ह्यूमनॉइड रोबोट और एम्बॉडीड AI: जब बुद्धिमत्ता को एक शरीर मिलता है (UPSC Science & Tech)

लगभग सत्तर साल तक, कृत्रिम बुद्धिमत्ता (artificial intelligence) काँच के पीछे जीती रही। यह शतरंज खेलती थी, तस्वीरें छाँटती थी, भाषाओं का अनुवाद करती थी और, हाल में, निबंध लिखती थी — पर यह सब एक स्क्रीन पर करती थी, एक शरीर-रहित दिमाग जिसके पास उस दुनिया को छूने के लिए कोई हाथ नहीं थे जिस पर वह तर्क करती थी। अब यह तेज़ी से बदल रहा है। BMW के सबसे बड़े असेंबली प्लांट में चलिए और आपको Figure नाम की एक कंपनी की दो-टाँगों वाली मशीनें इंसानी कर्मचारियों के साथ असली शिफ़्टें करती मिलेंगी, जिनका बिल लगभग एक ठेकेदार की तरह करीब पच्चीस डॉलर प्रति रोबोट-घंटे लगाया जाता है। एक चीनी फ़र्म, Unitree, ने 2025 में पाँच हज़ार पाँच सौ से ज़्यादा ह्यूमनॉइड रोबोट भेजे — हर पश्चिमी निर्माता को मिलाकर भी ज़्यादा — और अब Amazon पर एक चलने वाला, प्रोग्राम किया जा सकने वाला ह्यूमनॉइड अठारह हज़ार डॉलर से कम में सूचीबद्ध करती है। संक्षेप में, बुद्धिमत्ता को आखिरकार एक शरीर मिल रहा है।

जिस क्षेत्र ने यह संभव बनाया उसका एक नाम है जिसे जानना सार्थक है: एम्बॉडीड AI (embodied AI), जिसे कभी-कभी भौतिक AI (physical AI) भी कहते हैं। और यह एक भारतीय उम्मीदवार के लिए एक साधारण वजह से मायने रखता है — यह ठीक वहाँ बैठता है जहाँ दो बड़ी कहानियाँ टकराती हैं। एक है कृत्रिम-बुद्धिमत्ता की क्रांति जिसने पिछले कुछ सालों की हर विज्ञान-और-तकनीक चर्चा पर कब्ज़ा रखा है। दूसरी है विनिर्माण, नौकरियों, और इस पुराने सवाल की कि एक युवा, श्रम-समृद्ध देश को तब फ़ायदा होता है या नुकसान जब मशीनें शारीरिक काम करना सीख लेती हैं। ह्यूमनॉइड रोबोट वह जगह हैं जहाँ ये दोनों कहानियाँ एक हो जाती हैं, यही वजह है कि वे उस उम्मीदवार को पुरस्कृत करते हैं जो खबरों में आई कंपनियों को महज़ गिनाने के बजाय अंतर्निहित विचार को साफ़ समझा सके।

“एम्बॉडीड AI” का असल मतलब क्या है

मूल अंतर से शुरुआत कीजिए, क्योंकि पूरा विषय इसी पर घूमता है। जिस AI के बारे में आपने सुना है उसका ज़्यादातर शरीर-रहित है — यह पूरी तरह डेटा और पाठ में जीता है, शब्दों, छवियों या संख्याओं से पैटर्न सीखता है और बदले में और शब्द, छवियाँ या संख्याएँ पैदा करता है। एक चैटबॉट ने कभी किसी चूल्हे पर अपना हाथ नहीं जलाया, कभी कोई कप फिसलता महसूस नहीं किया, कभी नहीं सीखा कि एक भारी डिब्बा अगर आप एक तरफ़ से उठाएँ तो लुढ़क जाता है। एम्बॉडीड AI इसका उलट है: यह एक भौतिक शरीर में लिपटी बुद्धिमत्ता है — सेंसर, मोटर, अंग — जो असली दुनिया में काम करके और परिणाम महसूस करके सीखती है। शरीर दिमाग पर जड़ा कोई उपसाधन नहीं है। शरीर इस बात का हिस्सा है कि सोच कैसे होती है।

