# रोबोट को सिखाने की नई विधि ACG-WAM ने RoboTwin में बेहतर प्रदर्शन किया

> ACG-WAM ने सिम्युलेटेड दृश्यों में 93% से अधिक और असली रोबोट पर 85% सफलता हासिल की। यह पिछले सर्वश्रेष्ठ मॉडल से 10 प्रतिशत अंक तक आगे रहा।

Oossa · 2026-10-07 · https://oossa.com/hi/new-robot-learning-method-acg-wam-beats-prior-models-on-robotwin-tasks

शोधकर्ताओं ने रोबोट को दृश्य इनपुट के आधार पर काम करना सिखाने की ACG-WAM नाम की नई विधि पेश की है। RoboTwin 2.0 के 50 सिम्युलेटेड कार्यों में इस सिस्टम ने साफ-सुथरे वातावरण में 93.46% और दृश्यों को यादृच्छिक बनाने पर 92.68% बार सफलता हासिल की। असली दुनिया के तीन कार्यों में इसे पूरी सफलता के लिए 85.00% और आंशिक रूप से पूरा करने के लिए 91.67% अंक मिले। इसने पिछले सर्वश्रेष्ठ सिस्टम Motus को क्रमशः 10 और 9.17 प्रतिशत अंकों से पीछे छोड़ा।

## ACG-WAM कैसे काम करता है

यह विधि एक सहायक पूर्वानुमानक जोड़ती है, जो रोबोट के मौजूदा कैमरा दृश्य और उसके अगले कदमों के आधार पर कई चरण आगे तक ज्यामितीय विशेषताओं—जैसे वस्तुओं की स्थिति और आकार—का अनुमान लगाना सीखता है। इसे ऐसे लक्ष्यों के साथ प्रशिक्षित किया जाता है, जिन्हें मौजूदा और भविष्य की छवियों के जोड़े को संसाधित करने वाला एक स्थिर विज़ुअल एन्कोडर तैयार करता है। प्रशिक्षण पूरा होने पर अतिरिक्त पूर्वानुमानक और शिक्षक मॉड्यूल हटा दिए जाते हैं, जिससे रोबोट पर चलाने के लिए हल्का मॉडल बचता है।

## रोबोट इस्तेमाल करने वालों के लिए इसका क्या मतलब है

सिम्युलेशन और असली हार्डवेयर, दोनों में सफलता की ऊंची दर बताती है कि ACG-WAM इस्तेमाल करने वाले रोबोट कम बार कोशिश और गलती करके अधिक भरोसेमंद ढंग से काम सीख सकते हैं। कारखानों या गोदामों में रोबोट लगाने वाली कंपनियों के लिए यह विधि नाकाम कोशिशों से होने वाला कामकाज का ठहराव घटा सकती है और नए व्यवहार सिखाने में लगने वाला समय कम कर सकती है।

## तथ्य

- शोधपत्र 3 Oct 2026 को जमा किया गया और 7 Oct 2026 को arXiv पर पोस्ट हुआ।
- ACG-WAM ने RoboTwin 2.0 के साफ-सुथरे सिम्युलेटेड कार्यों में 93.46% सफलता हासिल की।
- यादृच्छिक सिम्युलेटेड दृश्यों में इसे 92.68% सफलता मिली, जो तुलना किए गए तरीकों में सबसे अधिक थी।
- असली रोबोट पर तीन कार्यों में इसने पूरी सफलता के लिए 85.00% और आंशिक रूप से पूरा करने के लिए 91.67% अंक हासिल किए।
- इसने पिछले सर्वश्रेष्ठ सिस्टम Motus को क्रमशः 10.00 और 9.17 प्रतिशत अंकों से पीछे छोड़ा।

## यह क्यों मायने रखता है

कारखाने के प्रबंधक के लिए सफलता के ऊंचे ये आंकड़े बताते हैं कि रोबोट को कम गलतियों के साथ और तेजी से नए काम सिखाए जा सकते हैं, जिससे प्रशिक्षण की लागत घट सकती है। हालांकि, शोधपत्र में लंबे समय तक की विश्वसनीयता या अधिक जटिल कार्यों के लिए इस विधि को बड़े पैमाने पर लागू करने की क्षमता के आंकड़े नहीं दिए गए हैं। इसलिए बड़े स्तर पर इस्तेमाल से मिलने वाले ये फायदे अभी साबित होने बाकी हैं।

## स्रोत और संदर्भ

1. [ACG-WAM: World-Action Modeling via Action-Conditioned Geometric Latent Prediction](https://arxiv.org/abs/2610.06965) – arXiv cs.RO, 2026-10-07

अंतिम अपडेट: 2026-10-07