बेंगलुरु: साल 2011 में नारियल तोड़ने की एक मशीन बनाने के दौरान, इंजीनियरिंग के छात्र गोकुल एनए को एक बात समझ आई — “रोबोट बेवकूफ होते हैं.” उनका बीटेक प्रोजेक्ट एक ऐसी मशीन बनाना था जो नारियल चुनकर तोड़ सके, लेकिन रोबोट बार-बार गलती करती रही. वह “स्मार्ट” या खुद से सोचने वाले रोबोट बनाने में असफल रहे.
करीब 15 साल बाद, बेंगलुरु का यह इंजीनियर अब उद्यमी बन चुका है और उन्होंने ऑटोमेशन की इस कमी को दूर करने का काम अपना लक्ष्य बना लिया है. उनकी कंपनी सिनलर (CynLr) यानी Cybernetics Laboratory, जिसे उन्होंने 2019 में निखिल रामास्वामी के साथ शुरू किया, अब ऐसे विजन सिस्टम बना रही है जो रोबोट को अजनबी वस्तुओं को पहचानने और संभालने की क्षमता दे सके. यह सब प्रोग्रामिंग से नहीं, बल्कि रीयल टाइम में सीखने की क्षमता के जरिए संभव हो रहा है. इस सिस्टम को विकसित करने के लिए कंपनी ने आईआईएससी के सेंटर फॉर न्यूरोसाइंस (CNS) के न्यूरोसाइंटिस्ट एस.पी. अरुण के साथ साझेदारी की है.
सितंबर में, दोनों ने मिलकर विजुअल न्यूरोसाइंस फॉर साइबरनेटिक्स (Visual Neuroscience for Cybernetics) नाम का एक रिसर्च शुरू किया. इसमें सिनलर रोबोट और वास्तविक समस्याएं देता है, जबकि अरुण की Vision Lab मस्तिष्क विज्ञान (ब्रेन साइंस) का योगदान देती है. यह साझेदारी पीएचडी को फंड देगी, प्रशिक्षण कार्यक्रम शुरू करेगी और युवा शोधकर्ताओं को रोबोटिक्स में करियर का अवसर देगी.
इस पहल का उद्देश्य ब्रेन साइंस और रोबोटिक्स को जोड़ना है ताकि मैन्युफैक्चरिंग से लेकर हेल्थकेयर और शायद नारियल तोड़ने तक, ऑटोमेशन की दुनिया में बड़ा बदलाव लाया जा सके.
फैक्ट्री में इसका मतलब है — एक ऐसा रोबोट जो पहले कभी न देखी हुई पेंच, ढक्कन या तार को पहचानकर सही जगह पर रख सके, बिना किसी खास ट्रेनिंग के. यानी एक ही रोबोट कई काम कर सकेगा.
“आज के रोबोट बिना पहले से ट्रेनिंग के स्वतंत्र रूप से काम नहीं कर पाते,” गोकुल ने कहा. “उनमें सोचने की क्षमता नहीं होती, जो असल में होनी चाहिए.”
सिनलर का मुख्य दफ्तर बेंगलुरु में है और इसका एक डिजाइन व रिसर्च सेंटर स्विट्जरलैंड में है. गोकुल के अनुसार, यह विस्तार भारत से प्रतिभा के पलायन के जवाब में है — “ताकि हम उन सबको वापस पकड़ सकें.” कंपनी में फिलहाल 60 कर्मचारी हैं और जल्द ही 100 तक पहुंचने की उम्मीद है. लक्ष्य है — “हर दिन एक रोबोट सिस्टम बनाना.”
पिछले साल नवंबर में कंपनी ने 10 मिलियन डॉलर जुटाए थे और इस साल की शुरुआत में वर्ल्ड इकोनॉमिक फोरम ने सिनलर को अपनी ‘टेक्नोलॉजी पायनियर्स’ सूची में शामिल किया. इसमें गूगल, ड्रॉपबॉक्स और पेपाल जैसी कंपनियां भी रही हैं. डब्ल्यूईएफ ने सिनलर को ऐसी कंपनी बताया जो मैन्युफैक्चरिंग और लॉजिस्टिक्स को “पूरी तरह स्वचालित” फैक्ट्रियों की दिशा में ले जा रही है। इसके पहले क्लाइंट में डेंसो और जनरल मोटर्स शामिल हैं.