यही उसका केंद्र है जिसे शोधकर्ता एम्बॉडीमेंट परिकल्पना (embodiment hypothesis) कहते हैं — यह विचार कि असली बुद्धिमत्ता को एक शरीर और काम करने के लिए एक वातावरण होने से अलग नहीं किया जा सकता। एक बच्चा “भारी” या “डगमगाता” या “बहुत गर्म” का मतलब किसी शब्दकोश से नहीं सीखता; वह इसे पकड़कर, गिराकर और गलती करके सीखती है, हज़ारों बार, जब तक उसका शरीर न जान ले। एम्बॉडीड AI का दावा है कि मशीनों को भौतिक दुनिया उसी तरह सीखनी होगी, एक लगातार चक्र के ज़रिये जिसे इंजीनियर अवधारणा-क्रिया लूप (perception-action loop) कहते हैं। रोबोट कैमरों और स्पर्श-सेंसरों के ज़रिये दुनिया को भाँपता है, एक क्रिया तय करता है, हरकत करता है, और फिर भाँपता है कि दुनिया कैसे बदली — और वह बदलाव अगला इनपुट बन जाता है। यह घूमता रहता है, मशीन हर कदम के साथ वास्तविकता का अपना मॉडल निखारती रहती है। एक शरीर-रहित AI अगले शब्द का अनुमान लगाता है। एक एम्बॉडीड AI अपनी ही हरकत के अगले परिणाम का अनुमान लगाता है, जो जानने का एक कहीं कठिन और कहीं ज़्यादा उपयोगी तरीका है।

तो इसे आखिर एक मानव-आकार चाहिए ही क्यों? किसी कारखाने के फ़र्श पर जड़ी एक रोबोट-बाँह तकनीकी रूप से एम्बॉडीड ही है। पर हमारी पूरी बनी-बनाई दुनिया — दरवाज़े के हैंडल, सीढ़ियाँ, औज़ारों के हत्थे, कार के भीतरी हिस्से, रसोई की अलमारियाँ — इंसानी रूप के इर्द-गिर्द डिज़ाइन की गई थी। दो टाँगों, दो बाँहों और इंसानी-पैमाने की पहुँच वाली एक मशीन, सिद्धांत रूप में, किसी भी जगह में फ़िट हो सकती है जहाँ कोई व्यक्ति काम करता है, बिना पहले उस जगह को फिर से बनाए। वही सर्व-उद्देश्यीय वादा ठीक वह चीज़ है जो ह्यूमनॉइड रोबोट को इतना व्यावसायिक रूप से लुभावना, और किसी एक-काम वाली बाँह से बनाने में इतना कठिन बनाती है।

वह संगम जिसने आखिरकार ह्यूमनॉइड को संभव बनाया

लोग दशकों से चलने वाले रोबोट का सपना देखते आए हैं, तो अभी क्यों? ईमानदार जवाब यह है कि किसी एक सफलता ने यह नहीं किया — कई अलग-अलग तकनीकें एक साथ परिपक्व हुईं और एक ही मशीन में मिलीं, ठीक वैसे ही जैसे स्मार्टफ़ोन को एक साथ आने के लिए सस्ती स्क्रीनें, तेज़ चिप और मोबाइल डेटा चाहिए थे। उन धागों में से चार सबसे ज़्यादा मायने रखते हैं, और एक परीक्षक उस उम्मीदवार को पुरस्कृत करता है जो उन्हें नाम दे सके।

पहला है हार्डवेयर। इलेक्ट्रिक एक्चुएटर — वे “मांसपेशियाँ” जो किसी रोबोट के जोड़ों को हिलाती हैं — ताकतवर, सटीक और कहीं ज़्यादा सस्ते हो गए हैं, जबकि कैमरे, गहराई-स्कैनर और बल-संसूचक जैसे सेंसर स्मार्टफ़ोन और इलेक्ट्रिक-वाहन आपूर्ति-श्रृंखलाओं की बदौलत कीमत में गिर गए हैं। दूसरा धागा है दिमाग, और यही सचमुच नया हिस्सा है। वही फ़ाउंडेशन मॉडल जिन्होंने हमें आधुनिक चैटबॉट दिए — और स्वायत्त, लक्ष्य-खोजी सिस्टमों की वही लहर जिसे हमारे एजेंटिक AI वाले मार्गदर्शक में समझाया गया है — को उसमें ढाला गया है जिसे शोधकर्ता विज़न-लैंग्वेज-एक्शन मॉडल, या VLA मॉडल कहते हैं। एक VLA मॉडल यह लेता है कि रोबोट क्या देखता है (विज़न) और एक सादी-भाषा का निर्देश (लैंग्वेज) और उसे पूरा करने के लिए असली मोटर-आदेश निकालता है (एक्शन) — जिससे आप किसी रोबोट से कह सकें “लाल कप उठाओ और सिंक में रखो” और वह हरकतें खुद तय कर ले। मार्च 2026 में, Unitree ने ऐसा ही एक मॉडल, UnifoLM-VLA-0, ओपन-सोर्स किया, जो किसी ह्यूमनॉइड को सीधे प्राकृतिक-भाषा के आदेशों से घरेलू काम करने देता है। यही वह छलाँग है जिसने ह्यूमनॉइड को पहले से प्रोग्राम की गई कठपुतलियों से उन मशीनों में बदल दिया जिनसे आप बस बात कर सकते हैं।

