकराव से बचाव के साथ पथ नियोजन और जोड़ों का PID मोटर नियंत्रण।
यह विश्लेषणात्मक विभाजन उन कठोर फ़िक्स्चर वाले ऑटोमोटिव संयंत्रों में अच्छा चलता है जहाँ पुर्ज़े माइक्रॉन-सटीक स्टील जिग में आते हैं, लेकिन पुराने औद्योगिक परिसरों, प्रयोगशालाओं, गोदामों और घरेलू परिवेश में यह ढह जाता है। वास्तविक दुनिया में वस्तुएँ विकृत होती हैं, सतहें प्रकाश को अप्रत्याशित ढंग से परावर्तित करती हैं और मानव सहकर्मी गतिशील बाधाएँ खड़ी करते हैं।
Hugging Face की प्रस्तुत मूल अवधारणा यह है कि शारीरिक दक्षता को हाथ से लिखे नियमों से विश्लेषणात्मक रूप से निर्दिष्ट नहीं किया जा सकता; उसे अनुभव से अर्जित करना होता है। जैसे बड़े भाषा मॉडल (LLM) ने विशाल पाठ संग्रहों में अगला टोकन अनुमानित करके व्याकरण, तर्क और दुनिया का ज्ञान सीखा, वैसे ही फ़िज़िकल AI एजेंट दृश्य और संवेदी अवलोकनों पर आधारित क्रियाओं के वितरण को सीखकर मोटर कौशल अर्जित करते हैं।
हर गति को प्रोग्राम करने से मानव प्रदर्शन के ज़रिए सिखाने तक का यह बदलाव रोबोटिक्स के फ़ाउंडेशन मॉडल युग में प्रवेश का संकेत है।
मल्टी-मोडल VLA संरचना के भीतर #
अपने व्याख्यान के दौरान Kooijmans ने वह विस्तृत एंड-टू-एंड न्यूरल नेटवर्क पाइपलाइन दिखाई जो आधुनिक ओपन-सोर्स फ़िज़िकल AI नीतियों को चलाती है, और समझाया कि उच्च-आयामी बोधात्मक इनपुट सहज शारीरिक मैनिपुलेशन में कैसे बदलते हैं।
.class="img-fluid clearfix"
यह संरचना एक घनिष्ठ रूप से एकीकृत मल्टी-मोडल सेंसरिमोटर पाइपलाइन के रूप में काम करती है:
1. बोधात्मक मल्टी-स्ट्रीम इनपुट #
रोबोट कई समकालिक कैमरा स्ट्रीम के ज़रिए अपने कार्यक्षेत्र को देखता है (आम तौर पर स्थानिक संदर्भ देने वाला ऊपर लगा बेस कैमरा, और साथ में बाएँ व दाएँ मैनिपुलेटर की कलाई पर लगे कैमरे जो बारीक संपर्क पर नज़र रखते हैं)।
ये कच्ची पिक्सेल स्ट्रीम एक फ़्रोज़न SigLIP (400M पैरामीटर) विज़न ट्रांसफ़ॉर्मर में भेजी जाती हैं, जो वीडियो फ़्रेमों को सघन दृश्य टोकनों में बदलता है, और नीति की फ़ाइन-ट्यूनिंग के दौरान विज़न बैकबोन से होकर महँगे एंड-टू-एंड ग्रेडिएंट अपडेट की ज़रूरत नहीं पड़ती।
2. काइनेमैटिक स्थिति वेक्टर और कार्य-निर्धारण #
साथ ही, सिस्टम भौतिक रोबोट की आंतरिक प्रोप्रियोसेप्टिव स्थिति का नमूना लेता है: एक 16-आयामी वेक्टर जो दोनों मैनिपुलेटर के 7 जोड़ कोण, वेग और ग्रिपर के खुलने की चौड़ाई दर्ज करता है।
उपयोगकर्ता किसी भी प्राकृतिक भाषा प्रॉम्प्ट के ज़रिए परिचालन लक्ष्य देता है (उदाहरण के लिए "fold the t-shirt", "pick the M8 hex bolt and place it in the bracket" या "route the cable through the conduit"), जिसे मानक टेक्स्ट एम्बेडिंग में टोकनाइज़ किया जाता है।
