RoboCade: Gamifying Robot Data Collection
यह शोधपत्र RoboCade को प्रस्तुत करता है, जो एक गेमिफाइड रिमोट टेलीऑपरेशन प्लेटफॉर्म है जो इंटरैक्टिव इंटरफेस और टास्क डिज़ाइन के माध्यम से सामान्य उपयोगकर्ताओं को रोबोट प्रदर्शन डेटा एकत्र करने में संलग्न करता है, जिसके परिणामस्वरूप मानक तरीकों की तुलना में डाउनस्ट्रीम कार्यों पर नीति प्रदर्शन में महत्वपूर्ण सुधार और अधिक आनंददायक उपयोगकर्ता अनुभव प्राप्त होता है।
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 सिखाना चाहते हैं, जैसे कि कोई खिलौना उठाना या बोतल को शेल्फ पर रखना। इसे सिखाने का सबसे अच्छा तरीका "इमिटेशन लर्निंग" (Imitation Learning) है—यानी, इंसान द्वारा रिमोटली रोबोट को नियंत्रित करके उसे ठीक वही दिखाना जो उसे करना है।
लेकिन यहाँ एक समस्या है: रोबोट को सिखाना उबाऊ और महंगा है।
आमतौर पर, आपको एक कुशल विशेषज्ञ को काम पर रखना पड़ता है, उन्हें एक विशेष जॉयस्टिक देना पड़ता है, और उन्हें घंटों तक एक असली रोबट के सामने बैठाना पड़ता है। उन्हें बार-बार वही उबाऊ हरकतें दोहरानी पड़ती हैं। यह वैसा ही है जैसे किसी पेशेवर शेफ से यह सीखने के लिए 10 घंटे तक प्याज काटने को कहना कि रोबोट को खाना बनाना कैसे सिखाया जाए। अधिकांश लोग 10 मिनट के बाद ही हार मान लेंगे, और इसे जारी रखने में बहुत पैसा खर्च होता है।
समाधान: रोबोकेड (RoboCade - द रोबोट आर्केड)
इस शोध पत्र के लेखकों ने पूछा: क्या होगा अगर हम इसे काम की तरह नहीं, बल्कि एक वीडियो गेम की तरह मानें?
उन्होंने RoboCade नामक एक प्लेटफॉर्म बनाया। डेटा इकट्ठा करने की उबाऊ प्रक्रिया को एक आर्केड-स्टाइल गेम में बदलकर उन्होंने इसे रोमांचक बना दिया।
यह कैसे काम करता है (उपमा)
एक रोबोट को एक वीडियो गेम के पात्र (character) के रूप में और मानव उपयोगकर्ता को उस पात्र को नियंत्रित करने वाले खिलाड़ी के रूप में सोचें।
- कंट्रोलर: एक जटिल वैज्ञानिक जॉयस्टिक के बजाय, वे GELLO नामक एक सस्ता, 3D-प्रिंट करने योग्य कंट्रोलर उपयोग करते हैं। यह एक साधारण गेम कंट्रोलर की तरह है जिसे आप दुकान से खरीद सकते हैं, जिससे इसे कोई भी आसानी से इस्तेमाल कर सकता है।
- "गेम" लेयर: जब आप रोबोट को नियंत्रित करते हैं, तो आप केवल एक मैकेनिकल हाथ नहीं हिला रहे होते। आप:
- एक कहानी का हिस्सा बन रहे हैं: "वस्तु A को स्थान B पर ले जाएं" के बजाय, कार्य यह है कि "इस जानवर को उसका घर खोजने में मदद करें" या "चेकआउट काउंटर पर किराने का सामान स्कैन करें।"
- फीडबैक प्राप्त कर रहे हैं: जब आप सफल होते हैं, तो आपको एक संतोषजनक "बीप!" सुनाई देता है और स्क्रीन पर कंफेटी (रंगीन कागज के टुकड़े) उड़ते हुए दिखाई देते हैं।
- प्रतिस्पर्धा कर रहे हैं: इसमें लीडरबोर्ड और बैज शामिल हैं। आप देख सकते हैं कि आपका स्कोर अन्य खिलाड़ियों की तुलना में कैसा है।
- प्रगति कर रहे हैं: वीडियो गेम के लेवल की तरह, आपके पास एक टाइमर और एक प्रोग्रेस बार होता है।
तीन "लेवल" जिनका उन्होंने परीक्षण किया