तीसरा धागा है कि ये रोबोट कैसे सीखते हैं। दो तरीके इसका ज़्यादातर काम करते हैं। अनुकरण-अधिगम (imitation learning) में, रोबोट किसी इंसान की नकल करता है — अक्सर कोई व्यक्ति जो मोशन-कैप्चर साज़ो-सामान पहने हो या मशीन को दूर से चला रहा हो — और दिखाए गए हुनर को सोख लेता है। प्रबलन-अधिगम (reinforcement learning) में, रोबोट आज़माइश और गलती से सीखता है, अच्छा करने पर एक “इनाम” संकेत पाता है और तब तक खुद को समायोजित करता है जब तक सुधर न जाए, ठीक वैसे ही जैसे एक नन्हा बच्चा अनगिनत छोटी नाकामियों से चलना सीखता है। चौथा धागा बाकी तीनों को आपस में बाँधता है और एक कठोर व्यावहारिक समस्या हल करता है: एक रोबोट किसी असली कारखाने में खुद को नष्ट किए बिना दस हज़ार बार नहीं गिर सकता। सो यह पहले सिमुलेशन में सीखता है। इंजीनियर एक फ़ोटो-यथार्थ, भौतिकी-सटीक आभासी दुनिया बनाते हैं — NVIDIA का Isaac प्लेटफ़ॉर्म सबसे जाना-माना उदाहरण है — रोबोट को सॉफ़्टवेयर में लाखों बार अभ्यास करने देते हैं जहाँ नाकामी मुफ़्त है, और फिर प्रशिक्षित हुनर को भौतिक मशीन में स्थानांतरित कर देते हैं। उस स्थानांतरण को सिम-टू-रियल (sim-to-real) कहते हैं, और इसे भरोसेमंद ढंग से काम करवाना आज के ह्यूमनॉइड के पीछे की केंद्रीय उपलब्धियों में से एक है।

इन्हें कौन बना रहा है, और नई रोबोटिक्स दौड़

गंभीर निर्माताओं की सूची अब इतनी लंबी है कि एक दौड़ जैसी लगती है, और कुछ नाम इसे थामे रखते हैं। संयुक्त राज्य अमेरिका में, Tesla अपना Optimus ह्यूमनॉइड विकसित कर रही है, यह दाँव लगाते हुए कि इसकी कारों के पीछे की वही AI और बैटरी विशेषज्ञता एक सर्व-उद्देश्यीय कर्मचारी की ओर मोड़ी जा सकती है। Figure, एक नई कंपनी, असली परिनियोजन में सबसे आगे गई है — इसके रोबोट एक BMW प्लांट में काम करते हैं, और इसने एक ऐसा कारखाना खोला है जिसका लक्ष्य प्रति घंटे एक ह्यूमनॉइड बनाना है। Boston Dynamics, जो लंबे समय से कलाबाज़ी करती मशीनों के लिए मशहूर है, ने अपने इलेक्ट्रिक Atlas को एक Hyundai सुविधा में पायलट परीक्षण में पहुँचा दिया है। Agility Robotics, Digit बनाती है, एक गोदाम-केंद्रित ह्यूमनॉइड जो जीवंत व्यावसायिक उपयोग में पहले ही एक लाख से ज़्यादा भंडारण-टोकरे हिला चुका है — एक दुर्लभ, ठोस प्रमाण कि ये मशीनें महज़ प्रदर्शन नहीं, बल्कि भुगतान वाला काम कर सकती हैं।

पर गुरुत्व का केंद्र पूरब की ओर खिसक रहा है, और यही कहानी का वह हिस्सा है जिसे एक भारतीय उम्मीदवार को नहीं चूकना चाहिए। चीन ने ह्यूमनॉइड के पीछे एक औद्योगिक राज्य का पूरा वज़न झोंक दिया है, उन्हें अपनी राष्ट्रीय योजना में एक रणनीतिक अग्रिम-सीमा तकनीक मानते हुए। नतीजे साफ़ हैं। 2025 में दुनिया भर में भेजे गए तेरह हज़ार से ज़्यादा ह्यूमनॉइड रोबोटों में से, दो चीनी फ़र्मों — Unitree और AgiBot — ने हर एक ने पाँच हज़ार से ज़्यादा भेजे, जबकि Tesla और Figure जैसे अमेरिकी प्रतिद्वंद्वियों ने हर एक ने बस कुछ सौ भेजे। Morgan Stanley के विश्लेषक उम्मीद करते हैं कि चीन की ह्यूमनॉइड बिक्री 2026 में मोटे तौर पर दोगुनी होकर लगभग अट्ठाईस हज़ार इकाई हो जाएगी। चीन की बढ़त अभी सबसे चालाक रोबोट नहीं है; यह सबसे सस्ता रोबोट है, जो मोटर, बैटरी और सेंसर की एक बेजोड़ आपूर्ति-श्रृंखला पर बना है। वही फ़ायदा जिसने चीन को इलेक्ट्रिक वाहनों और सौर पैनलों पर हावी होने दिया, अब रोबोटों की ओर ताना जा रहा है — ठीक यही वजह है कि यह एक भू-राजनीतिक कहानी है, न कि महज़ एक तकनीकी।

