AI ரோபோக்கள் ஏன் டெமோக்களில் இருந்து நிஜ வேலைக்கு மாறுகின்றன?

வைரல் வீடியோக்களுக்கு அப்பால்

பல ஆண்டுகளாக, ரோபாட்டிக்ஸ் பற்றிய பொதுமக்களின் பார்வை, பேக்-பிளிப் செய்யும் அல்லது பாப் பாடல்களுக்கு நடனமாடும் ஹியூமனாய்டு இயந்திரங்களின் மெருகூட்டப்பட்ட வீடியோக்களால் வடிவமைக்கப்பட்டது. இந்த கிளிப்புகள் ஈர்க்கக்கூடியவை, ஆனால் அவை தொழில்துறை வேலையின் குழப்பமான யதார்த்தத்தை அரிதாகவே பிரதிபலித்தன. ஒரு கட்டுப்பாட்டு ஆய்வகத்தில், ஒரு ரோபோ ஒவ்வொரு முறையும் வெற்றிபெறும் வகையில் புரோகிராம் செய்யப்படலாம். ஒரு கிடங்கு தளத்திலோ அல்லது கட்டுமான தளத்திலோ, மாறிகள் முடிவற்றவை. இந்த ஸ்டேஜ் செய்யப்பட்ட டெமோக்களில் இருந்து உண்மையான, உற்பத்தி சார்ந்த உழைப்பிற்கு மாறுவது இறுதியாக நடக்கிறது. இந்த மாற்றம் உலோகம் அல்லது மோட்டர்களில் திடீர் முன்னேற்றத்தால் ஏற்படவில்லை, மாறாக இயந்திரங்கள் தங்கள் சூழலைச் செயலாக்கும் விதத்தில் ஏற்பட்ட அடிப்படை மாற்றத்தால் ஏற்படுகிறது. நாம் கடினமான புரோகிராமிங்கிலிருந்து விலகி, கற்றுக்கொள்ளவும் மாற்றியமைக்கவும் கூடிய சிஸ்டம்களை நோக்கி நகர்கிறோம்.

வணிகங்கள் மற்றும் பார்வையாளர்களுக்கான முக்கிய அம்சம் என்னவென்றால், ஒரு ரோபோவின் மதிப்பு அதன் உடல் சுறுசுறுப்பால் மட்டும் அளவிடப்படுவதில்லை. அதற்கு பதிலாக, அந்த சுறுசுறுப்பை இயக்கும் நுண்ணறிவுக்கு கவனம் மாறியுள்ளது. நிறுவனங்கள் இப்போது ஒவ்வொரு ஐந்து நிமிடங்களுக்கும் ஒரு மனிதன் தலையிட வேண்டிய அவசியமின்றி, நிஜ உலகின் கணிக்க முடியாத தன்மையைக் கையாளக்கூடிய சிஸ்டம்களைத் தேடுகின்றன. இந்த மாற்றம், முன்பு மிகவும் சிக்கலானதாக அல்லது அதிக செலவு கொண்டதாக இருந்த பணிகளுக்கு ஆட்டோமேஷனை சாத்தியமாக்குகிறது. நாம் 2026-க்குள் நுழையும்போது, சமூக ஊடக ஈடுபாட்டை விட நம்பகத்தன்மை மற்றும் முதலீட்டின் மீதான வருவாயில் கவனம் செலுத்தப்படுகிறது. விலையுயர்ந்த பொம்மைகளின் காலம் முடிந்து, தன்னாட்சி தொழிலாளியின் காலம் தொடங்குகிறது.