उनकी प्रमुख खोज CyRo है — दो हाथ और दो आंखों वाला एक रोबोट जो पहले कभी न देखी गई वस्तुओं को उठाकर रख सकता है. इसे संयुक्त राष्ट्र के AI for Good सम्मेलन में भी दिखाया गया. गोकुल के लिए यह सफलता उनकी उस कल्पना की ओर एक कदम है, जिसमें रोबोट इंसानों की तरह आसानी से वस्तुएं संभाल सकें — खासकर अब जब आईआईएससी की टीम भी साथ है.
यह साझेदारी एक संयोग से शुरू हुई. अरुण इंसानों से परे दृष्टि (विजन) से जुड़े सवालों पर शोध कर रहे थे, जब एक दोस्त ने उन्हें गोकुल से मिलवाया. इसके बाद दोनों ने कंप्यूटर विजन पर साथ काम करने का निर्णय लिया — यह तकनीक AI मॉडलों के ज़रिए कंप्यूटर को तस्वीरों को समझने और उनसे जानकारी निकालने में सक्षम बनाती है.
“सिनलर यह सीखना चाहता है कि मानव मस्तिष्क विजन संबंधी समस्याओं को कैसे हल करता है और उसी सिद्धांत को रोबोट में लागू करना चाहता है. इसी तरह हमारी बातचीत शुरू हुई,” अरुण ने कहा.
यह आसान नहीं है. कई लैब ने मस्तिष्क विज्ञान और रोबोटिक्स को जोड़ने की कोशिश की है, लेकिन सीमित सफलता मिली है.
साल 2023 में यूरोपीय संघ ने ह्यूमन ब्रेन प्रोजेक्ट खत्म किया — यह 10 साल चला, 600 मिलियन यूरो खर्च हुए और 500 वैज्ञानिक शामिल थे. इसने मस्तिष्क के नक्शे बनाने में प्रगति की, लेकिन उसका लक्ष्य — मस्तिष्क का सिमुलेशन तैयार करना — अधूरा रह गया. इस प्रोजेक्ट का एक प्रमुख रोबोट था WhiskEye, जो मूंछ जैसी सेंसरों से अपने आसपास की चीजें महसूस कर सकता था और सरल वस्तुओं को पहचान सकता था. यह एक उपलब्धि थी, लेकिन आगे की दूरी का भी संकेत था.
ह्यूमन ब्रेन प्रोजेक्ट के एक ब्लॉग में कहा गया, “पारंपरिक कंप्यूटेशनल ढांचे वाले रोबोट अभी भी वस्तुओं को संभालने, प्राकृतिक ढंग से हिलने-डुलने और वे सारे काम करने में संघर्ष कर रहे हैं जो हमारे लिए सहज होते हैं.”
न्यूरो-प्रेरित रोबोट्स पर कई बार खबरें आई हैं — जैसे दर्द महसूस करने वाला रोबोटिक हाथ — लेकिन इन्हें वास्तविक औद्योगिक परिस्थितियों में काम करने योग्य बनाना अब भी एक कठिन काम है.
“आज की आर्टिफिशियल इंटेलिजेंस में… उसमें कुछ भी इंसानी जैसा नहीं है. न उसकी संरचना में, न उसके सोचने के तरीके में. और यह नया क्षेत्र न्यूरो AI दोनों के बीच पुल बनाने की कोशिश कर रहा है — यानी यह समझना कि दिमाग चीजों को वास्तव में कैसे प्रोसेस करता है. इससे दोनों क्षेत्रों को फायदा होगा,” बेंगलुरु के संज्ञानात्मक न्यूरोसाइंटिस्ट निखिल प्रभु ने कहा.
‘दीवार पर चिपकी मक्खी की तरह’
CynLr के ऑफिस स्पेस में हर डेस्क पर इंजीनियर CyRo को ट्रेनिंग दे रहे हैं. इन मशीन-आर्म्स के पास कंप्यूटर हैं जो ट्रे में रखे गए ऑब्जेक्ट्स को समझने में रोबोट कितनी अच्छी तरह काम कर सकता है, यह ट्रैक करते हैं. इसमें बोतलें, क्लिप्स और कीचेन शामिल हैं.
CyRo के लिए चुनौती यह है कि वह अपने ट्रेनिंग सेट से बाहर जाकर उन ऑब्जेक्ट्स को हैंडल करे जिन्हें उसने पहले कभी नहीं देखा. यही सीखने का तरीका तय करता है कि वह कितनी कुशल मशीन की तरह व्यवहार करता है.