ये सब मशीनें असल में किसलिए हैं? शुरुआती उपयोग नीरस, गंदे और खतरनाक काम हैं, और वे एक उत्तर पर साफ़ बैठते हैं। विनिर्माण और लॉजिस्टिक्स में, ह्यूमनॉइड बार-बार होने वाली असेंबली, जाँच और गोदामों में डिब्बों की अंतहीन ढुलाई संभालते हैं। खतरनाक वातावरणों में — परमाणु संयंत्र, रासायनिक सुविधाएँ, आपदा-क्षेत्र — वे वहाँ जा सकते हैं जहाँ किसी व्यक्ति को भेजना असुरक्षित है। और आगे चलकर, निर्माता बुज़ुर्ग व स्वास्थ्य-देखभाल सहायता और सेवा-भूमिकाओं की ओर इशारा करते हैं, एक ऐसा प्रस्ताव जो देखभाल-करने वालों की कमी वाली बूढ़ी होती समाजों में गूँजता है। शुरुआत का स्वरूप कुछ कहता है: वहाँ से शुरू कीजिए जहाँ काम शारीरिक रूप से थकाने वाला, बेहद बार-बार होने वाला और मापने में आसान हो, फिर जैसे-जैसे रोबोट ज़्यादा सक्षम और सस्ते हों, बाहर की ओर फैलिए।

इसका नौकरियों, अर्थव्यवस्था और समाज के लिए क्या मतलब है

अब कठिन सवाल, वह जो GS3 या निबंध के उत्तर में अंक कमाता है: अगर मशीनें शारीरिक श्रम कर सकती हैं, तो उन लोगों का क्या होगा जो इसे अभी करते हैं? आशावादी और निराशावादी दोनों कुछ हद तक सही हैं, और एक मज़बूत उत्तर एक पक्ष चुनने के बजाय इस तनाव को थामे रखता है। तेज़ी वाला तर्क बहुत बड़ा है। Goldman Sachs Research ने एक ऐसा रास्ता खींचा है जहाँ ह्यूमनॉइड रोबोट का वैश्विक बाज़ार 2035 तक लगभग अड़तीस अरब डॉलर तक पहुँच सकता है, और अगर लागत व जन-स्वीकृति जगह पर बैठ जाए तो एक कहीं बड़ी आकाश-छूती संख्या तक, और अनुमान लगाती है कि उत्पादन बढ़ने के साथ प्रति-इकाई कीमतें अंततः पंद्रह से बीस हज़ार डॉलर के पास टिक जाएँगी। वादा एक उत्पादकता-उछाल का है — और, बूढ़ी होती अर्थव्यवस्थाओं और श्रम-कमी वाले कारखानों के लिए, रोबोट उन खाइयों को भरते हैं जो इंसान अब नहीं भर सकते।

चिंता वाला तर्क भी उतना ही असली है। बार-बार होने वाला हस्तचालित काम ठीक वही है जिसे सोखने के लिए ये मशीनें बनी हैं, और कुछ उद्योग-अनुमान देखते हैं कि ऐसी नौकरियाँ एक दशक के भीतर वैश्विक स्तर पर दसवें से पाँचवें हिस्से तक सिकुड़ जाएँगी। पर भरी-पूरी तस्वीर शुद्ध नुकसान के बजाय उथल-पुथल (churn) की है। World Economic Forum के अनुमान, मसलन, उम्मीद करते हैं कि तकनीक उसी अवधि में नष्ट की तुलना में कहीं ज़्यादा नौकरियाँ पैदा करेगी — वैश्विक स्तर पर एक बड़ा शुद्ध लाभ — भले ही नष्ट हुई नौकरियाँ और पैदा हुई नौकरियाँ शायद ही कभी एक ही लोगों के पास, एक ही जगहों पर, एक ही कौशलों के साथ हों। वह बेमेल — एक शहर में पुराना काम लुप्त होते हुए जबकि दूसरे में अलग प्रशिक्षण की माँग करता नया काम सामने आते हुए — असली सामाजिक चुनौती है, किसी रोबोट-प्रलय वाली सुर्खी से कहीं ज़्यादा।