3. मल्टी-मोडल क्रॉस-अटेंशन केंद्र (Gemma VLM) #
दृश्य टोकन, प्रोप्रियोसेप्टिव स्थिति वेक्टर और टेक्स्ट टोकन एक Gemma विज़न-लैंग्वेज मॉडल (2B पैरामीटर) में डाले जाते हैं। केवल टेक्स्ट टोकन बनाने के बजाय Gemma VLM तीनों मोडैलिटी पर गहरा क्रॉस-अटेंशन करता है और भाषा निर्देश के उच्च-स्तरीय अर्थगत इरादे को दृश्य की स्थानिक ज्यामिति और आर्म की तात्कालिक यांत्रिक संरचना से जोड़ता है।
इस संयुक्त फ़ाउंडेशन मॉडल का आउटपुट VLM कार्य-विशेषताओं का एक सघन निरूपण होता है, जो बताता है कि वस्तुएँ कहाँ हैं, इसके संदर्भ में क्या करना है।
4. एक्शन एक्सपर्ट: फ़्लो मैचिंग और डिफ़्यूज़न नीतियाँ #
VLM विशेषताएँ सीधे फ़्लो-मैचिंग सिद्धांतों पर चलने वाले एक एक्शन एक्सपर्ट (300M पैरामीटर) में जाती हैं। शुरुआती इमिटेशन लर्निंग तरीके सरल मीन स्क्वेयर्ड एरर (MSE) रिग्रेशन पर निर्भर थे, जिससे मॉडल परस्पर-विरोधी प्रदर्शनों का औसत देने लगते थे और रोबोट अनिर्णय में जड़ हो जाते थे; इसके विपरीत फ़्लो मैचिंग मानव क्रिया-पथों के बहु-मोडल वितरण को मॉडल करता है।
दस संख्यात्मक इंटीग्रेशन चरणों में हल किए गए रेक्टिफ़ाइड फ़्लो अवकल समीकरणों के सहारे एक्शन एक्सपर्ट गॉसियन शोर को 50Hz नियंत्रण आवृत्ति पर 30 भावी क्रियाओं के सुसंगत पथ में बदल देता है।
5. टेम्पोरल एनसेम्बलिंग के साथ एक्शन चंकिंग #
लगातार 30 समय-चरणों का अनुमान लगाकर (जिसे एक्शन चंकिंग कहते हैं) नीति उच्च-आवृत्ति झटकों और विलंब की अड़चनों को ख़त्म कर देती है। रोबोट क्रियाओं का पहला खंड चलाते हुए पृष्ठभूमि में अगली योजना की गणना करता है और सहज, लचीली, सतत, जैविक स्तर की गति हासिल करता है।
तकनीकी तुलना: पारंपरिक ऑटोमेशन बनाम ओपन-सोर्स फ़िज़िकल AI #
| मापदंड / संरचनात्मक पहलू | पारंपरिक औद्योगिक रोबोटिक्स (ROS / PLC / टीच पेंडेंट) | स्वामित्व वाला बंद फ़िज़िकल AI (विक्रेता के ह्यूमनॉइड स्टैक) | ओपन-सोर्स फ़िज़िकल AI (Hugging Face LeRobot स्टैक) |
|---|---|---|---|
| विकास का ढाँचा | प्रक्रियात्मक; स्पष्ट जोड़-पथ और परिमित स्टेट मशीनें | एंड-टू-एंड डीप लर्निंग; ब्लैक-बॉक्स बंद वेट; लॉक किए गए क्लाउड API | एंड-टू-एंड VLA; खुले वेट, खुले डेटासेट और खुले PyTorch प्रशिक्षण लूप |
| प्रवेश की हार्डवेयर बाधा | प्रति औद्योगिक आर्म £30,000 से £100,000+ (KUKA, FANUC, ABB) | प्रति स्वामित्व वाली ह्यूमनॉइड इकाई £150,000 से £350,000+ | 3D-प्रिंट होने वाले खुले हार्डवेयर डिज़ाइनों से $200 से कम से $1,500 तक (SO-100, Koch) |
