ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स

सहा दशके औद्योगिक रोबोटिक्स एका कठोर चौकटीत चालत आले आहे: मानवी अभियंता मालकी हक्काच्या भाषा, टीच पेंडंट आणि कठोर कायनेमॅटिक सॉल्व्हर वापरून यंत्राच्या हालचालीचा प्रत्येक मिलिमीटर स्पष्टपणे प्रोग्राम करतो. वर्कपीस पाच मिलिमीटरने सरकला किंवा प्रकाश बदलला, तर रोबोट चूक दाखवतो. १३ ऑक्टोबर २०२६ रोजी लंडनमधील Economist Enterprise Physical AI and Robotics Summit मध्ये Hugging Face चे LeRobot प्रमुख Pepijn Kooijmans यांनी हा वारसा मोडून काढणारी पर्यायी रचना सादर केली: “भविष्यातील रोबोट एकेका कामासाठी प्रोग्राम केले जाणार नाहीत. ते शिकतील.”

मोशन प्लॅनिंगकडून इमिटेशन लर्निंगकडे: रचनात्मक बदल #

Open for business: how open source is accelerating physical AI (व्यवसायासाठी खुले: ओपन सोर्स फिजिकल AI ला कशी गती देत आहे) या केस स्टडी सादरीकरणात Pepijn Kooijmans यांनी पारंपरिक मेकाट्रॉनिक्स अभियांत्रिकीपासून डीप लर्निंगपर्यंतचा आपला प्रवास सांगितला. दशकानुदशके रोबोटिक्स तज्ज्ञांना मॅनिप्युलेशनचे स्वतंत्र, वेगळ्या उप-समस्यांमध्ये विभाजन करायला शिकवले गेले: वस्तू विभागणी, 6D स्थिती अंदाज, निर्देशांक फ्रेम रूपांतरण, धडक टाळून मार्ग नियोजन आणि सांध्यांचे PID मोटर नियंत्रण.

हे विश्लेषणात्मक विभाजन कठोर फिक्स्चर असलेल्या ऑटोमोटिव्ह कारखान्यांत चांगले चालते, जिथे सुटे भाग मायक्रॉन-अचूक स्टील जिगमध्ये येतात; पण जुन्या औद्योगिक परिसरांत, प्रयोगशाळांत, गोदामांत आणि घरगुती वातावरणात ते कोसळते. प्रत्यक्ष जगात वस्तू विकृत होतात, पृष्ठभाग प्रकाश अनपेक्षितपणे परावर्तित करतात आणि मानवी सहकारी गतिमान अडथळे निर्माण करतात.

Hugging Face ने मांडलेला मूलभूत विचार असा आहे की शारीरिक कौशल्य हाताने लिहिलेल्या नियमांनी विश्लेषणात्मकपणे ठरवता येत नाही; ते अनुभवातून मिळवावे लागते. ज्याप्रमाणे मोठ्या भाषा मॉडेलनी (LLM) प्रचंड मजकूर संग्रहांमध्ये पुढील टोकनचा अंदाज बांधून व्याकरण, तर्क आणि जगाचे ज्ञान शिकले, त्याचप्रमाणे फिजिकल AI एजंट दृश्य आणि संवेदी निरीक्षणांवर आधारित क्रियांचे वितरण शिकून मोटर कौशल्ये मिळवतात.

प्रत्येक हालचाल प्रोग्राम करण्याकडून मानवी प्रात्यक्षिकांद्वारे शिकवण्याकडे होणारा हा बदल रोबोटिक्सच्या फाउंडेशन मॉडेल युगातील प्रवेश दर्शवतो.

मल्टी-मोडल VLA रचनेच्या आत #

आपल्या व्याख्यानात Kooijmans यांनी आधुनिक ओपन-सोर्स फिजिकल AI धोरणे चालवणारी तपशीलवार एंड-टू-एंड न्यूरल नेटवर्क पाइपलाइन दाखवली आणि उच्च-आयामी बोधात्मक इनपुट सहज शारीरिक मॅनिप्युलेशनमध्ये कसे रूपांतरित होतात हे स्पष्ट केले.

