Markdown সংস্করণ

AI-translated from English; not yet reviewed by a fluent editor.

# Runway-এর Praxis-1 ভিডিও-প্রশিক্ষণকে রোবট নিয়ন্ত্রণে কাজে লাগানোর পথ পরীক্ষা করছে

> Runway-এর দাবি, Praxis-1 রোবট নিয়ন্ত্রণে ভিডিও-প্রশিক্ষণ প্রয়োগ করে। বস্তু নির্দিষ্ট স্থানে রাখার ত্রুটির তুলনা থেকে সীমিত ধারণা মেলে; প্রকাশ্য মডেল-ওজন ও আরও পূর্ণাঙ্গ মূল্যায়নের তথ্য এখনও আসেনি।

By BIG CHANGE Editorial

Published: 2026-10-03T10:22:25.737Z
Updated: 2026-10-03T10:22:25.737Z
Canonical: https://bigchange.ai/blog/runway-praxis-1-video-pretraining-robot-control

![Conceptual charcoal illustration of a mounted camera looking at a tennis ball while an unbranded robot arm holds its open gripper nearby.](https://bigchange.ai/api/media/file/praxis-robot-ball-hero-v1.png)
AI-generated conceptual editorial illustration by BIG CHANGE.

Runway [Praxis-1 ঘোষণা করেছে](https://runway.com/research/introducing-praxis-1), এটি একটি রোবট পলিসি, যা তাদের ওয়ার্ল্ড মডেলের পেছনে ব্যবহৃত বৃহৎ পরিসরের ভিডিও-প্রশিক্ষণের ওপর ভিত্তি করে তৈরি বলে Runway জানিয়েছে। নির্বাচিত রোবোটিকস অংশীদারদের নিজস্ব যন্ত্রে পরীক্ষা চালানোর কথাও কোম্পানিটি বলেছে। আগামী কয়েক মাসে মডেলের ওজন প্রকাশ্যে ছাড়ার পরিকল্পনা রয়েছে; BIG CHANGE 3 অক্টোবর যাচাই করার সময় ঘোষণার পাতায় তা পাওয়া যায়নি। Runway পাতাটির তারিখ সেপ্টেম্বর 2026 দিয়েছে, তবে নির্দিষ্ট দিন উল্লেখ করেনি।

এর মূল প্রশ্ন হলো, দৈনন্দিন ভিডিও কি একটি রোবট পলিসিকে রোবটের কাজের প্রদর্শন থেকে শেখার আগেই কার্যকর জ্ঞান দিতে পারে? Runway বস্তু নির্দিষ্ট স্থানে রাখার ত্রুটির তুলনা এবং বেছে নেওয়া কয়েকটি কাজের ক্লিপ প্রকাশ করেছে। ফল পুনরায় তৈরি করার জন্য প্রয়োজনীয় বিবরণ এখনও প্রকাশিত হয়নি।

## মূল পরিবর্তন

- **কী বদলেছে:** Runway ভিডিও-প্রশিক্ষণকে রোবটের কাজের পূর্বাভাসে নিয়ে এসেছে এবং বিভিন্ন অংশীদারের হার্ডওয়্যারে পরীক্ষা চালানোর কথা জানিয়েছে। এতে তৃতীয়-ব্যক্তির দৃষ্টিকোণ থেকে ধারণ করা বিপুল ভিডিও এমন একটি ক্ষেত্রে কাজে লাগতে পারে, যেখানে রোবটের প্রদর্শন-তথ্য সংগ্রহ ব্যয়বহুল। Praxis-1 এখনও নির্বাচিত ব্যবহারকারীদের জন্য সীমিত প্রবেশাধিকার পর্যায়ে রয়েছে।
- **কেন এটি গুরুত্বপূর্ণ:** Runway-এর চার্টে ফাইন-টিউনিংয়ের পর চূড়ান্ত স্থাপন-ত্রুটি দেখানো হয়েছে: ওয়েব-ভিডিও দিয়ে প্রাক-প্রশিক্ষণে 16.1 cm এবং দূরনিয়ন্ত্রিত রোবট-ভিডিও দিয়ে প্রাক-প্রশিক্ষণে 16.0 cm। চার্টে দেখানো বিন্দু-অনুমান দুটি কাছাকাছি। 93টি মূল্যায়ন-জোড়ার ওপর ±1 SEM ত্রুটি-বার থেকে পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ পার্থক্যও প্রতিষ্ঠিত হয় না, সমতাও নয়; প্রকাশিত প্রোটোকলে অন্য রোবটে কার্যকারিতা বিচার করার মতো যথেষ্ট তথ্য নেই।
- **এরপর কী দেখবেন:** প্রকাশ্য মডেল-ওজন, কাজভিত্তিক মূল্যায়নের বিবরণ এবং অংশীদারদের ফল গবেষকদের বুঝতে সাহায্য করবে ভিডিও-প্রশিক্ষণ কতটা অবদান রাখে এবং প্রতিটি রোবটের জন্য কী ধরনের অভিযোজন দরকার। Runway মডেল-ওজন প্রকাশের প্রতিশ্রুতি দিয়েছে, তবে নির্দিষ্ট তারিখ জানায়নি।

