ఒక రోబోట్ చేతికి రూబిక్స్ క్యూబ్ నేర్చుకోవడానికి 13,000 అనుకరణ సంవత్సరాలు పట్టింది, 2026లో కూడా ఐదు వేళ్ల చేయి బల్బును బిగించడంలో 36 శాతం సార్లే విజయం సాధిస్తోంది

ఓపెన్ఏఐ రోబోట్ చేయి, తన అత్యుత్తమ ఏర్పాటుతో, అత్యంత కష్టమైన రూబిక్స్ క్యూబ్ స్క్రాంబుల్‌ను 10 ప్రయత్నాల్లో 2సార్లు పరిష్కరించింది, అంతకుముందు అనుకరణలో సుమారు 13,000 సంవత్సరాలకు సమానమైన సాధన చేసింది. దాన్ని నివేదించిన పత్రం 2019 అక్టోబర్ 16న ఆర్‌క్సివ్‌లోకి వచ్చింది. అప్పటి నుండి ప్రయోగశాలలు మానవ ప్రదర్శనలతో, స్పర్శ సెన్సర్లతో, చౌకైన హార్డ్‌వేర్‌తో కూడా రోబోట్ చేతులకు నేర్పాయి, గూగుల్ డీప్‌మైండ్ నుండి 2026 జూలై 30న వచ్చిన, ఐదు వేళ్ల చేతికి సంబంధించిన తాజా కొలిచిన ఫలితాలు పనిని బట్టి 32 నుండి 92 శాతం వరకు ఉన్నాయి.

కింద ఉన్న ప్రతి సంఖ్యా, పేరున్న ప్రయోగశాల తన సొంత పత్రంలో లేదా ప్రకటనలో నివేదించినదే. వాటిలో చాలావరకు వేర్వేరు రోబోట్లు, వేర్వేరు వస్తువులు, విజయానికి వేర్వేరు నిర్వచనాల నుండి వచ్చినవి, కాబట్టి ఇది ర్యాంకింగ్ పట్టిక కాదు.

ఓపెన్ఏఐ క్యూబ్ చేయి నిజంగా ఏం చేసింది

ఆ రోబోట్ ఒక షాడో డెక్స్‌టరస్ ఈ సిరీస్ హ్యాండ్, ఐదు వేళ్లు ఉన్న మానవాకార చేయి, క్యూబ్‌ను మూడు ఆర్‌జీబీ కెమెరాలు చూస్తున్నాయి. ఓపెన్ఏఐ నియంత్రణ పాలసీని, విజన్ వ్యవస్థను పూర్తిగా అనుకరణలో శిక్షణ ఇచ్చి, తర్వాత నిజమైన చేతికి మార్చింది. అది కారణంగా చెప్పే సాంకేతికత ఆటోమేటిక్ డొమైన్ రాండమైజేషన్: అనుకరణ యంత్రం ప్రపంచానికి ఇంకా కష్టమైన రూపాంతరాలను సృష్టిస్తూనే ఉంటుంది, కాబట్టి పాలసీ ఏ ఒక్క రూపాంతరంపైనా ఆధారపడలేదు.

క్యూబ్ పాలసీకి సంచిత శిక్షణ అనుభవాన్ని పత్రం సుమారు 13 వేల సంవత్సరాలుగా చెబుతుంది, ఇది 64 ఎన్విడియా వీ100 గ్రాఫిక్స్ చిప్‌లపై, ఒక్కొక్కటి 32 ప్రాసెసర్ కోర్లు ఉన్న 920 వర్కర్ యంత్రాలపై నడిచింది.

నిజమైన రోబోట్ ఫలితాలు ప్రతి పాలసీకి పది ట్రయల్స్ ఉన్న పట్టికలో ఉన్నాయి. క్యూబ్ ముఖాల కోణాలను గీకర్ సెన్సర్ ఇచ్చిన అత్యుత్తమ పాలసీ, 15 ముఖ భ్రమణాలు కావాల్సిన స్క్రాంబుల్‌ను 60 శాతం ట్రయల్స్‌లో, 26 భ్రమణాలతో కూడిన అత్యంత కష్టమైన స్క్రాంబుల్‌ను 20 శాతంలో పరిష్కరించింది. ముఖ కోణాలను చదవడానికి కేవలం విజన్ ఉపయోగించినప్పుడు అదే పాలసీ 20 శాతం, 0 శాతం సాధించింది. క్యూబ్ పడిపోతే, లేదా 1,600 టైమ్‌స్టెప్‌లలో, అంటే సుమారు 128 సెకన్లలో చేయి పూర్తి చేయకపోతే ట్రయల్ ముగిసేది. పాలసీ తప్పు ముఖాన్ని తిప్పినప్పుడు లేదా క్యూబ్ జారినప్పుడు, మళ్లీ పట్టుకోవడం ద్వారా సాధారణంగా కోలుకుందని పత్రం నివేదిస్తుంది.

