पहला रोबोट जो स्वायत्त रूप से लंबी अवधि के घरेलू कार्यों को एंड-टू-एंड निष्पादित करता है

रोबोटिक्स एक ऐसे बिंदु पर पहुंच गई है जहां पृथक क्षमता अब सीमित करने वाला कारक नहीं रही। रोबोट बढ़ती विश्वसनीयता के साथ पकड़ सकते हैं, चल सकते हैं, दरवाजे खोल सकते हैं और छोटे निर्देशों का पालन कर सकते हैं। जो लगातार टूटता है वह निरंतरता है। जिस क्षण कोई कार्य कमरों, वस्तुओं और समय में फैलता है, स्वायत्तता खंडित हो जाती है। योजना रीसेट हो जाती है। संदर्भ खो जाता है। सिस्टम सिस्टम रहना बंद कर देता है।

टेबल-से-डिशवॉशर कार्य एक अलग सीमा को चिह्नित करता है। इसलिए नहीं कि यह प्रभावशाली दिखता है, बल्कि इसलिए कि यह एक साथ बना रहता है।

Alper Canberk के लिए, घरेलू रोबोटिक्स की केंद्रीय चुनौती यांत्रिक सुंदरता या मॉडल आकार नहीं, बल्कि निरंतरता है। Sunday Robotics में रिसर्च, रोबोट लर्निंग & फाउंडेशन मॉडल्स के संस्थापक निदेशक के रूप में, जिनके हाल ही में स्टील्थ से सार्वजनिक लॉन्च ने उद्योग के रोबोटिक्स डेटा संग्रह के बारे में सोचने के तरीके को फिर से आकार दिया, Canberk मूर्त AI, बड़े पैमाने पर जनरेटिव मॉडलिंग और वास्तविक दुनिया की तैनाती के चौराहे पर काम करते हैं। इस भूमिका में, वह यह परिभाषित करने में मदद करते हैं कि स्वायत्त सिस्टम छोटे प्रदर्शनों से आगे बढ़कर निरंतर संचालन में कैसे जाते हैं। उनका काम ऐसी लर्निंग सिस्टम बनाने पर केंद्रित है जो रोबोट को समय, स्थान और भौतिक अंतःक्रिया के माध्यम से इरादा ले जाने की अनुमति देती हैं, एक ऐसी क्षमता जिसने ऐतिहासिक रूप से अनुसंधान प्रोटोटाइप को वास्तव में उपयोग योग्य मशीनों से अलग किया है।

"जब मेमोरी विफल होती है तो स्वायत्तता विफल हो जाती है," Canberk कहते हैं। "यदि कोई सिस्टम अपने उद्देश्य को आगे नहीं ले जा सकता, तो क्षमता मायने नहीं रखती।"

यह कार्य तीन समस्याओं को एक ही स्वायत्त रोलआउट में सह-अस्तित्व के लिए मजबूर करता है: लंबी-क्षितिज योजना, सूक्ष्म-कुशल हेरफेर, और कमरे-स्तरीय नेविगेशन। किसी को भी स्वतंत्र रूप से हल नहीं किया जा सकता। किसी एक में विफलता पूरी श्रृंखला को ध्वस्त कर देती है। इसे एक प्रदर्शन के बजाय एक सिस्टम समस्या के रूप में मानना ही है जो व्यापक क्षेत्र के लिए काम को शिक्षाप्रद बनाता है।

दुनिया को रीसेट किए बिना लंबी-क्षितिज योजना

अधिकांश रोबोटिक सफलताएं अभी भी छोटी अस्थायी खिड़कियों के भीतर काम करती हैं। क्रियाएं सेकंड के भीतर निष्पादित, मूल्यांकन और सुधारी जाती हैं। घरेलू कार्य उस तरह से काम नहीं करते। वे मिनटों में खुलते हैं, जटिल निर्भरताओं और कोई स्वच्छ रीसेट बिंदु के साथ।

"वास्तविक वातावरण स्वच्छ निष्पादन के प्रतिकूल होते हैं," Canberk कहते हैं। "स्वायत्तता का माप यह है कि क्या कोई सिस्टम स्थितियों के बदलने पर सुसंगतता बनाए रख सकता है।"

