روبوٹ رپورٹ: سکلڈ اے آئی نے S1 روبوٹ فاؤنڈیشن ماڈل کی نقاب کشائی کی۔

کیا ہوا؟

روبوٹ رپورٹ میں بتایا گیا ہے کہ سکلڈ اے آئی نے اپنے فلیگ شپ روبوٹ فاؤنڈیشن ماڈل S1 کی نقاب کشائی کی۔ سی ای او دیپک پاٹھک نے آؤٹ لیٹ کو بتایا کہ S1 سیاق و سباق سے متعلق سیکھنے کا استعمال کرتا ہے تاکہ روبوٹ کو ایک انسانی ویڈیو میں دکھائے گئے کام کی پیروی کرنے کی اجازت دی جائے، بغیر ٹاسک کے مخصوص پوسٹ ٹریننگ کے۔ سکلڈ کا کہنا ہے کہ ماڈل طویل افق کے کاموں اور متعدد روبوٹ فارم عوامل کے لیے ڈیزائن کیا گیا ہے، لیکن رپورٹ آزادانہ طور پر کمپنی کے دعووں کی تصدیق نہیں کرتی ہے۔

روبوٹ رپورٹ، 31 اگست 2026 کی ایک رپورٹ میں کہتی ہے کہ Skild AI نے حال ہی میں S1 کو اپنے فلیگ شپ روبوٹ فاؤنڈیشن ماڈل کے طور پر متعارف کرایا ہے۔ آؤٹ لیٹ رپورٹ کرتا ہے کہ Skild نے 2023 میں اپنے قیام سے لے کر اب تک تقریباً 1.7 بلین ڈالر اکٹھے کیے ہیں تاکہ ایک عام مقصد والے روبوٹ دماغ کو تیار کیا جا سکے۔ سکلڈ کے شریک بانی اور سی ای او دیپک پاٹھک نے دی روبوٹ رپورٹ کو بتایا کہ S1 سیاق و سباق میں سیکھنے کا استعمال کرتا ہے: ماڈل کے پرامپٹ میں ایک انسانی مظاہرے کی ویڈیو شامل کی جاتی ہے، اور روبوٹ اس کے بعد دکھائے گئے کام کی پیروی کرنے کی کوشش کر سکتا ہے۔ پاٹھک نے کاموں کو مختصر، سادہ اعمال کے بجائے پیچیدہ اور طویل افق کے طور پر بیان کیا۔

روبوٹ کی رپورٹ میں کہا گیا ہے کہ سکلڈ کا طریقہ چار قسم کے تربیتی ڈیٹا کو یکجا کرتا ہے۔ ٹیلی آپریشن ڈیٹا روبوٹس کو کنٹرول کرنے والے انسانوں سے براہ راست آتا ہے اور اسے اعلیٰ معیار کے طور پر بیان کیا جاتا ہے لیکن جمع کرنے میں سست اور تنوع میں محدود ہے۔ انسانی ویڈیوز بہت زیادہ اور متنوع ہیں لیکن روبوٹ پر براہ راست لاگو کرنا مشکل ہے۔ تخروپن توسیع پذیر اور متنوع ہے لیکن نقلی اور جسمانی ماحول کے درمیان فرق چھوڑ دیتا ہے۔ ڈیٹا کیپچر کے دستانے انسانی اعمال کو ریکارڈ کرنے کا ایک اور طریقہ فراہم کرتے ہیں اور ٹیلی آپریشن کے مقابلے میں کچھ زیادہ توسیع پذیر ہوتے ہیں، حالانکہ آؤٹ لیٹ کا کہنا ہے کہ وہ روبوٹ پر براہ راست لاگو ہوتے ہیں۔ پاٹھک نے اشاعت کو بتایا کہ سکلڈ ذرائع کو یکجا کرتا ہے تاکہ ایک کی طاقت دوسرے کی کمزوریوں کی تلافی کرے۔