नौकरियों के सवाल के पीछे और तीखी चिंताएँ ढेर हैं। सुरक्षा सबसे पहले आती है: लोगों के बीच चलती एक ताकतवर मशीन चोट पहुँचा सकती है, और किसी ह्यूमनॉइड को एक कार्यस्थल साझा करने के लिए सुरक्षित प्रमाणित करने के नियम अब भी लिखे जा रहे हैं। फिर निजता — एक घरेलू या अस्पताल का रोबोट एक चलता-फिरता सेंसर है, जो अपने आसपास सबकुछ देखता और रिकॉर्ड करता है। संकेंद्रण का जोखिम है, जहाँ मुट्ठी भर फ़र्में और एक-दो देश शारीरिक श्रम की बुनियादी तकनीक के मालिक बन जाते हैं, ठीक वैसे ही जैसे कुछ फ़र्में अब डिजिटल AI पर हावी हैं। और देखभाल-भूमिकाओं में मशीनों को लेकर एक गहरी नैतिक बेचैनी है, जहाँ इंसानी स्पर्श खुद मुद्दे का एक हिस्सा है। इनमें से कोई भी वादे को रद्द नहीं करता; ये वे रक्षा-दीवारें हैं जिन्हें एक गंभीर नीति को इसके साथ-साथ बनाना होता है।

भारत का दाँव: सॉफ़्टवेयर शक्ति से भौतिक AI तक

भारत के लिए सवाल नुकीला है, क्योंकि देश ने अपनी साख सॉफ़्टवेयर पर बनाई — शरीर-रहित किस्म की बुद्धिमत्ता, और वह व्यापक कहानी जो हमारे भारत में कृत्रिम बुद्धिमत्ता वाले लेख में कही गई है — और एम्बॉडीड AI एक अलग ताकत के पाले में खेलता है। भारत एक विशाल, युवा कार्यबल वाला एक विनिर्माण-आकांक्षी देश है, जो ह्यूमनॉइड को एक साथ एक अवसर और एक खतरा, दोनों बना देता है। अवसर यह है कि रोबोटिक्स क्रांति को कहीं और होते देखने के बजाय उन्नत विनिर्माण में मूल्य-श्रृंखला पर चढ़ा जाए। खतरा यह है कि स्वचालन उसी श्रम-लागत वाले फ़ायदे को घिस सकता है जिस पर “Make in India” आंशिक रूप से टिका है। इन दोनों के बीच की रेखा पर चलना ही नीतिगत पहेली है।

अच्छी खबर यह है कि भारत अब महज़ एक दर्शक नहीं रहा। 2026 की शुरुआत में, नोएडा-स्थित स्वचालन फ़र्म Addverb Technologies ने एक मेड-इन-इंडिया पहियेदार औद्योगिक ह्यूमनॉइड, ELIXIS-W, पेश किया, जो भारतीय इंजीनियरों ने बनाया और नई दिल्ली में AI Impact Summit में दिखाया गया — गोदाम, इलेक्ट्रॉनिक्स और खतरनाक-उद्योग परिनियोजन के लिए अपने पहले साल में लगभग सौ इकाई बनाने की योजना के साथ। गोदाम रोबोटिक्स में GreyOrange और IIT से जुड़े स्टार्टअप का एक गुच्छा जैसी दूसरी फ़र्में एक युवा पर असली परितंत्र को पूरा करती हैं। NITI Aayog के अपने आकलन के अनुसार, भारतीय रोबोटिक्स बाज़ार 2023 में मोटे तौर पर साढ़े तीन सौ मिलियन डॉलर का था और 2028 तक लगभग 1.6 अरब डॉलर तक पहुँचने की उम्मीद है — वैश्विक मानकों से छोटा, पर तेज़ी से बढ़ता।

नीति पकड़ बनाने लगी है। NITI Aayog के Frontier Tech Hub ने 2035 तक भारत को एक अग्रणी उन्नत-विनिर्माण केंद्र बनाने का एक रोडमैप रखा है, रोबोटिक्स, AI और डिजिटल जुड़वाँ (digital twins) को प्राथमिकता वाले क्षेत्रों की सूची में मोड़ते हुए। जिन प्रोडक्शन लिंक्ड इंसेंटिव (PLI) योजनाओं ने इलेक्ट्रॉनिक्स और कलपुर्जा-निर्माण को देश में खींचा, वे रोबोटिक्स हार्डवेयर की ओर बढ़ाने के लिए स्पष्ट चाबी हैं, जहाँ भारत किसी ह्यूमनॉइड को चाहिए जिन मोटर, एक्चुएटर और उच्च-स्तरीय सेंसर, उनके लिए भारी रूप से आयात पर निर्भर बना हुआ है। ईमानदार आकलन यह है कि भारत जल्दी में है — AI सॉफ़्टवेयर परत और सिस्टम-एकीकरण में मज़बूत, उस सटीक-हार्डवेयर आपूर्ति-श्रृंखला में कमज़ोर जिसे चीन दो दशक से बनाता आया है। भारत उस खाई को पाट सकता है या नहीं, बजाय महज़ तैयार रोबोट आयात करने के, वही देखने लायक सबसे अहम चीज़ है, और एक उत्तर में एक संतुलित निष्कर्ष उतारने की स्वाभाविक जगह।