.class="img-fluid clearfix"

ही रचना घट्ट एकात्मिक मल्टी-मोडल सेन्सरिमोटर पाइपलाइन म्हणून काम करते:

१. बोधात्मक मल्टी-स्ट्रीम इनपुट #

रोबोट अनेक समकालिक कॅमेरा प्रवाहांद्वारे आपले कार्यक्षेत्र पाहतो (साधारणपणे अवकाशीय संदर्भ देणारा वरचा बेस कॅमेरा, आणि त्यासोबत डाव्या व उजव्या मॅनिप्युलेटरच्या मनगटावर बसवलेले कॅमेरे, जे सूक्ष्म संपर्काचा मागोवा घेतात).

हे कच्चे पिक्सेल प्रवाह गोठवलेल्या SigLIP (400M पॅरामीटर) व्हिजन ट्रान्सफॉर्मरमध्ये पाठवले जातात, जो व्हिडिओ फ्रेमचे घनदाट दृश्य टोकनमध्ये रूपांतर करतो; त्यामुळे धोरणाच्या फाइन-ट्यूनिंगदरम्यान व्हिजन बॅकबोनमधून महागड्या एंड-टू-एंड ग्रेडियंट अद्ययावतांची गरज राहत नाही.

२. कायनेमॅटिक स्थिती व्हेक्टर आणि कार्य-निर्धारण #

त्याच वेळी प्रणाली प्रत्यक्ष रोबोटच्या अंतर्गत प्रोप्रिओसेप्टिव्ह स्थितीचा नमुना घेते: एक १६-आयामी व्हेक्टर, जो दोन्ही मॅनिप्युलेटरचे ७ सांधे-कोन, वेग आणि ग्रिपर उघडण्याची रुंदी नोंदवतो.

वापरकर्ता कोणत्याही नैसर्गिक भाषेतील प्रॉम्प्टद्वारे कार्यात्मक उद्दिष्ट देतो (उदाहरणार्थ "fold the t-shirt", "pick the M8 hex bolt and place it in the bracket" किंवा "route the cable through the conduit"), ज्याचे मानक मजकूर एम्बेडिंगमध्ये टोकनायझेशन होते.

३. मल्टी-मोडल क्रॉस-अटेन्शन गाभा (Gemma VLM) #

दृश्य टोकन, प्रोप्रिओसेप्टिव्ह स्थिती व्हेक्टर आणि मजकूर टोकन एका Gemma व्हिजन-लँग्वेज मॉडेलमध्ये (2B पॅरामीटर) दिले जातात. केवळ मजकूर टोकन तयार करण्याऐवजी Gemma VLM तिन्ही मोडॅलिटींवर खोल क्रॉस-अटेन्शन करते आणि भाषा सूचनेचा उच्च पातळीवरील अर्थपूर्ण हेतू दृश्याच्या अवकाशीय भूमितीशी आणि आर्मच्या तात्कालिक यांत्रिक रचनेशी जोडते.

या एकत्रित फाउंडेशन मॉडेलचे आउटपुट म्हणजे VLM कार्य-वैशिष्ट्यांचे घनदाट निरूपण, जे वस्तू कुठे आहेत त्या संदर्भात काय करायचे आहे ते सामावून घेते.

४. ॲक्शन एक्सपर्ट: फ्लो मॅचिंग आणि डिफ्यूजन धोरणे #

VLM वैशिष्ट्ये थेट फ्लो-मॅचिंग तत्त्वांवर चालणाऱ्या ॲक्शन एक्सपर्टमध्ये (300M पॅरामीटर) जातात. सुरुवातीच्या इमिटेशन लर्निंग पद्धती साध्या मीन स्क्वेअर्ड एरर (MSE) रिग्रेशनवर अवलंबून होत्या, ज्यामुळे मॉडेल परस्परविरोधी प्रात्यक्षिकांची सरासरी देत आणि रोबोट अनिर्णयात थिजत; याउलट फ्लो मॅचिंग मानवी क्रिया-मार्गांच्या बहु-मोडल वितरणाचे मॉडेल तयार करते.