CyRo के अपने डार्क, कैमरा जैसी आंखों से अपने आसपास स्कैन करने में लगभग दस सेकंड लगते हैं. फिर, एक बड़ा आर्म उठाकर ट्रे से ऑब्जेक्ट उठाता है और पास में रखी बास्केट में डाल देता है. इंजीनियर अपने स्क्रीन के पीछे यह देखते हैं कि रोबोट हर शेप को कैसे “देखता” और समझता है.
गोकुल ने कहा, “आज, मशीन लर्निंग में हुई प्रगति के बावजूद, अगर मैंने रोबोट को उस ऑब्जेक्ट की तस्वीर पहले नहीं दिखाई है, तो वह उस पर काम नहीं कर सकता. और ऑब्जेक्ट अलग-अलग ओरिएंटेशन में अलग दिखता है, इसका मतलब यह रोबोट के लिए पूरी तरह से नया है.”
उदाहरण के लिए, फैक्ट्री में जब रोबोट्स को अलग-अलग आकार और आकार के लाखों ऑब्जेक्ट्स दिए जाते हैं, तो संभावना है कि वे भ्रमित हो जाएँ और गलत तरीके से काम करें.
“तो रोबोट्स के लिए अपने विज़न का इस्तेमाल करके अनजाने ऑब्जेक्ट्स पर काम करना एक बड़ा गैप है. और केवल जब आप उस गैप को भरते हैं, जिसे हम ऑन-द-फ्लाई लर्निंग कहते हैं, तभी सिस्टम उस टास्क को करते हुए सीख सकता है,” गोकुल ने कहा.
पिछले साल, CyRo को बॉस्टन में रोबोटिक्स समिट एंड एक्सपो में वैलिडेट किया गया था, जहां उसने अलग-अलग लाइटिंग सेटिंग्स में अनजान ऑब्जेक्ट्स को सफलतापूर्वक हैंडल किया. उस रिसेप्शन से उत्साहित होकर, CynLr अब “पैराडाइम-शिफ्टिंग” रोबोट्स तैयार करना चाहता है जिन्हें फैक्ट्री फ्लोर पर कहीं भी तैनात किया जा सके. आने वाली “CyNoid” सीरीज़ के रोबोट्स, गोकुल ने कहा, सभी एक जैसे दिखेंगे लेकिन अलग-अलग जरूरतों के अनुसार केवल सॉफ्टवेयर बदलकर अनुकूलित किए जा सकते हैं. इस भविष्यवादी विज़न को पूरा करने में मदद करने के लिए, लैब को सिमियन की मदद मिल रही है.
बंदर और मशीनें
अरुण की VisionLab में बड़े पिंजरे में बंद बंदरों को नए-नए वस्तुएं दी जाती हैं. उन्हें इन वस्तुओं के साथ खेलने दिया जाता है और उनके मस्तिष्क की गतिविधि रिकॉर्ड की जाती है.
जैसे इंसानों में, उनके आंखें किसी वस्तु को पहचान सकती हैं, भले ही वह अलग कोण से अलग दिखती हो. लैब में, हर देखने के चरण पर न्यूरल सिग्नल रिकॉर्ड किए जाते हैं और उनका विश्लेषण किया जाता है.
CynLr और VisionLab की साझेदारी फिलहाल यह समझने पर केंद्रित है कि रोबोट किसी भी आकृति की वस्तु को कैसे उठा सकता है.
अरुण ने कहा, “हमने विज़न साइंस की जांच से जाना कि जब आपकी आंखें किसी चीज़ को देखती हैं, तो वे स्वाभाविक रूप से उसकी आकृति को पहचान लेती हैं. शायद हमें यह सीखना चाहिए कि विज़ुअल सिस्टम जानकारी को कैसे प्रोसेस करता है—और उन तरीकों का उपयोग करके आप ऐसा रोबोट बना सकते हैं जो किसी भी आकृति को संभाल सके.”
टीम इंसानी दृष्टि की प्रोसेसिंग पर मौजूद शोध को भी देख रही है. उद्देश्य यह जानना है कि जब जानवर किसी वस्तु के साथ इंटरैक्ट करते हैं, तो मस्तिष्क इस जानकारी को कैसे दर्शाता है? यह जानकारी मस्तिष्क में कैसे इस्तेमाल होती है?
अरुण की लैब की पीएचडी छात्रा सिनी साइमन ने कहा, “यह कुछ इनसाइट देगा जिसे CynLr अपने रोबोटिक्स रिसर्च में शामिल कर सकता है.”
