Markdown பதிப்பு

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

# மனித உருவ ரோபோவின் இடஞ்சார் நினைவையும் மறுபயன்பாட்டு திறன்களையும் HomeBody இணைக்கிறது

> கால்டெக், ஸ்டான்ஃபோர்டு ஆய்வாளர்கள், நினைவில் வைத்த சமையலறை வரைபடத்தையும் மீண்டும் பயன்படுத்தக்கூடிய திறன்களையும் கொண்டு Unitree G1 இயங்குவதை விளக்குகின்றனர். தேர்ந்தெடுக்கப்பட்ட செயல்விளக்கங்கள் உள்ளன; கட்டுப்படுத்தப்பட்ட முடிவுகள், முழு ஆய்வுக் கட்டுரை, ரோபோக் குறியீடு இல்லை.

By BIG CHANGE Editorial

Published: 2026-09-27T14:28:31.966Z
Updated: 2026-09-27T14:28:31.966Z
Canonical: https://bigchange.ai/blog/homebody-humanoid-spatial-memory-robot-skills

![Conceptual charcoal illustration of a white humanoid robot walking toward a closed drawer in a light wood kitchen.](https://bigchange.ai/api/media/file/homebody-kitchen-g1-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

கால்டெக், ஸ்டான்ஃபோர்டு ஆய்வுக் குழு [HomeBody-ஐக் காட்சிப்படுத்தியுள்ளது](https://tml.stanford.edu/homebody/) என்ற இந்த ஆய்வு அமைப்பில், GPT Astra வழிசெலுத்தல் மற்றும் பொருளைக் கையாளும் திறன்களை அழைத்து, சமையலறைப் பணிகளில் Unitree G1-ஐ இயக்குகிறது. ரோபோ முதலில் அறையை ஆராய்ந்து, பொருட்களை எங்கு பார்த்தது என்பதைச் சேமிக்கிறது. குழுவின் செயல்விளக்கங்களில் அது காபிப் பொட்டலங்களைச் சேகரிக்கிறது, குறிப்பிட்ட அட்டைப்பெட்டிகளைத் தூக்கி எறிகிறது, கேமராவின் பார்வையிலிருந்து பொருள் மறைந்த பிறகு இழுப்பறையிலிருந்து மருந்துப் புட்டியையும் எடுக்கிறது.

## முக்கிய மாற்றம்

- **என்ன மாறியது:** HomeBody, ஆராய்ந்த அறையின் இடஞ்சார் பதிவையும் ரோபோத் திறன்களுக்கான பொதுவான இடைமுகத்தையும் பார்வை–மொழி மாடலுக்கு வழங்குகிறது. மாடல் திறனையும் இலக்கையும் தேர்ந்தெடுக்கிறது; உள்ளூர் மென்பொருள் இயக்கத்தைத் திட்டமிட்டு செயல்படுத்தி, பின்னர் முடிவைத் தெரிவிக்கிறது.
- **இது ஏன் முக்கியம்:** இந்தச் சமையலறைக்காகப் புதிதாகப் பயிற்றுவிக்கப்பட்ட செயல் கொள்கையின்றியே, மாடல் பல இடங்களைக் கடந்து திட்டமிடவும் பின்னூட்டத்தைப் பயன்படுத்தவும் முடியும். நினைவையும் ஏற்கெனவே உள்ள இயக்கத் திறன்களையும் சேர்த்து நீண்ட பணிகளை எவ்வாறு செய்யலாம் என்பதை குழுவின் செயல்விளக்கங்கள் காட்டுகின்றன.
- **இன்னும் தெரியாதவை:** பொதுவெளியீட்டில் தேர்ந்தெடுக்கப்பட்ட செயல்விளக்கங்கள் மட்டுமே உள்ளன; வெற்றி விகிதம் குறித்த கட்டுப்படுத்தப்பட்ட ஆய்வு இல்லை. செப்டம்பர் 27 நிலவரப்படி ஆய்வுக் கட்டுரையும் ரோபோக் குறியீடும் பொதுவில் கிடைக்கவில்லை. ஆகவே வெளியீட்டிலிருந்து தெரிவிக்கப்பட்ட செயல்திறனைச் சுயாதீனமாக மீண்டும் உருவாக்கிச் சரிபார்க்க முடியாது.

## ரோபோ அறையை எவ்வாறு நினைவில் வைத்திருக்கிறது

HomeBody அறையை ஆராய்வதில் தொடங்குகிறது. [திட்டத்தின் அமைப்புவிளக்கத்தின்படி](https://tml.stanford.edu/homebody/), G1 பரந்த கோண iPhone காணொளி, D435i கேமரா கவனிப்புகள், LiDAR ஸ்கேன்கள், மூட்டு நிலைகள், மாடல் தேர்ந்தெடுத்த வழிப்புள்ளிகள் ஆகியவற்றைச் சேகரிக்கிறது. LiDAR அடிப்படையிலான SLAM வரைபடம் அறையின் அளவிடப்பட்ட வடிவத்தை வழங்குகிறது. அந்தத் தரவுகளைப் பயன்படுத்தி Astra, Nvidia Isaac Sim-இல் டிஜிட்டல் இரட்டையை உருவாக்குகிறது. பதிவுசெய்த கேமரா காட்சிகளும் ரோபோவின் தற்போதைய இடமும் ஒரே ஆயத்தொலைவு அமைப்பில் அமையுமாறு குழு வரைபடத்தையும் மறுகட்டமைப்பையும் சீரமைக்கிறது.

ரோபோவுக்குத் தற்போது தெரியாத பொருளைக் குறிக்கும் அறிவுறுத்தலின்போது இந்தத் தயாரிப்பு முக்கியமாகிறது. மருந்துக்கான கோரிக்கையில், சேமித்த கேமரா keyframe-களைத் திரும்பப் பார்த்து இழுப்பறையைக் கண்டறிந்து, அங்கு சென்று, அதைத் திறந்து, புட்டியை எடுக்கிறது என HomeBody கூறுகிறது. அறை மாதிரி வழிசெலுத்தலுக்கும் இடத்தை நினைவுகூர்வதற்கும் உதவுகிறது; கடைசி உடல்ரீதியான செயலை நேரலைக் கேமராதான் வழிநடத்துகிறது.

திட்டப் பக்கத்திலுள்ள [ஊடாடக்கூடிய சமையலறைச் சுற்றுப்பார்வை](https://tml.stanford.edu/homebody/) விளக்கத்திற்கானது எனத் தெளிவாகக் குறிக்கப்பட்டு, மறுகட்டமைக்கப்பட்ட அறையில் நடக்கிறது. G1 சமையலறைப் பணிகளைச் செய்யும் காணொளிகளையும் பக்கம் தனியாக வழங்குகிறது; வழிசெலுத்தல், எடுத்தல், வைத்தல், இழுப்பறைத் திறன் ஆகிய காட்சிகள் உண்மையான ரோபோ பதிவுகள் எனக் குறிப்பிடுகிறது. அவை குழு தேர்ந்தெடுத்த செயல்பாடுகளைப் பதிவு செய்கின்றன; உருவகப்படுத்திய மறுநிகழ்வு திட்டமிடல் வரிசையை விளக்குகிறது.

## மாடல் முடிவிலிருந்து இயக்கம் வரை

மாடலுக்கு பணி, தற்போதைய கேமரா காட்சி, வரைபடச் சூழல், பிடிப்பான் நிலை, நினைவிலிருந்து மீட்ட கவனிப்புகள், முந்தைய திறனின் முடிவு ஆகியவை வழங்கப்படுகின்றன. அது திறனையும் இலக்கையும் குறிப்பிடும் கட்டமைக்கப்பட்ட அழைப்பை அனுப்புகிறது. பொருளை எடுப்பதற்கு, 0–1000 அளவுகோலில் படப் புள்ளியையும் எந்தக் கையைப் பயன்படுத்துவது என்பதையும் இலக்காகத் தருகிறது. உள்ளூர் உணர்திறன் மென்பொருள் பொருளைப் பிரித்தறிந்து, இருகண் படங்களிலிருந்து அதன் ஆழத்தை மதிப்பிட்டு, தேர்வை முப்பரிமாணப் பிடிப்பாக மாற்றுகிறது. பின்னர் கையின் இயக்கத் திட்டமிடி பாதையைக் கணக்கிட்டு சரிபார்க்கிறது. வழிசெலுத்தலுக்கு வரைபட ஆயத்தொலைவுகளில் இருபரிமாண இலக்கும், எந்தத் திசை நோக்க வேண்டும் என்பதற்கான புள்ளியும் வழங்கப்படும்; பொருளை வைக்க முப்பரிமாண விடுவிப்புப் புள்ளி தரப்படும். இழுப்பறையைத் திறப்பதற்கான திறன், கைப்பிடியைச் சீரமைத்தல், பற்றிக்கொள்ளுதல், பின்நடந்து இழுத்தல் ஆகியவற்றை ஒரே செயலாகத் தொகுக்கிறது.