दहा संख्यात्मक इंटिग्रेशन टप्प्यांत सोडवलेल्या रेक्टिफाइड फ्लो विकल समीकरणांच्या साहाय्याने ॲक्शन एक्सपर्ट गॉसियन नॉइज ५०Hz नियंत्रण वारंवारतेवर ३० भावी क्रियांच्या सुसंगत मार्गात रूपांतरित करतो.

५. टेम्पोरल एन्सेम्बलिंगसह ॲक्शन चंकिंग #

सलग ३० कालटप्प्यांचा अंदाज बांधून (या पद्धतीला ॲक्शन चंकिंग म्हणतात) धोरण उच्च-वारंवारतेचे धक्के आणि विलंबातील अडथळे दूर करते. रोबोट क्रियांचा पहिला खंड पार पाडत असताना पार्श्वभूमीत पुढील योजनेची गणना करतो आणि सहज, लवचीक, सलग, जैविक दर्जाची हालचाल साधतो.

तांत्रिक तुलना: पारंपरिक ऑटोमेशन विरुद्ध ओपन-सोर्स फिजिकल AI #

स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंडन, १३ ऑक्टोबर २०२६) मध्ये सादर केलेला डेटा, तांत्रिक बेंचमार्क आणि थेट प्रात्यक्षिके यांचे विश्लेषण.

क्षेत्रनिहाय याचा अर्थ काय #

खुल्या, समुदायचालित फिजिकल AI च्या उदयामुळे अनेक उद्योगांतील व्यावसायिक गणित बदलत आहे.

लघु आणि मध्यम उद्योग (SME) #

युरोप आणि यूकेच्या उत्पादन क्षमतेत SME चा वाटा ८०% पेक्षा जास्त आहे, तरीही ऐतिहासिकदृष्ट्या त्यांपैकी ५% पेक्षा कमी उद्योगांनाच ऑटोमेशन परवडत असे. औद्योगिक ऑटोमेशन सेल उभारण्यासाठी तज्ज्ञ सिस्टम इंटिग्रेटर नेमावे लागत, सहा आकडी सॉफ्टवेअर परवाना शुल्क भरावे लागे आणि बसवणीदरम्यान कारखान्याचा मजला थांबवावा लागे.

LeRobot परिसंस्थेमुळे खास अचूक ब्रॅकेट बनवणारा SME £५०० पेक्षा कमी खर्चात दोन आर्मचे SO-100 वर्कस्टेशन 3D-प्रिंट करू शकतो, त्याला £४० चे USB वेबकॅम लावू शकतो आणि 3D-प्रिंट केलेल्या लीडर आर्मद्वारे CNC मिलिंग मशीनमध्ये सुटे भाग भरणाऱ्या कामगाराची पन्नास प्रात्यक्षिके नोंदवू शकतो. साध्या डेस्कटॉप संगणकावर तीन तासांच्या फाइन-ट्यूनिंगनंतर ओपन-सोर्स धोरण मशीन चालवण्याचे काम स्वायत्तपणे करू लागते आणि काही आठवड्यांतच खर्च वसूल होतो.

शैक्षणिक संशोधन आणि उच्च शिक्षण #

अलीकडेपर्यंत विद्यापीठांचे रोबोटिक्स विभाग एका खोल दरीच्या दोन टोकांवर होते: भरपूर निधी असलेल्या प्रयोगशाळा Boston Dynamics किंवा Willow Garage प्लॅटफॉर्म घेऊ शकत, तर लहान संस्था Gazebo किंवा MuJoCo मध्ये फक्त सिम्युलेशन चालवण्यापुरत्या मर्यादित होत्या.

ओपन-सोर्स फिजिकल AI ने प्रत्यक्ष प्रयोग सर्वांच्या आवाक्यात आणले आहेत. जगभरातील पदव्युत्तर विद्यार्थी एकसारखे हार्डवेअर प्लॅटफॉर्म तयार करू शकतात, प्रशिक्षित धोरण चेकपॉइंट Hugging Face Hub वर सामायिक करू शकतात आणि बेंचमार्क निकाल सांख्यिकीय काटेकोरपणे पुन्हा मिळवू शकतात. Kooijmans यांनी अधोरेखित केले की LeRobot रिपॉझिटरी काही महिन्यांतच मोजक्या युरोपीय योगदानकर्त्यांपासून जगभरातील हजारो सक्रिय रोबोटिक्स तज्ज्ञांपर्यंत वाढली; यावरून सिद्ध होते की खुला प्रवेश मालकीच्या कॉर्पोरेट साइलोपेक्षा प्रायोगिक पडताळणीला अधिक वेगाने पुढे नेतो.