మనిషి చేతుల నుండి నేర్చుకోవడం

చేతికి నేర్పడానికి అనుకరణ ఒక్కటే మార్గం కాదు. ఒక వ్యక్తి రోబోట్‌కు పనిని చూపవచ్చు, రోబోట్ ఆ కదలికను అనుకరిస్తుంది. 2023 ఏప్రిల్‌లో టోనీ జావో, వికాశ్ కుమార్, సెర్గీ లెవిన్, చెల్సీ ఫిన్ అలోహాను ప్రచురించారు. ఇది తక్కువ ఖర్చుతో కూడిన ద్విహస్త (రెండు చేతుల) వ్యవస్థ, ప్రత్యేకంగా రూపొందించిన టెలిఆపరేషన్ ఇంటర్‌ఫేస్‌తో నడుస్తుంది, అంటే ఒక వ్యక్తి రోబోట్‌ను దూరం నుండి నడుపుతాడు. వారి అల్గారిథమ్, యాక్షన్ చంకింగ్ విత్ ట్రాన్స్‌ఫార్మర్స్, పారదర్శక కండిమెంట్ కప్పును తెరవడం, బ్యాటరీని స్లాట్‌లో పెట్టడం సహా ఆరు నిజ ప్రపంచ పనులను, సుమారు 10 నిమిషాల ప్రదర్శనలతో 80 నుండి 90 శాతం విజయంతో నేర్చుకుంది. హార్డ్‌వేర్‌ను $20,000 బడ్జెట్‌తో నిర్మించారని ప్రాజెక్ట్ పేజీ చెబుతుంది.

అనేక ప్రయోగశాలల ప్రదర్శనలను కలపడం తర్వాత వచ్చింది. 2023 అక్టోబర్‌లో పోస్ట్ చేసిన ఓపెన్ ఎక్స్-ఎంబాడిమెంట్ పత్రం, 21 సంస్థల్లోని 22 రోబోట్ల నుండి డేటాను కలిపింది, 527 నైపుణ్యాలను కవర్ చేసింది. ఉద్భవించే నైపుణ్య పరీక్షల్లో దాని ఆర్‌టీ-2-ఎక్స్ నమూనా 75.8 శాతం సాధించగా ఆర్‌టీ-2 27.3 శాతం సాధించింది. సెన్సింగ్, యాక్చుయేషన్ చాలా భిన్నంగా ఉన్న రోబోట్లను తాము పరీక్షించలేదని, కొత్త రోబోట్లకు సాధారణీకరణను అధ్యయనం చేయలేదని రచయితలు చెబుతున్నారు.

నైపుణ్యం గల ఆర్మ్‌ను, చేతిని మాన్యువల్‌గా టెలిఆపరేట్ చేయడం మానవ ఆపరేటర్లపై భారం మోపుతుందని 2025 అక్టోబర్‌లో కూయీ, సహచరులు రాశారు. వారి పరిష్కారం పనిని విభజిస్తుంది: ఒక వ్యక్తి వర్చువల్ రియాలిటీ ద్వారా ఆర్మ్‌ను నడిపిస్తాడు, నేర్చుకున్న పాలసీ స్పర్శ, కెమెరా ఫీడ్‌బ్యాక్‌ను ఉపయోగించి వేళ్లను నడుపుతుంది. కనిపించని వస్తువులతో సహా విభిన్న వస్తువులపై 90 శాతం విజయం సాధించామని వారు నివేదిస్తున్నారు. 2025 జూన్‌లో ఎల్విస్ నావా, రాబర్ట్ కాట్జ్‌మన్, సహచరులు మిమిక్-వన్‌ను వర్ణించారు, ఇది గ్లవ్, వీఆర్ ప్రదర్శనలతో శిక్షణ పొందిన 16 డిగ్రీస్ ఆఫ్ ఫ్రీడమ్ ఉన్న చేయి, శిక్షణ డేటాకు భిన్నమైన పరిస్థితులైన అవుట్-ఆఫ్-డిస్ట్రిబ్యూషన్ పరీక్షల్లో 93.3 శాతం వరకు విజయం సాధించింది.