जैसा कि साइमन ने बताया, फिलहाल विज़न प्रोसेसिंग में काम करने वाले लोग अलग-अलग पहलुओं को अलग-अलग अध्ययन करते हैं.
लेकिन यहां, वे पूरे प्रक्रिया को शुरू से अंत तक मैप कर रहे हैं — और फिर उस मैप को कोड में बदलने की कोशिश कर रहे हैं, संभवतः CynLr के रोबोट्स के लिए.
साइमन ने आगे कहा, “हमारा उद्देश्य है कि हम इस सारी जानकारी को देखें और एक विस्तृत प्रक्रिया तैयार करें कि विज़न प्रोसेसिंग मस्तिष्क में शुरुआती चरण से लेकर अंतिम चरण तक कैसे होती है. और यह पता लगाएं कि इस जानकारी का उपयोग करके रोबोट के लिए एल्गोरिदम कैसे बनाए जा सकते हैं.”
‘नासमझ रोबोट’ और रिसर्चर्स की नई पाइपलाइन
कंप्यूटर इतनी तेज़ी से नंबर क्रंच कर सकते हैं कि इंसान कभी उसका मुकाबला नहीं कर सकता. फिर भी इंसान, या यहां तक कि बंदर का दिमाग और शरीर ऐसे कामों में कंप्यूटर से बेहतर हैं जैसे कि किसी स्क्रू को छेद में घुमाना या बोतल पर कैप लगाना.
हमारे लिए जो आसान लगता है, वह रोबोट के लिए लगभग असंभव हो सकता है जब तक उसे बिल्कुल उसी ऑब्जेक्ट पर गहन ट्रेनिंग नहीं दी गई हो.
अर्न ने कहा कि रोबोट्स ऐसे कामों में इसलिए फिसल जाते हैं क्योंकि AI को पारंपरिक तरीके से ट्रेन किया जाता है.
उदाहरण के लिए, कंप्यूटर एक सफेद कप को नीले बैकग्राउंड में अलग ऑब्जेक्ट मान सकता है जब वह लाल बैकग्राउंड में हो.
अर्न ने समझाया, “आज के न्यूरल नेटवर्क्स की बहुत सारी चुनौतियां इस बात से आती हैं कि उन्होंने कुछ अजीब चीज़ें सीख ली हैं. और इसलिए जब आप असली दुनिया में कप को पहचानने आते हैं, तो बस बैकग्राउंड के रंग में एक साधारण बदलाव भी नेटवर्क की कप पहचानने की क्षमता में बड़ा फर्क डाल सकता है.”
रिसर्चर विभिन्न समाधान आजमा रहे हैं. उदाहरण के लिए, पांच साल पहले Frontiers in Robotics and AI में एक स्टडी ने सुझाव दिया था कि ट्रेनिंग डेटा में ब्राइटनेस के बदलाव से ऑब्जेक्ट-रकोग्निशन सिस्टम्स अधिक मजबूत हो सकते हैं.
हालांकि, स्टडी ने यह जोर दिया कि यह तरीका केवल छोटे पैमाने की गणना के लिए काम करता है, जटिल कार्यों के लिए नहीं.
सालों के रिसर्च के बाद भी, एक “साधारण” ऑब्जेक्ट को पहचानना “उच्च कंप्यूटिंग संसाधनों की मांग और उच्च डाइमेंशनलिटी के साथ बढ़ी हुई गणनात्मक लागत” के साथ आता है, 2024 के न्यूरोकॉम्पयूटिंग पेपर में जिक्र किया गया.
IISc के साथ नए सहयोग के साथ, CynLr उम्मीद कर रहा है कि रोबोटिक विज़न में इन कठिन सवालों को हल किया जा सकेगा, और अगले पीढ़ी के शोधकर्ताओं को PhD प्रोग्राम और कोर्सवर्क आधारित पाठ्यक्रम के माध्यम से प्रशिक्षित किया जा सकेगा.
गोकुल के अनुसार, इस तरह का उद्योग और विश्वविद्यालय का बुनियादी शोध अब तक ज्यादातर मौजूद नहीं है. अब विचार यह है कि लैब निष्कर्षों और असली मशीनों के बीच की कमी को पाटा जाए.
“इसलिए, यह अहम है कि हम इस क्षेत्र पर ध्यान दें और निवेश करें, सह-समन्वय करें, और फिर एक अकादमिक साझेदारी बनाएं,” उन्होंने कहा.
