मानवरूप प्रदर्शनों से आगे
चीन के मानवरूप रोबोट तकनीकी प्रदर्शनियों में ध्यान खींच रहे हैं। वहाँ वे मार्शल आर्ट्स, नृत्य और अधिक परिष्कृत गतियाँ दिखाते हैं।
इन प्रदर्शनों के पीछे, चीनी शोधकर्ता एक कम दिखने वाली चुनौती पर काम कर रहे हैं: रोबोट को उपयोगी काम सिखाना।
एक फ़ैक्टरी में उत्पाद पैक करने वाले रोबोट की कल्पना कीजिए। वस्तुएँ अलग-अलग स्थितियों में आ सकती हैं। कुछ अधिक भारी हो सकती हैं। कभी कोई वस्तु फिसल सकती है या कोई डिब्बा गलत रखा जा सकता है।
एक मानव कार्यकर्ता आमतौर पर बिना ज़्यादा सोचे समायोजन कर लेता है। रोबोट को बदलाव पहचानना होता है और तय करना होता है कि उसका जवाब कैसा होगा।
पारंपरिक औद्योगिक रोबोट पहले से कई दोहराव वाले काम सफलतापूर्वक करते हैं, लेकिन वे आमतौर पर सावधानी से बनाई गई प्रक्रियाओं के भीतर काम करते हैं। बदलती परिस्थितियों को संभालने योग्य अनुकूलनशील रोबोट के लिए प्रशिक्षण, सॉफ़्टवेयर और हार्डवेयर के एक अलग संयोजन की ज़रूरत होती है।
चीनी शोधकर्ता और कंपनियाँ उस तकनीक के कई हिस्से विकसित कर रही हैं।
तीन विकास यह समझने में मदद करते हैं कि प्रगति कहाँ हो रही है।
AgiBot: रोबोट को अनुभव देना
2025 में चीनी रोबोटिक्स कंपनी AgiBot और उसके शोध सहयोगियों ने AgiBot World पेश किया, जो 217 कार्यों में दस लाख से अधिक रिकॉर्ड की गई रोबोट गतियों का संग्रह है।
इस परियोजना में पाँच deployment scenarios शामिल हैं।
ये रिकॉर्डिंग AI मॉडलों को दिखाती हैं कि रोबोट वस्तुओं के साथ कैसे संपर्क करते हैं।
उदाहरण के लिए, पानी डालना सीख रहे रोबोट को सिर्फ़ यह निर्देश काफ़ी नहीं कि क्या करना है। उसे यह भी सीखना होगा कि हाथ कैसे रखना है, बर्तन कैसे पकड़ना है और गति कैसे नियंत्रित करनी है।
रिकॉर्ड की गई प्रस्तुतियाँ मॉडलों को इन संबंधों को सीखने में मदद कर सकती हैं।
AgiBot के शोधकर्ताओं ने Genie Operator-1 (GO-1) भी विकसित किया, जो भौतिक कार्य करने के लिए प्रशिक्षित AI मॉडल है।
उन्होंने इसे असली रोबोट पर परखा। इन परीक्षणों में dexterous और long-horizon कार्य शामिल थे।
शोधकर्ताओं ने रिपोर्ट किया कि GO-1 ने अपने परीक्षित कार्यों पर पहले के RDT दृष्टिकोण को 32% से बेहतर प्रदर्शन दिया।
ये प्रदर्शन आँकड़े विकसित करने वाली टीम से आए हैं। समीक्षित साक्ष्यों में परिणामों का स्वतंत्र पुनरुत्पादन अभी स्थापित नहीं हुआ है।
फिर भी, यह परियोजना चीन के रोबोटिक्स शोध में एक महत्वपूर्ण योगदान है।
AgiBot केवल भौतिक रोबोट नहीं, बल्कि प्रशिक्षण संसाधन और AI मॉडल भी विकसित कर रही है, ताकि वे मशीनें अलग-अलग कार्य सीख सकें।
स्रोत: AgiBot World Colosseo, 2025
RoboTwin: आभासी वातावरण में सीखना
एक और चीनी शोध सहयोग यह देख रहा है कि रोबोट बिना हर प्रशिक्षण प्रयास को भौतिक उपकरणों पर करने की आवश्यकता के कैसे सीख सकते हैं।
Shanghai Jiao Tong University, University of Hong Kong, Shanghai AI Laboratory और सहयोगी संस्थानों के शोधकर्ताओं ने RoboTwin 2.0 विकसित किया, जो ICML 2026 में प्रकाशित हुआ।
यह परियोजना आभासी वातावरण बनाती है जहाँ रोबोट वस्तुएँ पकड़ने का अभ्यास कर सकते हैं।
