اس ہفتے کے شروع میںٹویوٹا ریسرچ انسٹی ٹیوٹ نے پہلی بار میڈیا کے اراکین کے لیے اپنے بے ایریا کے دفاتر کے دروازے کھولے۔ یہ ڈیمو سے بھرا ہوا دن تھا، جس میں ڈرائیونگ سمیلیٹر اور ڈرفٹنگ انسٹرکٹرز سے لے کر مشین لرننگ اور پائیداری کے بارے میں گفتگو شامل تھی۔
روبوٹکس، جو کہ ٹویوٹا کے ریسرچ ڈویژن کا ایک دیرینہ فوکس تھا، بھی ڈسپلے پر تھا۔ ایس وی پی میکس بجراچاریہ نے پروجیکٹوں کی ایک جوڑی کی نمائش کی۔ سب سے پہلے اس خطوط کے ساتھ کچھ اور تھا جس کی کوئی ٹویوٹا سے توقع کرے گا: ایک صنعتی بازو جس میں ایک ترمیم شدہ گرپر کے ساتھ ڈیزائن کیا گیا ہے جس میں باکسوں کو ٹرک کے پچھلے حصے سے قریبی کنویئر بیلٹ تک منتقل کرنے کے حیرت انگیز طور پر پیچیدہ کام کے لیے ڈیزائن کیا گیا ہے۔ مستقبل.
دوسرا قدرے زیادہ حیران کن ہے – کم از کم ان لوگوں کے لیے جنہوں نے ڈویژن کے کام کو قریب سے نہیں دیکھا۔ ایک شاپنگ روبوٹ بار کوڈز اور عام مقام کی بنیاد پر شیلف پر مختلف مصنوعات بازیافت کرتا ہے۔ مختلف اشیاء کی وسیع رینج کو پکڑنے اور انہیں اس کی ٹوکری میں ڈالنے کے لیے بہترین طریقہ کا تعین کرنے سے پہلے، نظام اشیاء کو تلاش کرنے کے لیے اوپری شیلف تک پھیلانے کے قابل ہے۔
یہ نظام بزرگوں کی دیکھ بھال پر 50 افراد پر مشتمل روبوٹکس ٹیم کی توجہ کا براہ راست نتیجہ ہے، جس کا مقصد جاپان کی عمر رسیدہ آبادی کو حل کرنا ہے۔ تاہم، یہ روبوٹ بنانے کے ان کے اصل کام سے دور ایک محور کی نمائندگی کرتا ہے جسے گھریلو کاموں جیسے برتن دھونے اور کھانے کی تیاری کے لیے ڈیزائن کیا گیا ہے۔
آپ ایک مضمون میں اس محور کی ایک لمبی تحریر پڑھ سکتے ہیں۔ اس ہفتے کے شروع میں TechCrunch پر شائع ہوا۔. یہ بجراچاریہ کے ساتھ گفتگو سے اخذ کیا گیا تھا، جسے ہم ذیل میں مزید مکمل حالت میں پرنٹ کر رہے ہیں۔ نوٹ کریں کہ متن میں وضاحت اور طوالت کے لیے ترمیم کی گئی ہے۔
تصویری کریڈٹ: برائن ہیٹر
TechCrunch: میں ہوم روبوٹ کا ڈیمو حاصل کرنے کی امید کر رہا تھا۔
میکس بجراچاریہ: ہم اب بھی کچھ گھریلو روبوٹ چیزیں کر رہے ہیں۔[…] ہم نے جو کیا ہے وہ بدل گیا ہے۔ گھر ہمارے اصل چیلنج کاموں میں سے ایک تھا۔
بزرگوں کی دیکھ بھال پہلا ستون تھا۔