कारखानों और नीतियों की जरूरत
हर साल CynLr की भर्ती टीम 15,000 आवेदनों में से केवल 15 कुशल उम्मीदवारों को हार्डवेयर और सॉफ़्टवेयर रोल्स के लिए चुनती है.
लेकिन चयन केवल शुरुआत है. नए कर्मचारियों को इंडस्ट्री-रेडी बनने से पहले एक साल लंबा प्रशिक्षण कार्यक्रम पूरा करना होता है, भले ही उनके पास बीए की डिग्री हो.
“भारत में ग्लोबल-ग्रेड MS और PhD प्रोग्राम की कमी भी एक समस्या है. शायद ही कोई संस्था IISc जैसी हो,” गोकाल ने कहा. सही प्रतिभा खोजने के लिए ही CynLr ने स्विट्ज़रलैंड के Prilly और अमेरिका के टेक्सास में ऑफिस खोले हैं.
कंपनी के बेंगलुरु ऑफिस में बोर्डरूम अक्सर प्रशिक्षण स्थल का काम भी करता है.
“पहली सबसे बड़ी समस्या यह है कि हम कार बना रहे हैं, लेकिन उपलब्ध चीजें साइकिल के पहिये जैसी हैं,” गोकाल ने कहा. जब आकांक्षाएं ऊंची हैं, तो भारत में सप्लाई चेन बुनियादी है और रोबोटिक्स इंडस्ट्री के लिए उपयुक्त नहीं है.
फिलहाल, CynLr 14 देशों से 400 से अधिक पार्ट्स की “विस्तृत सप्लाई चेन” पर निर्भर है, जैसा कि उनकी वेबसाइट पर बताया गया है.
भारत में विभिन्न स्तरों पर चुनौतियां हैं. इन्फ्रास्ट्रक्चर, इकोसिस्टम और नीति सभी अधूरी हैं। इस तरह का गहरा-तकनीकी शोध सरकार और अकादमी दोनों से उदासीनता पाता है, गोकाल के अनुसार.
“हार्डवेयर के दृष्टिकोण से ज्ञान अभी भारत में विकसित नहीं हुआ है. प्रतियोगी की कमी भी चुनौती है। अगर प्रतियोगी होगा, तो एक इंडस्ट्री बन रही होगी,” उन्होंने कहा.
रोबोटिक्स को सरकार द्वारा अपने खुद के क्षेत्र की तरह नहीं माना जाता, जैसे कि अंतरिक्ष, जहां मौजूदा इन्फ्रास्ट्रक्चर अच्छी तरह चलता है.
“यह हमारे लिए उपलब्ध नहीं है. हम जो विज्ञान समस्या हल कर रहे हैं, वह अनजान समस्या नहीं है. यह एक अनसुलझी समस्या है.”
ट्रेनिंग-और-मीटिंग रूम में बैठे गोकाल ने अमेरिका में 1960 में रोबोटिक आर्म को अगले पीढ़ी के फैक्ट्री वर्कर के रूप में देखने के उत्साह को याद किया.
जनरल मोटर्स, जिसने तब पहला रोबोटिक आर्म लगाया था, अब CynLr का ग्राहक है. फिर भी GM आधुनिक वाहन असेंबली के पैमाने में संघर्ष करता है, जहां एक प्लेटफॉर्म को 20,000 से अधिक पार्ट्स संभालने होते हैं, सह-संस्थापक रमास्वामी ने एक इकॉनोमिक टाइम्स लेख में कहा. उन्होंने कहा कि CynLr का CyRo प्लेटफॉर्म इन मांगों को पूरा करने के लिए डिज़ाइन किया जा रहा है.
पूर्ण ऑटोमेशन का सपना अभी भी पूरा नहीं हुआ है, गोकाल ने कहा, आंशिक रूप से सरकार की धीमी नीति के कारण जब गहरा-तकनीकी इकोसिस्टम तैयार करना होता है.
फिर भी, CynLr की IISc के साथ साझेदारी रोबोटिक्स में कुछ आशा देती है. शायद कोक सर्व करने के लिए नहीं, लेकिन कम से कम एक स्क्रू कसने के लिए.
(इस रिपोर्ट को अंग्रेज़ी में पढ़ने के लिए यहां क्लिक करें)
यह भी पढ़ें: चीन अब भारत के लिए और भी ज्यादा अहम होगा, लेकिन अमेरिका-विरोधी एकता अभी जल्दबाज़ी होगी