## পলিসিতে ভিডিওর ভূমিকা

Runway-এর [Praxis-1 গবেষণা পাতায়](https://runway.com/research/introducing-praxis-1) বলা হয়েছে, তাদের বড় ভিডিও মডেল বস্তু কীভাবে নড়ে, হাতের নড়াচড়া এবং শারীরিক কাজ কীভাবে সম্পন্ন হয়—এসবের ধরন শেখে। কোম্পানিটির বক্তব্য, Praxis-1 সেই প্রাক-প্রশিক্ষণকে একটি সাধারণ-উদ্দেশ্যের রোবট পলিসিতে যুক্ত করে। তাদের যুক্তি হলো, নির্দিষ্ট কাজের রোবট-প্রশিক্ষণের আগে তৃতীয়-ব্যক্তির ভিডিও একটি কার্যকর সূচনা দিতে পারে। পাতাটিতে বলা হয়েছে, তৃতীয়-ব্যক্তির ভিডিওর পরিমাণ বাড়লে পলিসির কার্যকারিতাও বাড়ে।

পাতায় Praxis-1 কী ধরনের পর্যবেক্ষণ-তথ্য নেয়, কী ধরনের কাজের আউটপুট দেয়, ফাইন-টিউনিং কীভাবে করতে হয়, ইনফারেন্স ইন্টারফেস কেমন বা নিয়ন্ত্রণের হার কত—এসব ব্যাখ্যা করা হয়নি। মডেল-ওজনের ফাইল বা হার্ডওয়্যারের প্রয়োজনীয়তাও নেই। নির্দিষ্ট ক্যামেরা, গ্রিপার বা চলমান বেসের সঙ্গে কী ধরনের অভিযোজন লাগবে তা হিসাব করতে চাওয়া প্রকৌশলীর জন্য এসব ঘাটতি গুরুত্বপূর্ণ। Runway-এর [আলাদা GWM-1 পলিসি-মডেল পণ্যের পাতা](https://runway.com/product/robotics/policy-model) কাস্টম ফাইন-টিউনিং এবং ক্লাউড SDK ব্যবস্থার বিবরণ দেয়। Praxis-1-এর ক্ষেত্রেও একই ইন্টারফেস বা বাণিজ্যিক শর্ত প্রযোজ্য—এমন ধরে নেওয়া উচিত নয়।

Runway-এর ক্লিপে টেনিস বল নির্দিষ্ট স্থানে রাখার নির্দেশ, একটি চলমান বেসের তাকের কাছে গিয়ে বই তুলে নেওয়া এবং একাধিক বস্তু, এলোমেলো জিনিসপত্র, স্বচ্ছ উপকরণ ও কাপড় নিয়ে উদাহরণ দেখা যায়। আরেকটি ক্লিপের ক্যাপশনে বলা হয়েছে, একই পলিসি পুনঃপ্রশিক্ষণ ছাড়াই স্টুডিও ও রান্নাঘরের মধ্যে চলাচল করছে। এগুলো নির্মাতার বেছে নেওয়া উদাহরণ; পাতায় এসবের পরীক্ষার সংখ্যা বা সাফল্যের হার জানানো হয়নি।

