ಆತ್ಮ-ಊದೋಗುರುತಗೆಂದು ಉಲ್ಬಣವಾಗುತ್ತಿದೆ ಎಂಬುದು ರೋಬೋಟಿಕ್ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಕ್ರಾಂತಿ. ಈ ಯಂತ್ರಗಳು ಈಗೇಲೆ ಅवलೋಕನದಿಂದ ಆವೃತ್ತಿಗೆ ತಲುಪಿಸುತ್ತವೆ. ನೂತನವಾದ RHyME ವ್ಯವಸ್ಥೆವು ವಿವರಣೆಾತ್ಮಕ ವೀಡಿಯೊಗಳನ್ನು ರೋಬೋಟಿಕ್ ಕೌಶಲ್ಯಗಳಲ್ಲಿ ಪರಿವರ್ಶಿಸುತ್ತದೆ, ಇದುವರೆಗೆ ರೋಬೋಟ್ಗಳು ಕಾರ್ಯಗಳನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ತಿರುಗಿಸುತ್ತದೆ. ಮಹತ್ವದ ಮುಂದಿತ್ತಿದ್ದು: ಕಿರುಮುಖವಾಗಿರುವ ಮಾಹಿತಿಗಳನ್ನು ಸಾವಯವವಾಗಿ ಕಡಿಮೆ ಮಾಡುವುದು. ನಿಖರವಾಗಿ ಕಾರ್ಯಕ್ರಮಗೊಳಿಸಲಾಗಿರುವ ರೋಬೋಟ್ಗಳು ಪರಿಸರದ ಅನಿರೀಕ್ಷಿತ ಘಟನೆಗಳಿಗೆ ಎದುರು ಹಾಕಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತವೆ. ಈ ಚಲನೆ ತರಬೇತಿ ಮಾನದಂಡಗಳನ್ನು ಪರಿವರ್ಶಿಸುತ್ತದೆ, ಉಪಯುಕ್ತ ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಅನ್ವಯಗಳಿಗೆ ಮಾರ್ಗವನ್ನು ತೆರೆಯನ್ನು ನೀಡುತ್ತದೆ.
ರೋಬೋಟ್ಗಳ ತರಬೇತಿಗೆ ಕ್ರಾಂತಿಕಾರಿ ವ್ಯವಸ್ಥೆ
ಕೋರ್ಣೆಲ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಶೋಧಕರು ನೂತನವಾದ RHyME (Retrieval for Hybrid Imitation under Mismatched Execution) ವ್ಯವಸ್ಥೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ. ಈ ರೋಬೋಟ್ ವೇದಿಕೆ, ಕೃತಿಮಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಸಂಚಾಲಿತ, ಯಂತ್ರಗಳಿಗೆ ಒಂದು ಸೊಪ್ಪು ವಿವರಣೆಾತ್ಮಕ ವೀಡಿಯೋವನ್ನು ಅವಲೋಕನ ಮಾಡುವ ಮೂಲಕ ಕಾರ್ಯಗಳನ್ನು ಕಲಿಯುವ ಸಾಧ್ಯತೆಯನ್ನು ನೀಡುತ್ತದೆ. ಈ ವಿಧಾನವು ರೋಬೋಟ್ಗಳು ಕೌಶಲ್ಯಗಳನ್ನು ಸಂಪಾದಿಸುವ ವಿಧಾನವನ್ನು ಪರಿವರ್ತಿಸಬಹುದು.