மென்பொருள் இறுதியாக வன்பொருளைப் பிடிக்கிறது

இது ஏன் இப்போது நடக்கிறது என்பதைப் புரிந்துகொள்ள, நாம் சாஃப்ட்வேர் ஸ்டேக்கை பார்க்க வேண்டும். கடந்த காலத்தில், ஒரு ரோபோ ஒரு பெட்டியை எடுக்க வேண்டுமென்றால், அந்த பெட்டியின் சரியான ஆயத்தொலைவுகளுக்கு நீங்கள் குறிப்பிட்ட கோட் எழுத வேண்டியிருந்தது. பெட்டி இரண்டு அங்குலம் இடதுபுறம் நகர்ந்தால், ரோபோ தோல்வியடையும். நவீன சிஸ்டம்கள் embodied AI என்று அழைக்கப்படுவதைப் பயன்படுத்துகின்றன. இந்த அணுகுமுறை, இயந்திரம் தனது சூழலை நிகழ்நேரத்தில் புரிந்துகொள்ள கேமராக்கள் மற்றும் சென்சார்களைப் பயன்படுத்த அனுமதிக்கிறது. ஒரு நிலையான ஸ்கிரிப்டைப் பின்பற்றுவதற்குப் பதிலாக, ரோபோ எப்படி நகர்வது என்பதைத் தீர்மானிக்க ஒரு ஃபவுண்டேஷன் மாடலைப் பயன்படுத்துகிறது. இது பெரிய லாங்குவேஜ் மாடல்கள் உரையைச் செயலாக்கும் விதத்தைப் போன்றது, ஆனால் உடல் இயக்கம் மற்றும் இடஞ்சார்ந்த விழிப்புணர்வுக்குப் பயன்படுத்தப்படுகிறது.

இந்த மென்பொருள் முன்னேற்றம், ரோபோக்கள் இப்போது தாங்கள் இதுவரை பார்த்திராத பொருட்களைக் கையாள முடியும் என்பதாகும். அவை ஒரு கண்ணாடி பாட்டிலுக்கும் பிளாஸ்டிக் பைக்கும் இடையே உள்ள வித்தியாசத்தைக் கண்டறிந்து, அதற்கேற்ப தங்கள் பிடியின் வலிமையைச் சரிசெய்ய முடியும். இந்த அளவிலான பொதுமைப்படுத்தல் பல தசாப்தங்களாக விடுபட்ட துண்டாக இருந்தது. வன்பொருள் நீண்ட காலமாக ஒப்பீட்டளவில் முதிர்ச்சியடைந்திருந்தது. இருபதாம் நூற்றாண்டின் பிற்பகுதியிலிருந்தே நம்மிடம் திறமையான ரோபோ கைகள் மற்றும் மொபைல் பேஸ்கள் உள்ளன. இருப்பினும், அந்த இயந்திரங்கள் உண்மையில் பார்வையற்றவை மற்றும் அறிவற்றவை. அவை செயல்பட முற்றிலும் கட்டமைக்கப்பட்ட சூழல் தேவைப்பட்டது. அதிநவீன உணர்தல் மற்றும் பகுத்தறிவு அடுக்கைச் சேர்ப்பதன் மூலம், அந்தத் தேவையை நாம் நீக்குகிறோம். இது ரோபோக்கள் தங்கள் கூண்டுகளிலிருந்து வெளியேறி, பகிரப்பட்ட இடங்களில் மனிதர்களுடன் இணைந்து பணியாற்ற அனுமதிக்கிறது.

இதன் விளைவாக மிகவும் நெகிழ்வான ஆட்டோமேஷன் வடிவம் கிடைக்கிறது. ஒரு ரோபோ இப்போது ஒரு ஷிப்ட் முழுவதும் பல பணிகளைச் செய்ய பயிற்சி அளிக்கப்படலாம். அது காலையில் ஒரு டிரக்கை இறக்கிவிட்டு, மதியம் டெலிவரிக்காக பேக்கேஜ்களை வரிசைப்படுத்தலாம். இந்த நெகிழ்வுத்தன்மைதான், தங்கள் செயல்முறையின் ஒவ்வொரு படிநிலைக்கும் பிரத்யேக இயந்திரத்தை வாங்க முடியாத சிறிய நிறுவனங்களுக்கு பொருளாதார ரீதியாகச் செயல்பட வைக்கிறது. மென்பொருள் தொழில்துறை துறையில் ஒரு சிறந்த சமநிலையாக மாறி வருகிறது.

