अरे भाई सुनो, ऑनलाइन शॉपिंग में सबसे बड़ा सिरदर्द क्या है? रिटर्न! कपड़ा मुड़ा हुआ वापस आएगा, डिब्बा फटा होगा, सामान कुछ और ही निकलेगा। अब इसी झंझट को सुलझाने के लिए मार्केट में एकदम गदर मच गया है। जर्मनी की दिग्गज रिटेल कंपनी Otto Group और रोबोटिक्स कंपनी Sereact ने 28 अक्टूबर 2026 को ऐलान किया है कि AI से चलने वाले रोबोट अब लौटे हुए ऑर्डर की जांच और छंटाई करेंगे। सीधी बात नो बकवास, यह कोई छोटा ट्रायल नहीं, बल्कि असली स्केल पर Physical AI की परीक्षा है।
पहले चरण में पोलैंड के Otto लॉजिस्टिक्स सेंटर में 10 AI-नियंत्रित ड्यूल-आर्म रोबोट लगेंगे। शुरुआती नतीजे ठीक रहे तो दूसरे चरण में 15 और रोबोट जुड़ेंगे, यानी कुल 25 तक। और अगर दूसरा चरण भी कामयाब रहा, तभी Otto अपने पूरे लॉजिस्टिक्स नेटवर्क में इसे फैलाने पर विचार करेगा। मतलब, पहले साबित करो, फिर भौकाल मचाओ।
रिटर्न छांटना सबसे मुश्किल काम क्यों है?
सोचिए, फैक्ट्री में हर सामान एक जैसा आता है, एक ही जगह, एक ही अंदाज में। लेकिन रिटर्न में कहानी उल्टी है। कोई आइटम मुड़ा हुआ आता है, कोई दोबारा पैक किया हुआ, कोई बिना टैग के। एक मल्टी-कैटेगरी रिटेलर के पास सामान की वैरायटी कभी खत्म ही नहीं होती। पुराना ऑटोमेशन इसी जगह फंस जाता है, क्योंकि वह पहले से जाने-पहचाने प्रोडक्ट और तयशुदा अंदाज पर निर्भर करता है। रिटर्न सेंटर में न तो प्रोडक्ट पहले से पता होता है, न ही उसका अंदाज।
इसीलिए Otto Group के सप्लाई चेन प्रमुख मार्टिन उमलैंड ने साफ कहा है कि ग्राहक को रिटर्न आसान और तेज चाहिए, लेकिन इसके पीछे समय के हिसाब से बेहद संवेदनशील और मेहनत वाला प्रोसेस छिपा है। उनका कहना है कि रिटर्न को ऑटोमेट करना बदनाम तौर पर मुश्किल है, और Physical AI इसे बदल सकता है। यह प्रोजेक्ट असली स्केल पर यह जानने का मौका है कि Physical AI कितनी दूर तक जा सकता है।
Cortex क्या है और यह कैसे काम करता है?
Sereact का Physical AI मॉडल Cortex इस प्रोजेक्ट की जान है। इसकी सबसे बड़ी खासियत यह है कि यह उन आइटम को भी पहचान और संभाल सकता है जिन्हें इसने पहले कभी देखा ही नहीं। इसके लिए न तो हर प्रोडक्ट की अलग से सिखाई चाहिए, न ही कोई फिक्स्ड आइटम कैटलॉग। रोबोट रियल टाइम में तय करता है कि किसी आइटम को कैसे पकड़ना है, उसकी हालत कैसी है, और उसे किस रास्ते भेजना है।
Sereact के सीईओ और को-फाउंडर डॉ. राल्फ गुल्डे ने इसे बड़े मजेदार अंदाज में समझाया है। उनके मुताबिक, जो रोबोट सिर्फ कल के कैटलॉग को जानता है, वह रिटर्न सेंटर में किसी काम का नहीं, क्योंकि अगले पार्सल से क्या निकलेगा, यह किसी को नहीं पता। Cortex को हर नए पार्सल से निपटना है, और हर रिटर्न जिसे सिस्टम संभालता है, वह मॉडल को अगले आइटम के लिए और बेहतर बना देता है।
रोबोट कैसे सीखता है?
Cortex को NVIDIA के Physical AI स्टैक पर ट्रेन और वैलिडेट किया जाता है। Sereact असली रिटर्न लाइन से मिली हर पिक को NVIDIA Isaac Sim और Isaac Lab में हजारों सिम्युलेटेड वैरायटी में बदल देता है। फिर NVIDIA Cosmos वर्ल्ड फाउंडेशन मॉडल उन सीन को कपड़ों की अलग-अलग हालत, पैकेजिंग, मटीरियल और लाइटिंग में दोबारा बनाते हैं। नई पॉलिसी NVIDIA Blackwell GPU पर पोस्ट-ट्रेन की जाती है और रोबोट तक पहुंचने से पहले होल्ड-आउट केसों पर टेस्ट की जाती है। अगर कोई रोबोट किसी आइटम पर अटकता है, तो उसका सुधार हफ्तों में नहीं, बल्कि कुछ दिनों में टेस्टेड अपडेट बनकर वापस आ जाता है।
पुराना ऑटोमेशन बनाम Cortex Physical AI
| पहलू | पुराना ऑटोमेशन | Cortex Physical AI |
|---|---|---|
| नया या अनदेखा आइटम | अक्सर फंस जाता है, क्योंकि कैटलॉग में नहीं होता | पहले कभी न देखे आइटम को भी संभाल सकता है |
| सिखाई का तरीका | हर प्रोडक्ट के लिए अलग सिखाई | बिना प्रोडक्ट-स्पेसिफिक सिखाई के जनरलाइज करता है |
| आइटम की हालत | तयशुदा अंदाज पर निर्भर | मुड़े, दोबारा पैक हुए आइटम की हालत जांचकर रूट करता है |
| सीखने की रफ्तार | अपडेट में हफ्तों लग सकते हैं | टेस्टेड अपडेट कुछ दिनों में रोबोट तक पहुंचता है |
| काम का मॉडल | खरीदकर खुद चलाना पड़ता है | Robotics-as-a-Service, Sereact ही ऑपरेट और मेंटेन करेगा |
दो चरणों में क्या-क्या होगा?
- पहला चरण: पोलैंड के Otto लॉजिस्टिक्स सेंटर में 10 AI-नियंत्रित ड्यूल-आर्म सिस्टम लगेंगे, जो लौटे ऑर्डर को पकड़ेंगे, पहचानेंगे, जांचेंगे और छांटेंगे।
- फीडबैक लूप: हर चरण से मिलने वाला ऑपरेशनल फीडबैक सिस्टम को सुधारने में इस्तेमाल होगा, ताकि बड़े पैमाने पर रिटर्न प्रोसेसिंग की जरूरतों के हिसाब से इसे ढाला जा सके।
- दूसरा चरण: शुरुआती नतीजों के आधार पर 15 और रोबोटिक आर्म जुड़ेंगे, जिससे कुल संख्या 25 तक पहुंच जाएगी।
- आगे का फैसला: अगर दूसरा चरण कामयाब रहा, तभी Otto अपने व्यापक लॉजिस्टिक्स नेटवर्क में इसके विस्तार का मूल्यांकन करेगा।
इंसानों की नौकरी का क्या होगा?
यह सवाल सबसे पहले उठता है, और इसका जवाब खुद ऐलान में दिया गया है। कर्मचारी बार-बार पकड़ने और उठाने जैसे दोहराव वाले काम से हटकर सुपरविजन, एक्सेप्शन हैंडलिंग और फाइनल क्वालिटी फैसलों की तरफ जाएंगे। यानी जिन कामों में अनुभव और समझदारी चाहिए, वे इंसानों के पास ही रहेंगे। Robotics-as-a-Service मॉडल में Sereact सिस्टम को ऑपरेट और मेंटेन करेगा, जबकि लोग प्रोसेस के केंद्र में रहेंगे। यह कहानी रोबोट बनाम इंसान की नहीं, बल्कि रोबोट के साथ इंसान की है।
Otto और Sereact कितने बड़े खिलाड़ी हैं?
Otto Group कोई छोटा नाम नहीं है। यह 75 साल से ज्यादा पुरानी फैमिली बिजनेस विरासत वाली कंपनी है, जो आज इंटरनेशनल डिजिटल रिटेल और सर्विसेज ग्रुप बन चुकी है। इसके 30,000 से ज्यादा कर्मचारी हैं, 30 से ज्यादा देशों में मौजूदगी है, और वित्त वर्ष 2025-26 में इसका रेवेन्यू 13.8 अरब यूरो रहा। यह प्रोजेक्ट Otto की टेक्नोलॉजी और AI में 350 मिलियन यूरो के मध्यम अवधि के निवेश की प्रतिबद्धता का हिस्सा है।
दूसरी तरफ, स्टटगार्ट की Sereact Physical AI सॉफ्टवेयर बनाती है, जिससे रोबोट पहले कभी न देखी चीजों को भी पकड़, पहचान और संभाल सकते हैं। कंपनी ने 2026 में 116 मिलियन डॉलर की Series B फंडिंग जुटाई है। इसके ग्राहकों में Otto Group के अलावा Zalando, IKEA, DHL, BMW, Mercedes-Benz और Daimler Truck जैसे नाम शामिल हैं। यानी यह टेक्नोलॉजी सिर्फ कागज पर नहीं, बल्कि बड़ी इंडस्ट्री में पहले से इस्तेमाल हो रही है।
आम जनता और भारतीय युवाओं के लिए क्यों है खास?
पहली बात तो यह कि भारत में भी ऑनलाइन रिटर्न का बोझ हर दिन बढ़ रहा है। ई-कॉमर्स वेयरहाउस, लॉजिस्टिक्स और क्वालिटी चेक में काम करने वाले युवाओं के लिए यह साफ संकेत है कि भविष्य में सिर्फ हाथ का काम नहीं, बल्कि रोबोट सुपरविजन, एक्सेप्शन हैंडलिंग, AI सिस्टम मॉनिटरिंग और क्वालिटी डिसीजन जैसे स्किल की मांग बढ़ेगी। जो युवा आज रोबोटिक्स, कंप्यूटर विजन, सिम्युलेशन और डेटा की बुनियादी समझ बना लेंगे, वे कल की लॉजिस्टिक्स नौकरियों में आगे रहेंगे।
दूसरी बात, ग्राहकों के लिए इसका मतलब है तेज और भरोसेमंद रिटर्न प्रोसेस। रिटर्न जल्दी जांचा जाएगा, जल्दी छांटा जाएगा, और रिफंड या एक्सचेंज की प्रक्रिया में अटकाव कम होगा। तीसरी बात, भारतीय स्टार्टअप और लॉजिस्टिक्स कंपनियों के लिए यह एक रोडमैप है। बिना हर प्रोडक्ट को अलग से सिखाए, जनरलाइज करने वाला AI ही रिटर्न जैसे अनप्रेडिक्टेबल काम को संभाल सकता है। समोसे की कीमत में नहीं, लेकिन सही निवेश और सही टेक्नोलॉजी से यह मॉडल भारत में भी दोहराया जा सकता है।
निष्कर्ष
सीना ठोक के कह सकते हैं कि Otto-Sereact का यह प्रोजेक्ट रिटेल लॉजिस्टिक्स के लिए एक बड़ा मोड़ है। 10 रोबोट से शुरू होकर 25 तक पहुंचने का प्लान, NVIDIA के Physical AI स्टैक पर ट्रेनिंग, कुछ दिनों में अपडेट, और इंसानों को सुपरवाइजर की भूमिका में रखना, यह सब मिलकर एक समझदार और प्रैक्टिकल कहानी बनाते हैं। लेकिन असली परीक्षा अभी बाकी है। पहले चरण के नतीजे ही तय करेंगे कि यह मॉडल बड़े पैमाने पर चलेगा या नहीं। इसलिए इस पर नजर बनाए रखिए, क्योंकि अगर यह कामयाब हुआ, तो रिटर्न का पूरा खेल ही बदल जाएगा।
पिछला लेख पढ़ें: AI ने ETH थ्योरी पलटी: OpenAI-Anthropic का बड़ा दावा!
आधिकारिक जानकारी के लिए देखें: Otto Group और Sereact का आधिकारिक प्रेस रिलीज (GlobeNewswire, 28 अक्टूबर 2026)