## স্থাপন-ত্রুটির চার্টে কী দেখা যায়

Runway-এর পাতায় সংখ্যাসহ একমাত্র তুলনাটি হলো **ফাইন-টিউনিংয়ের পর চূড়ান্ত স্থাপন-ত্রুটি**, যার একক সেন্টিমিটার; মান যত কম, ফল তত ভালো। চার্টে একেবারে শুরু থেকে ওয়েব-ভিডিও দিয়ে প্রাক-প্রশিক্ষণের মান **16.1 cm** এবং একেবারে শুরু থেকে দূরনিয়ন্ত্রিত রোবট-ভিডিও দিয়ে প্রাক-প্রশিক্ষণের মান **16.0 cm** দেখানো হয়েছে। Runway প্রাক-প্রশিক্ষণের ভিডিও-ঘণ্টাও চার্টে রেখেছে এবং বলেছে, ত্রুটি-বার ও ব্যান্ডে **93টি মূল্যায়ন-জোড়ার গড়ের ±1 মানক ত্রুটি** দেখানো হয়েছে। নোটে বলা হয়েছে, বারটির চেয়ে ছোট পার্থক্য তাৎপর্যপূর্ণ নয়।

চার্টে দেখানো বিন্দু-অনুমানের পার্থক্য 0.1 cm। এই পাতায় Runway কাজের ধরন, রোবট বা পরিবেশের সংখ্যা, 93টি জোড়া কীভাবে তৈরি হয়েছে, ফাইন-টিউনিংয়ে কত রোবট-তথ্য ব্যবহার হয়েছে কিংবা পূর্ণাঙ্গ পরিসংখ্যানগত পরীক্ষা প্রকাশ করেনি। Runway যে তুলনাটি দেখানোর জন্য বেছে নিয়েছে, তাতে ফাইন-টিউনিংয়ের পর চূড়ান্ত স্থাপন-ত্রুটির প্রকাশিত বিন্দু-অনুমানগুলো কাছাকাছি। এই মাপের ক্ষেত্রে চার্টটি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ পার্থক্য বা সমতা প্রতিষ্ঠা করে না। ক্লিপের দীর্ঘ কাজগুলো নির্ভরযোগ্যভাবে সম্পন্ন হয় কি না, কিংবা বাস্তব ব্যবহারে তথ্যের প্রয়োজন কমে কি না, তাও এটি দেখাতে পারে না।

Runway আরও **0.95 সহসম্পর্কের** কথা বলেছে সিমুলেশন ও বাস্তব জগতে রোবট-পলিসির ফলাফলের মধ্যে। এই মানটি তাদের [আগের পলিসি-মূল্যায়ন গবেষণা](https://runway.com/research/accelerating-robot-policy-evaluation) থেকে এসেছে, যেখানে একটি Franka Panda বাহু দিয়ে টেবিলের ওপরের কাজে আটটি পলিসির ক্রম নির্ধারণ করা হয়েছিল। এটি পলিসি-মূল্যায়নের আলাদা গবেষণা; Praxis-1-এর বাস্তব ব্যবহারের ফল নয়।

## প্রবেশাধিকার কোথায় দাঁড়িয়ে

Runway প্রথম দিকের অংশীদার হিসেবে [Noble Machines, Standard Bots এবং Ultra-র নাম উল্লেখ করেছে](https://runway.com/research/introducing-praxis-1); তারা নিজেদের হার্ডওয়্যারে Praxis-1 ব্যবহার করছে। ঘোষণার ওই অংশে দুই হাতে বস্তু নাড়াচাড়া, ছয় স্বাধীনতা-মাত্রার একটি বাহু এবং চলমান বেসের কথা বলা হয়েছে। সবার জন্য উন্মুক্ত করার আগে বিভিন্ন ধরনের রোবট ও পরিবেশে কার্যকারিতা এবং নিরাপত্তা যাচাই করছে বলে Runway জানিয়েছে। নির্বাচিত আরও কিছু অংশীদারকে তাদের রোবোটিকস দলের সঙ্গে যোগাযোগ করার আমন্ত্রণও দিয়েছে।

