Direct Drive का तर्क: रोबोट पहले वहां पहुंचे, तभी सीख पाएगा

Direct Drive का केंद्रीय दावा सीधा है: रोबोट की पहली व्यावसायिक समस्या केवल यह नहीं कि वह कितना “सोच” सकता है, बल्कि यह भी है कि उसका शरीर काम और डेटा-संग्रह वाली जगहों तक पहुंच सकता है या नहीं। अगर रोबोट रोजमर्रा के वातावरण में मौजूद भौतिक बाधाओं को पार ही न कर पाए, तो बेहतर परसेप्शन या फाउंडेशन मॉडल भी उन जगहों से वास्तविक इंटरैक्शन डेटा नहीं जुटा सकते। 67

असली चुनौती: ‘फिजिकल एंट्री’

हमारे आसपास का वातावरण प्रयोगशाला जैसी चिकनी और समतल सतहों तक सीमित नहीं है। फुटपाथ के ऊंचे किनारे, दरवाजे की दहलीज, टूटी सड़क, ढलान, सीढ़ियां, कीचड़, औद्योगिक फर्श और घर के अंदर-बाहर के बीच के बदलाव—ये सभी रोबोट की पहुंच की परीक्षा लेते हैं। Direct Drive का तर्क है कि पारंपरिक पहिएदार रोबोट अक्सर ऐसे स्थानों तक पहुंच ही नहीं पाते। नतीजतन, वहां होने वाली भौतिक गतिविधियों का डेटा भी पैदा नहीं होता। 6

इस दृष्टिकोण में समस्या को केवल AI मॉडल की कमी नहीं, बल्कि रोबोट के “वाहक” या शरीर की सीमा के रूप में देखा जाता है। सिमुलेशन उपयोगी है, लेकिन उसकी अपनी सीमाएं हैं। जो रोबोट किसी वातावरण में प्रवेश नहीं कर सकता, वह वहां से सीख या सेवा—दोनों नहीं दे सकता। 67

इसीलिए कंपनी ऐसे तैनाती मॉडल पर सवाल उठाती है जिनमें वातावरण को रोबोट के मुताबिक बदलना पड़ता है—मसलन अलग रैंप, विशेष मार्कर, सीमित लेन या पूरी तरह तैयार किया हुआ मार्ग। उसका लक्ष्य ऐसा प्लेटफॉर्म बनाना है जो मानव-निर्मित वातावरण के अनुरूप खुद को ढाल सके।

यह ध्यान रखना जरूरी है कि यह कंपनी की रणनीतिक व्याख्या है, उद्योग की स्थापित सर्वसम्मति नहीं। एम्बॉडीड AI के लिए हेरफेर, सुरक्षा, परसेप्शन, कंप्यूटिंग, डेटा गुणवत्ता, लागत और विश्वसनीयता भी उतने ही महत्वपूर्ण हैं। फिर भी, यह विचार एम्बॉडीड AI की व्यापक परिभाषा से मेल खाता है—ऐसी प्रणाली जो वातावरण को महसूस करे, निर्णय ले और अपने एक्ट्यूएटर के जरिए भौतिक दुनिया पर असर डाले। 3

केवल पहिए या केवल पैर क्यों नहीं?

केवल पहिए: तेज, लेकिन सीमित

पहिए समतल फर्श और सड़कों पर तेज, ऊर्जा-कुशल और व्यावहारिक होते हैं। लेकिन ऊंचे स्टेप, चौड़े गैप, ढीली मिट्टी और असमतल जमीन पर उनकी क्षमता जल्दी सीमित हो जाती है। 6

केवल पैर: बाधाएं पार करने की कीमत

पैरों वाले रोबोट बड़े अवरोधों और जटिल सतहों को पार कर सकते हैं, लेकिन नियमित और लंबी दूरी की यात्रा में वे आमतौर पर अधिक ऊर्जा, जटिल नियंत्रण और ज्यादा लागत मांगते हैं। Direct Drive की सामग्री पहियों वाली गतिशीलता की तुलना में उन्हें कम दक्ष और कम स्केलेबल बताती है। 5

व्हील-लेग्स: दोनों का मेल

व्हील-लेग्ड रोबोट में सामान्य गति के लिए पहियों का इस्तेमाल किया जाता है, जबकि जरूरत पड़ने पर जुड़े हुए पैर शरीर को ऊपर उठाने, कदम रखने, स्थिर होने, मुद्रा बदलने या बाधा पार करने में मदद करते हैं। NVIDIA के विवरण के अनुसार, TITA पहियों की गति और फुर्ती को पैरों की अनुकूलन क्षमता के साथ जोड़ता है तथा डायरेक्ट-ड्राइव जॉइंट और हब-मोटर तकनीक का इस्तेमाल करता है। 4

व्यावहारिक उद्देश्य यह है कि रोबोट फुटपाथ के किनारे, असमतल सड़क या ढलान पर पहुंचकर काम रोकने या पूरा रास्ता दोबारा डिजाइन करने को मजबूर न हो। इसी सोच से कंपनी का यह विचार भी निकलता है कि घरेलू रोबोट घरों में पूरी तरह इंसानी चाल अपनाकर नहीं, बल्कि शुरुआत में “रोल” करते हुए प्रवेश कर सकते हैं।

डायरेक्ट-ड्राइव एक्ट्यूएटर की भूमिका

डायरेक्ट-ड्राइव हब मोटर पहिए को सीधे शक्ति देती है। इसी तरह डायरेक्ट-ड्राइव या क्वाज़ी-डायरेक्ट-ड्राइव जॉइंट मोटर मुद्रा बदलने, कदम रखने और बाधा पार करने के लिए जरूरी उच्च टॉर्क और तेज प्रतिक्रिया उपलब्ध कराती हैं। 4