ರೋಬೋಟಿಕ್ ತರಬೇತಿಯ ಸವಾಲುಗಳು
ಸಾಂಪ್ರದಾಯಿಕ ರೋಬೋಟ್ಗಳನ್ನು ಶ್ರೇಣೀಬದ್ಧವಾದ ಶಿಕ್ಷಣ ಶ್ರೇಣೀಯಾಗಳಿಂದ ಗುರುತಿಸಲಾಗುತ್ತದೆ. ಅವುಗಳ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನಿರ್ದಿಷ್ಟವಾಗಿ, ಹಂತ ಹಂತವಾಗಿ ಸೂಚನೆಗಳನ್ನು ಅಗತ್ಯವಿದೆ. ಅನಿರೀಕ್ಷಿತ ಘಟನೆಗಳು ಸಂಭವಿಸಿದಾಗ, ಉದಾಹರಣೆಗೆ ಒಂದು ಪರಿಕರ ಬೀಳುವಾಗ, ರೋಬೋಟ್ ವಿಫಲಗೊಳ್ಳುತ್ತದೆ ಮತ್ತು ”ಒಪ್ಪಿಕೆ” ಮಾಡುವ ಸೌಲಭ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ. RHyME ನ ಆವಿಷ್ಕಾರವು ಕಥೆಗಾರಿಕೆಯ, ಶ್ರಮ ಮತ್ತು ವೆಚ್ಚಗಳಿಗೆ ದುಡ್ಡು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ಮನುಷ್ಯರಲ್ಲಿವೆ ಎಲ್ಲಾ ಶ್ರೇಣೀಗಳನ್ನು ಅನುಸರಿಸುವ ವಿಧಾನ
ಕೂಷಲ್ ಕೆಡಿಯಾ, ಗಣಕಯಂತ್ರದಲ್ಲಿ ಪದವಿ ವಿದ್ಯಾರ್ಥಿ, ಮನುಷ್ಯನ ಅನುಭವವು ಅಪರೂಪ ಪ್ರಜ್ಞೆಯನ್ನು ಅನುಕರಿಸುತ್ತದೆ ಎಂದು ಒತ್ತಿಸುತ್ತಾರೆ. ಯಂತ್ರಗಳು ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲ್ಪಟ್ಟಾಗ, ಅವರು ಇತರರ ಕ್ರಮಗಳನ್ನು ಅಧೀನಗೊಳ್ಳುತ್ತಾರೆ, ಇದು ರೋಬೋಟ್‌ಗಳಿಗೆ ಅವರಿಂದ ಕ್ರಿಯಾತ್ಮಕವಾಗಿರುವ ಒಂದು ಅಂಶವಾಗಿದೆ. ಆದ್ದರಿಂದ RHyME ಮಾನವ ನಡವಳಿಗಳನ್ನು ರೋಬೋಟ್‌ಗಳಿಗೆ ಅರ್ಥೈಸುವ ಸೂಚನೆಗೆ ಆಕಾಂಕ್ಷಿಸುತ್ತವೆ.
RHyME ನ ನಾವೀನ್ಯತೆಯ ವಿಧಾನಶಾಸ್ತ್ರ
RHyME ವ್ಯವಸ್ಥೆ ಶ್ರೇಣೀಬದ್ಧವಾದ ನಕಲಿ ಕಲಿಕೆ ವಿಧಾನವನ್ನು ಒಳಗೊಂಡಿದೆ, ಅಲ್ಲಿ ರೋಬೋಟ್ ಜನರನ್ನು ತೋರಿಸುತ್ತಿರುವ ವೀಡಿಯೊಗಳಿಂದ ಕಲಿಯುತ್ತದೆ. ವೀಡಿಯೊಗಳನ್ನು ನಿಖರ ಮತ್ತು ಸುಗಮವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಬೇಕಾದದ್ದೆನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಮಾನವದ್ಯೋಗಗಳನ್ನು ರೋಬೋಟ್ ಕಾರ್ಯಗತಿಯು ಅನ್ವಯಿಸುವುದರಲ್ಲಿ ಪೌಂಡಿನ ನಿಕಟತೆ ಇದೆ, ಆದರೆ RHyME ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರವನ್ನು ಪ್ರಕಟಿಸುತ್ತದೆ.
ಈ ವ್ಯವಸ್ಥೆ ರೋಬೋಟ್ಗಳನ್ನು ಅವರ ಸ್ಮೃತಿಯಲ್ಲಿರುವ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಚಲನೆಯನ್ನು ಗಾಯವಾಗದೆ ನಿಖರವಾಗಿ ಬೀರುವಂತೆ ಮಾಡಲು ಸಹಾಯಮಾಡುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ರೋಬೋಟ್ ಒಂದು ವೀಡಿಯೋವನ್ನು ಪರಿಗಣಿಸುತ್ತಿದೆ, ಇದರಲ್ಲಿ ವ್ಯಕ್ತಿಯೊಬ್ಬ ಕೌಂಟರ್ ಮೇಲೆ ಕುಂಕು ಸಂಪರ್ಕಿಸುವಿಕೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಶ್ರಮಣಿಸುವಿಕೆಗಳನ್ನು ಪ್ಲೇಮೇಂಟ್‌ನಲ್ಲಿ ಇಡುವ ದೃಶ್ಯವನ್ನು ನೋಡುತ್ತಾನೆ. RHyME ಅವನನ್ನು ಇತರ ವೀಡಿಯೊಗಳಿಂದ ಸಮಾನ ಕಾರ್ಯಗಳಲ್ಲಿ ಪ್ರೇರಣೆಯ ತಲುಪಿಸಲು ಮಾರ್ಗದರ್ಶನ ಮಾಡುತ್ತದೆ. ಈ ಸಾಮರ್ಥ್ಯವಾದವು ವೈವಿಧ್ಯಮಯ ಪರಿಸರದಲ್ಲಿ ರೋಬೋಟ್ಗಳನ್ನು ಪ್ರಭಾವಿತ ಮಾಡಲು ಅತ್ಯಂತ ಅಗತ್ಯವಾಗುತ್ತದೆ.
ಆಶಾವಾದಿ ಫಲಿತಾಂಶಗಳು
ಶೋಧಕರ ಪ್ರಕಾರ, RHyME ರೋಬೋಟ್ ತರಬೇತಿಯ ಮಾಹಿತಿಯ ಒತ್ತಾಯವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು. ಈ ವ್ಯವಸ್ಥೆಗೆ ಕೇವಲ 30 ನಿಮಿಷಗಳು ನಿಯಮಿತ ಮಾಹಿತಿಗಳನ್ನು ಅಗತ್ಯವಿದೆ, ಅದು ಕೌಶಲ್ಯಗಳನ್ನು ಸಂಪಾದಿಸಲು ನೆರವಾಗುತ್ತದೆ. ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ತೋರಿನೆಗೆ RHyME ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ತರಬೇತಿಯಾದ ರೋಬೋಟ್ಗಳು ಪರೀಕ್ಷೆಗಳಲ್ಲಿ 50 % ಹೆಚ್ಚು ಸಾಧನೆ ಹೊಂದಿದ್ದು ಬಂದಿದೆ.
ಕಾರ್ಯಕ್ರಮದ ವಿಧಾನಗಳನ್ನು ಪರಿವರ್ತನೆ
ಸಂಜಿಬಾನ್ ಚೌಧರಿ, ಗಣಕಯಂತ್ರದಲ್ಲಿ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕ, RHyME ಯ ಕ್ರಾಂತಿಕಾರಿ ಪ್ರಮಾಣವನ್ನು ಹೇಳುತ್ತಾರೆ. ಉಪಯುಕ್ತಗೊಂಡಿರುವ ಕ್ರಿಯೆಗಳು ಮತ್ತು ಮಾರ್ಗದರ್ಶನದಲ್ಲಿ ಪ್ರಾಯೋಜಿತ, RHyME ಎಕ್ಸಿಪಾಂಡಿನ ಸಮರ್ಪಕಿತಾ ಮಾರ್ಗವನ್ನು ಬೆಳೆಸುತ್ತದೆ.
ರೋಬೋಟಿಕ್ನ ಭವಿಷ್ಯದ ದೃಷ್ಟಿಕೋನಗಳು
ಮಹತ್ವದ ಪ್ರಗತಿಗಳು ರೂಪಿಸಲ್ಪಟ್ಟರೂ ಸಹ, ಹಲವಾರು ಸವಾಲುಗಳು ಉಳಿದಿವೆ. ರೋಬೋಟ್ಗಳು ಭೌತಿಕ ಜಗತ್ತಿನ ಕುರಿತು ತಮ್ಮ ಅರ್ಥವನ್ನು ಒಂದು ಮಾಡುವುದಕ್ಕೆ ಸಾಗಬೇಕು. ರೋಬೋಟ್ ಅಭಿವೃದ್ಧಿಯ ಸಾಂದರ್ಭಿಕ ದಾಖಲೆ ಮನೆಗಳಲ್ಲಿ ಕೃತಕ ಸಹಾಯಕರ ಸಾಮಾನ್ಯೀಕರಣಕ್ಕೆ ದೂರದಲ್ಲಿ ಉಳಿದಿರುವುದು. ಪುನಾದಿ ಶೋಧಗಳು ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿಖರವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗಿಸಲು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ.
ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕೃತಿಮಬುದ್ಧಿಮತ್ತೆ ಅಭಿವೃದ್ಧಿಕೆಗೆ, CNILನಂತಹ ಉಪಕ್ರಮಗಳು ಅನುಕೂಲಕೃತ ರೋಬೋಟಿಕ್ ಪರಿಹಾರಗಳ ನಿಕಟವಾದ ಅನುಸರಣೆಯನ್ನು ಉತ್ತೇಜಿಸುತ್ತವೆ.
RHyME ಯ ಉದಯವು ಕೇವಲ ತಾಂತ್ರಿಕ ಸುಧಾರಣೆಯ ಪಾರ್ಶ್ವದಲ್ಲಿ ಪಾರಂಗತಖಂಡವನ್ನು ಹೊಂದಿದೆ. ತಂತ್ರಜ್ಞಾನಗಳಲ್ಲಿ ಹೊಸ ನಾವೀನ್ಯತೆಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತಿರುವ ಇತರ ಕ್ಷೇತ್ರಗಳು, ಉದಾಹರಣೆಗೆ ಸೈಬರ್ಗ್ ಹಕ್ಕಿಗಳ ಕಂಪನದಲ್ಲಿ ಆಯೋಜನೆಯಾದ ವಿಶ್ಲೇಷಣೆ ತಮ್ಮನ್ನು ತಲೆಮಟ್ಟಿಸುವಂತಹ ಯೋಜನೆಗಳಾದ ಬಿಜ್ ಕ್ಕೆ ಉತ್ತಮಗಳಿಗೆ ತಲುಪಿಸುತ್ತದೆ.
ಇಂದು ಕಾರ್ಯಾಂಶನಲ್ಲಿರುವ ಅತ್ಯಾಧುನಿಕ ರೋಬೋಟ್ಗಳನ್ನು ಪ್ರಶೀಲಿಸುವ ಮಿನಿ-ರೂಪಗಳ ಅಧ್ಯಯನಗಳು ಶಕ್ತಿವಂತ ಶ್ರೇಣಿಯನ್ನು ನಿರ್ವಹಿಸುವ ಪರಿಕಥೆಗಳನ್ನು ಮನುಷ್ಯರ ಕಾರ್ಯವಿಧಾನಗಳಿಂದ ತಲುಪಿಸುತ್ತವೆ.
RHyME ಹೊಸ ಮಾರ್ಗಗಳನ್ನು ತೆರೆದಂತಿರುವಾಗ, ಮುಂದುವರಿಯುವ ಶೋಧ ಮತ್ತು ಕೈಗಾರಿಕೆಯನ್ನು ಹೊಸ ವಿಧಾನಗಳನ್ನು ಸಮರ್ಪಿಸಲು ಒತ್ತಿಸಲಾಗಿದೆ.
ಸಾಮಾನ್ಯವಾದ ಪ್ರಶ್ನೆಗಳ ಮೇಲೆ
ರೋಬೋಟ್ಗಳನ್ನು ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು RHyME ವ್ಯವಸ್ಥೆ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ?
