रोबोट की याददाश्त और आपके निवेश की असली कीमत

वह स्मृति जो रोबोट के पास अभी नहीं है, यह तय करती है कि आपने जो खरीदे वे कितने मूल्यवान हैं

एक ऐसी खाई है जिसे लॉजिस्टिक्स और विनिर्माण क्षेत्र के अधिकांश अधिकारियों ने अभी तक नहीं मापा है। उनके रोबोट बेड़े मिलीमीटर की सटीकता से देखते हैं, बढ़ती स्वायत्तता के साथ नेविगेट करते हैं और दोहराए जाने वाले कार्यों को उस निरंतरता के साथ निष्पादित करते हैं जिसकी बराबरी कोई भी ऑपरेटर नहीं कर सकता। लेकिन हर पाली के अंत में, वे सब कुछ भूल जाते हैं। काम का हर सत्र शून्य से शुरू होता है, मानो रोबोट ने उस गोदाम में पहले कभी कदम ही न रखा हो। यह भूलना कोई छोटी-सी तकनीकी बारीकियत नहीं है: यही कारण है कि औद्योगिक रोबोटिक्स पर निवेश का रिटर्न उससे कहीं अधिक कमज़ोर बना हुआ है जितना कि आपूर्तिकर्ता अपनी बिक्री प्रस्तुतियों में स्वीकार करते हैं।

जून 2026 में, MIT ने सार्वजनिक रूप से DAAAM प्रस्तुत किया — जो Describe Anything, Anywhere, at Any Moment का संक्षिप्त रूप है — एक शोध ढाँचा जो ठीक इसी समस्या को हल करने का प्रयास करता है। यह प्रणाली एक रोबोट को चलते हुए अपने परिवेश का त्रिआयामी नक्शा बनाने, मिलने वाली वस्तुओं से प्राकृतिक भाषा के विवरण जोड़ने और बाद में यह पूछे जाने पर उत्तर देने में सक्षम बनाती है कि उसने क्या देखा, वह कहाँ था और यह कब हुआ। यह कोई व्यावसायिक उत्पाद नहीं है और न ही एकीकरण के लिए तैयार कोई प्लेटफ़ॉर्म। यह एक प्रदर्शन है कि इस समस्या का तकनीकी समाधान मौजूद है, और यह संकेत पहली नज़र में जितना दिखता है उससे कहीं अधिक महत्त्वपूर्ण है।

तुलनात्मक परीक्षणों के परिणाम महत्त्वपूर्ण हैं: प्रश्न के प्रकार के आधार पर, DAAAM ने पिछले तरीकों की तुलना में 21% से 53% तक सटीकता में सुधार किया। प्राकृतिक भाषा के निर्देशों के साथ नेविगेशन कार्यों में, प्रणाली ने प्रतिस्पर्धी तरीकों की तुलना में लगभग 28% अधिक बार कार्यों को सही ढंग से पूरा किया। इनमें से कुछ भी कल किसी उत्पादन गोदाम में नहीं पहुँचेगा। लेकिन जो दिशा यह इंगित करता है, वह उस तरीके को बदल देती है जिसमें अगले पाँच वर्षों के लिए नियोजित किसी भी रोबोटिक बेड़े की वास्तुकला के बारे में सोचा जाना चाहिए।

---

रोबोट जो याद रखता है वह बदलता है कि रोबोट का मूल्य क्या है

इंटरनेशनल फेडरेशन ऑफ रोबोटिक्स ने 2024 में लगभग 200,000 पेशेवर सेवा रोबोटों की बिक्री की रिपोर्ट दी, जिसमें 9% की वृद्धि हुई। परिवहन और लॉजिस्टिक्स ने 102,900 इकाइयों के साथ नेतृत्व किया, जो बाज़ार के आधे से अधिक हिस्से का प्रतिनिधित्व करता है। ये रोबोट ऐसे वातावरण में काम करते हैं जो एक पाली में कई बार बदलते हैं: पैलेट जो इधर-उधर होते हैं, गलियारे जो अवरुद्ध होते हैं, विन्यास जो दिन के वॉल्यूम के अनुसार पुनर्गठित होते हैं। और उनमें से अधिकांश, अपने विशाल बहुमत में, यह याद नहीं रखते कि उन्होंने पिछले सप्ताह क्या पाया था।