| परिवेशीय मज़बूती | पुर्ज़े के निर्देशांक मिलीमीटरों में खिसकते ही तुरंत विफल | उच्च अनुकूलनशीलता, पर व्यवहार न जाँचा जा सकता है न स्थानीय रूप से सुधारा जा सकता है | उच्च दृश्य अनुकूलनशीलता; नीतियाँ शॉप-फ़्लोर के एज नोड पर स्थानीय रूप से फ़ाइन-ट्यून हो सकती हैं |
| डेटा प्रारूप और टेलीमेट्री | विक्रेता-बंद स्वामित्व वाले बाइनरी प्रारूप और PLC रजिस्टर | स्वामित्व वाली एन्क्रिप्टेड क्लाउड टेलीमेट्री | मानकीकृत Apache Parquet डेटासेट, MP4 वीडियो स्ट्रीम और Hugging Face Hub |
| कार्य सामान्यीकरण | शून्य; हर नई पुर्ज़ा ज्यामिति के लिए पूरी मैनुअल री-प्रोग्रामिंग | व्यापक कार्य-दावे, पर विशेष औद्योगिक टूलिंग के अनुरूप धीमा अनुकूलन | लीडर-फ़ॉलोअर रिग से दर्ज 50 से 100 मानव प्रदर्शनों से तेज़ अनुकूलन |
| इनफ़रेंस हार्डवेयर का दायरा | रियल-टाइम Linux चलाने वाला समर्पित PLC या औद्योगिक IPC | 300W से 800W खींचने वाले विशाल ऑन-बोर्ड मोबाइल GPU क्लस्टर | उपभोक्ता एज सिलिकॉन पर इनफ़रेंस (एक RTX 4070 या Apple Silicon M-श्रृंखला) |
स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंदन, 13 अक्टूबर 2026) में प्रस्तुत डेटा, तकनीकी बेंचमार्क और लाइव प्रदर्शनों का विश्लेषण।
क्षेत्रवार इसका क्या अर्थ है #
खुले, समुदाय-संचालित फ़िज़िकल AI का उदय कई उद्योगों में व्यावसायिक गणित बदल रहा है।
लघु और मध्यम उद्यम (SME) #
यूरोप और यूके की विनिर्माण क्षमता में SME की हिस्सेदारी 80% से अधिक है, फिर भी ऐतिहासिक रूप से इनमें से 5% से कम ही ऑटोमेशन का ख़र्च उठा पाते थे। औद्योगिक ऑटोमेशन सेल लगाने के लिए विशेषज्ञ सिस्टम इंटीग्रेटर रखने, छह अंकों का सॉफ़्टवेयर लाइसेंस शुल्क चुकाने और स्थापना के दौरान फ़ैक्टरी फ़्लोर रोकने पड़ते थे।
LeRobot पारिस्थितिकी तंत्र के साथ, विशेष सटीक ब्रैकेट बनाने वाला SME £500 से कम में दो आर्म वाला SO-100 वर्कस्टेशन 3D-प्रिंट कर सकता है, उसमें £40 के USB वेबकैम लगा सकता है और 3D-प्रिंटेड लीडर आर्म से CNC मिलिंग मशीन में पुर्ज़े लोड करते एक कामगार के पचास प्रदर्शन दर्ज कर सकता है। एक सामान्य डेस्कटॉप कंप्यूटर पर तीन घंटे की फ़ाइन-ट्यूनिंग में ओपन-सोर्स नीति मशीन चलाने का काम स्वायत्त रूप से करने लगती है और कुछ ही हफ़्तों में लागत वसूल हो जाती है।
अकादमिक अनुसंधान और उच्च शिक्षा #
हाल तक विश्वविद्यालयों के रोबोटिक्स विभाग एक गहरी खाई के दो छोरों पर थे: अच्छे वित्त पोषण वाली प्रयोगशालाएँ Boston Dynamics या Willow Garage प्लेटफ़ॉर्म ख़रीद सकती थीं, जबकि छोटी संस्थाएँ Gazebo या MuJoCo में केवल सिमुलेशन चलाने तक सीमित थीं।
ओपन-सोर्स फ़िज़िकल AI ने भौतिक प्रयोग को सबकी पहुँच में ला दिया है। दुनिया भर के स्नातकोत्तर छात्र एक जैसे हार्डवेयर प्लेटफ़ॉर्म बना सकते हैं, प्रशिक्षित नीति चेकपॉइंट Hugging Face Hub पर साझा कर सकते हैं और बेंचमार्क परिणामों को सांख्यिकीय कठोरता के साथ दोहरा सकते हैं। Kooijmans ने रेखांकित किया कि LeRobot रिपॉज़िटरी कुछ ही महीनों में मुट्ठी भर यूरोपीय योगदानकर्ताओं से बढ़कर दुनिया भर के हज़ारों सक्रिय रोबोटिक्स विशेषज्ञों तक पहुँच गई, जो साबित करता है कि खुली पहुँच स्वामित्व वाले कॉर्पोरेट साइलो की तुलना में अनुभवजन्य सत्यापन को तेज़ी से आगे बढ़ाती है।
अधिक विविधता, कम मात्रा वाली अनुबंध असेंबली #
इलेक्ट्रॉनिक्स और चिकित्सा उपकरण असेंबली में उत्पाद के रूपांतर हर हफ़्ते बदलते हैं। हार्डकोडेड ऑटोमेशन लाइनें आर्थिक रूप से व्यवहार्य नहीं रहतीं, क्योंकि री-टूलिंग और री-प्रोग्रामिंग की लागत उत्पादन बैच के लाभ मार्जिन से अधिक हो जाती है।
विज़न-लैंग्वेज-एक्शन नीतियाँ प्राकृतिक भाषा कार्य-निर्धारण के ज़रिए इस बाधा को हल करती हैं। कोई ऑपरेटर केवल नया कमांड टाइप करके या नई उप-असेंबली के दो दोहराव दिखाकर असेंबली प्रक्रिया बदल सकता है। मॉडल के क्रॉस-अटेंशन तंत्र पहले से प्रशिक्षित दृश्य निरूपणों का उपयोग करके पूरे न्यूरल नेटवर्क को दोबारा प्रशिक्षित किए बिना नए पुर्ज़ों को पहचान लेते हैं।
डेटा की दीवार तोड़ना: टेलीऑपरेशन, Parquet और वर्ल्ड मॉडल #
Kooijmans ने उद्यम नेताओं को जो केंद्रीय अंतर्दृष्टि दी, वह यह है कि फ़िज़िकल AI की मुख्य अड़चन अब मॉडल क्षमता नहीं; बल्कि प्रदर्शनों की विविधता है।
प्राकृतिक भाषा प्रसंस्करण में मॉडल खुले वेब से जुटाए गए खरबों टोकनों पर प्रशिक्षित हुए। भौतिक रोबोटिक्स में पहले से मौजूद कोई “भौतिक मैनिपुलेशन का इंटरनेट” नहीं है। ग्रिपर के किसी वस्तु को उठाने, वाल्व घुमाने या कपड़ा मोड़ने का हर प्रदर्शन सेंसर-युक्त टेलीऑपरेशन के ज़रिए भौतिक दुनिया में ही दर्ज करना पड़ता है।
Hugging Face LeRobot इस चुनौती से तीन मुख्य पहलों के ज़रिए निपटता है:
- लीडर-फ़ॉलोअर टेलीऑपरेशन रिग: चुंबकीय एनकोडर वाले कम लागत के 3D-प्रिंटेड निष्क्रिय “लीडर” आर्म बनाकर, जो सक्रिय “फ़ॉलोअर” रोबोट की यांत्रिक रूप से नकल करते हैं, मानव ऑपरेटर रोबोट को वास्तविक समय में सहजता से टेलीऑपरेट कर सकते हैं और साथ-साथ जोड़ कोण, वेग और बहु-दृश्य वीडियो दर्ज कर सकते हैं।