पारंपरिक ट्रांसमिशन घटकों को हटाने या कम करने का उद्देश्य टॉर्क नियंत्रण और तत्काल गति-प्रतिक्रिया को बेहतर बनाना है। हालांकि इसके साथ मोटर, ताप-प्रबंधन, नियंत्रण प्रणाली और ढांचे को अधिक भार संभालने लायक बनाने की चुनौती भी आती है।

इस आर्किटेक्चर में AI तय करता है कि रोबोट को कौन-सा रास्ता लेना है और कैसे चलना है। लेकिन चुनी गई गति को असमतल जमीन पर वास्तव में संभव बनाने का काम हार्डवेयर करता है। यही Direct Drive के उस दावे का आधार है कि एम्बॉडीड AI की समस्या केवल सॉफ्टवेयर से हल नहीं होगी।

Xingtian से D1 तक प्लेटफॉर्म का विकास

• Xingtian / Xing Tian (2021): Direct Drive का शुरुआती व्यावसायिक डायरेक्ट-ड्राइव, दो-पहिया-लेग वाला रोबोट। इसे पारंपरिक पहिएदार चेसिस की तुलना में बेहतर भू-भाग पहुंच की शुरुआती मिसाल के तौर पर पेश किया गया। 7
• TITA (2023): आठ डिग्री ऑफ फ्रीडम वाला व्हील्ड-बाइपेड प्लेटफॉर्म, जिसमें अधिक सक्षम डायरेक्ट-ड्राइव जॉइंट सिस्टम और हार्डवेयर-सॉफ्टवेयर विकास के लिए खुला ढांचा जोड़ा गया। 5
  • कंपनी के अनुसार TITA में आठ क्वाज़ी-डायरेक्ट-ड्राइव एक्ट्यूएटर, 120 N·m पीक टॉर्क, आठ डिग्री ऑफ फ्रीडम, हॉट-स्वैपेबल बैटरी, ओपन Linux कर्नेल/API एक्सेस और ROS 2 सपोर्ट है। 5
  • इसके सेंसर और AI सेटअप में NVIDIA Jetson Orin NX 16 GB, 100 TOPS कंप्यूट, अल्ट्रासोनिक और SPAD सेंसर तथा बाइनोक्युलर कैमरे शामिल बताए गए हैं। ऊपरी हिस्से की रेल पर मॉड्यूलर एक्सेसरी लगाई जा सकती हैं। 45
  • प्लेटफॉर्म को निरीक्षण, लॉजिस्टिक्स, कृषि और शोध जैसे कार्यों के लिए डिजाइन किया गया है। निर्माता सक्रिय बाधा-परिहार, मुद्रा समायोजन, गिरने से बचाव और खुद को दोबारा खड़ा करने की क्षमता का दावा करता है। 45
• D1 (2025): एक मॉड्यूलर एम्बॉडीड-रोबोट प्लेटफॉर्म, जो रोबोट इकाइयों को जोड़कर दो-पहिया-लेग से चार-पहिया क्रॉलिंग या क्वाड्रपेड-जैसी संरचना में बदला जा सकता है। 5
  • Direct Drive द्वारा प्रकाशित विनिर्देशों में अधिकतम 70 सेंटीमीटर बाधा ऊंचाई, क्रॉलिंग मोड में 100 किलोग्राम तक पेलोड और एक स्थिर आकार के बजाय बहु-इकाई कॉन्फिगरेशन का दावा किया गया है। 5
  • इसका महत्व केवल अधिक भार उठाने में नहीं है। एक कॉन्फिगरेशन शहरी इलाकों में कॉम्पैक्ट आवाजाही और सीढ़ी या फुटपाथ तक पहुंच के लिए उपयोगी हो सकता है, जबकि जुड़ी हुई, नीची चार-पहिया संरचना स्थिरता, भार ढोने और कठिन भू-भाग के लिए बेहतर हो सकती है।

इससे कंपनी का व्यापक कारोबारी तर्क कैसे जुड़ता है?

कंपनी अपने तैनाती उदाहरणों और कंपोनेंट सप्लाई को इस बात के संकेत के रूप में पेश करती है कि डायरेक्ट-ड्राइव मोबिलिटी केवल प्रयोगशाला की अवधारणा नहीं है। हालांकि उसके बड़े पैमाने पर वैश्विक इस्तेमाल और “विश्व का पहला” जैसे दावे मुख्यतः कंपनी या उसके प्रॉस्पेक्टस से जुड़े दावे हैं, इसलिए उन्हें उसी सावधानी के साथ देखना चाहिए। 57

Xingtian से TITA और फिर मॉड्यूलर D1 तक का क्रम एक स्पष्ट विकास दिखाता है: पहले व्हील-लेग लोकोमोशन की व्यवहार्यता साबित करना, फिर सेंसर और डेवलपर-फ्रेंडली प्लेटफॉर्म बनाना, और उसके बाद काम तथा भू-भाग के मुताबिक रोबोट का आकार और पेलोड बदलने की क्षमता देना। 57

इसका प्रस्तावित क्रम है: पहले विविध वातावरणों में भौतिक प्रवेश सुनिश्चित करो; फिर वास्तविक इंटरैक्शन डेटा और भरोसेमंद कार्य-निष्पादन जुटाओ; उसके बाद उपयोग के क्षेत्र बढ़ाओ; और अंततः सचमुच जनरल-परपज़ रोबोट की दिशा में आगे बढ़ो। इस नजरिए में “स्मार्ट” रोबोट वही नहीं जो बेहतर निर्णय ले, बल्कि वह भी है जो उन जगहों तक पहुंच सके जहां निर्णय को वास्तविक कार्रवाई में बदलना है। 67