आपके मेन्स उत्तर के लिए

यह GS Paper 3 के लिए एक बहुमूल्य विषय है, जो विज्ञान और तकनीक, तकनीक के विकास व उपयोग, और स्वदेशीकरण को कवर करता है — और यह सीधे अर्थव्यवस्था प्रश्नपत्र के विनिर्माण, रोज़गार और कौशल-विकास के विषयों से जुड़ता है। यह तकनीक और समाज, या मशीनों और मानव-कार्य पर निबंध के प्रश्नपत्र के लिए एक समृद्ध, ताज़ा उदाहरण भी देता है। परीक्षक जिस कौशल को पुरस्कृत करते हैं वही यह लेख दिखाता है: पहले एम्बॉडीमेंट की अवधारणा समझाइए, फिर उसके ऊपर मौजूदा तथ्य और भारत वाला पहलू परत-दर-परत रखिए, और एक को चुनने के बजाय आशावाद और चिंता दोनों को हमेशा एक ही उत्तर में थामे रखिए।

उत्तर कैसे बनाएँ

एक साफ़ श्रृंखला में बढ़िए। एम्बॉडीड AI को सामान्य शरीर-रहित AI के मुकाबले परिभाषित कीजिए (एक शरीर जो काम करके सीखता है, न कि किसी स्क्रीन के पीछे एक दिमाग)। उस संगम को समझाइए जिसने इसे संभव बनाया — सस्ते एक्चुएटर और सेंसर, दिमाग के रूप में विज़न-लैंग्वेज-एक्शन मॉडल, अनुकरण और प्रबलन अधिगम, सिम-टू-रियल स्थानांतरण। वैश्विक दौड़ का नक्शा बनाइए, जहाँ चीन की आपूर्ति-श्रृंखला बढ़त मुख्य तथ्य हो। अर्थव्यवस्था-और-नौकरियों के असर को शुद्ध नुकसान के बजाय उथल-पुथल के रूप में तौलिए। फिर इसे भारत में लाइए — अवसर बनाम श्रम-लागत वाला खतरा, Addverb और स्टार्टअप आधार, NITI Aayog का रोडमैप, और हार्डवेयर-आयात की खाई। भारत को कहाँ ध्यान देना चाहिए, इस पर एक फ़ैसले के साथ समाप्त कीजिए। वह क्रम — परिभाषित कीजिए, संभव बनाना, दौड़, असर, भारत, मूल्यांकन — इस विषय पर लगभग किसी भी सवाल पर बैठता है।

बचने लायक आम गलतियाँ

“ह्यूमनॉइड रोबोट” और “AI” को एक ही चीज़ मत मानिए — मुद्दा एक भौतिक शरीर और एक सीखते दिमाग का मेल है। इसे शुद्ध नौकरी-विनाश के रूप में मत बताइए; इसे विस्थापन साथ निर्माण के रूप में ढालिए, जहाँ असली समस्या एक कौशल-बेमेल है। अंतर्निहित विचार के बिना कंपनियों के नाम मत गिनाइए — Tesla और Unitree उदाहरण हैं, उत्तर नहीं। और चीन की बढ़त या भारत की हार्डवेयर निर्भरता को मत नज़रअंदाज़ कीजिए; आपूर्ति-श्रृंखला की वास्तविकता छोड़ देना एक उत्तर को भोला बना देता है।

एक संक्षिप्त उत्तर-रीढ़

एम्बॉडीड AI = एक शरीर में बुद्धिमत्ता जो अवधारणा-क्रिया लूप के ज़रिये सीखती है, बनाम शरीर-रहित स्क्रीन AI → संभव बना सस्ते एक्चुएटर/सेंसर + विज़न-लैंग्वेज-एक्शन मॉडल (“दिमाग”) + अनुकरण/प्रबलन अधिगम + सिम-टू-रियल प्रशिक्षण से → वैश्विक दौड़ में लागत पर चीन आगे (Unitree और AgiBot ने 2025 में 13,000+ इकाइयों में से हर एक ने 5,000+ भेजे) जबकि पश्चिम में Tesla, Figure, Boston Dynamics Atlas, Agility Digit → आर्थिक असर = उत्पादकता-लाभ (2035 तक बाज़ार ~$38 अरब, Goldman Sachs) पर नौकरी-उथल-पुथल और एक कौशल-बेमेल → भारत: उन्नत विनिर्माण में अवसर बनाम श्रम-लागत बढ़त को खतरा; Addverb का ELIXIS-W, NITI Aayog रोडमैप, रोबोटिक्स बाज़ार 2028 तक ~$1.6 अरब, पर सटीक हार्डवेयर पर आयात-निर्भर → फ़ैसला: महज़ आयात के बजाय हार्डवेयर आपूर्ति-श्रृंखला और पुनर्कौशल में निवेश करो।