ஆட்டோமேஷனின் பொருளாதார இயந்திரம்

ரோபாட்டிக்ஸிற்கான உலகளாவிய உந்துதல் வெறும் கூல் தொழில்நுட்பத்தைப் பற்றியது மட்டுமல்ல. இது மிகப்பெரிய பொருளாதார மாற்றங்களுக்கான பதிலாகும். பல வளர்ந்த நாடுகள் சுருங்கி வரும் பணியாளர்கள் மற்றும் வயதான மக்கள் தொகையை எதிர்கொள்கின்றன. லாஜிஸ்டிக்ஸ், உற்பத்தி மற்றும் விவசாயத்தில் ஒவ்வொரு பணியையும் நிரப்ப போதுமான மக்கள் இல்லை. International Federation of Robotics தரவுகளின்படி, நிறுவனங்கள் நம்பகமான உழைப்பைக் கண்டறிய போராடுவதால், தொழில்துறை ரோபோக்களின் நிறுவல் தொடர்ந்து புதிய உச்சங்களை எட்டுகிறது. மீண்டும் மீண்டும் செய்யப்படும், அழுக்கான அல்லது ஆபத்தான வேலைகளுக்கு இது குறிப்பாக உண்மையாகிறது.

உற்பத்தியை மீண்டும் நாட்டிற்குள் கொண்டுவரும் (reshoring) போக்கையும் நாம் காண்கிறோம். பொதுவான விநியோகச் சங்கிலி இடையூறுகளைத் தவிர்க்க, உற்பத்தியை தங்கள் சொந்த எல்லைக்குள் கொண்டு வர அரசாங்கங்கள் விரும்புகின்றன. இருப்பினும், அமெரிக்கா மற்றும் ஐரோப்பாவில் தொழிலாளர் செலவுகள் பாரம்பரிய உற்பத்தி மையங்களை விட மிக அதிகம். உள்நாட்டு உற்பத்தியைச் செலவு குறைந்ததாக மாற்ற ஆட்டோமேஷன் மட்டுமே வழி. மிக அடிப்படையான பணிகளைக் கையாள ரோபோக்களைப் பயன்படுத்துவதன் மூலம், நிறுவனங்கள் லாபத்தைத் தக்கவைத்துக்கொண்டு தங்கள் செயல்பாடுகளை உள்ளூரிலேயே வைத்திருக்க முடியும். மலிவான உழைப்பின் நன்மை மறையத் தொடங்குவதால், இந்த மாற்றம் உலகளாவிய வர்த்தகச் சூழலை மாற்றுகிறது.

• லாஜிஸ்டிக்ஸ் மற்றும் இ-காமர்ஸ் ஃபுல்பில்மென்ட் சென்டர்கள்.
• வாகனம் மற்றும் கனரக இயந்திரங்கள் அசெம்பிளி லைன்கள்.
• உணவு பதப்படுத்துதல் மற்றும் விவசாய அறுவடை.
• மின்னணு பாகங்கள் உற்பத்தி மற்றும் சோதனை.
• மருத்துவ ஆய்வக ஆட்டோமேஷன் மற்றும் மருந்து வரிசைப்படுத்துதல்.

இதன் தாக்கம் லாஜிஸ்டிக்ஸ் துறையில் மிகவும் கடுமையாக உணரப்படுகிறது. ஆன்லைன் ஷாப்பிங்கின் எழுச்சி, மனித தொழிலாளர்கள் சந்திக்க சிரமப்படும் வேகத்திற்கான தேவையை உருவாக்கியுள்ளது. ரோபோக்கள் இடைவேளை இல்லாமல் இரவு முழுவதும் வேலை செய்ய முடியும், இது நள்ளிரவில் ஆர்டர் செய்யப்பட்ட ஒரு பேக்கேஜ் விடியற்காலையில் டெலிவரிக்குத் தயாராக இருப்பதை உறுதி செய்கிறது. இந்த 24 மணிநேர சுழற்சி உலகளாவிய வர்த்தகத்திற்கான புதிய தரநிலையாக மாறி வருகிறது. இந்த போக்குகள் எதிர்காலத்தை எவ்வாறு வடிவமைக்கின்றன என்பது பற்றிய கூடுதல் நுண்ணறிவுகளுக்கு, எங்கள் AI இன்சைட்ஸ் ஹப்பில் சமீபத்திய ரோபாட்டிக்ஸ் போக்குகளைப் பற்றி நீங்கள் படிக்கலாம்.

தினசரி வேலையில் ஒரு மாற்றம்

சாரா என்ற கிடங்கு மேலாளரின் ஒரு நாளைக் கவனியுங்கள். சில ஆண்டுகளுக்கு முன்பு, அவளுடைய காலை லோடிங் டாக்கிற்கான ஷிப்டுகளை நிரப்ப ஒரு வெறித்தனமான முயற்சியுடன் தொடங்கும். இரண்டு பேர் உடல்நிலை சரியில்லை என்று அழைத்தால், முழு செயல்பாடும் மந்தமாகிவிடும். இன்று, சாரா கனமான தூக்கும் வேலைகளைக் கையாளும் தன்னாட்சி மொபைல் ரோபோக்களின் கடற்படையைக் கண்காணிக்கிறார். ஒரு டிரக் வரும்போது, இந்த இயந்திரங்கள் பேலட்களை அடையாளம் காண கம்ப்யூட்டர் விஷனைப் பயன்படுத்துகின்றன மற்றும் அவற்றை சரியான பாதைகளுக்கு நகர்த்துகின்றன. சாரா இனி தனிப்பட்ட பணிகளை நிர்வகிக்கவில்லை. அவர் ஒரு சிஸ்டத்தை நிர்வகிக்கிறார். அவரது பங்கு கையேடு மேற்பார்வையிலிருந்து தொழில்நுட்ப ஒருங்கிணைப்புக்கு மாறியுள்ளது. அவர் தனது நேரத்தை செயல்திறன் தரவை பகுப்பாய்வு செய்வதிலும், அந்த நாளின் குறிப்பிட்ட சரக்குகளுக்கு ரோபோக்கள் உகந்ததாக இருப்பதை உறுதி செய்வதிலும் செலவிடுகிறார்.

இந்தக் காட்சி உலகம் முழுவதும் பொதுவானதாகி வருகிறது. ஜெர்மனியில் உள்ள ஒரு உற்பத்தி ஆலையில், ஒரு ரோபோ எட்டு மணிநேரம் இடைவிடாமல் எந்த மனிதனும் பொருத்த முடியாத துல்லியத்துடன் பாகங்களை வெல்டிங் செய்யக்கூடும். ஜப்பானிய மருத்துவமனையில், ஒரு ரோபோ நோயாளிகளின் அறைகளுக்கு உணவையும் துணிகளையும் வழங்கக்கூடும், இது செவிலியர்கள் உண்மையான மருத்துவ கவனிப்பில் கவனம் செலுத்த உதவுகிறது. இவை அறிவியல் புனைகதைகளின் ஹியூமனாய்டு ரோபோக்கள் அல்ல. அவை பெரும்பாலும் சக்கரங்களில் உள்ள பெட்டிகள் அல்லது தரையில் பொருத்தப்பட்ட மூட்டுகள் கொண்ட கைகள். அவை சலிப்பானவை, அதுதான் அவை வெற்றி பெறுவதற்கான காரணம். மக்கள் செய்ய விரும்பாத வேலையை அவை செய்கின்றன, மேலும் அவை நிலையான துல்லியத்துடன் செய்கின்றன.