यह ठीक वहीं है जहां टेबल-से-डिशवॉशर कार्य अपनी तरह की पहली तकनीकी उपलब्धि का गठन करता है। एक ही स्वायत्त रोलआउट में, सिस्टम 33 अद्वितीय कुशल अंतःक्रियाओं, 68 कुल अंतःक्रिया घटनाओं, और 130 फीट से अधिक स्वायत्त नेविगेशन के माध्यम से निष्पादन बनाए रखता है, बिना रीसेट, टेलीऑपरेशन या कार्य विभाजन के। योजना को एक क्षण तक स्थानीयकृत नहीं किया जा सकता। प्रत्येक निर्णय सिस्टम को भविष्य की स्थिति के लिए प्रतिबद्ध करता है जिसके भीतर उसे तर्क करना जारी रखना चाहिए।

हाल के शैक्षणिक सर्वेक्षण इस अंतर को रेखांकित करते हैं। 2025 का एक शोध पत्र नोट करता है कि लंबी-क्षितिज कार्य निष्पादन उन प्राथमिक बाधाओं में से एक बना हुआ है जो रोबोट को असंरचित वातावरण में स्वायत्त रूप से संचालित होने से रोकती हैं, धारणा और नियंत्रण में प्रगति के बावजूद। मुद्दा केवल धारणा सटीकता नहीं है, बल्कि समय के साथ सुसंगत इरादे को बनाए रखना है।

सिस्टम को दर्जनों परस्पर निर्भर क्रियाओं में योजना बनाने के लिए मजबूर करके: समझदार क्रम में वस्तुओं को संभालना और प्रतिवर्त के बजाय मेमोरी के साथ स्थान को नेविगेट करना, टेबल-से-डिशवॉशर कार्य प्रमुख महत्व का एक मौलिक योगदान प्रदर्शित करता है: यह दिखाता है कि लंबी-क्षितिज घरेलू स्वायत्तता प्राप्त की जा सकती है जब योजना को स्थानीय अनुकूलन के अनुक्रम के बजाय सिस्टम-व्यापी संपत्ति के रूप में माना जाता है।

प्रथम-श्रेणी की बाधा के रूप में निपुणता

हेरफेर को अक्सर स्थानीय समस्या के रूप में माना जाता रहा है। पकड़ की गुणवत्ता, बल नियंत्रण, और उंगली स्थापन को अलगाव में अनुकूलित किया जाता है। घरेलू कार्य उस अमूर्तता को ध्वस्त कर देते हैं। निपुणता योजना से अविभाज्य हो जाती है।

"हेरफेर को बोल्ट-ऑन क्षमता के रूप में मानना एक श्रेणी त्रुटि है," Canberk कहते हैं। "वास्तविक वातावरण में, किसी वस्तु को कैसे संभाला जाता है यह निर्धारित करता है कि सिस्टम अगला क्या सुरक्षित रूप से कर सकता है।"

टेबल-से-डिशवॉशर कार्य में, रोबोट को बेहद अलग भौतिक गुणों वाली वस्तुओं को संभालना होगा: भंगुर कांच, कठोर सिरेमिक, लचीली पैकेजिंग, और धातु के बर्तन। प्रत्येक अंतःक्रिया अगली को बाधित करती है। खराब तरीके से रखा गया वाइन ग्लास तुरंत विफल नहीं होता; यह बाद में विफल होता है, जब स्थान समाप्त हो जाता है या बल मार्जिन गायब हो जाता है।

यह एकल कार्य से परे मायने रखता है। International Federation of Robotics के 2025 सेवा रोबोटिक्स आउटलुक के अनुसार, घरेलू रोबोट में विफलता मोड भारी रूप से हेरफेर त्रुटियों से जुड़े होते हैं जो एकल-बिंदु गलतियों के बजाय समय के साथ बढ़ते हैं। विश्वसनीयता इस बात पर निर्भर करती है कि त्रुटियां कैसे प्रचारित होती हैं, न कि यह कि वे होती हैं या नहीं।

इस तरह से निपुणता को फ्रेम करना इसे मोटर-नियंत्रण समस्या से सिस्टम-स्तरीय डिजाइन विकल्प में स्थानांतरित करता है।