कल्पना कीजिए कि किसी रोबोट को एक पैकेज उठाना सिखाया जा रहा है।
आभासी वातावरण में, शोधकर्ता पैकेज की स्थिति, आकार और आसपास की वस्तुएँ बदल सकते हैं। भौतिक उपकरणों को बार-बार हिलाए बिना रोबोट कई अलग-अलग व्यवस्थाओं में अभ्यास कर सकता है।
RoboTwin 2.0 पाँच robot configurations में दो भुजाओं वाले 50 कार्यों का समर्थन करता है।
शोधकर्ताओं ने रिपोर्ट किया कि सिमुलेशन अनुभवों से प्रशिक्षित मॉडल चुनी गई भौतिक रोबोट परीक्षणों में बेहतर प्रदर्शन करते हैं।
एक स्वतंत्र अध्ययन ने भी RoboTwin 2.0 को अन्य robotics benchmarks के साथ जाँचा। उसके अनुसार RoboTwin 2.0, LIBERO और CALVIN की तुलना में कम diagnostics में विफल होता है। यह संकेत देता है कि उस अध्ययन की मूल्यांकन-गुणवत्ता जाँच में यह बेहतर रहा।
परिणामों का अर्थ यह नहीं है कि आभासी प्रशिक्षण वास्तविक दुनिया की स्थितियों को पूरी तरह दोहरा देता है। वे दिखाते हैं कि सावधानी से बनाए गए सिमुलेशन उपयोगी प्रशिक्षण अनुभव दे सकते हैं और रोबोट-लर्निंग तरीकों के मूल्यांकन में शोधकर्ताओं की मदद कर सकते हैं।
चीन के रोबोटिक्स शोध समुदाय के लिए, RoboTwin AgiBot World का एक पूरक दृष्टिकोण है।
AgiBot भौतिक गतिविधियों के उदाहरण इकट्ठा करता है। RoboTwin उन गतिविधियों के रूपांतरों का आभासी अभ्यास करने के लिए वातावरण देता है।
स्रोत: RoboTwin 2.0, ICML 2026 | स्वतंत्र benchmark audit, 2026
शोध प्रणालियों से चीन के रोबोटिक्स उद्योग तक
मॉडलों को प्रशिक्षित करना चुनौती का केवल एक हिस्सा है। रोबोट को सीखी गई गतियाँ निभाने में सक्षम भौतिक हार्डवेयर की भी ज़रूरत होती है।
चीनी कंपनी Unitree ने G1 जैसे मानवरूप प्लेटफ़ॉर्म विकसित किए हैं, जिनका उपयोग शोधकर्ता चलने, संतुलन और भौतिक हेरफेर परखने के लिए कर सकते हैं।
यह कंपनी रोबोटिक हार्डवेयर बनाने की चीन की बढ़ती क्षमता को दर्शाती है। उन मशीनों पर दिखाई गई कुछ क्षमताएँ अन्य टीमों द्वारा विकसित AI मॉडल प्रदान कर सकती हैं।
एक और कंपनी, शेनझेन स्थित DexForce, सिमुलेशन आधारित रोबोट प्रशिक्षण के इर्द-गिर्द बने एक वाणिज्यिक दृष्टिकोण पर काम कर रही है।
ये विकास दिखाते हैं कि रोबोट-लर्निंग पर चीन का शोध वाणिज्यिक रुचि कैसे आकर्षित कर रहा है।
लेकिन केवल एक विनिर्माण साझेदारी यह साबित नहीं करती कि कोई रोबोट पूरे उत्पादन कार्य को स्वतंत्र रूप से या आर्थिक रूप से कर सकता है।
यह सवाल तब और स्पष्ट होता है जब हम रोबोटिक्स प्रशिक्षण सुविधाओं के भीतर होने वाली गतिविधियों को देखते हैं।
फ़ैक्टरी की चुनौती
अगस्त 2026 में, Reuters ने Liuzhou की एक प्रशिक्षण सुविधा सहित चीन के मानवरूप रोबोटिक्स उद्योग की जाँच-पड़ताल प्रकाशित की।
वहाँ के मानव ऑपरेटरों ने रोबोट को क्रेट छाँटने, नूडल्स पैक करने और पेय तैयार करने जैसे कार्यों के ज़रिए निर्देशित किया।
ऑपरेटरों ने गतियाँ प्रदर्शित करने के लिए विशेष नियंत्रणों का उपयोग किया। वे उदाहरण बाद में AI मॉडलों को प्रशिक्षित करने के लिए इस्तेमाल हो सकते थे।
इससे उद्योग की प्रगति पर एक महत्वपूर्ण दृष्टिकोण मिलता है।
