MoDeSuite: Robot Learning Task Suite for Benchmarking Mobile Manipulation with Deformable Objects

एक ऐसी दुनिया की कल्पना करें जहाँ रोबोट केवल भारी, अडिग बक्सों को धकेलने वाले अनाड़ी डिब्बे नहीं हैं। एक ऐसी दुनिया की कल्पना करें जहाँ वे कुशल सहायक के रूप में काम करते हैं जो जूतों के फीते बाँध सकते हैं, कपड़े तह कर सकते हैं, या पर्दों से भरे कमरे में रास्ता बना सकते हैं। यह मोबाइल मैनिपुलेशन (mobile manipulation) का अग्रिम क्षेत्र है, जो रोबकीिक्स का एक ऐसा क्षेत्र है जो दो कठिन कौशलों को जोड़ता है: घूमना (जैसे एक कुत्ता या कार) और चीजों को पकड़ने के लिए हाथों का उपयोग करना (जैसे एक इंसान)। हालांकि रोबोट बक्से या दरवाजों जैसी कठोर वस्तुओं को हिलाने में काफी अच्छे हो गए हैं, लेकिन वे डिफॉर्मेबल ऑब्जेक्ट्स (deformable objects) यानी लचीली वस्तुओं के साथ बुरी तरह संघर्ष करते हैं। ये वे चीजें हैं जो दबती हैं, खिंचती हैं, मुड़ती हैं या ढीली पड़ती हैं, जैसे कि एक रबर बैंड, एक गीला तौलिया, या रस्सी का एक टुकड़ा। क्योंकि ये वस्तुएं हर बार छूने पर अपना आकार बदल लेती हैं, इसलिए ये कंप्यूटर प्रोग्रामों के लिए एक दुःस्वप्न बन जाती हैं जो यह अनुमान लगाने की कोशिश करते हैं कि आगे क्या होगा। यदि एक रोबोट एक ढीले कंबल को नहीं संभाल सकता, तो वह हमारे अव्यवस्थित, वास्तविक घरों में वास्तव में हमारी मदद नहीं कर सकता।

यहीं पर MoDeSuite नामक एक नया प्रोजेक्ट आता है। इसे एक उच्च-तकनीकी "वीडियो गेम" के रूप में समझें जिसे विशेष रूप से रोबोटों को लचीली चीजों को संभालने के लिए प्रशिक्षित करने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने आठ अलग-अलग चुनौतियों से भरा एक डिजिटल खेल मैदान बनाया, जिसमें एक खिंचाव वाले बेल्ट को बाधा के ऊपर से खींचने से लेकर, बर्तनों को गिराए बिना मेज से मेजपोश खींचने तक की चुनौतियाँ शामिल हैं। उन्होंने इस खेल मैदान का परीक्षण दो प्रकार के रोबोटों के साथ किया: एक पहियों वाला (एक स्मार्ट वैक्यूम क्लीनर की तरह जिसके हाथ हों) और एक पैरों वाला (एक चार पैरों वाला रोबोट जो कुत्ते जैसा दिखता है)। लक्ष्य यह देखना था कि क्या रोबोट अपने शरीर और हाथों को एक साथ चलाने के लिए सीख सकते हैं ताकि इन लचीले पहेलियों को हल किया जा सके। परिणाम बताते हैं कि हालांकि रोबोट कंप्यूटर गेम में यह सब कर सकते हैं, लेकिन उन्हें वास्तविक दुनिया में ले जाना अभी भी एक कठिन काम है, खासकर दृश्य परिवर्तनों को देखने और उन पर प्रतिक्रिया देने के मामले में।

पेपर की कहानी: रोबोटों को लचीली चीजों के साथ 'डांस' करना सिखाना

यह पेपर MoDeSuite को पेश करता है, जो पहला मानकीकृत "टास्क सूट" (चुनौतियों का संग्रह) है जिसे यह मापने के लिए डिज़ाइन किया गया है कि रोबोट कैसे घूम सकते हैं और साथ ही ऐसी वस्तुओं को संभाल सकते हैं जो मुड़ती और खिंचती हैं। इससे पहले, शोधकर्ताओं को हर नए प्रयोग के लिए अपना खुद का कस्टम सिमुलेशन बनाना पड़ता था, जिससे विभिन्न रोबोटों या सीखने की विधियों की तुलना करना कठिन हो जाता था। MoDeSuite इसे एक साझा, उच्च-गुणवत्ता वाले डिजिटल वातावरण प्रदान करके ठीक करता है जहाँ कोई भी अपने रोबोट लर्निंग एल्गोरिदम का परीक्षण कर सकता है।

इस सूट में आठ विशिष्ट कार्य हैं जो दो मुख्य प्रकार की "लचीली" सामग्रियों को कवर करते हैं:

1. इलास्टिक ऑब्जेक्ट्स (Elastic objects): ऐसी चीजें जो खिंचती हैं और वापस अपने आकार में आती हैं, जैसे रबर बैंड या फोम नूडल्स।
2. प्लास्टिक ऑब्जेक्ट्स (Plastic objects): ऐसी चीजें जो लटकती और मुड़ती हैं लेकिन वापस नहीं खिंचतीं, जैसे पर्दे, मेजपोश, या रस्सियाँ।

ये कार्य कठिन बनाए गए हैं। उदाहरण के लिए, "बेंड" (Bend) कार्य में, एक रोबोट को एक L-आकार के गलियारे के माध्यम से एक लंबी, खिंचाव वाली छड़ को ले जाना होगा। यदि रोबोट बहुत तेजी से चलता है या छड़ को गलत तरीके से पकड़ता है, तो छड़ दीवारों से टकरा सकती है। "ड्रैग" (Drag) कार्य में, रोबोट को एक बाधा के ऊपर से एक खिंचाव वाला बेल्ट उठाना होगा और उसे दूसरी ओर रखना होगा, और यह सब करते समय अपने शरीर का संतुलन बनाए रखना होगा। "कर्टन" (Curtain) कार्य में, रोबोट को एक लटकते हुए पर्दे को एक तरफ हटाना होगा और उससे टकराए बिना खुले स्थान से गुजरना होगा। ये कार्य रोबोट को अपने आधार (पहिए या पैर) को अपने हाथ के साथ समन्वय करने के लिए मजबूर करते हैं, जिससे वह वस्तु के लचीलेपन का उपयोग उसके खिलाफ लड़ने के बजाय उसके लाभ के लिए कर सके।

यह प्रणाली काम करती है या नहीं, यह परीक्षण करने के लिए, लेखकों ने सिमुलेशन के भीतर चार अलग-अलग "सीखने वाले दिमागों" (एल्गोरिदम) को प्रशिक्षित किया। इनमें से दो रीइन्फोर्समेंट लर्निंग (Reinforcement Learning - RL) एल्गोरिदम थे, जो प्रयास और त्रुटि (trial and error) से सीखते हैं, यानी अधिक स्कोर पाने की कोशिश करते हैं। अन्य दो इमिटेशन लर्निंग (Imitation Learning - IL) एल्गोरिदम थे, जो एक इंसान (या कीबोर्ड कंट्रोलर) को कार्य करते हुए देखते हैं और उसके मूव्स की नकल करने की कोशिश करते हैं।

सिमुलेशन में उन्हें क्या मिला:
डिजिटल दुनिया में रोबोट आश्चर्यजनक रूप से सफल रहे। PPO एल्गोरिदम (एक प्रकार का RL) अधिकांश कार्यों में SAC एल्गोरिदम की तुलना में बेहतर प्रदर्शन करता है। हालांकि, रोबोट का प्रकार बहुत मायने रखता है। पहियों वाले रोबोट (Ridgeback बेस पर Franka) को कार्य आसान लगे, जबकि पैरों वाले रोबोट (Boston Dynamics का Spot) को अधिक संघर्ष करना पड़ा, जो अक्सर अपना संतुलन खो देते थे या तंग जगहों में दीवारों से टकरा जाते थे। यह सुझाव देता है कि एक लचीली वस्तु का संचालन करते समय रोबोट को संतुलित करना एक बड़ी चुनौती है, विशेष रूपकर पैरों वाले मशीनों के लिए।

वास्तविक दुनिया का परीक्षण (Sim-to-Real):
पेपर का सबसे रोमांचक हिस्सा वह है जो तब हुआ जब उन्होंने प्रशिक्षित रोबोटों को कंप्यूटर से निकालकर वास्तविक फर्श पर उतारा। उन्होंने बिना किसी अतिरिक्त फाइन-ट्यूनिंग के वास्तविक Spot रोबोट पर नीतियों (policies) को लागू किया।

• "स्टेट" (State) डेटा के साथ सफलता: जब रोबोट ने सीधे सेंसर डेटा का उपयोग किया (यह जानते हुए कि वस्तु के बिंदु 3D स्पेस में कहाँ हैं), तो स्थानांतरण प्रभावशाली था। "प्लेस" और "ड्रैग" कार्यों के लिए, वास्तविक रोबोट ने 90% से 100% की सफलता दर हासिल की, जो सिमुलेशन में इसके प्रदर्शन के बहुत करीब है। यह वास्तविक दुनिया में एक बाधा के ऊपर रबर बेल्ट को सफलतापूर्वक खींच सका।
• "इमेज" (Image) डेटा के साथ विफलता: जब रोबोट ने केवल कैमरा छवियों (जैसे एक इंसान दुनिया को देखता है) का उपयोग करके सीखने की कोशिश की, तो उसे संघर्ष करना पड़ा। "कर्टन" कार्य के लिए, वास्तविक दुनिया में रोबलेट पूरी तरह से विफल रहा, भले ही वह सिमुलेशन में अच्छा प्रदर्शन कर रहा था। शोधकर्ताओं ने पाया कि रोबोट की "आंखों" ने सिमुलेशन और वास्तविक दुनिया को पूरी तरह से अलग चीज़ के रूप में देखा। विजुअल गैप (दृश्य अंतर) इतना बड़ा था कि रोबोट बिना अतिरिक्त प्रशिक्षण के उस अंतर को पाट नहीं सका।

इसका क्या अर्थ है:
यह पेपर यह दावा नहीं करता है कि इसने लचीली वस्तुओं के मोबाइल मैनिपुलेशन की समस्या को हल कर दिया है। इसके बजाय, यह एक महत्वपूर्ण नया उपकरण प्रदान करता है: एक मानकीकृत, चुनौतीपूर्ण बेंचमार्क जो स्पष्ट रूप से बताता है कि वर्तमान रोबोट कहाँ सफल होते हैं और कहाँ विफल होते हैं। यह साबित करता है कि रोबोट सिमुलेशन में लचीली वस्तुओं का संचालन करना सीख सकते हैं और यह ज्ञान वास्तविक दुनिया में स्थानांतरित हो सकता है, लेकिन केवल तभी जब रोबोट के पास वस्तु के आकार के बारे में सटीक जानकारी हो। यदि रोबोट केवल कैमरे से जो देखता है उसी पर निर्भर है, तो सिमुलेशन और वास्तविकता के बीच का "अनकैनी वैली" (uncanny valley) अभी भी पार करने के लिए बहुत गहरा है।

लेखक सुझाव देते हैं कि भविष्य के कार्यों को विजुअल डेटा को बेहतर ढंग से समझने में रोबोट की मदद करने और भारी या लचीले भार को संभालते समय पैरों वाले रोबोट को अधिक स्थिर बनाने पर ध्यान केंद्रित करने की आवश्यकता है। इस "MoDeSuite" को जनता के लिए खोलकर, वे अनुसंधान को गति देने की उम्मीद करते हैं, जिससे आपके कपड़े तह करने या आपके हेडफ़ोन को सुलझाने वाले रोबोट का सपना हकीकत बन सके।