रोबोटिक्स को अब तक जिस मानसिक मॉडल के साथ बेचा गया है वह एक सटीक उपकरण का है: रोबोट एक विशिष्ट कार्य अच्छी तरह से करता है, दोहराने योग्य तरीके से, थके बिना। उस मॉडल का मूल्य है, लेकिन यह एक सीमित मूल्य है। एक रोबोट जो सातवें गलियारे में पैलेट को अवरुद्ध करता देखता है और उसे चकमा देता है, उपयोगी है। एक रोबोट जो यह दर्ज करता है कि वही गलियारा एक सप्ताह में तीन बार अवरुद्ध था, हमेशा रात की पाली के बाद, और इसे एक पर्यवेक्षक के लिए समझने योग्य भाषा में रिपोर्ट कर सकता है, केवल अधिक उपयोगी नहीं है: यह उत्पाद की एक अलग श्रेणी है।

अंतर गति या निपुणता का नहीं है। यह अलग-थलग अवलोकनों को संचित परिचालन बुद्धिमत्ता में बदलने की क्षमता का है। और वह क्षमता, अब तक, भौतिक रोबोट के खंड से पूरी तरह अनुपस्थित रही है। इसलिए नहीं कि यह तकनीकी रूप से असंभव है, बल्कि इसलिए कि क्षेत्र ने अपनी ऊर्जा धारणा और नियंत्रण पर केंद्रित की — रोबोट क्या देखता है और जो देखता है उसके साथ क्या करता है — बिना इस बात में समान रूप से निवेश किए कि वह एक सत्र और अगले के बीच क्या याद रखता है।

DAAAM वह बनाता है जिसे इसके निर्माता एक 4D दृश्य ग्राफ कहते हैं: एक डेटाबेस जो वस्तुओं, त्रिआयामी स्थानों, प्राकृतिक भाषा के विवरणों और समय-चिह्नों को दर्ज करता है। चौथा आयाम समय है। प्रणाली "कल दोपहर लाल ट्रॉली कहाँ थी?" का उत्तर दे सकती है, इसलिए नहीं कि किसी ने इसे स्पष्ट रूप से प्रोग्राम किया था, बल्कि इसलिए कि जानकारी को इस तरह से अनुक्रमित किया गया है जो सामान्य भाषा में प्रश्नों के माध्यम से उसे पुनः प्राप्त करने की अनुमति देता है। MIT के प्रोफेसर Luca Carlone, जो परियोजना का नेतृत्व करते हैं, ने इसे एक ऐसे वाक्यांश के साथ व्यक्त किया जो क्षेत्र की संरचनात्मक समस्या को पकड़ता है: "यदि हम चाहते हैं कि रोबोट मनुष्यों के साथ काम करें, तो उन्हें एक ही भाषा बोलनी होगी। रोबोट को उसी तरह समय और स्थान के बारे में तर्क करने में सक्षम होना चाहिए जैसे हम करते हैं।"

---

यह इंजीनियरिंग की समस्या से पहले अपनाने की समस्या क्यों है

यहीं पर तकनीकी विश्लेषण यह समझने के लिए अपर्याप्त हो जाता है कि बाज़ार में वास्तव में क्या होने वाला है। रोबोटिक मेमोरी इसलिए विफल नहीं होगी क्योंकि इंजीनियर स्टोरेज या स्थानिक-कालिक अनुक्रमण को हल नहीं कर पाएंगे। इसे एक अपनाने की घर्षण का सामना करना पड़ेगा जिसकी जड़ें मनोवैज्ञानिक और संगठनात्मक हैं, जो प्रणाली की जटिलता से कहीं अधिक गहरी हैं।