संदर्भ को संरक्षित करने वाला नेविगेशन

रोबोटिक्स में नेविगेशन को अक्सर प्रतिक्रियाशील नियंत्रण लूप के रूप में फ्रेम किया जाता है: महसूस करें, चलें, सुधारें। वह फ्रेमिंग सीमित वातावरण में काम करती है, लेकिन यह घरों में टूट जाती है, जहां लक्ष्य कमरों में वितरित होते हैं और अक्सर रोबोट के दृश्य क्षेत्र को छोड़ देते हैं। घरेलू सेटिंग्स में, नेविगेशन गति के बारे में कम और वातावरण बदलने के दौरान इरादे को बनाए रखने के बारे में अधिक है।

टेबल-से-डिशवॉशर कार्य में, नेविगेशन को सिस्टम के बाकी हिस्सों से अलग नहीं किया जा सकता। रोबोट को उन वस्तुओं को हेरफेर करते समय स्थानिक संदर्भ को संरक्षित करना होगा जो भविष्य के पथों और बाधाओं को बदलती हैं। कमरों के बीच प्रत्येक गति इस बात पर निर्भर करती है कि क्या ले जाया जा रहा है, क्या पहले से रखा जा चुका है, और क्या अधूरा रहता है। जब स्थानिक संदर्भ खो जाता है, तो वसूली वृद्धिशील नहीं होती; कार्य पूरी तरह से विफल हो जाता है।

"नेविगेशन केवल तभी सार्थक बनता है जब यह उद्देश्य से जुड़ा होता है," Canberk कहते हैं। "एक रोबोट जो कुशलता से आगे बढ़ सकता है लेकिन यह याद नहीं रख सकता कि वह क्यों आगे बढ़ रहा है, किसी भी उपयोगी अर्थ में स्वायत्त नहीं है।"

यह पुनर्फ्रेमिंग कई मौजूदा सिस्टम में एक व्यापक सीमा को उजागर करती है। सबसे छोटे पथों या बाधा से बचाव के लिए अनुकूलित नेविगेशन स्टैक स्थिर लक्ष्यों और स्थिर वातावरण को मानते हैं। घरेलू कार्य दोनों मान्यताओं का उल्लंघन करते हैं। रोबोट की अपनी क्रियाएं वातावरण को फिर से आकार देती हैं, और लक्ष्य केवल लंबे अंतराल के बाद फिर से प्रकट होते हैं, प्रतिवर्त के बजाय निरंतरता की मांग करते हैं।

यह एक कार्य से परे क्यों मायने रखता है

टेबल-से-डिशवॉशर परिणाम यह दावा नहीं करता कि रोबोट हर घर के लिए तैयार हैं। यह एक संकीर्ण, अधिक महत्वपूर्ण दावा करता है: लंबी-क्षितिज स्वायत्तता अब एक हल करने योग्य इंजीनियरिंग समस्या है जब इसे एकीकृत सिस्टम के रूप में माना जाता है।

उद्योग गति इस फ्रेमिंग का समर्थन करती है। AI-सक्षम रोबोटिक्स पर McKinsey के 2025 आउटलुक इस बात पर जोर देता है कि मूल्य की अगली लहर नए कौशल से नहीं, बल्कि उन सिस्टम से आएगी जो वास्तविक दुनिया की बाधाओं के तहत मौजूदा कौशल को विश्वसनीय रूप से श्रृंखलाबद्ध कर सकते हैं। विश्वसनीयता, नवीनता नहीं, बाधा है।

निहितार्थ घरेलू रोबोटिक्स से परे विस्तारित होते हैं। कोई भी वातावरण जिसके लिए निरंतित स्वायत्तता की आवश्यकता होती है—स्वास्थ्य सेवा सुविधाएं, रसद केंद्र, या सार्वजनिक बुनियादी ढांचा—समान संरचनात्मक चुनौतियों का सामना करता है।

"जो मुझे उत्साहित करता है वह एक कार्य नहीं है," Canberk निष्कर्ष निकालते हैं। "यह विचार है कि एक बार निरंतरता हल हो जाने पर, बाकी सब कुछ बढ़ता है। कौशल डेमो होना बंद कर देते हैं और बिल्डिंग ब्लॉक बनना शुरू कर देते हैं।"

रोबोटिक्स का भविष्य पृथक सफलताओं द्वारा परिभाषित नहीं किया जाएगा। यह इस बात से परिभाषित किया जाएगा कि क्या स्वायत्तता सहन कर सकती है।