এই কর্মসূচির বাইরের গবেষকের জন্য ঘোষণার পাতা, চার্ট ও ক্লিপই কেবল হাতে আছে। পাতায় Praxis-1-এর প্রকাশ্য ওজন-ডাউনলোড, প্রকাশিত সংযোজন-পদ্ধতি বা পুনরুৎপাদনযোগ্য মূল্যায়ন-প্যাকেজের লিংক নেই। প্রবেশাধিকার-ফি, ভবিষ্যৎ মডেল-ওজনের লাইসেন্স, কম্পিউটিংয়ের চাহিদা বা সবার জন্য প্রকাশের তারিখও Runway জানায়নি। প্রাথমিক প্রবেশাধিকার বিবেচনা করা কোনো দল নিজেদের হার্ডওয়্যার ও মূল্যায়নের প্রয়োজন নিয়ে আলোচনার সূচনা করতে প্রকাশ্য তথ্য ব্যবহার করতে পারে; তবে শুধু ঘোষণার ভিত্তিতে জানানো তুলনাটি পুনরায় তৈরি করা সম্ভব নয়। BIG CHANGE প্রবেশাধিকার চায়নি বা রোবট পরীক্ষা করেনি।

আমাদের আগের প্রতিবেদন [GPT-Policy](https://bigchange.ai/blog/gpt-policy-robot-learning-vlm-agents) এবং [HomeBody](https://bigchange.ai/blog/homebody-humanoid-spatial-memory-robot-skills) ভিন্ন গবেষণা-প্রশ্ন নিয়ে কাজ করে। GPT-Policy একটি স্থির ভিশন-ল্যাঙ্গুয়েজ মডেলকে প্রদর্শন ও রোবটের প্রতিক্রিয়াসহ প্রম্পট দেয়; HomeBody একটি হিউম্যানয়েডের ঘরের স্মৃতিকে পুনর্ব্যবহারযোগ্য দক্ষতার সঙ্গে যুক্ত করে। Praxis-1-এর প্রশ্ন হলো, বিস্তৃত ভিডিও-প্রশিক্ষণ পলিসিটিকেই উন্নত করতে পারে কি না। কার্যকারিতা জানানো তুলনার বাইরে যাচাই করার মতো বাস্তবায়ন বা যথেষ্ট মূল্যায়ন-বিবরণ Runway এখনও প্রকাশ করেনি।

## সূত্র ও আরও পড়ুন

- [Runway Research, “Introducing Praxis-1”](https://runway.com/research/introducing-praxis-1): 2026 সালের সেপ্টেম্বরে প্রকাশিত মূল ঘোষণা। এতে প্রাক-প্রশিক্ষণ-সংক্রান্ত দাবি, 16.1/16.0 cm স্থাপন-ত্রুটির তুলনা, 93টি জোড়ার অনিশ্চয়তা-সংক্রান্ত নোট, বেছে নেওয়া ক্লিপ, অংশীদার এবং মডেল-ওজন প্রকাশের পরিকল্পনা রয়েছে। Runway-ই নির্মাতা; ফলাফল ও বিবরণগুলো তাদের নিজস্ব।
- [Runway Research, “Accelerating Robot Policy Evaluation with General World Models”](https://runway.com/research/accelerating-robot-policy-evaluation): Praxis-1 ঘোষণায় উল্লেখ করা সিমুলেশন ও বাস্তব জগতের 0.95 পলিসি-ক্রম-সহসম্পর্কের পেছনের আগের, পৃথক গবেষণা। এটি Praxis-1-এর বাস্তব-ব্যবহারের কার্যকারিতা মাপে না।
- [Runway Robotics-এর পলিসি-মডেল পণ্যের পাতা](https://runway.com/product/robotics/policy-model): আলাদা GWM-1 কাস্টম-পলিসি ও SDK ব্যবস্থার বিবরণ। Praxis-1-এর প্রকাশ্য সংযোজন-নির্দেশিকা ভেবে যেন এই ইন্টারফেস ভুল না হয়, সে জন্য এটি অন্তর্ভুক্ত।
- [BIG CHANGE, “GPT-Policy পরীক্ষা করে রোবট-বাহু ও চলমান অনুসন্ধানের কাজে প্রসঙ্গ”](https://bigchange.ai/blog/gpt-policy-robot-learning-vlm-agents) এবং [“HomeBody হিউম্যানয়েডের স্থানিক স্মৃতিকে পুনর্ব্যবহারযোগ্য রোবট-দক্ষতার সঙ্গে যুক্ত করে”](https://bigchange.ai/blog/homebody-humanoid-spatial-memory-robot-skills): রোবট নিয়ন্ত্রণের ভিন্ন পদ্ধতি নিয়ে আগের প্রতিবেদন। কোনোটিই Praxis-1-এর কার্যকারিতা প্রতিষ্ঠা করে না।