بالکل۔ ان چیزوں میں سے ایک جو ہم نے اس عمل میں سیکھی وہ یہ ہے کہ ہم اپنی ترقی کو اچھی طرح سے ماپنے کے قابل نہیں تھے۔ گھر بہت مشکل ہے۔ ہم چیلنج ٹاسک چنتے ہیں کیونکہ وہ مشکل ہوتے ہیں۔ گھر کے ساتھ مسئلہ یہ نہیں ہے کہ یہ بہت مشکل تھا۔ یہ تھا کہ ہم جو ترقی کر رہے تھے اس کی پیمائش کرنا بہت مشکل تھا۔ ہم نے بہت سی چیزوں کی کوشش کی۔ ہم نے طریقہ کار سے گڑبڑ کرنے کی کوشش کی۔ ہم میزوں پر آٹا اور چاول رکھ دیتے اور انہیں پونچھنے کی کوشش کرتے۔ ہم روبوٹ کو صاف ستھرا بنانے کے لیے گھر بھر میں چیزیں ڈال دیتے تھے۔ ہم یہ دیکھنے کے لیے Airbnbs میں تعینات کر رہے تھے کہ ہم کتنا اچھا کام کر رہے ہیں، لیکن مسئلہ یہ ہے کہ ہم ہر بار ایک ہی گھر حاصل نہیں کر سکتے تھے۔ لیکن اگر ہم نے ایسا کیا تو ہم اس گھر کے لیے اوور فٹ ہو جائیں گے۔
کیا یہ مثالی نہیں ہے کہ آپ کو ہر بار ایک ہی گھر نہیں ملتا ہے؟
بالکل، لیکن مسئلہ یہ ہے کہ ہم پیمائش نہیں کر سکے کہ ہم کتنا اچھا کر رہے تھے۔ ہم کہتے ہیں کہ ہم اس ایک گھر کو صاف کرنے میں کچھ بہتر تھے، ہمیں نہیں معلوم کہ اس کی وجہ ہماری صلاحیتیں بہتر ہو گئی ہیں یا وہ گھر تھوڑا آسان تھا۔ ہم معیاری کام کر رہے تھے، “ایک ڈیمو دکھائیں، ایک عمدہ ویڈیو دکھائیں۔ ہم ابھی تک کافی اچھے نہیں ہیں، یہاں ایک زبردست ویڈیو ہے۔ ہمیں نہیں معلوم تھا کہ ہم اچھی ترقی کر رہے ہیں یا نہیں۔ گروسری چیلنج ٹاسک جہاں ہم نے کہا، ہمیں ایک ایسے ماحول کی ضرورت ہے جہاں یہ گھر جتنا مشکل ہو یا گھر کی طرح نمائندہ مسائل ہوں، لیکن جہاں ہم اندازہ کر سکیں کہ ہم کتنی ترقی کر رہے ہیں۔
آپ گھر یا سپر مارکیٹ کے مخصوص اہداف کے بارے میں بات نہیں کر رہے ہیں، بلکہ ان مسائل کو حل کر رہے ہیں جو ان دونوں جگہوں پر پھیل سکتے ہیں۔
یا یہاں تک کہ صرف پیمائش کریں کہ کیا ہم روبوٹکس میں آرٹ کی حالت کو آگے بڑھا رہے ہیں۔ کیا ہم ادراک، حرکت کی منصوبہ بندی، وہ طرز عمل کرنے کے قابل ہیں جو درحقیقت عمومی مقصد ہیں۔ مکمل طور پر ایماندار ہونے کے لئے، چیلنج مسئلہ قسم کی کوئی فرق نہیں پڑتا. DARPA روبوٹکس چیلنجز، وہ صرف بنائے گئے کام تھے جو مشکل تھے۔ یہ ہمارے چیلنج کے کاموں کا بھی سچ ہے۔ ہمیں گھر پسند ہے کیونکہ یہ اس کا نمائندہ ہے جہاں ہم آخر کار گھر میں لوگوں کی مدد کرنا چاہتے ہیں۔ لیکن ضروری نہیں کہ یہ گھر ہو۔ گروسری مارکیٹ ایک بہت اچھی نمائندگی ہے کیونکہ اس میں بہت بڑا تنوع ہے۔
تصویری کریڈٹ: برائن ہیٹر
ایک مایوسی ہے، اگرچہ. ہم جانتے ہیں کہ یہ چیلنجز کتنے مشکل ہیں اور چیزیں کتنی دور ہیں، لیکن کچھ بے ترتیب شخص آپ کی ویڈیو دیکھتا ہے، اور اچانک یہ کچھ ایسا ہے جو افق کے اوپر ہے، حالانکہ آپ اسے فراہم نہیں کر سکتے۔
بالکل۔ اس لیے گل [Pratt] ہر بار کہتے ہیں، ‘دوبارہ زور دیں کہ یہ ایک چیلنج کا کام کیوں ہے۔’
آپ اسے عام لوگوں میں کیسے ترجمہ کرتے ہیں؟ عام لوگ چیلنج کے کاموں پر نہیں رکتے۔