RHyME ವ್ಯವಸ್ಥೆ ರೋಬೋಟ್‌ಗಳಿಗೆ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸಲು ವಿವರಣೆಾತ್ಮಕ ವೀಡಿಯೋವನ್ನು ಅವಲೋಕನ ಮಾಡುವ ಮೂಲಕ ಕಲಿಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ನಕಲಿ ಕಲಿಕಾ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ. ಈ ವ್ಯವಸ್ಥೆ ಕಲಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೆಚ್ಚು ಅನ್ವಯಾತ್ಮಕ ಮತ್ತು ಪರಂಪರೆಯ ತರಬೇತಿ ಮಾಹಿತಿಯಿಂದ ಕಡಿಮೆ ಅಗತ್ಯವನ್ನು ಮಾಡುವುದಕ್ಕೆ ಕೃತಿಮ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಚಿಕಿತ್ಸಿಗಳನ್ನು ಬಳಸುತ್ತದೆ.
ರೋಬೋಟ್ಗಳ ಕಲಿಕೆಯ ಮೇಲೆ ವಿವರಣೆಾತ್ಮಕ ವೀಡಿಯೋಗಳ ಪರಿಣಾಮ ಏನ್?
ವಿವರಣೆಾತ್ಮಕ ವೀಡಿಯೋಗಳು ರೋಬೋಟ್‌ಗಳಿಗೆ ಮಾನವನ ಕಾರ್ಯದ ಪ್ರದರ್ಶಗಳನ್ನು ತೋರಿಸುತ್ತೇನಂಬಿಸಿದಂತೆ ವ್ಯಾಖ್ಯಾನ ಮಾಡುವ ಮೂಲಕ ಕಲಿಯಲು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಸಾಧವನ್ನು ನೀಡುತ್ತದೆ. ಇದು ದೂರದ ನಿರ್ವಹಣೆಯ ಹೆಚ್ಚಿನ ಅವಶ್ಯಕತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ ರೋಬೋಟ್ಗಳು ಒಂದೇ दृष्टಿಕೋನದಿಂದ ಸಾಕ್ಷ್ಯಗಳ ಕುರಿತಾದಂತೆ ಆಕೃತಿಗಳನ್ನು ಉದಾಹರಿಸುತ್ತವೆ.
ಈ ವ್ಯವಸ್ಥೆಯ ಮೂಲಕ ರೋಬೋಟ್ಗಳು ಯಾವ ಶ್ರೇಣಿಯ ಕಾರ್ಯಗಳನ್ನು ಕಲಿಯಬಹುದು?
ರೋಬೋಟ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಈ ಕಾರ್ಯಗಳಾದ ಶ್ರೇಣಿಯನ್ನು ಕಲಿಯಬಹುದು, ಉದಾಹರಣೆಗೆ ಯಾವುದೇ ವಸ್ತುಗಳನ್ನು ಹಿಡಿದಿಡುವುದು, ಅಥವಾ ಸಂಖ್ಯೆಗಳಂತಹ ವ್ಯವಹಾರಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಕೆಲಸಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಾಗುವುದು.
RHyME ಯೊಂದಿಗೆ ರೋಬೋಟ್‌ನ್ನು ತರಬೇತುಗೊಂಡಲು ಬೇಕಾದ ಮಾಹಿತಿಯ ಪ್ರಮಾಣ ಎಷ್ಟು?
RHyME ಗೆ ಕೇವಲ 30 ನಿಮಿಷಗಳ ಮಾಹಿತಿಯಂಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಇದು ಹೆಚ್ಚು ಶ್ರೇಣೀಬದ್ಧ ರೀತಿಯಿಂದ ಕಾರ್ಯವನ್ನು ನೆರವಾಗುತ್ತೆ, ಹಾಗಾಗಿ 50 % ಹೆಚ್ಚು ಸಿದ್ಧಿಸಲು ಕೋಷ್ಟಕ ಶ್ರೇಣಿಯಲ್ಲಿ ಕಲಿಸುವ ಕ್ರಮದರತ್ ಆದಾಯವನ್ನು ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ರೋಬೋಟ್ಗಳ ಕಲಿಕೆಯಲ್ಲಿ ಆದರ್ಶ ನಕಲಿ ಕಲಿಕೆಗೆ ಸಂಬಂಧಿಸಿದ ಸವಾಲುಗಳು ಏನು?