यह साबित करने के लिए कि यह काम करता है, उन्होंने तीन विशिष्ट गेम परिदृश्य बनाए जो गुप्त रूप से रोबोट को वास्तविक कौशल सिखाते थे:
- "ट्विन" गेम (चीजों को व्यवस्थित करना):
- खेल: आपको मेज पर बनी तस्वीर से मेल खाने के लिए दो जानवरों के ब्लॉक को हिलाना होता है।
- वास्तविक कौशल: यह रोबोट को वस्तुओं को उठाने और उन्हें एक विशिष्ट रेखा में रखने का प्रशिक्षण देता है (जो डेस्क व्यवस्थित करने के काम आता है)।
- "ग्रोसरी" गेम (स्कैनिंग):
- खेल: आप एक कैशियर की भूमिका निभाते हैं। आप खिलौने वाले किराने के सामान को उठाते हैं, कैमरे से स्कैन करते हैं, और टोकरी में रखते हैं।
- वास्तविक कौशल: यह रोबोट को एक बोतल को पकड़ने, उसे कैमरे के साथ पूरी तरह से संरेखित (align) करने और विभिन्न आकारों को संभालने का प्रशिक्षण देता है (जो वास्तविक उत्पादों को स्कैन करने के काम आता है)।
- "डॉर्म" गेम (इन्सर्शन/अंदर डालना):
- खेल: आपको एक खिलौना जानवर उठाना है और उसे उसके रंग से मेल खाने वाले बॉक्स में डालना है।
- वास्तविक कौशल: यह रोबोट को किसी वस्तु को पकड़ने और उसे सावधानी से एक तंग जगह में स्लाइड करने का प्रशिक्षण देता है (जो बॉक्स पैक करने के काम आता है)।
क्या यह वास्तव में काम कर गया?
शोधकर्ताओं ने दो तरीकों से इसका परीक्षण किया:
1. क्या रोबोट ने बेहतर सीखा?
उन्होंने इन खेलों को खेलने से प्राप्त डेटा को लिया और उसका उपयोग रोबोट को प्रशिक्षित करने के लिए किया।
- परिणाम: हाँ! जब उन्होंने "गेम डेटा" को थोड़े से "गंभीर डेटा" के साथ मिलाया, तो रोबट वास्तविक कार्यों में बहुत बेहतर हो गया।
- आंकड़े: बोरिंग, गैर-गेम डेटा पर प्रशिक्षित रोबोटों की तुलना में, गेम-प्रशिक्षित रोबोट वास्तविक दुनिया के कार्यों में 16% से 56% अधिक सफल हुए। यहाँ तक कि जब रोबोट को ऐसी स्थिति का सामना करना पड़ा जो उसने पहले नहीं देखी थी, तब भी गेम-प्रशिक्षित रोबोट ने बेहतर प्रदर्शन किया।
2. क्या लोगों को यह पसंद आया?
उन्होंने 18 आम लोगों (जो रोबोट विशेषज्ञ नहीं थे) से गेम संस्करण बनाम एक उबाऊ, मानक संस्करण को आज़माने के लिए कहा।
- परिणाम: लोगों को गेम वाला संस्करण बहुत पसंद आया।
- आंकड़े: उन्होंने पाया कि गेम संस्करण 24% अधिक आनंददायक और 24% अधिक प्रेरक था। उन्हें यह भी लगा कि इसे उपयोग करना 27% अधिक सहज (intuitive) था। मूल रूप से, लोग काम करने के लिए तैयार थे क्योंकि यह खेल जैसा महसूस हो रहा था।
निष्कर्ष
यह शोध पत्र सिद्ध करता है कि रोबोट को प्रशिक्षित करने के लिए आपको रोबोट विशेषज्ञ या भुगतान किया गया कर्मचारी होने की आवश्यकता नहीं है। यदि आप डेटा संग्रह की प्रक्रिया को अंक, ध्वनियों और कहानियों के साथ एक मजेदार, आकर्षक वीडियो गेम में बदल देते हैं, तो आम लोग खुशी-खुशी इसमें भाग लेंगे। और उनके द्वारा उत्पन्न डेटा वास्तव में बोर होते विशेषज्ञों द्वारा एकत्र किए गए डेटा की तुलना में बेहतर होता है।
यह एक काम को खजाने की खोज (treasure hunt) में बदलने जैसा है: खिलाड़ी मजे करते हैं, और रोबोट को वह खजाना (डेटा) मिलता है जिसकी उसे सीखने के लिए आवश्यकता होती 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।