بالکل، لیکن یہی وجہ ہے کہ آج آپ نے جو مظاہرہ دیکھا، اس میں ہم نے چیلنج کے کاموں کو دکھانے کی کوشش کی، لیکن اس کی ایک مثال یہ بھی ہے کہ آپ ان صلاحیتوں کو کیسے لیتے ہیں جو اس چیلنج سے نکلتی ہیں اور اسے کنٹینر اتارنے جیسی حقیقی ایپلی کیشن پر لاگو کرتی ہیں۔ یہ ایک حقیقی مسئلہ ہے۔ ہم فیکٹریوں میں گئے اور انہوں نے کہا، ‘ہاں، یہ ایک مسئلہ ہے۔ کیا آپ ہماری مدد کر سکتے ہیں؟’ اور ہم نے کہا، ہاں، ہمارے پاس ایسی ٹیکنالوجیز ہیں جو اس پر لاگو ہوتی ہیں۔ لہذا اب ہم ان چیلنجوں سے نکل کر یہ دکھانے کی کوشش کر رہے ہیں کہ یہ چند کامیابیاں ہیں جو ہمارے خیال میں اہم ہیں، اور پھر ان کو حقیقی ایپلی کیشنز پر لاگو کریں۔ اور مجھے لگتا ہے کہ اس سے لوگوں کو یہ سمجھنے میں مدد مل رہی ہے، کیونکہ وہ دوسرا قدم دیکھتے ہیں۔
روبوٹکس ٹیم کتنی بڑی ہے؟
یہ ڈویژن تقریباً 50 افراد ہے جو یہاں اور کیمبرج، میساچوسٹس کے درمیان یکساں طور پر تقسیم ہے۔
آپ کے پاس Tesla اور Figure جیسی مثالیں ہیں، جو ہمہ مقصدی ہیومنائیڈ روبوٹ بنانے کی کوشش کر رہی ہیں۔ ایسا لگتا ہے کہ آپ کسی اور سمت جا رہے ہیں۔
تھوڑا سا۔ کچھ ہم نے مشاہدہ کیا ہے کہ دنیا انسانوں کے لیے بنائی گئی ہے۔ اگر آپ کے پاس ابھی خالی سلیٹ ہے، تو آپ کہہ رہے ہیں کہ میں انسانی جگہوں پر کام کرنے کے لیے ایک روبوٹ بنانا چاہتا ہوں۔ آپ انسانی تناسب اور انسانی سطح کی صلاحیتوں میں ختم ہوتے ہیں۔ آپ انسانی ٹانگوں اور بازوؤں کے ساتھ ختم کرتے ہیں، اس لیے نہیں کہ یہ بہترین حل ہے۔ اس کی وجہ یہ ہے کہ دنیا کو لوگوں کے گرد ڈیزائن کیا گیا ہے۔
تصویری کریڈٹ: ٹویوٹا ریسرچ انسٹی ٹیوٹ
آپ سنگ میل کی پیمائش کیسے کرتے ہیں؟ آپ کی ٹیم کی کامیابی کیسی نظر آتی ہے؟
گھر سے گروسری اسٹور کی طرف منتقل ہونا اس کی ایک بہترین مثال ہے۔ ہم گھر پر ترقی کر رہے تھے لیکن اتنی تیزی سے نہیں اور اتنی واضح نہیں کہ جب ہم گروسری اسٹور پر جاتے ہیں۔ جب ہم گروسری اسٹور پر جاتے ہیں، تو یہ واقعی بہت واضح ہو جاتا ہے کہ آپ کتنا اچھا کام کر رہے ہیں اور آپ کے سسٹم میں اصل مسائل کیا ہیں۔ اور پھر آپ واقعی ان مسائل کو حل کرنے پر توجہ مرکوز کر سکتے ہیں۔ جب ہم نے ٹویوٹا کی لاجسٹکس اور مینوفیکچرنگ دونوں سہولیات کا دورہ کیا، تو ہم نے ان تمام مواقع کو دیکھا جہاں وہ بنیادی طور پر گروسری کی خریداری کا چیلنج ہیں، سوائے تھوڑا مختلف کے۔ اب، پرزوں کے بجائے گروسری آئٹمز، پرزے ایک ڈسٹری بیوشن سینٹر کے تمام حصے ہیں۔
آپ 1,000 لوگوں سے سنتے ہیں کہ آپ جانتے ہیں، گھریلو روبوٹ واقعی مشکل ہیں، لیکن پھر آپ کو ایسا لگتا ہے کہ آپ کو اپنے لیے کوشش کرنی ہے اور پھر آپ پسند کرتے ہیں، واقعی، آپ وہی غلطیاں کرتے ہیں جو انہوں نے کی تھیں۔
