← नवीनतम पेपर
💻 computer science

CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation

यह शोधपत्र CompliantVLA-adaptor प्रस्तुत करता है, जो एक ऐसा ढांचा है जो VLM-निर्देशित, संदर्भ-जागरूक परिवर्तनीय प्रतिबाधा नियंत्रण (variable impedance control) और वास्तविक समय के बल फीडबैक को एकीकृत करके विजन-लैंग्वेज-एक्शन मॉडल्स को उन्नत करता है, ताकि संपर्क-समृद्ध रोबोटिक हेरफेर कार्यों की सुरक्षा और सफलता दर में महत्वपूर्ण सुधार किया जा सके।

मूल लेखक: Heng Zhang, Wei-Hsing Huang, Qiyi Tong, Gokhan Solak, Puze Liu, Kaidi Zhang, Sheng Liu, Jan Peters, Yu She, Arash Ajoudani

प्रकाशित 2026-03-18
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Heng Zhang, Wei-Hsing Huang, Qiyi Tong, Gokhan Solak, Puze Liu, Kaidi Zhang, Sheng Liu, Jan Peters, Yu She, Arash Ajoudani

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 आपके पास एक शानदार, सुपर-स्मार्ट रोबोट दिमाग है जो जटिल निर्देशों को समझ सकता है जैसे, "कृपया इस नाजुक USB केबल को पोर्ट में डालें," या "माइक्रोवेव के दरवाजे को धीरे से बंद करें।" यह दिमाग एक विज़न-लैंग्वेज-एक्शन (VLA) मॉडल है। यह दुनिया को देखने, भाषा को समझने और यह योजना बनाने में माहिर है कि क्या करना है।

हालाँकि, एक समस्या है—यह दिमाग एक कठोर, भावनाहीन कठपुतली संचालक (puppet master) की तरह है। यह रोबोट के हाथ को ठीक बताता है कि उसे कहाँ जाना है, लेकिन यह "महसूस" नहीं कर सकता। यदि रोबोट एक दराज को बंद करने की कोशिश करता है और उसे प्रतिरोध (resistance) महसूस होता है, तो दिमाग बस उसे और ज़ोर से धक्का देता रहता है, जैसे कोई बच्चा किसी दरवाज़े को ज़बरदस्ती खोलने की कोशिश कर रहा हो। परिणाम यह होता है कि दराज टूट जाती है, वस्तु चकनाचूर हो जाती है, या रोबोट का हाथ जाम हो जाता है।

पेश है "CompliantVLA-adaptor"।

इस नए सिस्टम को एक बुद्धिमान, अनुभवी कोच के रूप में सोचें जो रोबोट के दिमाग के ठीक बगल में खड़ा है, और उसे केवल यह नहीं बता रहा कि कहाँ जाना है, बल्कि यह भी कि कैसे हिलना-डुलना है।

यह कैसे काम करता है, यहाँ कुछ रोज़मर्रा के उदाहरणों के माध्यम से समझाया गया है:

1. समस्या: "ब्रूट फ़ोर्स" (ताकत का अंधाधुंध प्रयोग करने वाला) रोबोट

वर्तमान रोबोट एक आंखों पर पट्टी बांधे हुए बलवान व्यक्ति की तरह हैं। यदि आप उन्हें "एक पेग (peg) डालना" कहते हैं, तो वे उसे हथौड़े की तरह ज़ोर से अंदर धकेल देते हैं। उन्हें यह नहीं पता चलता कि कब धीमा होना है। यदि पेग थोड़ा टेढ़ा है, तो वे उसे धीरे से हिलाकर सेट नहीं करते; वे बस तब तक धक्का देते रहते हैं जब तक कि कुछ टूट न जाए। यह खतरनाक और अक्षम है।

2. समाधान: "महसूस करने वाला" कोच

CompliantVLA-adaptor रोबोट के दिमाग और उसकी मांसपेशियों के बीच "भौतिक बुद्धिमत्ता" (physical intelligence) की एक परत जोड़ता है। यह एक विज़न-लैंग्वेज मॉडल (VLM) का उपयोग करता है—जो मूल रूप से एक सुपर-स्मार्ट AI है जो एक तस्वीर देख सकता है और एक वाक्य पढ़ सकता है—एक संदर्भ-जागरूक (context-aware) कोच के रूप में कार्य करने के लिए।