இருப்பினும், மாற்றம் எப்போதும் மென்மையாக இருப்பதில்லை. இந்த சிஸ்டம்களை ஒருங்கிணைக்க குறிப்பிடத்தக்க முன் முதலீடு மற்றும் நிறுவன கலாச்சாரத்தில் மாற்றம் தேவைப்படுகிறது. ரோபோக்கள் வேலையின் மிகக் கடினமான பகுதிகளை மட்டுமே எடுத்துக்கொண்டாலும், தாங்கள் மாற்றப்படுவோம் என்று தொழிலாளர்கள் அடிக்கடி அஞ்சுகிறார்கள். வெற்றிகரமான நிறுவனங்கள் தங்கள் ஊழியர்களுக்கு மறுபயிற்சி அளிப்பதில் முதலீடு செய்பவை. தொழிலாளர்களை வேலையிலிருந்து நீக்குவதற்குப் பதிலாக, புதிய இயந்திரங்களை எவ்வாறு பராமரிப்பது மற்றும் புரோகிராம் செய்வது என்பதை அவர்களுக்குக் கற்றுக்கொடுக்கிறார்கள். இது அதிக திறமையான பணியாளர்களையும் அதிக மீள்தன்மை கொண்ட வணிகத்தையும் உருவாக்குகிறது. நிஜ உலக தாக்கம் என்பது மனித உறுப்பை திடீரென இடமாற்றம் செய்வதற்குப் பதிலாக, பணியிடத்தின் படிப்படியான பரிணாம வளர்ச்சியாகும்.

உண்மையில் ரோபோக்கள் இன்னும் அவற்றின் உடல் திறன்களில் மிகவும் குறைவாகவே உள்ளன. திராட்சை கொத்து அல்லது சிக்கலான கம்பிகள் போன்ற மென்மையான அல்லது ஒழுங்கற்ற பொருட்களைக் கையாள்வதில் அவை சிரமப்படுகின்றன. மனிதர்கள் சாதாரணமாகக் கருதும் பொது அறிவு (common sense) அவற்றிடம் இல்லை. ஒரு ரோபோ தண்ணீர்க் குளத்தைக் கண்டால், நழுவுவதைத் தவிர்க்க அல்லது ஷார்ட்-சர்க்யூட்டைத் தடுக்க அதிலிருந்து விலகி இருக்க வேண்டும் என்பதை அது உணர முடியாமல் போகலாம். திறனில் உள்ள இந்த சிறிய இடைவெளிகளில்தான் மனித-ரோபோ கூட்டணி மிகவும் முக்கியமானது. ஒவ்வொரு சூழலிலும் மனித கை மற்றும் மூளையின் பன்முகத்தன்மையுடன் உண்மையிலேயே பொருந்தக்கூடிய ஒரு இயந்திரத்தை உருவாக்க இன்னும் பல ஆண்டுகள் ஆகும்.

முன்னேற்றத்தின் கண்ணுக்குத் தெரியாத விலை

இந்த இயந்திரங்களை நமது வாழ்க்கையில் ஒருங்கிணைக்கும்போது, மறைக்கப்பட்ட செலவுகள் குறித்து கடினமான கேள்விகளைக் கேட்க வேண்டும். இந்த ரோபோக்கள் சேகரிக்கும் தரவுகளுக்கு என்ன நடக்கும்? ஒரு கிடங்கு அல்லது வீட்டிற்குள் நகரும் ரோபோ தொடர்ந்து தனது சூழலை ஸ்கேன் செய்கிறது. இது இடத்தின் விரிவான வரைபடத்தை உருவாக்குகிறது மற்றும் அதைச் சுற்றியுள்ள அனைவரின் இயக்கத்தையும் பதிவு செய்கிறது. இந்தத் தரவு யாருக்குச் சொந்தமானது, அது எவ்வாறு பயன்படுத்தப்படுகிறது? ஒரு நிறுவனம் தனது தொழிற்சாலையைக் கண்காணிக்க ரோபோக்களின் கடற்படையைப் பயன்படுத்தினால், அது கவனக்குறைவாக தனது ஊழியர்களின் தனிப்பட்ட பழக்கவழக்கங்களையும் கண்காணிக்கிறதா? தனியுரிமை தாக்கங்கள் மிகப் பெரியவை மற்றும் பெரும்பாலும் ஒழுங்குபடுத்தப்படாதவை.

