Humyn Labs निधी: $47M इंधन ठळक भौतिक AI विस्तार
बेंगळुरू-आधारित AI स्टार्टअप Humyn Labs ने 18 नोव्हेंबर 2026 रोजी घोषणा केली की, त्यांनी त्यांच्या भौतिक AI संशोधन आणि उपयोजन ऑपरेशन्सचा विस्तार करण्यासाठी सिरीज A मध्ये $47 दशलक्ष वित्तपुरवठा केला आहे. या निधीमध्ये एक्सेलच्या नेतृत्वाखालील $26 दशलक्ष इक्विटी आणि लाइटहाउस कँटनच्या नेतृत्वाखालील $21 दशलक्ष उपक्रम कर्जाचा समावेश आहे, ज्यामध्ये ट्रिफेक्टा कॅपिटलचा सहभाग आहे.
इक्विटी फेरीतील इतर गुंतवणूकदारांमध्ये Prosus Ventures, BeeGlobal, Finserv Intelligence through Bajaj Finance, Dallas Venture Capital आणि Jump Trading यांचा समावेश आहे. Humyn +2
मनीष अग्रवाल आणि इशांक गुप्ता यांनी स्थापन केलेली, Humyn लॅब 20 हून अधिक देशांमध्ये मानवी क्रियाकलाप कॅप्चर करते. त्याचे तंत्रज्ञान या क्रियाकलापांना संरचित डेटासेटमध्ये रूपांतरित करते जे रोबोटिक्स कंपन्या आणि AI संशोधन प्रयोगशाळा भौतिक कार्ये करण्यास सक्षम मशीन विकसित करण्यासाठी वापरू शकतात.
कंपनीने ऑपरेशनच्या सहा महिन्यांत वार्षिक कमाई $50 दशलक्षपेक्षा जास्त नोंदवली आहे. हा अंदाजित वार्षिक महसूल रन रेट आहे, त्या कालावधीत आधीच कमावलेले $50 दशलक्ष नाही.
शारीरिक AI मानवी क्रियाकलापांमधून कसे शिकते
भौतिक एआय म्हणजे भौतिक जगामध्ये समजून घेण्यासाठी, त्यांच्याशी संवाद साधण्यासाठी आणि ऑपरेट करण्यासाठी डिझाइन केलेल्या कृत्रिम बुद्धिमत्ता प्रणालीचा संदर्भ देते. जनरेटिव्ह एआय टूल्सच्या विपरीत जे प्रामुख्याने मजकूर, प्रतिमा किंवा इतर डिजिटल सामग्री तयार करतात, भौतिक एआय मशीनला त्यांच्या सभोवतालचे वातावरण समजण्यास आणि वास्तविक-जगातील क्रियाकलाप करण्यास सक्षम करते.
उदाहरणार्थ, शेल्फवर उत्पादनांची व्यवस्था कशी करावी हे भाषा मॉडेल स्पष्ट करू शकते. भौतिक एआय प्रणालीने वस्तू समजून घेणे, त्यांची स्थिती ओळखणे, त्याच्या हालचालींवर नियंत्रण ठेवणे आणि शारीरिकरित्या कार्य पूर्ण करणे आवश्यक आहे.
मानव दैनंदिन क्रियाकलाप कसे करतात हे रेकॉर्ड करून Humyn Labs या आव्हानाला सामोरे जाते. त्याचे दोन-कॅमेरा कॅप्चर हार्डवेअर विशिष्ट कार्ये पूर्ण करणाऱ्या कामगारांची प्रथम-व्यक्ती दृश्ये रेकॉर्ड करते. कंपनीची डेटा-प्रोसेसिंग सिस्टीम नंतर प्रशिक्षणासाठी तयार डेटासेट तयार करण्यासाठी रेकॉर्डिंग, हालचाली ओळखणे, हात परस्परसंवाद आणि ऑब्जेक्ट हाताळणी लेबल करते. Humyn +1
ही माहिती रोबोटिक्स विकसकांना वेगवेगळ्या वातावरणात कार्ये कशी पार पाडली जातात हे समजण्यास मदत करते. यंत्रमानव मानवी कृतींचे पुनरुत्पादन करण्यासाठी संघर्ष करतात अशा परिस्थिती ओळखण्यात देखील हे मदत करू शकते.
रोबोटिक्ससाठी वास्तविक-जागतिक डेटा का महत्त्वाचा आहे
रोबोटिक्स डेव्हलपर आधीच नियंत्रित डिजिटल वातावरणात मशीनला प्रशिक्षण देण्यासाठी संगणक सिम्युलेशन वापरतात. तथापि, सिम्युलेशन नेहमी वास्तविक कार्यस्थळांच्या जटिलतेचे पुनरुत्पादन करू शकत नाही.
वेअरहाऊसमध्ये बदलणारी प्रकाश व्यवस्था, अनपेक्षित अडथळे आणि वेगळ्या आकाराचे पॅकेजेस असू शकतात. कृषी वातावरणात असमान पृष्ठभाग, हवामानातील फरक आणि अप्रत्याशित वस्तूंचा परिचय होतो. घरगुती वातावरण जटिलतेची दुसरी पातळी सादर करते.
या परिस्थितींना लोक कसे प्रतिसाद देतात याची उदाहरणे मानवी प्रात्यक्षिके देतात. सिम्युलेटेड प्रशिक्षणासह वास्तविक-जागतिक रेकॉर्डिंग एकत्रित केल्याने रोबोटिक्स सिस्टम अधिक अनुकूल आणि विश्वासार्ह बनण्यास मदत होऊ शकते.
Humyn Labs चे भारत, ब्राझील आणि दक्षिण कोरियासह देशांमध्ये रोबोट तैनाती तयारीला समर्थन देऊन डेटा संकलनाच्या पलीकडे जाण्याचे उद्दिष्ट आहे. त्याच्या निधीमुळे कॅप्चर हार्डवेअर, डेटा-प्रोसेसिंग क्षमता आणि उपयोजन पायाभूत सुविधा मजबूत होतील. Humyn +1
भारताला भौतिक एआय अर्थव्यवस्थेचा फायदा होऊ शकतो का?
भारताचे मोठे कार्यबल, उत्पादन बेस आणि विविध कामकाजाचे वातावरण यामुळे ते भौतिक AI प्रशिक्षण डेटाचे महत्त्वाचे पुरवठादार बनू शकते. तथापि, रेकॉर्डिंग गोळा करणे हा संधीचा एक भाग आहे.
डेटा-प्रोसेसिंग प्लॅटफॉर्म, स्पेशलाइज्ड कॅप्चर हार्डवेअर, रोबोटिक्स संशोधन सुविधा आणि उपयोजन तंत्रज्ञान विकसित करून भारतीय कंपन्या मूल्य साखळीत पुढे जाऊ शकतात का हा मोठा प्रश्न आहे.
Human Archive आणि BuildAI सारख्या स्टार्टअप्स देखील मानवी-प्रदर्शन डेटा मार्केटमध्ये काम करत आहेत, तर Scale AI ने भौतिक AI डेटासेटसाठी समर्पित पायाभूत सुविधा विकसित केल्या आहेत. ही वाढती स्पर्धा सूचित करते की भारत जागतिक रोबोटिक्स पुरवठा साखळीचा एक महत्त्वाचा भाग बनू शकतो.
कामगार गोपनीयता, नुकसान भरपाई आणि ऑटोमेशन जोखीम
मानवी प्रशिक्षण डेटाची वाढती मागणी देखील महत्त्वपूर्ण नैतिक प्रश्न निर्माण करते. परिधान करण्यायोग्य कॅमेरे आणि रेकॉर्डिंग उपकरणे कामगारांच्या हालचाली, परिसर आणि वस्तूंसह संवाद कॅप्चर करू शकतात. घरांमध्ये, रेकॉर्डिंगमध्ये अनावधानाने ग्राहक आणि इतर व्यक्तींबद्दल खाजगी माहिती समाविष्ट असू शकते.

त्यामुळे कामगारांनी काय रेकॉर्ड केले जात आहे, कोण माहिती ऍक्सेस करेल, ती किती काळ साठवली जाईल आणि ती व्यावसायिकरित्या वापरली जाईल की नाही हे समजून घेतले पाहिजे. स्पष्ट भरपाई व्यवस्था आणि योग्य गोपनीयता संरक्षणांसह संमती सूचित आणि ऐच्छिक असावी.
दीर्घकालीन रोजगाराची चिंता देखील आहे. कामगार एआय कंपन्यांना रोबोट्सना सध्या मानवी कौशल्याची आवश्यकता असलेली कार्ये करण्यास मदत करत आहेत. जरी हा डेटा उद्योग अतिरिक्त कमाईच्या संधी निर्माण करू शकतो, ऑटोमेशन अखेरीस उत्पादन, लॉजिस्टिक आणि घरगुती सेवांमध्ये रोजगार आवश्यकता बदलू शकते.
भारताच्या उदयोन्मुख भौतिक AI डेटा उद्योगाच्या अहवालात आधीच कामगारांची अपुरी संमती, पाळत ठेवणे आणि आर्थिक फायद्यांचे असमान वितरण याविषयी चिंता व्यक्त करण्यात आली आहे. Inc42 मीडिया +2
निष्कर्ष: भारताने प्रशिक्षण डेटापेक्षा अधिक कॅप्चर करणे आवश्यक आहे
Humyn Labs चे $47 दशलक्ष फंडिंग राउंड वास्तविक-जागतिक वातावरणात भौतिक AI आणण्यासाठी आवश्यक असलेल्या पायाभूत सुविधांमध्ये गुंतवणूकदारांच्या वाढत्या स्वारस्याचे प्रदर्शन करते. त्याचा विस्तार रोबोटिक्सच्या पुढील पिढीमध्ये योगदान देण्याची भारताची क्षमता देखील अधोरेखित करतो.
तथापि, जागतिक प्रशिक्षण-डेटा पुरवठादार बनणे ही भारताची अंतिम महत्त्वाकांक्षा असू नये. देशाला रोबोटिक्स अभियांत्रिकी, एआय संशोधन, हार्डवेअर विकास आणि व्यावसायिक तैनातीमध्ये मजबूत क्षमता विकसित करण्याची आवश्यकता आहे.
सर्वात महत्त्वाचे म्हणजे, ज्या लोकांच्या दैनंदिन कामामुळे हे तंत्रज्ञान शक्य होते त्यांना योग्य मोबदला, अर्थपूर्ण संमती आणि पुरेसे गोपनीयता संरक्षण मिळणे आवश्यक आहे. भौतिक AI अर्थव्यवस्थेतील भारताचे यश केवळ तो किती डेटा पुरवतो यावरच नाही तर त्याचे कामगार आणि तंत्रज्ञान परिसंस्था किती मूल्य राखून ठेवते यावरून देखील मोजले पाहिजे.
Comments are closed.