Sವಾಲುಗಳಲ್ಲಿ ದಣಿವಿನಿಂದ ಮಾನವನ ವಾತಾವರಣವನ್ನು ಅನುಸರಿಸಲು ಮತ್ತು ತಿಖಣವಾಗಿ ಕ್ರಮಗಳನ್ನು ಪುನರಾವೃತ್ತ ಮಾಡಲು ರೋಬೋಟ್‌ಗಳಿಗೆ ದೀರ್ಗಂಗಳಿಸುವುದು. ಮಾನವರು ತಮ್ಮ ಕ್ರಿಯೆಯಲ್ಲಿ ವೈವಿಧ್ಯತೆಯನ್ನು ಹೊಂದಿದ ಕಾರಣ, ರೋಬೋಟ್ಗಳು ತಮ್ಮ ಮತ್ತು ಮಾನವರಿಗೆ ಇರುವ ಕ್ರಿಯಾಕಲ್ಪನೆಯಲ್ಲಿ ಈ ಎಲ್ಲಾ ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಿರ್ವಹಿಸಲು ರೂಪಿಸುತ್ತವೆ.
RHyME ಯನ್ನು ಬದಲಾವಣೆಯೇರುವ ಪರಿಸರದಲ್ಲಿ ಅನ್ವಯಿಸಬಹುದೆ?
ಹೌದು, RHyME ಚಲನೆ ಪ್ರಮಾಣವನ್ನು ವೈವಿಧ್ಯಕಿತ ಪರಿಸರದಲ್ಲಿ ಬರುವ ಶ್ರೇಣಿಗೆ ನಾಮೀಕರಣ ಮಾಡಲು ಉತ್ಸಾಹಿಸುತ್ತಿದೆ, ಇದು ಉದ್ಯಮಗಳಿಗೆ ಸ್ವಲ್ಪ ಅಳತೆಗಳಲ್ಲಿ ಕಲಿಯುವ ಸಾಧ್ಯತೆಗಳನ್ನು ಅವಲೋಕನ ಮಾಡುವಂತೆ ರೂಪಿಸುತ್ತವೆ.
RHyME ಪರಂಪರೆಯ ರೋಬೋಟಿಕ್ ಕಲಿಕೆಯಿಂದಾಗಿರುವ ವಿನ್ಯಾಸದ ವೇದಿಕೆಗಳಿಗೆ ಏನು ನಡೆಯಬಹುದು?
ಸಾಂಪ್ರದಾಯಿಕ ಹಗ್ಗದಷ್ಟು ಹೆಚ್ಚು ವಿಸ್ತಾರಕ್ಕೆ ಸಂಭವನೀಯ ಶ್ರೇಣೀಬದ್ಧ ಹಾಡುಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ, RHyME ವೇದಿಕೆವು ವೇಗವಾಗಿ ಕಲಿಸುತ್ತದೆ ಮತ್ತು ಗಟ್ಟಿಯಾಗುವುದು, ಇಲ್ಲಿ ರೋಬೋಟ್ಗಳು ಮಾತ್ರ ಒಂದು ಅಥವಾ ಎರಡು ವೀಡಿಯೊಗಳಿಂದ ಕಾರ್ಯವನ್ನು ರಾಜ್ಯಿಸಲು ಕಲಿಯುತ್ತದೆ.
RHyME ನ ಭವಿಷ್ಯದ ಸಹಾಯಗಳ ಅಂತಿಮ ಪರಿಕಲ್ಪನೆ ಏನು?
RHyME ಉತ್ತಮ ಸಹಾಯಗಳ ಮೂಲಕ, ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯವನ್ನು ಕಲಿಯುವ ಭಾರತೀಯ ಸಂಸ್ಥೆಗಳಿಗೆ ಹೆಚ್ಚು ಮಾಡುವಂತೆ ಗಣಕಯಂತ್ರದಲ್ಲಿ ಸಹಾಯಕವಾಗಿ ಸಾಧಿಸುತ್ತವೆ, ಭಾರತದ ಪಲ್ಲಟಗಳನ್ನು ಮಾಡಿಲ್ಲದ ಹೆಚ್ಚುವರಿ ಕಾರ್ಯವನ್ನು ಅನುಸರಿಸುತ್ತದೆ.