उच्च विविधता, कमी प्रमाणातील कंत्राटी असेंब्ली #

इलेक्ट्रॉनिक्स आणि वैद्यकीय उपकरण असेंब्लीमध्ये उत्पादनाचे प्रकार दर आठवड्याला बदलतात. हार्डकोड केलेल्या ऑटोमेशन लाइन आर्थिकदृष्ट्या व्यवहार्य ठरत नाहीत, कारण पुन्हा साधनसज्जता आणि पुन्हा प्रोग्रामिंगचा खर्च उत्पादन बॅचच्या नफ्याच्या मार्जिनपेक्षा जास्त होतो.

व्हिजन-लँग्वेज-ॲक्शन धोरणे नैसर्गिक भाषेतील कार्य-निर्धारणाद्वारे ही मर्यादा सोडवतात. ऑपरेटर फक्त नवा आदेश टाइप करून किंवा नव्या उप-असेंब्लीची दोन आवर्तने दाखवून असेंब्ली प्रक्रिया बदलू शकतो. मॉडेलची क्रॉस-अटेन्शन यंत्रणा आधीच प्रशिक्षित दृश्य निरूपणांचा वापर करून संपूर्ण न्यूरल नेटवर्क पुन्हा प्रशिक्षित न करता नवे सुटे भाग ओळखते.

डेटाची भिंत फोडणे: टेलिऑपरेशन, Parquet आणि वर्ल्ड मॉडेल #

Kooijmans यांनी उद्योग नेतृत्वाला दिलेली मध्यवर्ती अंतर्दृष्टी अशी की फिजिकल AI मधील मुख्य अडथळा आता मॉडेल क्षमता नाही; तो प्रात्यक्षिकांची विविधता आहे.

नैसर्गिक भाषा प्रक्रियेत मॉडेल खुल्या वेबवरून गोळा केलेल्या लाखो कोटी टोकनवर प्रशिक्षित झाले. प्रत्यक्ष रोबोटिक्समध्ये आधीपासून अस्तित्वात असलेले कोणतेही “प्रत्यक्ष मॅनिप्युलेशनचे इंटरनेट” नाही. ग्रिपरने वस्तू उचलणे, झडप फिरवणे किंवा कापड घडी करणे यांचे प्रत्येक प्रात्यक्षिक सेन्सरयुक्त टेलिऑपरेशनद्वारे प्रत्यक्ष जगातच नोंदवावे लागते.

Hugging Face LeRobot या आव्हानाला तीन मुख्य उपक्रमांद्वारे भिडते:

1. लीडर-फॉलोअर टेलिऑपरेशन रिग: चुंबकीय एन्कोडर असलेले कमी खर्चाचे 3D-प्रिंट केलेले निष्क्रिय “लीडर” आर्म तयार करून, जे सक्रिय “फॉलोअर” रोबोटची यांत्रिकरीत्या नक्कल करतात, मानवी ऑपरेटर रोबोटला प्रत्यक्ष वेळेत सहजपणे टेलिऑपरेट करू शकतात आणि एकाच वेळी सांधे-कोन, वेग आणि बहु-दृश्य व्हिडिओ नोंदवू शकतात.
2. प्रमाणित Parquet डेटासेट स्कीमा: प्रात्यक्षिके खंडित MP4 व्हिडिओ फीडशी जोडलेल्या प्रमाणित, उच्च-कार्यक्षमतेच्या Apache Parquet तक्त्यांमध्ये बांधली जातात. त्यामुळे मानक डेटा अभियांत्रिकी साधने (Polars, DuckDB, PyArrow) टेराबाइट्स रोबोटिक टेलिमेट्रीवर वेगाने प्रक्रिया करू शकतात.
3. सिम-टू-रिअल आणि वर्ल्ड मॉडेल संवर्धन: प्रत्यक्ष टेलिऑपरेशनच्या मर्यादांपलीकडे जाण्यासाठी ओपन-सोर्स वर्ल्ड मॉडेल जनरेटिव्ह भौतिक गतिकी शिकतात. प्रत्यक्ष प्रात्यक्षिकांच्या मूळ डेटासेटवर प्रशिक्षण झाल्यावर वर्ल्ड मॉडेल थेट लेटंट स्पेसमध्ये लाखो प्रति-तथ्यात्मक परिस्थितींचे सिम्युलेशन करतात (प्रकाश बदलून, पसारा वाढवून, टेबलचे घर्षण बदलून) आणि प्रत्यक्ष तैनातीपूर्वी धोरणांची कसून चाचणी घेतात.

