ExPrIS: Knowledge-Level Expectations as Priors for Object Interpretation from Sensor Data
ExPrIS प्रोजेक्ट एक वृद्धिशील (incremental) 3D सिमेंटिक सीन ग्राफ फ्रेमवर्क प्रस्तावित करता है जो विशुद्ध रूप से डेटा-संचालित दृष्टिकोणों से परे रोबोटिक ऑब्जेक्ट इंटरप्रिटेशन की मजबूती और सिमेंटिक निरंतरता को बढ़ाने के लिए एक ग्राफ न्यूरल नेटवर्क में प्रासंगिक पूर्ववृत्तों (contextual priors) और बाहरी सिमेंटिक ज्ञान को एकीकृत करता 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
मुख्य विचार: रोबोट को "दिमाग" और "याददाश्त" देना
कल्पना कीजिए कि आप अपने किसी दोस्त के बिखरे हुए लिविंग रूम में जा रहे हैं। आप फर्श पर एक कॉफी कप देखते हैं। एक मानक रोबोट कैमरा उसे केवल "एक कालीन पर सफेद बेलनाकार वस्तु" के रूप में देख सकता है। उसे यह नहीं पता कि वह कप वहाँ क्यों है या क्या वह वहाँ होना चाहिए।
ExPrIS प्रोजेक्ट रोबोट्स को उनके कैमरों से केवल "देखने" से कहीं अधिक करने के लिए सिखाने की कोशिश कर रहा है। वे चाहते हैं कि रोबोट अपने पिछले अनुभवों और सामान्य ज्ञान के आधार पर यह भी "सोचें" कि उन्हें क्या देखना चाहिए और क्या जो वे अभी देख रहे हैं (सेंसर डेटा) के साथ क्या उम्मीद कर सकते हैं।
इसे इस तरह सोचें:
- मानक AI: एक ऐसे पर्यटक की तरह जिसके पास कैमरा है, जो एक अजीब वस्तु की तस्वीर लेता है और उसे पता ही नहीं होता कि वह क्या है।
- ExPrIS AI: एक स्थानीय निवासी की तरह जो उस वस्तु को देखता है और तुरंत सोचता है, "ओह, यह एक कॉफी कप है। यह फर्श पर इसलिए है क्योंकि मेज भरी हुई है। मुझे पता है कि कप आमतौर पर मेजों पर होते हैं, इसलिए यह अपनी जगह से बाहर है।"
मुख्य उपकरण: वस्तुओं के लिए 3D "सोशल नेटवर्क"
इसे काम करने के योग्य बनाने के लिए, शोधकर्ता एक 3D सिमेंटिक सीन ग्राफ (3DSSG) बना रहे हैं।
एक विशाल, अदृश्य सोशल नेटवर्क की कल्पना करें, लेकिन लोगों के बजाय, इसके "उपयोगकर्ता" कमरे में मौजूद वस्तुएं (कुर्सियाँ, मेजें, कप) हैं।
- नोड्स (उपयोगकर्ता): ये स्वयं वस्तुएं हैं।
- एजेस (दोस्ती/संबंध): ये उनके बीच के संबंध हैं। उदाहरण के लिए, एक "कप" का "मेज पर बैठने" का संबंध है। एक "लैंप" का "छत से जुड़ा होने" का संबंध है।
रोबोट चलते समय परत दर परत यह नेटवर्क बनाता है, वस्तुओं को इस आधार पर जोड़ता है कि वे एक-दूसरे के कितने करीब हैं और वे शारीरिक रूप से एक-दूसरे को कैसे सहारा देते हैं (जैसे शेल्फ पर रखी एक किताब)।
रोबोट चीजों की "उम्मीद" कैसे करता है
यह पेपर इस नेटवर्क में जानकारी फीड करने का एक विशेष तरीका पेश करता है जिसे एक्सपेक्टेशन्स (Expectations - अपेक्षाएं) कहा जाता है। शोधकर्ताओं का कहना है कि रोबोट के पास उपयोग करने के लिए दो प्रकार के "संकेत" हो सकते हैं:
- कॉन्टेक्स्ट (याददाश्त): यह वह है जो रोबलेट ने पहले देखा है। यदि रोबोट ने पांच मिनट पहले एक "किचन" क्षेत्र देखा था, तो वह उम्मीद करता है कि पास में एक "फ्रिज" मिलेगा, भले ही वह उसे अभी देख न पा रहा हो। यह अपने खुद के किचन में जाने जैसा है जहाँ आप उम्मीद करते हैं कि टोस्टर काउंटर पर होगा, भले ही आपने अभी तक उसे देखा न हो।
