প্রকৃত পূর্ণাঙ্গ বুদ্ধিমত্তা কেবল কাঁচের স্ক্রিনের ভেতর আবদ্ধ থাকতে পারে না। মোরাভেকের প্যারাডক্স (Moravec’s Paradox) নির্দেশ করে যে মানুষের যে কাজগুলো করতে বছরের পর বছর পড়াশোনা করতে হয় (যেমন জটিল গণিত সমাধান বা দাবা খেলা), কম্পিউটারের জন্য তা অত্যন্ত সহজ; কিন্তু একজন দুই বছরের শিশুর যে কাজ অবলীলায় করে ফেলে (যেমন অসমান মেঝেতে হাঁটা কিংবা একটি ডিম না ভেঙে আলতো করে তুলে নেওয়া), রোবটের জন্য তা সবচেয়ে কঠিন। এমবডিড এআই (Embodied AI) এবং Vision-Language-Action (VLA) মডেল বাস্তব জগতের এই শারীরিক সীমাবদ্ধতা জয় করছে।
১. শারীরিক জগতের জটিলতা
কম্পিউটার স্ক্রিনের বাইরে বাস্তব জগত সম্পূর্ণ অবিচ্ছিন্ন (Continuous)। এখানে জড়তা, ঘর্ষণ, আলো-ছায়া এবং মাধ্যাকর্ষণের কঠিন নিয়ম কার্যকর। রোবটের সামান্য একটি ভুল কোনো সফটওয়্যার ক্র্যাশ নয়; বরং এটি মূল্যবান যন্ত্রপাতি বা মানুষের ক্ষতির কারণ হতে পারে।
২. সিম-টু-রিয়েল ও ডোমেন র্যান্ডমাইজেশন
বাস্তব জগতে কোটি কোটি বার রোবটকে হাত-পা নাড়িয়ে শেখানো অত্যন্ত ধীরগতির ও ঝুঁকিপূর্ণ। তাই সুপারকম্পিউটারের কাল্পনিক সিমুলেশনে (যেমন NVIDIA Isaac Sim) লাখ লাখ রোবটকে একই সাথে প্রশিক্ষণ দেওয়া হয়।
সিমুলেশন ও বাস্তব জগতের পার্থক্যের ফাঁক পূরণে ব্যবহৃত হয় Domain Randomization। সিমুলেশনে আলোর উজ্জ্বলতা, মেঝে বা টেবিলের রং, বস্তুর ওজন ও ঘর্ষণ ক্রমাগত পাগলের মতো পরিবর্তন করা হয়। ফলে রোবটটি এমনভাবে শেখে যে বাস্তব জগত তার কাছে সেই লাখ লাখ কাল্পনিক সিমুলেশনের একটি অংশ মাত্র মনে হয়।
৩. ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন (VLA) বিপ্লব
গুগল ডিপমাইন্ডের RT-2 এবং Physical Intelligence-এর $pi_0$ আর্কিটেকচার রোবটের চোখ, মস্তিষ্ক ও পেশিকে একটিমাত্র ফাউন্ডেশন ট্রান্সফরমার নেটওয়ার্কে যুক্ত করেছে। রোবটটি মানুষের স্বাভাবিক কথা শোনে, ক্যামেরার দৃষ্টি দিয়ে পারিপার্শ্বিক অবস্থা বোঝে এবং সরাসরি প্রতি সেকেন্ডে ৫০ বার তার মোটরের শক্তি ও দিক সমন্বয় করে। ইন্টারনেটের সমস্ত জ্ঞান দিয়ে প্রশিক্ষিত হওয়ায় রোবটটি জীবনে কখনো দেখেনি এমন সম্পূর্ণ নতুন বস্তুও মানুষের কথামতো সফলভাবে ব্যবহার করতে পারে।