திறன்கள் உள்ளூரிலேயே சிறு திருத்தங்களைச் செய்கின்றன. அணுகும்போது காட்சிவழி கண்காணிப்பதும், பிடி தவறினால் வரையறுக்கப்பட்ட எண்ணிக்கையில் மீண்டும் முயல்வதும் இதில் அடங்கும் என குழு கூறுகிறது. மீட்பு தோல்வியடைந்தால், காரணத்தை Astra-விடம் அடுத்த முடிவுக்காக அந்தத் திறன் தெரிவிக்கிறது. நடப்பதும் கையை நீட்டுவதும் முன்பே பயிற்றுவிக்கப்பட்ட AMO முழு உடல் கட்டுப்படுத்தியைச் சார்ந்தவை. கை மற்றும் விரல் கட்டளைகள் 250 Hz-இலும் AMO கொள்கை 50 Hz-இலும் இயங்குவதாகப் பக்கம் கூறுகிறது. Astra தொலைவிலிருந்து இயங்குகிறது; உணர்திறன், இயக்கத் திட்டமிடல், திறன்கள் ஆகியவை RTX 4090 GPU கொண்ட மடிக்கணினியில் இயங்குகின்றன.

Astra முயற்சிக்க வேண்டிய *எந்த* செயலை, *எங்கு* செய்ய வேண்டும் என்பதைத் தேர்ந்தெடுக்கிறது; திறன் நூலகமும் கட்டுப்படுத்திகளும் G1 நகரும் *எப்படி* என்பதை நிர்ணயிக்கின்றன. சமையலறைச் செயல்விளக்கங்களில் குறிப்பிட்ட சூழலுக்கான பயிற்சித் தரவோ கூடுதல் கொள்கைக் கற்றலோ பயன்படுத்தப்படவில்லை எனக் குழு கூறுகிறது. இருப்பினும் முன்பே பயிற்றுவிக்கப்பட்ட கட்டுப்பாடும் அறையின் விரிவான மறுகட்டமைப்பும் அமைப்பின் பகுதிகளாகவே உள்ளன.

## செயல்விளக்கங்கள் எதை நிறுவுகின்றன

முன்பு பார்த்திராத சமையலறையில் நடந்த இரு உடல்ரீதியான பணித்தொடர்களைத் திட்டப் பக்கம் விவரிக்கிறது. ஒன்றில் காபிப் பொட்டலங்களை ஒருங்கிணைத்து, குறிப்பிட்ட பால் மற்றும் ஆரஞ்சுச் சாறு அட்டைப்பெட்டிகளைத் தூக்கி எறிகிறது. மற்றொன்றில், போதிய விவரமில்லாத கோரிக்கையின் அடிப்படையில் மருந்துப் புட்டியைக் கண்டறிந்து, இழுப்பறையிலிருந்து எடுத்துக் கொடுத்து, ஒரு அட்டைப்பெட்டியைத் தூக்கி எறிகிறது. தனித்தனி செயல்களையும் பதிவான மீண்டும் முயற்சிகளையும் திறன் காணொளிகள் காட்டுகின்றன; பெரும்பாலான முன்னோட்டங்கள் வேகப்படுத்தப்பட்டவை என்றும், இழுப்பறையிலிருந்து பொருளை எடுக்கும் ஒரு காட்சியில் தொடர்ந்து மீண்டும் முயல்வதைக் காட்டுவதாகவும் பக்கம் குறிப்பிடுகிறது.

எத்தனை முறை சோதித்தனர், பணியின் வெற்றி விகிதம் என்ன, பயிற்றுவிக்கப்பட்ட பார்வை–மொழி–செயல் கொள்கையுடன் ஒப்பீடு எப்படி, ஒவ்வொரு சமையலறைப் பணியின் நேரமும் செலவும் என்ன ஆகியவற்றை வெளியீடு தெரிவிக்கவில்லை. எனவே இது கட்டமைப்பை விளக்கும் செயல்விளக்கம்; பிற சமையலறைகளிலும் நம்பகமாகச் செயல்படும் என அளவிடப்பட்ட ஆதாரம் அல்ல. [இணைக்கப்பட்ட பொது களஞ்சியத்தில்](https://github.com/Stanford-TML/homebody) தற்போது “Code coming soon” என்று குறிப்பிடப்பட்டுள்ளது; திட்டப் பக்கத்தின் ஆய்வுக் கட்டுரை இணைப்பிலும் ஆவணம் இல்லை. களஞ்சியத்தில் இணையதளம், படங்கள், காணொளிகள் உள்ளன; ரோபோ செயலாக்கமோ மதிப்பீட்டுக் கோப்புகளோ இல்லை. BIG CHANGE HomeBody-ஐ இயக்கவோ ரோபோவைச் சோதிக்கவோ இல்லை.