రోబోట్లు తమ సొంత తప్పుల నుండి కూడా నేర్చుకోగలవు. ఫిజికల్ ఇంటెలిజెన్స్ pi*0.6 పత్రం, 2025 నవంబర్ 18న పోస్ట్ చేసినది, ప్రదర్శనలను, రోబోట్ సొంత ప్రయత్నాలను, మానవ టెలిఆపరేటర్ దిద్దుబాట్లను కలిపే రీక్యాప్ అనే శిక్షణ పద్ధతిని వర్ణిస్తుంది. ఫలితంగా వచ్చిన నమూనా నిజమైన ఇళ్లలో బట్టలు మడతపెడుతుందని, పెట్టెలను అమరుస్తుందని, ఎస్ప్రెస్సో పానీయాలు చేస్తుందని, కొన్ని అత్యంత కష్టమైన పనుల్లో ఈ పద్ధతి త్రూపుట్‌ను రెండింతలకు మించి పెంచి, వైఫల్య రేటును సుమారు సగానికి తగ్గిస్తుందని కంపెనీ నివేదిస్తోంది. మొరావెక్ వైరుధ్యం గురించి tuput ముందటి వ్యాసం తన శీర్షిక ఉదాహరణగా వాడిన పని కూడా బట్టలు మడతపెట్టడమే.

వేలి కొనలకు స్పర్శ భావన ఇవ్వడం

జిహాంగ్ జావో, కాస్పర్ అల్తోఫర్, సాంగ్-చున్ ఝూ సహా ఒక బృందం రూపొందించిన ఎఫ్-టాక్ హ్యాండ్, తన ఉపరితలంలో 70 శాతం అంతటా 0.1 మిల్లీమీటర్ల ప్రాదేశిక రిజల్యూషన్‌తో స్పర్శ గ్రహణాన్ని కలిగి ఉంది. ప్రీప్రింట్ 2024 డిసెంబర్ 19న కనిపించింది, నేచర్ మెషిన్ ఇంటెలిజెన్స్‌లో ప్రచురితమైన వెర్షన్‌ను క్వీన్ మేరీ యూనివర్సిటీ ఆఫ్ లండన్ 2025 జూన్ 9న ప్రకటించింది. 600 నిజ ప్రపంచ ట్రయల్స్ అంతటా, సంక్లిష్ట నిర్వహణ పనుల్లో స్పర్శ చేయి స్పర్శ లేని ప్రత్యామ్నాయాలను అధిగమించిందని రచయితలు నివేదిస్తున్నారు (p విలువ 0.0001 కంటే తక్కువ).

మెటా ఏఐ పరిశోధన బృందం 2024 అక్టోబర్ 31న డిజిట్ 360 వేలికొనను విడుదల చేసింది. దానికి 8 మిలియన్లకు పైగా టాక్సెల్స్ (స్పర్శను గ్రహించే పిక్సెల్స్) ఉన్నాయని, 1 మిల్లీన్యూటన్ అంత చిన్న బలాలను గ్రహిస్తుందని, 460,000కు పైగా స్పర్శ చిత్రాలపై ముందే శిక్షణ పొందిన స్పర్శ నమూనా స్పార్శ్‌తో జతచేశామని మెటా చెబుతోంది. డిజిట్ 360ని జెల్‌సైట్ తయారు చేయాల్సి ఉంది, స్పర్శతో కూడిన అలెగ్రో హ్యాండ్‌ను వోనిక్ రోబోటిక్స్ తయారు చేయాల్సి ఉంది, రెండింటినీ 2025లో విస్తృతంగా అందుబాటులోకి తేవాలని ప్రణాళిక.

స్పర్శ సంక్లిష్టంగా ఉండనవసరం లేదు. క్వి యే, సహచరుల సైన్స్ రోబోటిక్స్ పత్రం, 2026 ఫిబ్రవరి 17న నివేదించినది, తక్కువ ఖర్చుతో కూడిన నాలుగు వేళ్ల లీప్ హ్యాండ్‌ను ఒక సాధారణ వెబ్‌క్యామ్‌తో, సాధారణ స్పర్శ లేదా స్పర్శ-లేని సెన్సర్లతో ఉపయోగించింది, దృష్టిని, స్పర్శను కలిపిన మానవ ప్రదర్శనలపై ముందే శిక్షణ ఇచ్చిన తర్వాత. ఆ చేయి తన ఎనిమిది పనులను మొత్తం మీద 73 శాతం విజయ రేటుతో, అనుకరణలో సాధన చేసిన ఐదింటిలో 85 శాతంతో పూర్తి చేసింది. పెన్సిల్ చెక్కడం, స్క్రూ విప్పడం సహా కనిపించని మూడు పనులు ఫిజ్.ఆర్గ్ నివేదికలో “చాలావరకు” పూర్తయ్యాయి, అది సంఖ్య ఇవ్వలేదు. జాబితాలోని వైఫల్యాల్లో, చేతికి తిప్పడానికి తగినంత టార్క్ లేని చిన్న సీసా మూతలు, ఇరుకైన కుళాయి హ్యాండిల్ స్లాట్లలో వేళ్లు ఇరుక్కోవడం ఉన్నాయి.