  • कोच का काम: कोच दृश्य को देखता है (छवि) और निर्देश सुनता है (भाषा)। वह पूछता है: "क्या यह एक नाजुक इलेक्ट्रॉनिक चिप है? तो फिर कोमल बनो! क्या यह एक भारी बॉक्स है? तो ज़ोर से धक्का दो!"
  • जादुई उपकरण (Variable Impedance): कोच केवल यह नहीं कहता कि "कोमल बनो।" यह रोबोट की कठोरता (stiffness) और डैम्पिंग (damping) को समायोजित करता है।
    • कठोरता (Stiffness): यह एक स्प्रिंग के तनाव की तरह है। उच्च कठोरता = एक सख्त हाथ (धक्का देने के लिए अच्छा)। कम कठोरता = एक लचीला, रबर जैसा हाथ (एक तंग छेद में फिसलने के लिए अच्छा)।
    • डैम्पिंग (Damping): यह कार के शॉक एब्जॉर्बर की तरह है। यह रोबोट को उछलने या झटके खाने से रोकता है।

3. यह कैसे काम करता है: "दराज" का उदाहरण

मान लीजिए कि रोबोट को एक दराज बंद करनी है।

  • एडैप्टर के बिना: रोबोट दराज को देखता है, रास्ता तय करता है, और अपने हाथ को पूरी गति से आगे बढ़ाता है। वह दराज से टकराता है, मोटर पर दबाव बढ़ता है, बल बढ़ जाता है, और दराज चटक जाती है। विफलता।
  • CompliantVLA-adaptor के साथ:
    1. कोच (VLM) बोलता है: "हे, यह लकड़ी की दराज है। यह अटक सकती है। टैंक की तरह धक्का मत दो। एक इंसान के हाथ की तरह बनो।"
    2. रोबोट समायोजित करता है: वह अपनी कठोरता को कम कर देता है (अधिक "रबर जैसा" हो जाता है) और अपनी डैम्पिंग को बढ़ा देता है (अधिक "सुस्त" हो जाता है)।
    3. फीडबैक लूप: जैसे ही रोबोट धक्का देता है, वह प्रतिरोध महसूस करता है। कोच कहता है, "ठीक है, अब यह छू रही है। अब धीमे हो जाओ और थोड़ा हिलना-डुलना शुरू करो।"
    4. परिणाम: रोबोट धीरे से दराज को बंद कर देता है। यदि वह कहीं फंसती है, तो वह उसे तोड़ता नहीं है; वह बस थोड़ा झुक जाता है और एक अलग कोण आज़माता है। सफलता।

4. "सुरक्षा जाल" (Safety Net)

इस सिस्टम में एक रियल-टाइम सुरक्षा जाल भी है। भले ही कोच गलती कर दे और बहुत अधिक सख्त होने का सुझाव दे, रोबोट के पास एक अंतर्निर्मित "फोर्स सेंसर" (स्पर्श की संवेदना की तरह) होता है। यदि बल बहुत अधिक हो जाता है (जैसे इंसान को दर्द महसूस होता है), तो रोबोट तुरंत नरम हो जाता है, चाहे कोच ने कुछ भी कहा हो। यह दो-स्तरीय सुरक्षा है: कोच रणनीति बनाता है, और सेंसर चोट लगने से बचाते हैं।

यह क्यों महत्वपूर्ण है

यह पेपर एक बड़ी उपलब्धि है क्योंकि यह सोचने और छूने के बीच के अंतर को पाटता है।

  • पहले: रोबोट योजना बनाने में तो बेहतरीन थे लेकिन छूने के मामले में खराब थे। वे एक ऐसे पियानो वादक की तरह थे जो सुर तो जानता है लेकिन उसकी उंगलियां स्टील की बनी हैं।
  • अब: CompliantVLA-adaptor रोबोट को "नरम हाथ" देता है। यह उसी स्मार्ट दिमाग को नाजुक कार्यों (जैसे इलेक्ट्रॉनिक्स असेंबल करना) और कठिन कार्यों (जैसे भारी बॉक्स को धक्का देना) को संभालने की अनुमति देता है, बस उस क्षण में रोबोट कितना "सख्त" या "नरम" महसूस करता है, इसे बदलकर।

संक्षेप में: यह पेपर रोबोट को सिखाता है कि वे दबंग बनना बंद करें और एक कोमल, अनुकूलन योग्य साथी बनना शुरू करें, जिससे यह सुनिश्चित हो सके कि वे उनके संपर्क में आने वाली हर चीज़ को तोड़े बिना मनुष्यों के साथ सुरक्षित रूप से काम कर सकें।

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 →