## Sources

- [Runway Research, Praxis-1 পরিচিতি](https://runway.com/research/introducing-praxis-1) — ভিডিও-প্রশিক্ষণ-সংক্রান্ত দাবি, চূড়ান্ত স্থাপন-ত্রুটির তুলনা, 93টি মূল্যায়ন-জোড়ার অনিশ্চয়তা-সংক্রান্ত নোট, বেছে নেওয়া ক্লিপ ও অংশীদার, সীমিত প্রাথমিক প্রবেশাধিকার এবং প্রকাশ্য মডেল-ওজনের পরিকল্পনা নিয়ে নির্মাতার ঘোষণা। এতে পুনরুৎপাদনযোগ্য প্রোটোকল, প্রকাশ্য মডেল-ওজন বা স্বাধীনভাবে যাচাই করা বাস্তব-ব্যবহারের প্রমাণ নেই।
- [Runway Research, জেনারেল ওয়ার্ল্ড মডেল দিয়ে রোবট পলিসি মূল্যায়ন ত্বরান্বিত করা](https://runway.com/research/accelerating-robot-policy-evaluation) — 0.95 পলিসি-ক্রম-সহসম্পর্কের পেছনে থাকা নির্মাতার আগের, পৃথক ওয়ার্ল্ড-মডেল মূল্যায়ন। এতে একটি Franka Panda বাহু দিয়ে টেবিলের ওপরের কাজে আটটি পলিসি পরীক্ষা করা হয়েছিল; এটি Praxis-1-এর বাস্তব ব্যবহারের ফল নয়।
- [Runway Robotics, পলিসি মডেল](https://runway.com/product/robotics/policy-model) — আলাদা GWM-1 কাস্টম ফাইন-টিউনিং, ক্লাউড ইনফারেন্স ও SDK ব্যবস্থার বিবরণ দেয়। Praxis-1-এর ইন্টারফেস, খরচ বা হার্ডওয়্যারের প্রয়োজনীয়তা এতে নির্দিষ্ট করা নেই।
- [BIG CHANGE, GPT-Policy পরীক্ষা করে রোবট-বাহু ও চলমান অনুসন্ধানের কাজে প্রসঙ্গ](https://bigchange.ai/blog/gpt-policy-robot-learning-vlm-agents) — প্রসঙ্গসহ প্রম্পট দেওয়া একটি স্থির ভিশন-ল্যাঙ্গুয়েজ মডেল এবং রোবট-সরঞ্জামে নির্দেশ পাঠানো নিয়ে আগের প্রতিবেদন; এখানে কেবল বিষয়ের সঙ্গে সম্পর্ক বোঝাতে উল্লেখ করা হয়েছে।
- [BIG CHANGE, HomeBody হিউম্যানয়েডের স্থানিক স্মৃতিকে পুনর্ব্যবহারযোগ্য রোবট-দক্ষতার সঙ্গে যুক্ত করে](https://bigchange.ai/blog/homebody-humanoid-spatial-memory-robot-skills) — হিউম্যানয়েডের প্রদর্শনীতে স্থানিক স্মৃতি ও পুনর্ব্যবহারযোগ্য দক্ষতা নিয়ে আগের প্রতিবেদন; এখানে কেবল বিষয়ের সঙ্গে সম্পর্ক বোঝাতে উল্লেখ করা হয়েছে।