कुछ रोबोटिक प्रदर्शनों में दिखने वाली क्षमताओं के लिए विकास के दौरान अब भी बड़े पैमाने पर मानव भागीदारी चाहिए।
इस जाँच में मैनिपुलेशन कौशल, संचालन की गति और उत्पादन कार्य के लिए मानवरूप रोबोट तैनात करने की लागत से जुड़ी कठिनाइयाँ भी सामने आईं।
फ़ैक्टरी के लिए, कोई कार्य एक बार पूरा कर लेना काफ़ी नहीं है।
रोबोट को सामान्य संचालन के दौरान उस कार्य को भरोसेमंद ढंग से दोहराना होता है, अप्रत्याशित स्थितियों को संभालना होता है, और मौजूदा ऑटोमेशन की तुलना में अपनी लागत उचित ठहरानी होती है।
चीनी कंपनियाँ इन अनुप्रयोगों के साथ प्रयोग कर रही हैं, लेकिन उपलब्ध स्वतंत्र साक्ष्य अभी विनिर्माण में व्यापक, भरोसेमंद humanoid स्वायत्तता स्थापित नहीं करते।
रोबोट से आगे चीन की प्रगति
चीन के embodied AI शोध में सबसे दिलचस्प विकास कोई एक मानवरूप मशीन नहीं है।
वह उस मशीन के आसपास चल रहा काम है।
AgiBot भौतिक प्रशिक्षण अनुभवों के बड़े संग्रह विकसित कर रही है। RoboTwin के शोधकर्ता नए कार्यों का अभ्यास करने के लिए सिमुलेशन वातावरण बना रहे हैं। Unitree जैसी कंपनियाँ हार्डवेयर बना रही हैं, जबकि DexForce यह परख रही है कि ये प्रशिक्षण तरीके वाणिज्यिक अनुप्रयोगों को कैसे सहारा दे सकते हैं।
ये प्रयास एक ही समस्या के अलग-अलग हिस्सों पर काम करते हैं।
इस शोध ने महत्वपूर्ण डेटासेट, काम करने वाले AI मॉडल और भौतिक प्रदर्शन उत्पन्न किए हैं। कठिन कदम उन क्षमताओं को ऐसे रोबोट में बदलना है जो नियंत्रित परिस्थितियों के बाहर लगातार उपयोगी काम कर सकें।
ये क्षमताएँ भरोसेमंद, आर्थिक रूप से उपयोगी कार्यकर्ता बनेंगी या नहीं, यह इस पर निर्भर करेगा कि रोबोट रोज़मर्रा की परिस्थितियों में क्या कर सकते हैं, न कि मंच पर वे कितने प्रभावशाली दिखते हैं।
चीन केवल चलने वाले रोबोट बनाने में ही नहीं, बल्कि उन्हें यह सिखाने में मदद करने वाली तकनीक विकसित करने में भी प्रगति कर रहा है कि उन्हें क्या करना है।
और जानने के लिए शोध और कोड
नीचे दी गई परियोजनाएँ उन पाठकों के लिए तकनीकी संसाधन प्रकाशित करती हैं जो और गहराई से जाँचना चाहते हैं। सार्वजनिक रूप से उपलब्ध कोड, मॉडल, डेटासेट और चित्रों के पुनः उपयोग के लिए अलग-अलग लाइसेंस हो सकते हैं।
- AgiBot World on GitHub: रिकॉर्ड की गई भौतिक गतिविधियों से रोबोट को सिखाने के शोध संसाधनों का अन्वेषण करें।
- RoboTwin on GitHub: RoboTwin 2.0 के पीछे के सिमुलेशन मैनिपुलेशन कार्यों और शोध उपकरणों का अन्वेषण करें।
स्रोत और आगे पढ़ने के लिए
- AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systems, 2025। AgiBot के डेटासेट और भौतिक मूल्यांकनों पर मूल शोध।
- RoboTwin 2.0: A Scalable Data Generator and Benchmark with Strong Domain Randomization for Robotic Manipulation, ICML 2026। दो भुजाओं वाले रोबोट के लिए सिमुलेशन प्रशिक्षण पर शोध।
- What Are We Actually Benchmarking in Robot Manipulation?, 2026। स्वतंत्र benchmark मूल्यांकन।
- Reuters, China’s humanoid robots aren’t smart enough to take your job yet, अगस्त 2026। प्रशिक्षण और औद्योगिक तैनाती की चुनौतियों पर रिपोर्टिंग।