पहली बाधा रजिस्ट्री में विश्वास है। यदि एक दृष्टि मॉडल गलत तरीके से एक धातु की ट्रॉली को चिकित्सा उपकरण के रूप में लेबल करता है, और वह त्रुटि स्मृति के रूप में संग्रहीत होती है, तो प्रणाली उस निश्चितता के साथ कार्य करना शुरू कर देती है जिसका कोई वास्तविक आधार नहीं है। रोबोट संदेह नहीं करता: वह दृढ़ विश्वास के साथ कुछ याद करता है जो कभी सच था ही नहीं। यह एक सेंसर की तात्कालिक त्रुटि से गुणात्मक रूप से अलग है, जो उसी क्षण घटित होती है और सुधर जाती है। स्मृति में त्रुटि फैलती है, दोहराती है और पता लगाना अधिक कठिन हो जाता है क्योंकि यह अब किसी वर्तमान अवलोकन से जुड़ी नहीं है जो इसका खंडन कर सके। MIT की टीम पहले से ही UQ-DAAAM नामक एक विस्तार पर काम कर रही है जो अनिश्चितता के मार्कर को शामिल करता है, ताकि प्रणाली यह संकेत दे सके कि जब कोई संग्रहीत विवरण विश्वसनीय नहीं हो सकता। लेकिन उस तंत्र को उन ऑपरेटरों के लिए समझने योग्य बनाना होगा जो MIT के शोधकर्ता नहीं हैं, और जटिलता की उस छलांग की वास्तविक लागत होती है।

दूसरी बाधा कम तकनीकी और अधिक राजनीतिक है: उपोत्पाद के रूप में निगरानी। एक रोबोट जो वस्तुओं को याद रखता है वह उन लोगों को भी याद रखता है जो उनका उपयोग करते हैं, वे जो हरकतें करते हैं, वे पैटर्न जो वे स्थापित करते हैं। एक गोदाम में, इसका अनुवाद स्पष्ट सहमति के बिना प्राप्त व्यक्तिगत प्रदर्शन मेट्रिक्स में हो सकता है। एक अस्पताल में, रोगी आंदोलन के रिकॉर्ड में। एक कार्यालय में, बिना किसी की अनुमति के दस्तावेज़ीकृत कार्य की आदतों में। जिन कंपनियों ने कार्य वातावरण में कैमरे और एनालिटिक्स सिस्टम लागू किए हैं, वे पहले से ही जानती हैं कि ये किस तनाव को उत्पन्न करते हैं। रोबोटिक मेमोरी इसे बढ़ाती है, क्योंकि रोबोट छत पर एक बिंदु पर स्थिर नहीं है: यह चलता है, कई कोणों से देखता है और महीनों तक जानकारी जमा करता है।

यह गोपनीयता इंजीनियरिंग की समस्या नहीं है। यह कथित वैधता की समस्या है। और कार्य वातावरण में तकनीकी अपनाने का इतिहास लगातार यह दर्शाता है कि जब कर्मचारी यह महसूस करते हैं कि एक उपकरण उनकी सहायता करने से अधिक उनकी निगरानी करता है, तो प्रतिरोध संगठनात्मक और राजनीतिक हो जाता है, व्यक्तिगत नहीं। ट्रेड यूनियन, वर्क्स काउंसिल और कानूनी विभाग सिस्टम द्वारा अपना परिचालन मूल्य प्रदर्शित करने से बहुत पहले ही दृश्य में प्रवेश कर जाते हैं।

---

जो आर्किटेक्चर गायब है वह हार्डवेयर नहीं बल्कि मेमोरी इंफ्रास्ट्रक्चर है

Google DeepMind ने RT-2 के साथ, NVIDIA ने ह्यूमनॉयड रोबोट के लिए अपने प्लेटफ़ॉर्म के साथ और Amazon ने Vulcan के साथ धारणा, क्रिया नीति और भौतिक हेरफेर के आयामों में प्रगति की है। ये रोबोट के मस्तिष्क और शरीर पर दाँव हैं। DAAAM जो इंगित करता है वह एक तीसरा आयाम है जिसे उन परियोजनाओं में से किसी ने भी व्यवस्थित तरीके से हल नहीं किया है: बुनियादी ढाँचे के रूप में स्मृति।

और उस अंतर के बाज़ार के लिए निहितार्थ हैं जो हार्डवेयर श्रेणी के रूप में रोबोटिक्स से परे जाते हैं। यदि रोबोटिक मेमोरी एक उत्पाद के रूप में परिपक्व होती है, तो जो उभरेगा वह मुख्य रूप से रोबोट का एक घटक नहीं होगा, बल्कि सॉफ़्टवेयर की एक परत होगी जो पूरे बेड़े को बुनियादी ढाँचे के रूप में बेची जाएगी। उस परत को समय के साथ बढ़ने वाले स्थायी त्रिआयामी मानचित्रों के लिए भंडारण की आवश्यकता होती है, प्राकृतिक भाषा में स्थानिक-कालिक प्रश्नों के लिए अनुकूलित खोज इंजन, अनुमति प्रणालियाँ जो यह निर्धारित करती हैं कि क्या याद रखा जा सकता है और क्या भुला देना चाहिए, संपीड़न तंत्र जो परिचालन रूप से प्रासंगिक रिकॉर्ड खोए बिना स्मृति को प्रबंधनीय रखते हैं, और ऑडिट लॉग जो कंपनियों को नियामकों और ट्रेड यूनियनों के समक्ष अनुपालन प्रदर्शित करने की अनुमति देते हैं।