ஆற்றல் மற்றும் நிலைத்தன்மை பற்றிய கேள்வியும் உள்ளது. இந்த ரோபோக்களை இயக்கும் மாபெரும் மாடல்களுக்குப் பயிற்சி அளிக்க மிகப்பெரிய அளவிலான மின்சாரம் தேவைப்படுகிறது. இந்த கணக்கீடுகளை இயக்கும் டேட்டா சென்டர்கள் குறிப்பிடத்தக்க கார்பன் தடத்தைக் கொண்டுள்ளன. மேலும், ரோபோக்களே சுரங்கப்படுத்துவதற்கு கடினமான மற்றும் மறுசுழற்சி செய்ய இன்னும் கடினமான அரிய வகை பொருட்களால் ஆனவை. நாம் ஒரு சுற்றுச்சூழல் சிக்கலை மற்றொன்றுக்காக மாற்றுகிறோமா? அவற்றின் பேட்டரிகளில் உள்ள தாதுக்கள் முதல் அவற்றின் பிராசஸர்களால் நுகரப்படும் ஆற்றல் வரை, இந்த இயந்திரங்களின் முழு வாழ்க்கைச் சுழற்சியையும் நாம் கருத்தில் கொள்ள வேண்டும். ஒரு ரோபோ தொழிலாளர் செலவில் பத்து சதவீதத்தைச் சேமித்து, ஆனால் ஆற்றல் நுகர்வை முப்பது சதவீதம் அதிகரித்தால், அது உண்மையிலேயே ஒரு முன்னேற்றமா?

மனித தொடர்பு குறைக்கப்படும் உலகின் சமூகச் செலவையும் நாம் கருத்தில் கொள்ள வேண்டும். ரோபோக்கள் நமது டெலிவரிகளைக் கையாண்டால், உணவைச் சமைத்தால் மற்றும் தெருக்களைச் சுத்தம் செய்தால், அது நமது சமூகங்களின் சமூகக் கட்டமைப்பிற்கு என்ன செய்யும்? சேவைப் பொருளாதாரத்தின் சாதாரண தொடர்புகள் மறைந்துவிடுவதால், தனிமை அதிகரிக்கும் அபாயம் உள்ளது. எந்தப் பணிகளை இயந்திரங்களிடம் விட்டுவிடுவது சிறந்தது மற்றும் எதற்கு மனிதத் தொடுதல் தேவை என்பதை நாம் தீர்மானிக்க வேண்டும். செயல்திறன் ஒரு சக்திவாய்ந்த உந்துசக்தியாகும், ஆனால் ஒரு தொழில்நுட்பத்தின் வெற்றியை மதிப்பிடுவதற்கு நாம் பயன்படுத்தும் ஒரே அளவுகோலாக அது இருக்கக்கூடாது. இயந்திரங்களின் உரிமையாளர்களுக்கு மட்டும் லாபம் கிடைக்காமல், ஆட்டோமேஷனின் நன்மைகள் அனைவருக்கும் கிடைப்பதை நாம் எப்படி உறுதி செய்வது?

வெளிப்புற ஷெல்லுக்கு அடியில்

பவர் யூசர்கள் மற்றும் இன்ஜினியர்களுக்கு, உண்மையான கதை செயல்படுத்தும் விவரங்களில் உள்ளது. பெரும்பாலான நவீன தொழில்துறை ரோபோக்கள் ROS 2 (Robot Operating System) போன்ற தரப்படுத்தப்பட்ட மென்பொருள் கட்டமைப்பை நோக்கி நகர்கின்றன. இது வெவ்வேறு வன்பொருள் துண்டுகளுக்கு இடையே சிறந்த இயங்குதன்மைக்கு அனுமதிக்கிறது. துறையில் உள்ள மிகப்பெரிய சவால்களில் ஒன்று latency ஆகும். ஒரு ரோபோ அதிவேகப் பணியைச் செய்யும்போது, செயலாக்க சுழற்சியில் சில மில்லி விநாடிகள் தாமதம் கூட தோல்வியை ஏற்படுத்தலாம். இதனால்தான் நாம் எட்ஜ் கம்ப்யூட்டிங்கை நோக்கி நகர்கிறோம். செயலாக்கத்திற்காக கிளவுடுக்கு தரவை அனுப்புவதற்குப் பதிலாக, கடினமான வேலைகள் உள்ளூர் வன்பொருளில் செய்யப்படுகின்றன, பெரும்பாலும் AI இன்ஃபரன்ஸிற்காக வடிவமைக்கப்பட்ட பிரத்யேக சிப்களைப் பயன்படுத்தி.