روبوٹ کی رپورٹ میں بتایا گیا ہے کہ سکلڈ کسی ایک صنعت کے بجائے کاموں کے وسیع سیٹ کو نشانہ بنا رہا ہے۔ جن مثالوں کا حوالہ دیا گیا ہے ان میں پودے کو دوبارہ بنانا، کافی بنانا، اور پینکیکس پکانا شامل ہیں، کچھ کاموں میں 10 منٹ تک کا وقت لگتا ہے۔ پاٹھک نے آؤٹ لیٹ کو بتایا کہ ایک روبوٹ پینکیک پلٹتا ہوا نمودار ہوا حالانکہ اسکلڈ کو لاکھوں گھنٹوں کے تربیتی ڈیٹا میں کوئی مماثل مثال نہیں ملی تھی۔ اس نے اس رویے کو ماڈل سے منسوب کیا جو اسپاتولا کی حرکت سے عمل کا اندازہ لگاتا ہے۔ یہ ایک کمپنی اکاؤنٹ ہے جس کی رپورٹ دی روبوٹ رپورٹ نے کی ہے، نہ کہ آزادانہ طور پر دستاویزی ٹیسٹ۔

آؤٹ لیٹ یہ بھی رپورٹ کرتا ہے کہ Skild S1 کو "اومنی باڈیڈ" کے طور پر بیان کرتا ہے، یعنی اس کا مقصد کواڈروپڈ، ہیومنائڈز، اور جامد بازوؤں کے ساتھ کام کرنا ہے۔ پاٹھک نے کہا کہ سکلڈ انسانی کارکردگی کو بہتر بنانے میں زیادہ وقت گزارنے کا ارادہ رکھتا ہے۔ رپورٹ میں پہلے کے نتائج کا تذکرہ کیا گیا ہے جس میں ایک ہیومنائڈ اس کے اعضاء کے ناکام ہونے پر ڈھال لیا گیا تھا، لیکن یہ واضح طور پر کہتا ہے کہ یہ نتائج پہلے کے ماڈل ورژن سے آئے تھے اور یہ کہ سکلڈ نے ابھی تک ماڈل کو ہیومنائڈز تک نہیں پہنچایا تھا۔ پاٹھک نے ماڈل کی سیاق و سباق سے متعلق سیکھنے کا موازنہ ٹاسک مخصوص فائن ٹیوننگ سے لینگویج ماڈلز میں پرامپٹ کرنے کے ساتھ کیا، جبکہ یہ تسلیم کرتے ہوئے کہ روبوٹکس ابھی تک گھر میں وسیع تعیناتی کے لیے تیار نہیں ہے۔

ماخذ کی تفصیلات: therobotreport.com ↗

یہ کیوں اہمیت رکھتا ہے۔

اگر آزادانہ طور پر توثیق کی جائے تو، S1 روبوٹکس میں ایک بڑی رکاوٹ کو دور کر سکتا ہے: نئے کاموں کے لیے الگ سے ٹرین کے ماڈلز کو اکٹھا کرنے اور پوسٹ کرنے کی ضرورت۔ رپورٹ میں ٹیلی آپریشن ڈیٹا، انسانی ویڈیوز، سمولیشن، اور ڈیٹا کیپچر کے دستانے کو یکجا کرنے کی سکلڈ کی کوشش کی وضاحت کی گئی ہے، جو ممکنہ طور پر کسی ایک ذریعہ کی کمزوریوں کو دور کرتی ہے۔ تاہم، مضمون کوئی معیاری بینچ مارک کے نتائج، تعیناتی میٹرکس، دستیابی کی تفصیلات، یا آزاد جانچ فراہم نہیں کرتا ہے۔