निष्कर्ष #

Economist Enterprise Physical AI and Robotics Summit मधील Hugging Face LeRobot च्या सादरीकरणाने रोबोटिक्स उद्योगातील एक निर्णायक वळण स्पष्ट केले. रोबोटिक्ससाठी कोट्यवधी पौंडांचे भांडवली अंदाजपत्रक, मालकीच्या प्रोग्रामिंग भाषा आणि कठोर कारखाना पिंजरे आवश्यक असण्याचा काळ आता खुल्या, सहयोगी आणि डेटाचालित परिसंस्थेला जागा देत आहे.

मल्टी-मोडल व्हिजन-लँग्वेज फाउंडेशन मॉडेलना फ्लो-मॅचिंग ॲक्शन चंकिंग आणि परवडणाऱ्या खुल्या हार्डवेअरशी जोडून ओपन-सोर्स फिजिकल AI रोबोटना नाजूक स्वयंचलित यंत्रांपासून जुळवून घेणाऱ्या, शिकणाऱ्या प्रणालींमध्ये बदलत आहे. अभियांत्रिकी प्रमुख आणि तंत्रज्ञान अधिकाऱ्यांसाठी धोरणात्मक संदेश निःसंदिग्ध आहे: स्पर्धात्मक आघाडी आता मालकीच्या यांत्रिक हार्डवेअरमधून नव्हे, तर यंत्रांना प्रत्यक्ष जगावर प्रभुत्व मिळवायला शिकवणाऱ्या डेटा पाइपलाइन, प्रात्यक्षिक-संकलन कार्यप्रवाह आणि फाउंडेशन मॉडेलवरील प्रभुत्वातून येईल.

वारंवार विचारले जाणारे प्रश्न #

Hugging Face LeRobot म्हणजे काय? Hugging Face LeRobot हा रोबोटिक्स आणि फिजिकल AI सर्वांच्या आवाक्यात आणण्यासाठी तयार केलेला ओपन-सोर्स फ्रेमवर्क आणि सामुदायिक उपक्रम आहे. रोबोटिक्समधील आर्थिक आणि तांत्रिक अडथळे कमी करण्यासाठी तो अद्ययावत इमिटेशन लर्निंग अल्गोरिदमची PyTorch-आधारित अंमलबजावणी, प्रमाणित डेटासेट स्वरूपे, आधीच प्रशिक्षित व्हिजन-लँग्वेज-ॲक्शन (VLA) फाउंडेशन मॉडेल आणि ओपन-सोर्स हार्डवेअर डिझाइन (उदा. SO-100) पुरवतो.

इमिटेशन लर्निंग पारंपरिक रोबोट प्रोग्रामिंगपेक्षा कसे वेगळे आहे? पारंपरिक रोबोट प्रोग्रामिंगमध्ये अभियंत्याला टीच पेंडंट किंवा ROS स्क्रिप्ट वापरून अचूक कार्टेशियन निर्देशांक, इन्व्हर्स कायनेमॅटिक उपाय आणि स्टेट संक्रमणे सांगणारा स्पष्ट प्रक्रियात्मक कोड लिहावा लागतो. याउलट इमिटेशन लर्निंग टेलिऑपरेशनद्वारे काम करणाऱ्या माणसांची नोंदवलेली प्रात्यक्षिके पाहून मानवी वर्तनाचे अनुकरण करायला न्यूरल नेटवर्कना शिकवते आणि संवेदी निरीक्षणे थेट मोटर आदेशांशी जोडणारे धोरण शिकते.