BIG CHANGE-இன் முந்தைய [GPT-Policy அறிக்கை](https://bigchange.ai/blog/gpt-policy-robot-learning-vlm-agents) ரோபோ செயல்களுக்கான சூழல் குறித்த வேறொரு குழுவின் ஆய்வுக் கட்டுரையைப் பார்த்தது. அந்த ஆய்வுக் கட்டுரை HomeBody அமைப்பின் ஒரு பகுதி என திட்டப் பொருட்கள் குறிப்பிடவில்லை.

நடைமுறை வரம்புகளையும் குழு பட்டியலிடுகிறது: டிஜிட்டல் இரட்டையை உருவாக்க அமைவு நேரமும் API செலவும் தேவை; Astra-வின் தொலைதூரப் பகுத்தறிவு திறன்களுக்கு இடையில் இடைநிறுத்தங்களை ஏற்படுத்துகிறது; G1 செய்யக்கூடியவற்றை அதன் எட்டும் தூரமும் பொருள் கையாளும் திறனும் வரையறுக்கின்றன; நீண்ட நேரம் இயக்கும்போது விரல் servos அதிக வெப்பமடையலாம். உள்ளூர் மென்பொருள் அடுக்குக்கு RTX 4090 மடிக்கணினி தேவை; அதிகக் கணக்கீடு வேண்டிய திறன்களுக்கு மேலும் கணினி வளங்கள் தேவைப்படலாம்.

## ஆதாரங்களும் மேலதிக வாசிப்பும்

- [கால்டெக், ஸ்டான்ஃபோர்டு ஆய்வாளர்களின் HomeBody திட்டப் பக்கம்](https://tml.stanford.edu/homebody/) — அமைப்பு, சமையலறைச் செயல்விளக்கங்கள், உருவகப்படுத்திய மறுநிகழ்வு, திறன் இடைமுகங்கள், கட்டுப்பாட்டு அடுக்கு, கூறப்பட்ட வரம்புகள் ஆகியவற்றுக்கான முதன்மை விளக்கம். பக்கத்தில் செப்டம்பர் 2026 தேதி உள்ளது; தேர்ந்தெடுக்கப்பட்ட காணொளிகளும் விவரங்களும் குழு வழங்கிய சான்றுகள், சுயாதீன மதிப்பீடு அல்ல.
- [Stanford TML-இன் HomeBody பொது களஞ்சியம்](https://github.com/Stanford-TML/homebody) — திட்டப் பக்கம் இணைத்துள்ள களஞ்சியம். 2026 செப்டம்பர் 27 அன்று பார்த்தபோது README-இல் குறியீடு விரைவில் வரும் எனக் குறிப்பிடப்பட்டிருந்தது; பொது கோப்புகளில் இணையதள வளங்கள் மட்டுமே இருந்தன, ரோபோ செயலாக்கமோ முழு ஆய்வுக் கட்டுரையோ இல்லை.

## Sources

- [கால்டெக், ஸ்டான்ஃபோர்டு ஆய்வாளர்களின் HomeBody திட்டப் பக்கம்](https://tml.stanford.edu/homebody/) — கட்டமைப்பு, நேரடி சமையலறைச் செயல்விளக்கங்கள், தெளிவாக உருவகமான simulation, திறன் இடைமுகங்கள், கணினி அமைப்பு, கூறப்பட்ட வரம்புகள் ஆகியவற்றை ஆசிரியர்கள் வழங்கும் முதன்மை விளக்கம். தேர்ந்தெடுத்த காணொளிகளும் விளக்கங்களும் கட்டுப்படுத்தப்பட்ட சுயாதீன மதிப்பீடு அல்ல. ஆய்வுக் கட்டுரைக்கான இணைப்பு அங்கு இல்லை.
- [Stanford TML பொது HomeBody களஞ்சியம்](https://github.com/Stanford-TML/homebody) — README-இல் குறியீடு விரைவில் வரும் எனக் கூறப்பட்டுள்ளது. பொது கோப்பமைப்பில் திட்ட இணையதளமும் ஊடகப் பொருட்களும் உள்ளன; ரோபோ செயலாக்கமோ மதிப்பீட்டுக் கோப்புகளோ இல்லை. களஞ்சியம் உருவாக்கப்பட்ட தேதியே பரிசோதனை எப்போது நடந்தது என்பதற்குச் சான்றல்ல.