اطلاع دی گئی لانچ اہم ہے کیونکہ روبوٹکس سسٹم کو عام طور پر نئے ڈیٹا اکٹھا کرنے یا پوسٹ ٹریننگ کی ضرورت ہوتی ہے جب وہ غیر مانوس کاموں کا سامنا کرتے ہیں۔ S1 کا مرکزی دعویٰ یہ ہے کہ ایک روبوٹ کسی مظاہرے کو سیاق و سباق کے طور پر استعمال کر سکتا ہے اور اس پر فوری عمل کر سکتا ہے۔ اگر یہ دعوی مختلف ماحول اور ہارڈ ویئر میں ہے، تو یہ ہر نئے کام کے لیے روبوٹ کو ڈھالنے کے لیے درکار وقت اور انجینئرنگ کی کوششوں کو کم کر سکتا ہے۔ رپورٹ یہ ثابت نہیں کرتی ہے کہ یہ پیداواری پیمانے پر ہوا ہے، اس لیے صلاحیت کو صنعتی تبدیلی کے طور پر نہیں سمجھا جانا چاہیے۔

سکلڈ کی ملٹی سورس ٹریننگ کی حکمت عملی ڈیٹا کے ایک عملی مسئلے کو حل کرتی ہے۔ روبوٹ کا جمع کردہ ڈیٹا جسمانی نظام سے بہت قریب سے جڑا ہوا ہے لیکن جمع کرنا مہنگا ہے۔ انسانی ویڈیوز بہت زیادہ ہیں لیکن روبوٹ کے باڈی میکینکس کو براہ راست انکوڈ نہیں کرتے ہیں۔ نقلی مثالوں کی بڑی مقدار پیدا کر سکتی ہے لیکن حقیقی دنیا کے حالات کو حاصل نہیں کر سکتی۔ ان ذرائع کو یکجا کرنے سے فاؤنڈیشن ماڈل زیادہ لچکدار بن سکتا ہے، لیکن اس سے منتقلی کے مشکل سوالات بھی پیدا ہوتے ہیں۔ ایک ماڈل کو انسانی حرکت، نقلی حرکیات، اور روبوٹ کے مخصوص کنٹرول سگنلز کو محفوظ جسمانی اعمال میں ترجمہ کرنا چاہیے۔ روبوٹ کی رپورٹ سکلڈ کے استدلال کو بیان کرتی ہے لیکن کوئی آزاد مطالعہ فراہم نہیں کرتی ہے جس سے یہ ظاہر ہوتا ہے کہ امتزاج کتنا اچھا کام کرتا ہے۔

رپورٹ ماڈل لانچ کو سکلڈ کی تجارتی حکمت عملی سے بھی جوڑتی ہے۔ پاٹھک نے دی روبوٹ رپورٹ کو بتایا کہ S1 پہلے سے ہی صارفین کو حاصل کرنے کے لیے Skild کو تیزی سے آگے بڑھنے میں مدد کر رہا ہے، اور اس نے کہا کہ ایک حالیہ Fetch Robotics کے حصول کا مقصد تعیناتی اور اسکیلنگ کے لیے ٹیلنٹ کو شامل کرنا تھا۔ ان بیانات سے پتہ چلتا ہے کہ اسکلڈ فرنٹیئر ریسرچ کے ساتھ ساتھ آپریشنل استعمال کو ترجیح دے رہا ہے۔ اس کے باوجود مضمون صارفین کی شناخت نہیں کرتا، پروڈکشن سائٹس کا نام نہیں دیتا، ٹاسک کی کامیابی کی شرحوں کی اطلاع دیتا ہے، یا اس بات کا ثبوت فراہم نہیں کرتا ہے کہ S1 نے لائیو تعیناتی میں قابل پیمائش فوائد فراہم کیے ہیں۔ اس لیے عوامی اثر فالو اپ شواہد پر منحصر ہے۔