مجھے لگتا ہے کہ میں شاید اتنا ہی قصوروار ہوں جتنا کہ باقی سب۔ ایسا ہی ہے، اب ہمارے GPUs بہتر ہیں۔ اوہ، ہمیں مشین لرننگ ملی اور اب آپ جانتے ہیں کہ ہم یہ کر سکتے ہیں۔ اوہ، ٹھیک ہے، شاید یہ ہماری سوچ سے زیادہ مشکل تھا۔
کسی نہ کسی وقت اسے ٹپ کرنا پڑتا ہے۔
شاید. مجھے لگتا ہے کہ اس میں کافی وقت لگے گا۔ بالکل خودکار ڈرائیونگ کی طرح، مجھے نہیں لگتا کہ چاندی کی گولی ہے۔ اس جادوئی چیز کی طرح نہیں ہے، یہ ‘ٹھیک ہے، اب ہم نے اسے حل کر دیا ہے۔’ یہ بتدریج، دور chipping، دور chipping جا رہا ہے. یہی وجہ ہے کہ مختصر ٹائم لائنز کے ساتھ اس قسم کا روڈ میپ ہونا ضروری ہے، آپ جانتے ہیں، چھوٹے یا چھوٹے سنگ میل جو آپ کو چھوٹی جیت دیتے ہیں، تاکہ آپ واقعی اس طویل مدتی وژن کو حاصل کرنے کے لیے اس پر کام جاری رکھ سکیں۔
ان میں سے کسی بھی ٹیکنالوجی کو اصل میں پیدا کرنے کا عمل کیا ہے؟
یہ ایک بہت اچھا سوال ہے جس کا جواب ہم خود دینے کی کوشش کر رہے ہیں۔ مجھے یقین ہے کہ ہم اب زمین کی تزئین کو سمجھتے ہیں۔ ہوسکتا ہے کہ میں شروع میں یہ سوچ کر نادان تھا کہ، ٹھیک ہے، ہمیں صرف اس شخص کو تلاش کرنے کی ضرورت ہے کہ ہم اس ٹیکنالوجی کو کسی تیسرے فریق یا ٹویوٹا کے اندر کسی کے حوالے کرنے جا رہے ہیں۔ لیکن میں سمجھتا ہوں کہ ہم نے یہ سیکھ لیا ہے، چاہے وہ کاروباری یونٹ ہو، یا کمپنی، یا ٹویوٹا کے اندر ایک سٹارٹ اپ یا یونٹ کی طرح – ایسا لگتا ہے کہ وہ موجود نہیں ہیں۔ لہذا، ہم تخلیق کا ایک طریقہ تلاش کرنے کی کوشش کر رہے ہیں اور مجھے لگتا ہے کہ یہ TRI-AD کی کہانی ہے، تھوڑا سا بھی۔ یہ خودکار ڈرائیونگ تحقیق کو لینے کے لیے بنایا گیا تھا جو ہم کر رہے تھے اور کسی ایسی چیز میں ترجمہ کریں جو زیادہ حقیقی ہو۔ ہمیں روبوٹکس، اور بہت سی جدید ٹیکنالوجیز میں بھی یہی مسئلہ درپیش ہے جن پر ہم کام کرتے ہیں۔
تصویری کریڈٹ: برائن ہیٹر
آپ ممکنہ طور پر کسی ایسی جگہ پر پہنچنے کے بارے میں سوچ رہے ہیں جہاں آپ کو اسپن آفس مل سکے۔
ممکنہ طور پر۔ لیکن یہ وہ اہم طریقہ کار نہیں ہے جس کے ذریعے ہم ٹیکنالوجی کو تجارتی بنائیں گے۔
اہم طریقہ کار کیا ہے؟
ہم نہیں جانتے۔ اس کا جواب ان چیزوں کا تنوع ہے جو ہم کر رہے ہیں مختلف گروہوں کے لیے مختلف ہونے کا امکان ہے۔
TRI اپنی بنیاد کے بعد سے کیسے بدلا ہے؟