आरेख या फ़्लोचार्ट का विचार

अवधारणा-क्रिया लूप को एक सरल चक्र के रूप में खींचिए: सेंसर → अवधारणा → एक VLA “दिमाग” जो तय करता है → एक्चुएटर जो क्रिया करते हैं → बदली हुई दुनिया → वापस सेंसर तक। इसके बगल में, भारत के लिए एक नन्हा दो-स्तंभ “अवसर बनाम जोखिम” बॉक्स। एक साफ़ लूप साथ ही एक संतुलन-बॉक्स अवधारणा और नीतिगत तनाव दोनों को एक नज़र में बताता है।

एक संतुलित-निष्कर्ष वाली पंक्ति

एक पंक्ति जो अंक दिलाती है: “ह्यूमनॉइड रोबोट बुद्धिमत्ता को एक शरीर देते हैं — और भारत को एक चुनाव थमाते हैं: भौतिक AI की लहर पर सवार होने के लिए हार्डवेयर और कौशल बनाओ, या अपनी विनिर्माण-महत्वाकांक्षाओं को कहीं और बनी मशीनों से स्वचालित होते देखो।”

बिना रट्टा लगाए आँकड़ों का इस्तेमाल कैसे करें

आपको बस चार या पाँच लंगर चाहिए, कोई तालिका नहीं: 2025 में 13,000 से ज़्यादा ह्यूमनॉइड भेजे गए जहाँ चीनी फ़र्में आगे; 2035 तक मोटे तौर पर 38 अरब डॉलर का बाज़ार; असली काम के प्रमाण के रूप में Digit द्वारा 1,00,000+ टोकरे हिलाना; और 2028 तक भारत का रोबोटिक्स बाज़ार लगभग 1.6 अरब डॉलर। हर एक को सीधे-सीधे श्रेय दीजिए — “जैसा Goldman Sachs अनुमान लगाता है”, “NITI Aayog के अनुसार” — न कि स्रोत बताए बिना संख्याएँ गिराइए।

अभ्यास प्रश्न

Prelims MCQs

1. “एम्बॉडीड AI” के संदर्भ में, निम्न में से कौन इसे सबसे अच्छा बताता है?
   (a) एक AI सिस्टम जो केवल सॉफ़्टवेयर के रूप में मौजूद है और पाठ या छवियाँ संसाधित करता है
   (b) एक भौतिक शरीर में एकीकृत बुद्धिमत्ता जो अवधारणा-क्रिया लूप के ज़रिये असली दुनिया में काम करके सीखती है
   (c) AI मॉडलों को एज डिवाइसों पर संजोने का एक तरीका
   (d) एक AI जो केवल किसी सिमुलेशन के भीतर ही काम कर सकता है
   उत्तर: (b) एम्बॉडीड AI एक भौतिक शरीर में बुद्धिमत्ता है — सेंसर, मोटर, अंग — जो असली दुनिया में भाँपती, क्रिया करती और परिणामों से सीखती है, शरीर-रहित स्क्रीन-आधारित AI के विपरीत।
2. रोबोटिक्स के संदर्भ में, एक “विज़न-लैंग्वेज-एक्शन (VLA) मॉडल” कौन-सा काम करता है?
   (a) रीयल-टाइम में मानव भाषाओं के बीच अनुवाद करता है
   (b) रोबोट जो देखता है उसे साथ ही एक प्राकृतिक-भाषा निर्देश को मोटर-आदेशों में बदलता है
   (c) प्रसारण के लिए वीडियो संपीड़ित करता है
   (d) किसी रोबोट के सेंसर-डेटा को कूटबद्ध करता है
   उत्तर: (b) एक VLA मॉडल दृश्य इनपुट और एक सादी-भाषा निर्देश लेता है और क्रियाएँ निकालता है, जिससे रोबोट “लाल कप उठाओ” जैसे आदेश बिना स्पष्ट प्रोग्रामिंग के पूरे कर सके।
3. रोबोटिक्स में “सिम-टू-रियल” स्थानांतरण निम्न में से किसे संदर्भित करता है?
   (a) असली ग्राहकों को सिमुलेशन सॉफ़्टवेयर बेचना
   (b) किसी रोबोट के हुनर को एक आभासी भौतिकी-सिमुलेशन में प्रशिक्षित करना और फिर उन्हें भौतिक मशीन में स्थानांतरित करना
   (c) असली रोबोटों को आभासी अवतारों से बदलना
   (d) एनालॉग सेंसर-संकेतों को डिजिटल में बदलना
   उत्तर: (b) रोबोट एक फ़ोटो-यथार्थ, भौतिकी-सटीक सिमुलेशन में लाखों बार अभ्यास करते हैं जहाँ नाकामी मुफ़्त है, फिर सीखी गई नीति असली रोबोट में स्थानांतरित की जाती है — यही सिम-टू-रियल है।
4. कौन-सी जोड़ी एक अधिगम-विधि को उसके वर्णन से सही मिलाती है?
   (a) अनुकरण-अधिगम — इनाम संकेतों के साथ पूरी तरह आज़माइश और गलती से सीखना
   (b) प्रबलन-अधिगम — किसी इंसानी प्रदर्शक की हरकतों की नकल करना
   (c) अनुकरण-अधिगम — किसी इंसानी प्रदर्शक की नकल; प्रबलन-अधिगम — इनामों से निर्देशित आज़माइश और गलती
   (d) दोनों विधियों को बिल्कुल किसी डेटा की ज़रूरत नहीं
   उत्तर: (c) अनुकरण-अधिगम किसी इंसानी प्रदर्शक की नकल करता है, जबकि प्रबलन-अधिगम एक इनाम संकेत से निर्देशित आज़माइश और गलती के ज़रिये सुधरता है।
5. 2025 तक, वैश्विक ह्यूमनॉइड रोबोट बाज़ार के बारे में कौन-सा कथन सही है?
   (a) Tesla और Figure जैसी पश्चिमी फ़र्मों ने सबसे ज़्यादा इकाइयाँ भेजीं
   (b) अब तक किसी ह्यूमनॉइड रोबोट को भुगतान वाले व्यावसायिक काम के लिए परिनियोजित नहीं किया गया था
   (c) Unitree और AgiBot जैसी चीनी फ़र्में वैश्विक शिपमेंट में आगे रहीं, हर एक ने 5,000 से ज़्यादा इकाइयाँ भेजीं
   (d) भारत ह्यूमनॉइड रोबोटों का सबसे बड़ा निर्माता था
   उत्तर: (c) 2025 में भेजे गए 13,000 से ज़्यादा ह्यूमनॉइड में से, चीनी फ़र्मों Unitree और AgiBot ने हर एक ने 5,000 से ज़्यादा भेजे, पश्चिमी निर्माताओं से काफ़ी आगे, राज्य के समर्थन और एक मज़बूत हार्डवेयर आपूर्ति-श्रृंखला की मदद से।

Mains अभ्यास प्रश्न

1. शरीर-रहित AI और एम्बॉडीड AI के बीच अंतर कीजिए। समझाइए कि “एम्बॉडीमेंट परिकल्पना” और अवधारणा-क्रिया लूप उस तरीके को कैसे बदलते हैं जिससे मशीनें भौतिक दुनिया के बारे में सीखती हैं। (15 अंक, 250 शब्द)
2. “किसी एक सफलता ने ह्यूमनॉइड रोबोट नहीं बनाया; एक संगम ने बनाया।” उन मुख्य तकनीकी धागों — एक्चुएटर और सेंसर, विज़न-लैंग्वेज-एक्शन मॉडल, अनुकरण और प्रबलन अधिगम, और सिम-टू-रियल स्थानांतरण — पर चर्चा कीजिए जिन्होंने सर्व-उद्देश्यीय ह्यूमनॉइड रोबोटों को संभव बनाया है। (15 अंक, 250 शब्द)
3. व्यापक ह्यूमनॉइड-रोबोट अपनाने के आर्थिक और श्रम-बाज़ार निहितार्थों की जाँच कीजिए। “नौकरी-विनाश” के बजाय “नौकरी-उथल-पुथल” एक ज़्यादा सटीक ढाँचा क्यों है, और इसके लिए कौन-सी नीतिगत प्रतिक्रियाएँ चाहिए? (15 अंक, 250 शब्द)
4. ह्यूमनॉइड रोबोट दौड़ की भू-राजनीति का आलोचनात्मक विश्लेषण कीजिए, खासकर चीन की आपूर्ति-श्रृंखला बढ़त और भारत के लिए इसके रणनीतिक निहितार्थों के संदर्भ में। (10 अंक, 150 शब्द)
5. एम्बॉडीड AI और ह्यूमनॉइड रोबोटिक्स के उभरते क्षेत्र में भारत की स्थिति का मूल्यांकन कीजिए। एक श्रम-समृद्ध विनिर्माण-आकांक्षी देश के लिए अवसर और जोखिम क्या हैं, और नीति को किसे प्राथमिकता देनी चाहिए? (15 अंक, 250 शब्द)

सामान्य प्रश्न