చౌక చేతులు, మోటార్లకు బదులు తీగలు

డెక్స్‌టరస్ నిర్వహణ కోసం అభ్యసన పద్ధతులు తగిన హార్డ్‌వేర్ లేకపోవడంతో ఎక్కువగా అనుకరణలోనే ఉండిపోయాయని 2023 సెప్టెంబర్‌లో కెన్నెత్ షా, అనన్యే అగర్వాల్, దీపక్ పాఠక్ రాశారు. వారి లీప్ హ్యాండ్ ఖరీదు సుమారు $2,000, సులభంగా దొరికే భాగాలతో అమర్చడానికి నాలుగు గంటలు పడుతుంది. దాని సన్నిహిత పోటీదారు అలెగ్రో హ్యాండ్ ధరలో సుమారు ఎనిమిదో వంతని సారాంశం చెబుతుంది.

కొన్ని కొత్త చేతులు వేళ్లను టెండన్లు అనే తీగలతో కదిలిస్తాయి. మిమిక్-వన్ ఒకటి. లెరెల్ పింటో, ఇర్మాక్ గుజే ఉన్న బృందం రూపొందించిన, 2026 మార్చి 27న పోస్ట్ చేసిన రుకా-వీ2 కూడా అంతే. ఇది అసలు రుకాకు రెండు డిగ్రీస్ ఆఫ్ ఫ్రీడమ్ మణికట్టును, పక్కకు వేలి కదలికను జోడిస్తుంది, అసలు రుకాను $1,300 కంటే తక్కువలో నిర్మించవచ్చని రచయితలు చెబుతున్నారు. టెలిఆపరేట్ చేసిన పనులపై వినియోగదారు అధ్యయనాల్లో, రుకా-వీ2 అసలు దానితో పోలిస్తే పూర్తి సమయాన్ని 51.3 శాతం తగ్గించి, విజయాన్ని 21.2 శాతం పెంచింది. దాన్ని 13 పనుల్లో టెలిఆపరేట్ చేశారు, వాటిలో 3 పనులను స్వయంగా నేర్చుకుంది.

అనుకరణ తిరిగి వచ్చింది

అనుకరణ తన స్థానాన్ని కోల్పోలేదు. తోరు లిన్, జితేంద్ర మలిక్, యుకే ఝూ, సహచరులు 2025 ఫిబ్రవరిలో రెండు బహువేళ్ల చేతులు ఉన్న ఫోరియర్ జీఆర్1 మానవాకార రోబోట్ కోసం అనుకరణలో శిక్షణ పొందిన రీఇన్‌ఫోర్స్‌మెంట్-లెర్నింగ్ పైప్‌లైన్‌ను నివేదించారు. కనిపించిన వస్తువులపై సుమారు 90 శాతం, కొత్త వస్తువులపై 60 నుండి 80 శాతం విజయం ఉందని వారు నివేదిస్తున్నారు. పనుల వారీగా, ప్రతి వస్తువుకు పది ట్రయల్స్‌తో, అత్యుత్తమ పాలసీ గ్రాస్ప్-అండ్-రీచ్‌కు సగటున 62.3 శాతం, పెట్టెను ఎత్తడానికి 80 శాతం, రెండు చేతుల హ్యాండోవర్‌కు 52.5 శాతం సాధించింది. అనుకరణ భౌతిక శాస్త్రానికి కేవలం సాధారణ రాండమైజేషన్ వాడటమే హ్యాండోవర్ సంఖ్య తక్కువగా ఉండటానికి కారణమని రచయితలు అనుమానిస్తున్నారు, ఈ సామర్థ్యాలు సాధారణ-ప్రయోజన, మానవ స్థాయి నిర్వహణకు చాలా దూరంగా ఉన్నాయని చెబుతున్నారు.