- मानकीकृत Parquet डेटासेट स्कीमा: प्रदर्शनों को चंक किए गए MP4 वीडियो फ़ीड से जुड़ी मानकीकृत, उच्च-प्रदर्शन Apache Parquet तालिकाओं में पैक किया जाता है। इससे मानक डेटा इंजीनियरिंग टूल (Polars, DuckDB, PyArrow) टेराबाइट्स रोबोटिक टेलीमेट्री को तेज़ गति से संसाधित कर पाते हैं।
- सिम-टू-रियल और वर्ल्ड मॉडल संवर्धन: भौतिक टेलीऑपरेशन की सीमाओं से आगे बढ़ने के लिए ओपन-सोर्स वर्ल्ड मॉडल जनरेटिव भौतिक गतिकी सीखते हैं। वास्तविक प्रदर्शनों के एक मूल डेटासेट पर प्रशिक्षित होने के बाद वर्ल्ड मॉडल सीधे लेटेंट स्पेस में लाखों प्रति-तथ्यात्मक परिदृश्यों का सिमुलेशन करते हैं (रोशनी बदलकर, अव्यवस्था जोड़कर, मेज़ का घर्षण बदलकर) और वास्तविक तैनाती से पहले नीतियों की कड़ी परीक्षा लेते हैं।
निष्कर्ष #
Economist Enterprise Physical AI and Robotics Summit में Hugging Face LeRobot की प्रस्तुति ने रोबोटिक्स उद्योग के एक निर्णायक मोड़ को स्पष्ट कर दिया। वह दौर, जब रोबोटिक्स के लिए करोड़ों पाउंड के पूँजी बजट, स्वामित्व वाली प्रोग्रामिंग भाषाएँ और कठोर फ़ैक्टरी पिंजरे ज़रूरी थे, अब एक खुले, सहयोगी और डेटा-संचालित पारिस्थितिकी तंत्र को जगह दे रहा है।
मल्टी-मोडल विज़न-लैंग्वेज फ़ाउंडेशन मॉडल को फ़्लो-मैचिंग एक्शन चंकिंग और किफ़ायती खुले हार्डवेयर से जोड़कर ओपन-सोर्स फ़िज़िकल AI रोबोटों को नाज़ुक स्वचालित यंत्रों से अनुकूलनशील, सीखने वाली प्रणालियों में बदल रहा है। इंजीनियरिंग प्रमुखों और प्रौद्योगिकी अधिकारियों के लिए रणनीतिक संदेश असंदिग्ध है: प्रतिस्पर्धी बढ़त अब स्वामित्व वाले यांत्रिक हार्डवेयर से नहीं, बल्कि उन डेटा पाइपलाइनों, प्रदर्शन-संग्रह कार्यप्रवाहों और फ़ाउंडेशन मॉडलों पर महारत से आएगी जो मशीनों को भौतिक दुनिया पर अधिकार करना सिखाते हैं।
अक्सर पूछे जाने वाले प्रश्न #
Hugging Face LeRobot क्या है? Hugging Face LeRobot एक ओपन-सोर्स फ़्रेमवर्क और सामुदायिक पहल है, जिसे रोबोटिक्स और फ़िज़िकल AI को सबकी पहुँच में लाने के लिए बनाया गया है। यह अत्याधुनिक इमिटेशन लर्निंग एल्गोरिदम के PyTorch-आधारित कार्यान्वयन, मानकीकृत डेटासेट प्रारूप, पहले से प्रशिक्षित विज़न-लैंग्वेज-एक्शन (VLA) फ़ाउंडेशन मॉडल और ओपन-सोर्स हार्डवेयर डिज़ाइन (जैसे SO-100) देता है, ताकि रोबोटिक्स की वित्तीय और तकनीकी बाधाएँ घटें।