جب میں نے پہلی بار شروع کیا، مجھے ایسا لگتا ہے کہ ہم بہت واضح طور پر صرف روبوٹکس میں تحقیق کر رہے تھے۔ اس کا ایک حصہ یہ ہے کہ ہم انسانی ماحول میں تقریبا کسی بھی حقیقی دنیا کے چیلنجنگ ایپلی کیشن پر لاگو ہونے والی ٹیکنالوجی سے بہت دور تھے۔ پچھلے پانچ سالوں میں، مجھے ایسا لگتا ہے کہ ہم نے اس مشکل ترین مسئلے میں کافی ترقی کی ہے کہ اب ہم اسے حقیقی دنیا کی ایپلی کیشنز میں تبدیل ہوتے دیکھنا شروع کر رہے ہیں۔ ہم شعوری طور پر بدل چکے ہیں۔ ہم اب بھی 80% تحقیق کے ساتھ آرٹ کی حالت کو آگے بڑھا رہے ہیں، لیکن اب ہم نے اپنے وسائل کا 20% یہ معلوم کرنے کے لیے مختص کر دیا ہے کہ آیا یہ تحقیق اتنی ہی اچھی ہے جیسا کہ ہمارے خیال میں ہے اور اگر اس کا اطلاق حقیقی طور پر کیا جا سکتا ہے۔ -عالمی ایپلی کیشنز۔ ہم ناکام ہو سکتے ہیں۔ ہم محسوس کر سکتے ہیں کہ ہم نے سوچا کہ ہم نے کچھ دلچسپ کامیابیاں حاصل کی ہیں، لیکن یہ کہیں بھی قابل اعتماد یا تیز رفتار نہیں ہے۔ لیکن ہم کوشش کرنے پر اپنی 20% کوششیں لگا رہے ہیں۔
بزرگوں کی دیکھ بھال اس میں کیسے فٹ ہوتی ہے؟
میں کہوں گا، کچھ طریقوں سے، یہ اب بھی ہمارا شمالی ستارہ ہے۔ منصوبے ابھی بھی دیکھ رہے ہیں کہ ہم آخر کار لوگوں کو ان کے گھروں میں کیسے بڑھاتے ہیں۔ لیکن وقت گزرنے کے ساتھ، جیسا کہ ہم ان چیلنج کے کاموں کو چنتے ہیں، اگر چیزیں ان دیگر شعبوں پر لاگو ہوتی ہیں، تو ہم ان قلیل مدتی سنگ میلوں کو اس تحقیق میں پیش رفت دکھانے کے لیے استعمال کر رہے ہیں جو ہم کر رہے ہیں۔
مکمل طور پر لائٹ آؤٹ فیکٹر کا امکان کتنا حقیقت پسندانہ ہے؟
مجھے لگتا ہے کہ اگر آپ مستقبل میں شروع سے شروع کرنے کے قابل تھے، تو یہ ایک امکان ہوسکتا ہے۔ اگر میں آج مینوفیکچرنگ کو دیکھتا ہوں، خاص طور پر ٹویوٹا کے لیے، تو ایسا لگتا ہے کہ آپ اس کے قریب کہیں بھی پہنچ سکتے ہیں۔ ہم [told factory workers]ہم روبوٹک ٹیکنالوجی بنا رہے ہیں، آپ کے خیال میں یہ کہاں لاگو ہو سکتی ہے؟ انہوں نے ہمیں بہت سے، بہت سے عمل دکھائے جہاں یہ چیزیں تھیں جیسے، آپ اس تار کا استعمال کرتے ہیں، آپ اسے یہاں سے کھلاتے ہیں، پھر آپ اسے یہاں سے نکالتے ہیں، پھر آپ اسے یہاں تراشتے ہیں، اور آپ اسے یہاں تراشتے ہیں، اور آپ اسے یہاں لے جاتے ہیں، اور آپ اسے یہاں لے جاتے ہیں، اور پھر آپ اسے اس طرح چلاتے ہیں۔ اور یہ ہنر سیکھنے میں ایک شخص کو پانچ دن لگتے ہیں۔ ہم ایسے تھے، ‘ہاں، یہ روبوٹک ٹیکنالوجی کے لیے بہت مشکل ہے۔’
لیکن وہ چیزیں جو لوگوں کے لیے سب سے مشکل ہیں وہ ہیں جنہیں آپ خود کار بنانا چاہیں گے۔
ہاں، مشکل یا ممکنہ طور پر چوٹ کا شکار۔ یقینی طور پر، ہم آخر کار اس تک پہنچنے کے لیے قدم اٹھانا چاہیں گے، لیکن جہاں میں آج روبوٹک ٹیکنالوجی دیکھ رہا ہوں، ہم اس سے کافی دور ہیں۔
Source link
techcrunch.com