फिजिकल AI पाइपलाइनमध्ये Gemma VLM ची भूमिका काय आहे? आधुनिक फिजिकल AI रचनांमध्ये Gemma व्हिजन-लँग्वेज मॉडेल (VLM) मल्टी-मोडल तर्क इंजिनचे काम करते. ते कॅमेऱ्यांकडून आलेले दृश्य टोकन (SigLIP द्वारे एन्कोड केलेले), रोबोटच्या सांध्यांच्या भौतिक स्थितीचे व्हेक्टर आणि नैसर्गिक भाषेतील सूचना स्वीकारते. क्रॉस-अटेन्शनच्या साहाय्याने ते अर्थपूर्ण हेतू दृश्य भूमितीशी जोडून उच्च पातळीवरील कार्य-निरूपण तयार करते, जे ॲक्शन एक्सपर्टला मार्गदर्शन करतात.

रोबोटिक्समधील क्रिया-अंदाजासाठी फ्लो मॅचिंग म्हणजे काय? फ्लो मॅचिंग हे सलग नॉर्मलायझिंग फ्लो आणि डिफ्यूजन मॉडेलशी संबंधित जनरेटिव्ह मॉडेलिंग तंत्र आहे. रोबोटिक्समध्ये ते अनेक टप्प्यांत साधी विकल समीकरणे सोडवून साध्या गॉसियन नॉइजचे गुंतागुंतीच्या, बहु-मोडल क्रिया-मार्गांमध्ये रूपांतर करते. यामुळे अनेक वैध हालचाली शक्य असलेल्या संदिग्ध परिस्थिती रोबोट हाताळू शकतो आणि साध्या रिग्रेशन मॉडेलना अपयशी ठरवणारे सरासरीजन्य दोष टळतात.

$२०० पेक्षा स्वस्त 3D-प्रिंट केलेले रोबोट आर्म उत्पादन-दर्जाची कामे करू शकतात का? SO-100 सारख्या $२०० पेक्षा स्वस्त आर्ममध्ये जड एरोस्पेस मशीनिंगसाठी लागणारी भारक्षमता, संरचनात्मक दृढता आणि उप-मिलिमीटर पुनरावृत्ती-अचूकता नसली, तरी ते नाजूक मॅनिप्युलेशन, तपासणी, प्रयोगशाळेतील द्रव हाताळणी आणि लहान सुट्या भागांचे किटिंग पूर्णपणे करू शकतात. त्याहून महत्त्वाचे म्हणजे या कमी खर्चाच्या प्लॅटफॉर्मवर प्रशिक्षित आणि पडताळलेली धोरणे किमान फाइन-ट्यूनिंगसह थेट औद्योगिक दर्जाच्या सहयोगी रोबोट आर्मवर हस्तांतरित करता येतात.

संदर्भ #

• Economist Enterprise, (2026). Physical AI & Robotics Summit: स्वायत्त प्रणालींद्वारे कार्यात्मक आघाडी ⧉. Economist Enterprise.
• Kooijmans, P., (2026). व्यवसायासाठी खुले: ओपन सोर्स फिजिकल AI ला कशी गती देत आहे ⧉. Hugging Face.
• Hugging Face, (2026). LeRobot: PyTorch मध्ये प्रत्यक्ष जगातील रोबोटिक्ससाठी अद्ययावत मशीन लर्निंग ⧉. GitHub.
• Chi, C., Xu, Z., Feng, S., Cousineau, E., Du, Y., Burchfiel, B., & Song, S., (2024). डिफ्यूजन पॉलिसी: ॲक्शन डिफ्यूजनद्वारे व्हिज्युओमोटर धोरण शिक्षण ⧉. Columbia University & MIT.
• Zhao, T. Z., Kumar, V., Levine, S., & Finn, C., (2023). कमी खर्चाच्या हार्डवेअरद्वारे सूक्ष्म दोन-हाती मॅनिप्युलेशन शिकणे ⧉. Stanford University.
• Zhai, X., Mustafa, B., Kolesnikov, A., & Beyer, L., (2023). भाषा-प्रतिमा पूर्व-प्रशिक्षणासाठी सिग्मॉइड लॉस (SigLIP) ⧉. Google DeepMind.
• Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nicklas, M., & Le, M., (2023). जनरेटिव्ह मॉडेलिंगसाठी फ्लो मॅचिंग ⧉. Meta AI Research.