यह, अपनी कार्यात्मक वास्तुकला में, रोबोटिक हार्डवेयर घटक की तुलना में एक एंटरप्राइज़ डेटा प्लेटफ़ॉर्म के अधिक समान है। सबसे संभावित व्यावसायिक मॉडल रोबोट की विशेषता के रूप में स्मृति बेचना नहीं है, बल्कि बेड़े से जुड़ी सदस्यता सेवा के रूप में है। और यह बदलता है कि इस बाज़ार में कौन जीतता है। सॉफ़्टवेयर में अधिक ऊर्ध्वाधर एकीकरण क्षमता वाले रोबोट निर्माताओं को उन लोगों पर लाभ होगा जो उस परत के लिए तीसरे पक्ष पर निर्भर हैं। जो लोग पहले प्रशासन का बुनियादी ढाँचा बनाते हैं — रोबोट क्या याद रखता है, कितने समय तक, किन परिस्थितियों में और किन पहुँच नियंत्रणों के साथ — उनके पास एक ऐसी स्थिति होगी जिसे विस्थापित करना मुश्किल होगा, क्योंकि महीनों के संचालन के दौरान संचित डेटा अपने आप में मूल्यवान संपत्ति बन जाता है।

---

भूलना एक कार्य था, कोई दोष नहीं। यह बदलने वाला है

वर्षों से, इस तथ्य को कि रोबोट सत्रों के बीच याद नहीं रखते, परोक्ष रूप से एक लंबित तकनीकी सीमा के रूप में माना जाता था। लेकिन व्यवहार में यह एक नियंत्रण तंत्र के रूप में काम करता था: यदि रोबोट याद नहीं रखता, तो वह त्रुटियाँ जमा नहीं कर सकता, लोगों के रिकॉर्ड जमा नहीं कर सकता और गोपनीयता देनदारियाँ उत्पन्न नहीं कर सकता। जोखिम प्रबंधन के दृष्टिकोण से, भूलना सुविधाजनक था।

रोबोटिक मेमोरी उस सुविधा को समाप्त करती है। यह परिचालन बुद्धिमत्ता में जो कमाती है, वह प्रबंधन सरलता में खो देती है। और जो संगठन इसे अपनाने का निर्णय करते हैं, उन्हें एक साथ तकनीकी क्षमता और इसे प्रबंधित करने के लिए संस्थागत ढाँचा बनाना होगा: कौन नियंत्रित करता है कि रोबोट क्या याद रखता है, किन परिस्थितियों में उस स्मृति से परामर्श किया जा सकता है, किसके द्वारा और किन घोषित उद्देश्यों के साथ।

अपनाने की वास्तविक घर्षण न तो प्रणाली की सीखने की अवस्था में होगी और न ही एकीकरण की लागत में। यह उस क्षण में होगी जब कानूनी विभाग, ट्रेड यूनियन या नियामक यह पूछे कि आठ घंटे की पाली के दौरान वह रोबोट जो देखता है उसके साथ वास्तव में क्या करता है, और कंपनी के पास पर्याप्त पूर्व सूचना के साथ तैयार उत्तर न हो। जो संगठन उस बातचीत में स्मृति प्रशासन की स्पष्ट नीति के साथ पहुँचेंगे, उनका अपनाने का मार्ग उन लोगों की तुलना में काफी कम उथल-पुथल भरा होगा जो एक प्रभावशाली तकनीकी प्रदर्शन और किसी नियंत्रण प्रोटोकॉल के बिना पहुँचते हैं। इस मामले में प्रौद्योगिकी उस संस्थागत वास्तुकला की तुलना में तेज़ी से आगे बढ़ रही है जो इसे टिकाए रखने के लिए आवश्यक है, और वह खाई ही वह स्थान है जहाँ आने वाले वर्षों का वास्तविक जोखिम केंद्रित है।