इमिटेशन लर्निंग पारंपरिक रोबोट प्रोग्रामिंग से कैसे अलग है? पारंपरिक रोबोट प्रोग्रामिंग में इंजीनियर को टीच पेंडेंट या ROS स्क्रिप्ट के सहारे सटीक कार्टेशियन निर्देशांक, इनवर्स काइनेमैटिक समाधान और स्टेट ट्रांज़िशन बताने वाला स्पष्ट प्रक्रियात्मक कोड लिखना पड़ता है। इसके विपरीत इमिटेशन लर्निंग न्यूरल नेटवर्क को टेलीऑपरेशन से कार्य करते मनुष्यों के दर्ज प्रदर्शनों को देखकर मानव व्यवहार की नकल करना सिखाती है, और ऐसी नीति सीखती है जो संवेदी अवलोकनों को सीधे मोटर कमांड में बदलती है।
फ़िज़िकल AI पाइपलाइन में Gemma VLM की क्या भूमिका है? आधुनिक फ़िज़िकल AI संरचनाओं में Gemma विज़न-लैंग्वेज मॉडल (VLM) मल्टी-मोडल तर्क इंजन का काम करता है। यह कैमरों से आए दृश्य टोकन (SigLIP से एनकोड किए गए), रोबोट के जोड़ों की भौतिक स्थिति का वेक्टर और प्राकृतिक भाषा निर्देश ग्रहण करता है। क्रॉस-अटेंशन के सहारे यह अर्थगत इरादे को दृश्य ज्यामिति से जोड़कर उच्च-स्तरीय कार्य-निरूपण बनाता है, जो एक्शन एक्सपर्ट का मार्गदर्शन करते हैं।
रोबोटिक्स में क्रिया-अनुमान के लिए फ़्लो मैचिंग क्या है? फ़्लो मैचिंग एक जनरेटिव मॉडलिंग तकनीक है, जो सतत नॉर्मलाइज़िंग फ़्लो और डिफ़्यूज़न मॉडल से जुड़ी है। रोबोटिक्स में यह कई चरणों में साधारण अवकल समीकरण हल करके सरल गॉसियन शोर को जटिल, बहु-मोडल क्रिया-पथों में बदलती है। इससे रोबोट उन अस्पष्ट स्थितियों को सँभाल पाता है जहाँ कई वैध गतियाँ संभव हों, और वे औसत-जनित दोष नहीं आते जो सरल रिग्रेशन मॉडल को विफल कर देते हैं।
क्या $200 से सस्ते 3D-प्रिंटेड रोबोट आर्म उत्पादन-स्तर के काम कर सकते हैं? SO-100 जैसे $200 से सस्ते आर्म में भारी एयरोस्पेस मशीनिंग के लिए ज़रूरी भार क्षमता, संरचनात्मक कठोरता और उप-मिलीमीटर दोहराव-सटीकता नहीं होती, फिर भी वे नाज़ुक मैनिपुलेशन, निरीक्षण, प्रयोगशाला में तरल संचालन और छोटे पुर्ज़ों की किटिंग पूरी तरह कर सकते हैं। इससे भी अहम बात यह है कि इन कम लागत वाले प्लेटफ़ॉर्मों पर प्रशिक्षित और सत्यापित नीतियाँ न्यूनतम फ़ाइन-ट्यूनिंग के साथ सीधे औद्योगिक स्तर के सहयोगी रोबोट आर्म पर स्थानांतरित की जा सकती हैं।
संदर्भ #
- Economist Enterprise, (2026). Physical AI & Robotics Summit: स्वायत्त प्रणालियों से परिचालन बढ़त ⧉. Economist Enterprise.
- Kooijmans, P., (2026). कारोबार के लिए खुला: ओपन सोर्स फ़िज़िकल AI को कैसे गति दे रहा है ⧉. Hugging Face.
- Hugging Face, (2026). LeRobot: PyTorch में वास्तविक दुनिया की रोबोटिक्स के लिए अत्याधुनिक मशीन लर्निंग ⧉. GitHub.
- Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B., & Song, S., (2024). डिफ़्यूज़न पॉलिसी: एक्शन डिफ़्यूज़न के ज़रिए विज़ुओमोटर नीति सीखना ⧉. Columbia University & MIT.