- नॉलेज (विश्वकोश): यह सामान्य दुनिया का ज्ञान है, जैसे कि एक नियम पुस्तिका। रोबोट ConceptNet नामक एक विशाल डेटाबेस का उपयोग करता है (सामान्य समझ का एक डिजिटल विश्वकोश)। वह जानता है कि "कप" आमतौर पर "रसोई" और "बेडरूम" में पाए जाते हैं, लेकिन "गैरेज" में शायद ही कभी मिलते हैं।
जादुई मशीन: "बायसिंग" GNN
शोधकर्ता ग्राफ न्यूरल नेटवर्क (GNN) नामक एक प्रकार के AI का उपयोग करते हैं। आप इसे वस्तुओं के सोशल नेटवर्क को देखने वाले एक सुपर-स्मार्ट जासूस के रूप में समझ सकते हैं।
आमतौर पर, जासूस केवल अपने सामने मौजूद सबूतों को देखते हैं। लेकिन ExPrIS रोबोट का जासूस अपेक्षाओं से प्रभावित (biased by expectations) होता है।
- यह कैसे काम करता है: रोबोट किसी वस्तु के धुंधले, आंशिक दृश्य को देखता है। "मेमोरी" और "नॉलेज" की परतें जासूस के कान में फुसफुसाती हैं, "हे, हमें लगता है कि यह एक कप है क्योंकि यह किचन में है।"
- परिणाम: जासूस उस फुसफुसाहट का उपयोग बेहतर अनुमान लगाने के लिए करता है। वह केवल पिक्सेल के आधार पर अनुमान नहीं लगाता; वह पिक्सेल प्लस तर्क के आधार पर अनुमान लगाता है।
पेपर का दावा है कि यह रोबोट की समझ को अधिक स्थिर बनाता है। यदि कैमरा धुंधला हो जाता है या कोई वस्तु आधी छिपी होती है, तो रोबोट घबराता नहीं है और यह नहीं भूलता कि वह क्या है। वह अपनी कहानी को सुसंगत बनाए रखने के लिए अपनी "अपेक्षाओं" पर भरोसा करता है।
वास्तविक दुनिया का परीक्षण: "टिडी-अप" (सफाई करने वाला) रोबोट
शोधकर्ता केवल कंप्यूटर पर इसका परीक्षण नहीं कर रहे हैं; वे इसे Mobipick नामक एक वास्तविक रोबोट पर लगा रहे हैं (पहियों और एक रोबोटिक हाथ वाला रोबोट)।
परीक्षण परिदृश्य:
उनकी योजना एक लैब में घूमकर सब कुछ मैप करने और फिर "टिडी-अप" (चीजों को व्यवस्थित करना) का खेल खेलने की है।
- रोबोट उन चीजों को खोजेगा जो "अपनी जगह से बाहर" हैं (जैसे डेस्क पर रखा एक जूता)।
- ऐसा करने के लिए, रोबोट को न केवल यह समझने की जरूरत है कि जूता क्या है, बल्कि यह भी कि उसे कहाँ होना चाहिए।
- शोधकर्ताओं का मानना है कि अपने "एक्सपेक्टेशन" सिस्टम का उपयोग करके, रोबोट यह समझने में बहुत बेहतर होगा कि जूता वहां नहीं होना चाहिए, उस रोबोट की तुलना में जो बिना किसी पूर्व ज्ञान के केवल छवि को देखता है।
सारांश
ExPrIS पेपर रोबोट्स को निष्क्रिय कैमरे बनने के बजाय सक्रिय विचारक बनने के लिए सिखाने के बारे में है। संबंधों का एक 3D मानचित्र बनाकर और उसमें "कॉमन सेंस" और "मेमोरी" को शामिल करके, रोबोट दुनिया की अधिक विश्वसनीय व्याख्या कर सकता है, भले ही दृश्य अव्यवस्थित या अधूरा हो। वे वर्तमान में इस प्रणाली को बना रहे हैं और इस पर एक वास्तविक रोबोट पर परीक्षण करने की योजना बना रहे हैं ताकि यह देखा जा सके कि क्या वह यह समझकर कमरा साफ कर सकता है कि क्या चीज़ "कहाँ" होनी चाहिए।
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।