آگے کیا دیکھنا ہے۔

اہم ٹیسٹ یہ ہیں کہ آیا S1 مختلف روبوٹس میں مظاہروں کو قابل اعتماد طریقے سے منتقل کر سکتا ہے، غلطیوں سے باز آ سکتا ہے، اور کنٹرول شدہ مظاہروں سے باہر طویل کام مکمل کر سکتا ہے۔ سکلڈ کا کہنا ہے کہ پیداوار سے متعلق مزید نتائج اور گاہک کی تعیناتیاں آنے والی ہیں، لیکن رپورٹ میں کسی گاہک کا نام نہیں لیا گیا اور نہ ہی کوئی کارکردگی یا حفاظتی ڈیٹا دیا گیا ہے۔ ہارڈویئر سپورٹ، رسائی، تربیتی ڈیٹا، اخراجات اور انسانی نگرانی کے بارے میں مزید تفصیلات لانچ کی عملی اہمیت کا تعین کریں گی۔

پہلی ترجیح واحد ویڈیو سیکھنے کے دعوے کی آزادانہ جانچ ہے۔ مفید شواہد میں ان دیکھے کاموں میں کامیابی کی شرح، ٹیسٹ کیے گئے روبوٹس کی تعداد اور قسم، وہ حالات جن کے تحت مظاہرے ریکارڈ کیے گئے، اور روایتی کام کے لیے مخصوص تربیت کے ساتھ موازنہ شامل ہوں گے۔ طویل افق کی سرگرمیوں کے لیے، تشخیص کو یہ رپورٹ کرنی چاہیے کہ ناکامیاں کہاں ہوتی ہیں، آیا روبوٹ ٹھیک ہو سکتا ہے، اور جب اشیاء، ترتیب، روشنی، یا ٹولز مظاہرے سے مختلف ہوتے ہیں تو کارکردگی کیسے بدلتی ہے۔ موجودہ رپورٹ مثالیں فراہم کرتی ہے لیکن کوئی معیاری پیمائش نہیں۔

ہیومینائڈ اور ملٹی فارم فیکٹر کی کارکردگی خاص جانچ کی مستحق ہے۔ روبوٹ رپورٹ میں کہا گیا ہے کہ S1 کا مقصد quadrupeds، humanoids، اور static arms پر کام کرنا ہے، جبکہ یہ بھی نوٹ کیا گیا ہے کہ Pathak کی طرف سے پیش کردہ ہیومنائڈ موافقت کے نتائج ایک پرانے ورژن سے آئے ہیں۔ فالو اپ رپورٹنگ کو موجودہ S1 صلاحیتوں کو سابقہ ​​مظاہروں سے ممتاز کرنا چاہیے اور یہ بتانا چاہیے کہ ہر ایک نتیجہ کس ماڈل، ہارڈویئر، اور کنٹرول سسٹم نے پیدا کیا۔ جسمانی تعیناتی تحفظات، انسانی مداخلت، ناکامی سے نمٹنے، اور ذمہ داری کے بارے میں بھی سوالات اٹھاتی ہے جن کا مضمون میں جواب نہیں دیا گیا ہے۔

سکلڈ کے اگلے انکشافات اس بات کی وضاحت کریں گے کہ آیا S1 ایک تحقیقی نظام ہے، کسٹمر پروڈکٹ، یا دونوں۔ پاٹھک نے دی روبوٹ رپورٹ کو بتایا کہ کمپنی آنے والے ہفتوں میں پیداوار سے متعلق مزید نتائج دکھائے گی۔ قارئین کو نامزد تعیناتیوں، دوبارہ پیدا کرنے کے قابل ٹیسٹ، ہارڈویئر کی ضروریات، قیمتوں یا رسائی کی شرائط، اور ماڈل کو تربیت دینے کے لیے استعمال کیے جانے والے ڈیٹا کے بارے میں معلومات تلاش کرنی چاہیے۔ رپورٹ میں یہ نہیں کہا گیا ہے کہ آیا S1 کا وزن، سافٹ ویئر، یا تشخیصی مواد عوامی طور پر دستیاب ہوگا، اور یہ کمپنی کی فنڈنگ، کارکردگی، یا تعیناتی کے دعووں کی کوئی آزاد تصدیق نہیں کرتا ہے۔

متعلقہ گائیڈز اور کوئزز