உள்ளூர் சேமிப்பு மற்றொரு முக்கியமான காரணியாகும். உயர் தெளிவுத்திறன் கொண்ட வீடியோ தரவு மற்றும் சென்சார் பதிவுகளை உருவாக்கும் ஒரு ரோபோ, ஒரு ஷிப்டில் பல டெராபைட் தரவை எளிதாக உருவாக்க முடியும். உள்ளூர் நெட்வொர்க்கை அடைக்காமல் இந்தத் தரவை நிர்வகிப்பது ஒரு பெரிய தடையாகும். பயிற்சிக்கு எந்தத் தரவு வைத்திருப்பது மதிப்புள்ளது மற்றும் எதை நிராகரிக்கலாம் என்பதை இன்ஜினியர்கள் தீர்மானிக்க வேண்டும். ரோபோக்களை ஏற்கனவே உள்ள எண்டர்பிரைஸ் ரிசோர்ஸ் பிளானிங் சிஸ்டம்களுடன் ஒருங்கிணைக்கும்போது கவனிக்க வேண்டிய கடுமையான API வரம்புகளும் உள்ளன. ஒரு கிடங்கு மேலாண்மை சிஸ்டம், ஒரு ரோபோடிக் கடற்படை உருவாக்கும் வினாடிக்கு ஆயிரக்கணக்கான நிலை புதுப்பிப்புகளைக் கையாளும் வகையில் வடிவமைக்கப்படாமல் இருக்கலாம். இதற்கு மெயின் டேட்டாபேஸை அடைவதற்கு முன் தரவை ஒருங்கிணைத்து வடிகட்டக்கூடிய ஒரு மிடில்வேர் அடுக்கு தேவைப்படுகிறது.

• நிகழ்நேர தடைகளைத் தவிர்ப்பதற்கான இன்ஃபரன்ஸ் வேகம்.
• 24 மணிநேர செயல்பாட்டிற்கான பேட்டரி அடர்த்தி மற்றும் வெப்ப மேலாண்மை.
• LiDAR, டெப்த் கேமராக்கள் மற்றும் IMU-களை இணைக்கும் சென்சார் ஃப்யூஷன் நுட்பங்கள்.
• உள்ளூர் Wi-Fi வழியாக அனுப்பப்படும் அனைத்து தரவுகளுக்கும் எண்ட்-டு-எண்ட் என்க்ரிப்ஷன்.
• தளத்தில் விரைவான பழுதுபார்ப்புகளை அனுமதிக்க மாடுலர் வன்பொருள் வடிவமைப்பு.

ஒர்க்ஃப்ளோ ஒருங்கிணைப்புதான் பெரும்பாலான திட்டங்கள் தோல்வியடையும் இடமாகும். ஒரு ரோபோவை ஆய்வகத்தில் வேலை செய்ய வைப்பது ஒரு விஷயம், ஆனால் அதை ஒரு உலகளாவிய கார்ப்பரேஷன் பயன்படுத்தும் ஏற்கனவே உள்ள மென்பொருளுடன் நன்றாக வேலை செய்ய வைப்பது மற்றொரு விஷயம். பாதுகாப்பும் மிக முக்கியமான கவலையாகும். ஹேக் செய்யப்பட்ட ரோபோ வெறும் தரவு ஆபத்து மட்டுமல்ல, அது ஒரு உடல் பாதுகாப்பு ஆபத்து. இந்த இயந்திரங்களை ஹைஜாக் செய்ய முடியாது என்பதை உறுதிப்படுத்த, பாதுகாப்பான பூட் செயல்முறைகள் மற்றும் வன்பொருள்-நிலை என்க்ரிப்ஷனில் ஆழ்ந்த கவனம் தேவை. நாம் 2026-க்குள் நுழையும்போது, டெவலப்பர்களுக்கான கவனம், இந்த சிஸ்டம்களை அவை இணையும் பாரம்பரிய IT உள்கட்டமைப்பைப் போலவே வலுவானதாகவும் பாதுகாப்பானதாகவும் மாற்றுவதாகும்.