शेवटचे पुनरावलोकन 2026-10-13.

शेवटचे पुनरावलोकन 2026-10-27.

# ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/](https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/)

लंडनमधील Economist Physical AI समिटमध्ये Hugging Face LeRobot प्रमुख Pepijn Kooijmans यांनी दाखवले की ओपन-सोर्स मॉडेल आणि $२०० चे हार्डवेअर रोबोटिक्सचे अडथळे मोडत आहेत.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/

ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau

लंडनमधील Economist Physical AI समिटमध्ये Hugging Face LeRobot प्रमुख Pepijn Kooijmans यांनी दाखवले की ओपन-सोर्स मॉडेल आणि $२०० चे हार्डवेअर रोबोटिक्सचे अडथळे मोडत आहेत.

https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/

ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau

लंडनमधील Economist Physical AI समिटमध्ये Hugging Face LeRobot प्रमुख Pepijn Kooijmans यांनी दाखवले की ओपन-सोर्स मॉडेल आणि $२०० चे हार्डवेअर रोबोटिक्सचे अडथळे मोडत आहेत.

येथे मुख्य धोरणात्मक मुद्दे आहेत:

- मोशन प्लॅनिंगकडून इमिटेशन लर्निंगकडे: रचनात्मक बदल. Open for business: how open source is accelerating physical AI (व्यवसायासाठी खुले: ओपन सोर्स फिजिकल AI ला कशी गती देत आहे) या केस स्टडी सादरीकरणात Pepijn Kooijmans यांनी पारंपरिक मेकाट्रॉनिक्स अभियांत्रिकीपासून डीप…
- मल्टी-मोडल VLA रचनेच्या आत. आपल्या व्याख्यानात Kooijmans यांनी आधुनिक ओपन-सोर्स फिजिकल AI धोरणे चालवणारी तपशीलवार एंड-टू-एंड न्यूरल नेटवर्क पाइपलाइन दाखवली आणि उच्च-आयामी बोधात्मक इनपुट सहज शारीरिक मॅनिप्युलेशनमध्ये कसे रूपांतरित होतात हे…
- तांत्रिक तुलना: पारंपरिक ऑटोमेशन विरुद्ध ओपन-सोर्स फिजिकल AI. स्रोत: Economist Enterprise Physical AI and Robotics Summit (Convene 200 Aldersgate, लंडन, १३ ऑक्टोबर २०२६) मध्ये सादर केलेला डेटा, तांत्रिक बेंचमार्क आणि थेट प्रात्यक्षिके यांचे विश्लेषण.
- क्षेत्रनिहाय याचा अर्थ काय. खुल्या, समुदायचालित फिजिकल AI च्या उदयामुळे अनेक उद्योगांतील व्यावसायिक गणित बदलत आहे.

या लेखात मांडलेल्या आव्हानांसाठी तुमच्या संस्थेचा दृष्टिकोन काय आहे?

→ https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/

#HuggingFaceLerobot #PepijnKooijmans #फिजिकलAi #ओपनसोर्सरोबोटिक्स #इमिटेशनलर्निंग

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026ओपन,
  author  = {Rousseau, Sebastien},
  title   = {{ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/
ER  -

Rousseau S. ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau. sebastienrousseau.com. 2026 Oct 13. Available from: https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/

Rousseau, Sebastien. "ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau." sebastienrousseau.com. October 13, 2026. https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/.

Rousseau, S. (2026, October 13). ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/mr/2026-10-13-opan-sors-phijikal-ai-lerobot-imiteshan/

ओपन-सोर्स फिजिकल AI: LeRobot आणि इमिटेशन लर्निंगमुळे सुलभ रोबोटिक्स — Sebastien Rousseau

लंडनमधील Economist Physical AI समिटमध्ये Hugging Face LeRobot प्रमुख Pepijn Kooijmans यांनी दाखवले की ओपन-सोर्स मॉडेल आणि $२०० चे हार्डवेअर रोबोटिक्सचे अडथळे मोडत आहेत.

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

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER