← नवीनतम पेपर
🤖 machine learning

Iterative Compositional Data Generation for Robot Control

यह शोध पत्र एक सिमेंटिक कंपोजिशनल डिफ्यूजन ट्रांसफॉर्मर का उपयोग करके एक पुनरावृत्ति संरचनात्मक डेटा जनरेशन फ्रेमवर्क प्रस्तावित करता है, जो अनदेखे कार्य संयोजनों के लिए उच्च-गुणवत्ता वाले रोबोटिक ट्रांज़िशन को संश्लेषित करने के लिए है, जिसे आगे ऑफलाइन सुदृढीकरण शिक्षण (ऑफलाइन रिइन्फोर्समेंट लर्निंग) के माध्यम से परिष्कृत किया जाता है ताकि लगभग पूर्ण ज़ीरो-शॉट सामान्यीकरण प्राप्त किया जा सके।

मूल लेखक: Anh-Quan Pham, Marcel Hussing, Shubhankar P. Patankar, Dani S. Bassett, Jorge Mendez-Mendez, Eric Eaton

प्रकाशित 2026-04-15
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Anh-Quan Pham, Marcel Hussing, Shubhankar P. Patankar, Dani S. Bassett, Jorge Mendez-Mendez, Eric Eaton

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट को घर के काम करना सिखाने की कोशिश कर रहे हैं। समस्या यह है कि दुनिया अंतहीन संयोजनों (combinations) से भरी है: एक रोबोटिक हाथ एक डिब्बा उठा रहा है, दूसरा हाथ एक गेंद को धकेल रहा है, और तीसरा हाथ प्लेटों को स्टैक करते समय एक दीवार से बच रहा है। यदि आप एक मानव विशेषज्ञ को इन लाखों संयोजनों में से हर एक का प्रदर्शन करते हुए फिल्माने की कोशिश करेंगे, तो आप कभी समाप्त नहीं कर पाएंगे। इसमें एक जीवनकाल लग जाएगा और बहुत पैसा खर्च होगा।

यह शोध पत्र एक चतुर समाधान प्रस्तावित करता है: हर काम को फिल्माएं नहीं। रोबोट को कामों के "सामग्री" (ingredients) सिखाएं, फिर उसे बाकी सब की कल्पना करने दें।

यहाँ उनके तरीके का विवरण दिया गया है, जिसमें कुछ रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है।

1. समस्या: "अनंत मेनू" (The Infinite Menu)

रोबोटिक कार्यों को एक रेस्टोरेंट के मेनू की तरह समझें।

  • शेफ (रोबोट): यह एक इंसान, एक मैकेनिकल आर्म, या एक ड्रोन हो सकता है।
  • सामग्री (वस्तुएं): एक डिब्बा, एक डंबल, एक प्लेट।
  • बाधाएं (Obstacles): एक दीवार, एक दरवाजा, या कुछ भी नहीं।
  • लक्ष्य (Goal): इसे उठाना, धकेलना, या किसी बिन में डालना।

यदि आपके पास 4 प्रकार के शेफ, 4 प्रकार की सामग्रियां, 4 प्रकार की बाधाएं और 4 प्रकार के लक्ष्य हैं, तो आपके पास 4×4×4×4=2564 \times 4 \times 4 \times 4 = 256 अलग-अलग "व्यंजन" (कार्य) हैं। वास्तविक दुनिया में, यह संख्या लाखों में बढ़ जाती है। हर एक व्यंजन के लिए वास्तविक दुनिया का डेटा एकत्र करना (विशेषज्ञों को फिल्माना) असंभव है।

2. समाधान: "मास्टर शेफ" AI

लेखकों ने एक विशेष AI बनाया जिसे सेमेंटिक कंपोजिशनल डिफ्यूजन ट्रांसफॉर्मर (Semantic Compositional Diffusion Transformer) कहा जाता है। आइए इस डरावने नाम को समझते हैं:

  • डिफ्यूजन (Diffusion): इसे "डीनोइजिंग" (denoising) प्रक्रिया के रूप में सोचें। कल्पना करें कि आपके पास किसी कार्य को करते हुए एक रोबोट की स्पष्ट फोटो है, और आप धीरे-धीरे इसमें 'स्टैटिक' (शोर/noise) जोड़ते हैं जब तक कि यह केवल ग्रे रंग के धुंधलेपन में न बदल जाए। AI इस प्रक्रिया को उलटने (reverse) के बारे में सीखता है: यह ग्रे धुंधलेपन से शुरू होता है और धीरे-धीरे शोर को हटाकर स्पष्ट फोटो को पुनर्गठित करता है। इस मामले में, यह रोबोट की मूवमेंट (गति) को पुनर्गठित कर रहा है।
  • कंपोजिशनल (Compositional): पूरे कार्य को एक बड़े, अटूट हिस्से के रूप में देखने के बजाय, AI इसे इसके "सामग्रियों" (रोबोट, वस्तु, बाधा, लक्ष्य) में तोड़ देता है। यह सीखता है कि एक "रोबोट" एक "वस्तु" के साथ कैसे इंटरैक्ट करता है, जो कि एक "बाधा" के साथ उसके इंटरैक्शन से अलग है।
  • ट्रांसफॉर्मर (Transformer): यह वह मस्तिष्क है जो कड़ियों को जोड़ता है। यह एक सुपर-स्मार्ट अनुवादक की तरह है जो समझता है कि "रोबोट" टोकन "लक्ष्य" टोकन से कैसे बात करता है।

उपमा (Analogy):
कल्पना कीजिए कि आप खाना बनाना सीख रहे हैं।

  • पुराना तरीका: आप "स्पैगेटी कार्बोनारा" बनाने का एक वीडियो देखते हैं। फिर आप "स्पैगेटी बोलोग्नीज़" के लिए दूसरा वीडियो देखते हैं। आपको हर नए व्यंजन के लिए सब कुछ फिर से सीखना पड़ता है।
  • इस पेपर का तरीका: आप खाना पकाने के नियम सीखते हैं। आप सीखते हैं कि पास्ता कैसे उबालना है (कौशल/Skill), प्याज कैसे काटना है (वस्तु/Object), और चूल्हा (Stove/Robot) कैसे इस्तेमाल करना है। एक बार जब आप इन सामग्रियों को समझ लेते हैं, तो आप तुरंत कल्पना कर सकते हैं कि एक ऐसा व्यंजन कैसे बनाया जाए जिसे आपने पहले कभी नहीं देखा, जैसे कि "एक अजीब नए सॉस के साथ स्पैगेटी", और इसके लिए आपको किसी वीडियो ट्यूटोरियल की आवश्यकता नहीं होती।

3. गुप्त नुस्खा: "पुनरावृत्ति स्व-सुधार" (Iterative Self-Improvement)

यह सबसे रोमांचक हिस्सा है। AI केवल एक बार डेटा जेनरेट करता है और रुक नहीं जाता। यह अपने साथ "दिखाओ और बताओ" (Show and Tell) का खेल खेलता है।

  1. चरण 1: अनुमान (The Guess)। AI उन कुछ कार्यों को देखता है जिन्हें वह जानता है (जैसे, रोबोट A के साथ बॉक्स B) और अनुमान लगाने की कोशिश करता है कि रोबोट A, बॉक्स C के साथ क्या करेगा (एक ऐसा कार्य जो उसने पहले कभी नहीं देखा)। यह इस नए कार्य का एक नकली वीडियो जेनरेट करता है।
  2. चरण 2: परीक्षण (The Test)। यह इस नकली वीडियो को लेता है और इस पर एक रोबोट कंट्रोलर को प्रशिक्षित करने की कोशिश करता है। फिर, यह उस कंट्रोलर को एक सिमुलेशन में रखता है यह देखने के लिए कि क्या यह वास्तव में काम करता है।
  3. चरण 3: फिल्टर (The Filter)।
    • यदि कंट्रोलर बुरी तरह विफल हो जाता है, तो AI कहता है, "वह नकली वीडियो बेकार था," और उसे फेंक देता है।
    • यदि कंट्रोलर सफल होता है, तो AI कहता, "बहुत बढ़िया! वह नकली वीडियो वास्तव में अच्छा डेटा था।" यह इस नए वीडियो को अपने लाइब्रेरी में जोड़ देता है।
  4. चरण 4: लूप (The Loop)। अब AI के पास अधिक डेटा है (असली वाले + अच्छे नकली वाले)। यह खुद को इस बड़े पुस्तकालय पर फिर से प्रशिक्षित करता है, अधिक स्मार्ट बनता है, और यहाँ तक कि और भी कठिन कार्यों की कल्पना करने की कोशिश करता है।

यह एक छात्र की तरह है जो अभ्यास परीक्षा (practice test) देता है। यदि वे एक प्रश्न सही हल करते हैं, तो वे उस प्रकार के प्रश्न को फिर से पढ़ते हैं ताकि उसमें महारत हासिल कर सकें। यदि वे गलत होते हैं, तो उन्हें एहसास होता है कि उन्हें बुनियादी बातें पढ़ने की जरूरत है। समय के साथ, वे उन परीक्षाओं को देने में बेहतर हो जाते हैं जो उन्होंने पहले कभी नहीं देखीं।

4. परिणाम: "शून्य" से "हीरो" तक (From "Zero" to "Hero")

शोधकर्ताओं ने इसका परीक्षण 256 विभिन्न रोबोटिक कार्यों वाले बेंचमार्क पर किया। उन्होंने AI को केवल 14 कार्यों के लिए वास्तविक डेटा दिया।

  • परिणाम: AI ने अपने "कल्पना" (जेनरेटिव मॉडल) का उपयोग करके अन्य 242 कार्यों के लिए उच्च गुणवत्ता वाला नकली डेटा बनाया।
  • निष्कर्ष: इसने लगभग सभी अनदेखे कार्यों को हल करना सीख लिया, और उन अन्य तरीकों से बेहतर प्रदर्शन किया जो कार्यों को रटने या कठोर, पूर्व-निर्धारित नियमों का उपयोग करने की कोशिश करते थे।

यह क्यों महत्वपूर्ण है?

  • समय और पैसा बचाता है: हमें दुनिया के हर संभव कार्य को करने के लिए रोबोटों को फिल्माने के लिए इंसानों को काम पर रखने की आवश्यकता नहीं है।
  • सामान्यीकरण (Generalization): यह साबित करता है कि यदि आप रोबोट को दुनिया की संरचना (वस्तुएं एक-दूसरे से कैसे संबंधित हैं) सिखाते हैं, तो वह खुद से नई स्थितियों को समझ सकता है।
  • सुरक्षा: चूंकि "कल्पना" कंप्यूटर सिमुलेशन में होती है, इसलिए सीखने के दौरान रोबोट कुछ भी तोड़ता नहीं है।

संक्षेप में: यह पेपर रोबोटों को रचनात्मक होना सिखाता है। केवल निर्देशों की सूची को याद करने के बजाय, रोबोट गति की "व्याकरण" (grammar) सीखता है। एक बार जब वह व्याकरण जान जाता है, तो वह बिना किसी शिक्षक के दिखाए (हर बार) अपने स्वयं के वाक्य (नए कार्य) लिख सकता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →