২৯ মে, আজ সকালে, জাতীয় ও স্থানীয় কো-নির্মাণ করেছে হিউম্যানয়েড রোবট উদ্ভাবন কেন্দ্র এবং ফুদান বিশ্ববিদ্যালয়ের ভবিষ্যত তথ্য উদ্ভাবন ইনস্টিটিউট আনুষ্ঠানিকভাবে বিশ্বের প্রথম জেনারেটিভ হিউম্যানয়েড রোবট মোশন মডেল - "মাইন্ডলুং" (MindLoongGPT) প্রকাশ করেছে৷
MindLoong মডেলটি "প্রাকৃতিক ভাষা ড্রাইভ" কে এর মূল হিসেবে গ্রহণ করে এবং মাল্টিমোডাল ইনপুট থেকে উচ্চ-ফিডেলিটি মোশন জেনারেশন পর্যন্ত একটি সম্পূর্ণ বন্ধ লুপ তৈরি করে, প্রথাগত গতি নিয়ন্ত্রণ দৃষ্টান্তকে বিকৃত করে।
অন্য কথায়, ব্যবহারকারীদের পেশাদার পদ শিখতে বা জটিল সফ্টওয়্যার পরিচালনা করতে হবে না। তাদের শুধুমাত্র মানুষের সাথে কথা বলার মতো নির্দেশাবলী জারি করতে হবে, যেমন "একটি মার্জিত ভঙ্গিতে এক কাপ কফি দেওয়া", "দোলাতে" বা একটি রেফারেন্স ভিডিও আপলোড করা। MindLoong মডেল স্বয়ংক্রিয়ভাবে শব্দার্থকে পার্স করতে পারে এবং সংশ্লিষ্ট সুসংগত ক্রিয়া তৈরি করতে পারে, এবং নির্দেশাবলী যোগ করে বিশদ বিবরণের বাস্তব-সময় সমন্বয় সমর্থন করতে পারে।
এই ক্ষমতা শিক্ষা এবং সেবা রোবট ক্ষেত্রে ধ্বংসাত্মক. এটি রিপোর্ট করা হয়েছে যে MindLoong মডেলের চারটি মূল প্রযুক্তিগত সুবিধা রয়েছে:

প্রথমত, মাল্টিমোডাল মিথস্ক্রিয়া এবং কম-থ্রেশহোল্ড ড্রাইভ। ব্যবহারকারীদের শুধুমাত্র প্রাকৃতিক ভাষা দিয়ে ড্রাইভ করতে হবে, এবং মডেল "সমস্ত ক্রিয়া শুনতে" পারে।
দ্বিতীয়ত, সিমুলেশন ডিগ্রী এবং টাইমিং কনসিস্টেন্সি ডাবল ব্রেকথ্রু। মানুষের গতিবিধিকে "টাইমিং ল্যাঙ্গুয়েজ" হিসাবে বিবেচনা করে, উত্পন্ন দৌড়, নাচ এবং অন্যান্য নড়াচড়াগুলি কেবল মসৃণ এবং স্বাভাবিক নয়, প্রকৃত মানব দেহের জড়তা ছন্দও ধরে রাখে।
তৃতীয়ত, স্ট্রাকচার জেনারেশন এবং ডিটেইল অপ্টিমাইজেশন উভয়কেই সমান গুরুত্ব দেওয়া হয়। মডেলটি একটি পর্যায়ক্রমে প্রজন্মের কৌশল গ্রহণ করে, গ্লোবাল ভঙ্গি থেকে স্থানীয় যৌথ কোণে মিলিমিটার-স্তরের নির্ভুলতা নিয়ন্ত্রণ অর্জন করে।
চতুর্থ, লাইটওয়েট ডিজাইন বিস্তৃত পরিস্থিতিতে সক্ষম করে। কর্মক্ষমতা নিশ্চিত করার সময়, MindLoongGPT মডেলের ভলিউম একই ধরনের পণ্যের 1/3 তে সংকুচিত হয়, এবং শিক্ষামূলক রোবট এবং স্মার্ট পরিধানযোগ্য ডিভাইসের মতো এমবেডেড প্ল্যাটফর্মে বাস্তব সময়ে চলতে পারে, যা শিল্প বাস্তবায়নের পথ প্রশস্ত করে।