ஆசிரியரின் குறிப்பு: கணினித் துறையில் நிபுணர்கள் அல்லாதவர்கள், ஆனால் செயற்கை நுண்ணறிவைப் புரிந்துகொள்ளவும், அதை அதிக நம்பிக்கையுடன் பயன்படுத்தவும், ஏற்கனவே வந்துகொண்டிருக்கும் எதிர்காலத்தைப் பின்தொடரவும் விரும்பும் மக்களுக்காக, பலமொழி AI செய்திகள் மற்றும் வழிகாட்டல் மையமாக இந்த தளத்தை நாங்கள் உருவாக்கினோம்.

அடுத்த தசாப்தத்தின் உழைப்பு

டெமோக்களில் இருந்து நிஜ வேலைக்கு மாறுவது, தொழில்நுட்பம் சந்தையின் ஆய்வை எதிர்கொள்ளும் அளவுக்கு முதிர்ச்சியடைந்துள்ளது என்பதற்கான அறிகுறியாகும். நடக்கக்கூடிய ஒரு ரோபோவால் நாம் இனி ஈர்க்கப்படுவதில்லை, அது உடையாமல் பத்து மணிநேரம் வேலை செய்ய முடியுமா என்றுதான் நாம் அறிய விரும்புகிறோம். கிடங்குகள் மற்றும் தொழிற்சாலைகளில் ஏற்படும் அமைதியான லாபங்கள், எந்தவொரு வைரல் வீடியோவை விடவும் மிக முக்கியமானவை. இந்த இயந்திரங்கள் உலகளாவிய தொழில்துறை ஸ்டேக்கின் நிலையான பகுதியாக மாறி வருகின்றன. அவை திரைப்படங்களில் நாம் பார்ப்பது போல பளிச்சென்று இல்லாவிட்டாலும், உழைப்பு மற்றும் லாஜிஸ்டிக்ஸில் உண்மையான சிக்கல்களைத் தீர்க்கின்றன. ஆட்டோமேட் செய்வதற்கான பொருளாதார அழுத்தம் அதிகரிக்க மட்டுமே போகிறது, மேலும் அந்தத் தேவையைப் பூர்த்தி செய்ய மென்பொருள் இறுதியாகத் தயாராக உள்ளது.

இந்த சிஸ்டம்களை நாம் எவ்வளவு விரைவாக அளவிட முடியும் என்பதுதான் எஞ்சியிருக்கும் பெரிய கேள்வி. ஒரு வசதியில் பத்து ரோபோக்களைப் பயன்படுத்துவது ஒரு விஷயம், ஆனால் உலகளாவிய நெட்வொர்க்கில் பத்தாயிரத்தை நிர்வகிப்பது மற்றொரு விஷயம். இந்த இயந்திரங்களை எவ்வாறு பராமரிப்பது, புதுப்பிப்பது மற்றும் பாதுகாப்பது என்பதை நாம் இன்னும் கற்றுக்கொண்டிருக்கிறோம். வன்பொருள் மலிவானதாகவும், மென்பொருள் அதிக திறன் கொண்டதாகவும் மாறும்போது, கையேடு மற்றும் தானியங்கி உழைப்புக்கு இடையிலான கோடு மங்கலாகத் தொடரும். ரோபோக்கள் இங்கே உள்ளன, அவை இறுதியாக வேலைக்குத் தயாராகிவிட்டன. அடுத்த சில ஆண்டுகள் நாம் அவர்களுடன் எப்படி வாழப் போகிறோம் மற்றும் வேலை செய்யப் போகிறோம் என்பதைத் தீர்மானிக்கும்.