2026 ఫిబ్రవరి పత్రం డెక్స్‌రెప్‌నెట్++, 40 వస్తువులపై శిక్షణ పొంది 5,000కు పైగా కనిపించని వస్తువులపై పరీక్షించిన పాలసీకి అనుకరణలో 87.9 శాతం గ్రాస్ప్ విజయాన్ని నివేదిస్తుంది. దాని సారాంశం అనుకరణకు, నిజమైన హార్డ్‌వేర్‌కు మధ్య చిన్న అంతరాన్ని వర్ణిస్తుంది కానీ నిజ ప్రపంచ విజయ రేటును ఇవ్వదు.

2026 జూలై నుండి డీప్‌మైండ్ ఐదు వేళ్ల సంఖ్యలు

2026 జూలై 30న గూగుల్ డీప్‌మైండ్ జెమిని రోబోటిక్స్ 2ను ప్రకటించింది. ఈ నమూనా అప్ట్రానిక్ అపోలో 2 మానవాకార రోబోట్‌లోని ఐదు వేళ్ల, 22 డిగ్రీస్ ఆఫ్ ఫ్రీడమ్ ఉన్న షార్పావేవ్ చేతిని నియంత్రిస్తుంది. ఆ చేతికి డీప్‌మైండ్ పోస్ట్ ఈ విజయ శాతాలను ఇస్తుంది: లైట్ బల్బును విప్పడం 92 శాతం, బిగించడం 36 శాతం, చెత్త సంచిని కట్టడం 44 శాతం, డస్ట్‌పాన్ పని 32 శాతం, జిప్‌లాక్ సంచి 40 శాతం. ఫ్రాంకా డ్యూయో ప్లాట్‌ఫామ్‌పై రెండు వేళ్ల గ్రిప్పర్లపై సాధారణ పిక్ అండ్ ప్లేస్‌కు 74.2 శాతం, టూల్ కిట్టింగ్‌కు 78.9 శాతం, కచ్చితమైన ఇన్సర్షన్‌కు 89.6 శాతం నివేదిస్తుంది.

బహువేళ్ల డెక్స్‌టరస్ నిర్వహణ ఇంకా కష్టంగానే ఉందని డీప్‌మైండ్ పోస్ట్ చెబుతుంది. కొత్త రెండు చేతుల రోబోట్లను సాధారణంగా 200 కంటే తక్కువ ఉదాహరణలతో అనుకూలింపజేయవచ్చని కూడా అది చెబుతుంది.

2026లో మానవాకార పైలట్ల గురించి tuput నివేదిక ఈ యంత్రాల ఫ్యాక్టరీ, విమానాశ్రయ వైపును కవర్ చేస్తుంది.

ఇంకా దేనిలో విఫలమవుతోంది

పోలికే మొదటి సమస్య. రోబోట్లు, సెన్సర్లు, పనులు, శిక్షణ డేటా, మూల్యాంకనం గురించి అధ్యయనాలు వేర్వేరు ఊహలను వాడతాయని, అందువల్ల క్రమబద్ధమైన పోలిక కష్టమని వీగువాంగ్ జావో, సహచరుల 2026 మే డెక్స్‌టరస్-హ్యాండ్ పరిశోధన సర్వే చెబుతుంది.

రెండవది ప్రదర్శనలకు, కనిపించని వస్తువులకు మధ్య అంతరం. 2019 క్యూబ్ చేయి అత్యంత కష్టమైన స్క్రాంబుల్‌ను 10 ట్రయల్స్‌లో 2లో పరిష్కరించింది, లిన్, సహచరుల కొత్త వస్తువుల సంఖ్యలు కనిపించిన వస్తువుల సంఖ్యల కంటే వెనుకబడి ఉన్నాయి, డీప్‌మైండ్ నివేదించిన ఐదు వేళ్ల ఫలితాల్లో నాలుగు 50 శాతం కంటే తక్కువ, అన్నీ డీప్‌మైండ్ సొంత పరీక్షల నుండే. టార్క్, ఇరుక్కోవడం, జారడం ఇంకా పరిష్కారం కాని యాంత్రిక సమస్యలని సైన్స్ రోబోటిక్స్ బృందం జాబితా చేస్తుంది.

మూడవది అందుబాటు, వేగం. ది రోబోట్ రిపోర్ట్ 2026 ఆగస్టు 2 కవరేజ్ ప్రకారం, జెమిని రోబోటిక్స్ 2 నమూనాను, దాని ఆన్-డివైస్ వెర్షన్‌ను డీప్‌మైండ్ ముందస్తు యాక్సెస్ భాగస్వాములకే పరిమితం చేస్తోంది, కదలిక వేగంలో రోబోట్లు ఇంకా పురోగమించాల్సి ఉందని చెబుతోంది.