- Zhao, T. Z., Kumar, V., Levine, S., & Finn, C., (2023). कम लागत वाले हार्डवेयर से बारीक दो-हाथ मैनिपुलेशन सीखना ⧉. Stanford University.
- Zhai, X., Mustafa, B., Kolesnikov, A., & Beyer, L., (2023). भाषा-छवि पूर्व-प्रशिक्षण के लिए सिग्मॉइड लॉस (SigLIP) ⧉. Google DeepMind.
- Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M., & Le, M., (2023). जनरेटिव मॉडलिंग के लिए फ़्लो मैचिंग ⧉. Meta AI Research.
अंतिम समीक्षा .
अंतिम समीक्षा .
इस लेख को क्रॉस-पोस्ट करें
Medium के लिए प्रारूप कॉपी करें
# ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/](https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/) लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं। Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/
Mastodon के लिए प्रारूप कॉपी करें
ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं। https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/
LinkedIn के लिए फ़ॉर्मेट की गई कॉपी
ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं।. यहाँ मुख्य रणनीतिक निष्कर्ष हैं: - मोशन प्लानिंग से इमिटेशन लर्निंग तक: संरचनात्मक बदलाव. अपनी केस स्टडी प्रस्तुति Open for business: how open source is accelerating physical AI (कारोबार के लिए खुला: ओपन सोर्स फ़िज़िकल AI को कैसे गति दे रहा है) में Pepijn Kooijmans ने पारंपरिक मेकाट्रॉनिक्स इंजीनियरिंग से… - मल्टी-मोडल VLA संरचना के भीतर. अपने व्याख्यान के दौरान Kooijmans ने वह विस्तृत एंड-टू-एंड न्यूरल नेटवर्क पाइपलाइन दिखाई जो आधुनिक ओपन-सोर्स फ़िज़िकल AI नीतियों को चलाती है, और समझाया कि उच्च-आयामी बोधात्मक इनपुट सहज शारीरिक मैनिपुलेशन में कैसे… - तकनीकी तुलना: पारंपरिक ऑटोमेशन बनाम ओपन-सोर्स फ़िज़िकल AI. स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंदन, 13 अक्टूबर 2026) में प्रस्तुत डेटा, तकनीकी बेंचमार्क और लाइव प्रदर्शनों का विश्लेषण।. - क्षेत्रवार इसका क्या अर्थ है. खुले, समुदाय-संचालित फ़िज़िकल AI का उदय कई उद्योगों में व्यावसायिक गणित बदल रहा है।. इस लेख में उल्लिखित चुनौतियों के प्रति आपके संगठन का दृष्टिकोण क्या है? → https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/ #HuggingFaceLerobot #PepijnKooijmans #फ़िज़िकलAi #ओपनसोर्सरोबोटिक्स #इमिटेशनलर्निंग Sebastien Rousseau | CC-BY-4.0
इस लेख को उद्धृत करें
ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau
लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं।
BibTeX
@online{rousseau2026ओपन,
author = {Rousseau, Sebastien},
title = {{ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/ ER -
Vancouver
Rousseau S. ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/
Chicago
Rousseau, Sebastien. "ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/.
APA
Rousseau, S. (2026, October 13). ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/
इस लेख को पुनः प्रकाशित करें
ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau
लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं।
यह लेख लाइसेंस के अंतर्गत है Creative Commons Attribution 4.0 International. पुनः प्रकाशन के लिए कैनोनिकल URL का श्रेय आवश्यक है।
ओपन-सोर्स फ़िज़िकल AI: LeRobot और इमिटेशन लर्निंग से सुलभ रोबोटिक्स — Sebastien Rousseau लंदन के Economist Physical AI समिट में Hugging Face LeRobot प्रमुख Pepijn Kooijmans ने दिखाया कि ओपन-सोर्स मॉडल और $200 का हार्डवेयर रोबोटिक्स की बाधाएँ तोड़ रहे हैं। Originally published at https://sebastienrousseau.com/hi/2026-10-13-opan-sors-fizikal-ai-lerobot-imiteshan/ by Sebastien Rousseau. Licensed under CC-BY-4.0.