Abstracting Robot Manipulation Skills via Mixture-of-Experts Diffusion Policies
यह शोध पत्र स्किल मिक्सचर-ऑफ-एक्सपर्ट्स पॉलिसी (SMP) प्रस्तुत करता है, जो एक डिफ्यूजन-आधारित ढांचा है जो एक कॉम्पैक्ट ऑर्थोगोनल स्किल बेसिस सीखता है और केवल कार्य-प्रासंगिक विशेषज्ञों को गतिशील रूप से सक्रिय करने के लिए स्टिकी रूटिंग का उपयोग करता है, जिससे बड़े पैमाने के डिफ्यूजन बेसलाइन की तुलना में बेहतर मल्टी-टास्क मैनिपुलेशन प्रदर्शन और काफी कम इन्फरेंस लागत प्राप्त होती 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 दो हाथों वाले रोबोट को विभिन्न काम करना सिखा रहे हैं: जैसे बोतल उठाना, धूल झाड़ना, या दराज में कार्ड रखना।
अतीत में, शोधकर्ताओं ने इसे एक विशाल "मस्तिष्क" (एक विशाल AI मॉडल) बनाकर हल करने की कोशिश की और उम्मीद की कि वह अपने आप हर कार्य को समझ लेगा। लेकिन यह अपने बैग में पूरी लाइब्रेरी ले जाने जैसा है सिर्फ एक किताब पढ़ने के लिए। यह भारी है, धीमा है, और जब कार्य बहुत अलग हो जाते हैं तो रोबोट भ्रमित हो जाता है।
यह पेपर एक नई विधि पेश करता है जिसे SMP (Skill Mixture-of-Experts Policy) कहा जाता है। SMP को एक विशाल मस्तिष्क के रूप में नहीं, बल्कि एक सुव्यवस्थित निर्माण दल (construction crew) के रूप में सोचें जिसके पास विशिष्ट उपकरणों का एक सेट और एक स्मार्ट फोरमैन (सुपरवाइजर) है।
यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. "टूलबॉक्स" (The Orthogonal Skill Basis)
हर चीज़ को शून्य से सीखने की कोशिश करने के बजाय, SMP बुनियादी, पुन: प्रयोज्य कौशलों (reusable skills) का एक छोटा सेट सीखता है।
- सादृश्य (Analogy): एक टूलबॉक्स की कल्पना करें। आपको हर काम के लिए एक अद्वितीय उपकरण की आवश्यकता नहीं है। आपको बस एक हथौड़ा, एक पेचकश और एक रिंच की आवश्यकता है।
- SMP इसे कैसे करता है: यह "ऑर्थोगोनल" कौशल सीखता है। गणितीय शब्दों में, इसका अर्थ है कि कौशल पूरी तरह से अलग हैं, जैसे ग्राफ पर X, Y और Z अक्ष। एक कौशल केवल "बाएं जाना" हो सकता है, दूसरा केवल "घुमाना," और तीसरा केवल "पकड़ना।" क्योंकि वे एक-दूसरे में हस्तक्षेप नहीं करते, रोबोट बिना भ्रमित हुए जानता है कि कौन सा उपकरण उपयोग करना है।
- ट्विस्ट: टूलबॉक्स स्थिर नहीं है। यदि रोबोट का हाथ किसी अजीब स्थिति में है, तो टूलबॉक्स उस स्थिति के अनुकूल होने के लिए थोड़ा "रूपांतरित" (morph) हो जाता है, जिससे यह सुनिश्चित होता है कि उपकरण उस विशिष्ट कोण के लिए हमेशा सटीक काम करें।
2. "फोरमैन" (The Sticky Routing)
एक बार जब रोबोट के पास अपना टूलबॉक्स होता है, तो उसे यह तय करने के लिए किसी की आवश्यकता होती है कि किन उपकरणों का उपयोग कब और कैसे किया जाए।
- सादृश्य: एक निर्माण स्थल की कल्पना करें। आप नहीं चाहेंगे कि फोरमैन हर सेकंड हथौड़े और पेचकश के बीच स्विच करे। वह अराजक और अक्षम होगा। आप चाहते हैं कि फोरमैन कहे, "ठीक है, अगले 10 सेकंड के लिए, हम केवल हथौड़ा चला रहे हैं," और फिर अगले चरण के लिए "पेच कसने" पर स्विच करे।
- SMP इसे कैसे करता है: यह "स्टिकी रूटिंग" (sticky routing) का उपयोग करता है। "गेट" (निर्णय लेने वाला) कुछ समय के लिए एक ही कौशल पर टिका रहता है। यह इधर-उधर नहीं भटकता या बार-बार बदलता नहीं है। यह गति के सुचारू और प्राकृतिक चरणों का निर्माण करता है, जैसे "पहुँचना," "पकड़ना," "हिलाना," और "छोड़ना।"
3. "स्मार्ट क्रू" (Mixture of Experts)
SMP के पास कई अलग-अलग "विशेषज्ञ" (छोटे AI मॉडल) हैं, लेकिन यह उन सभी का एक साथ उपयोग नहीं करता है।
- सादृश्य: एक रेस्टोरेंट के किचन की कल्पना करें। जब आप बर्गर ऑर्डर करते हैं, तो आपको बर्गर बनाने के लिए सुशी शेफ, पेस्ट्री शेफ और ग्रिल मास्टर तीनों की एक साथ आवश्यकता नहीं होती। आपको बस ग्रिल मास्टर की आवश्यकता है।
- SMP इसे कैसे करता है: किसी भी दिए गए क्षण में, SMP देखता है कि रोबोट क्या कर रहा है और केवल आवश्यक कुछ विशेषज्ञों को सक्रिय करता है।
- यदि रोबोट को अपने बाएं हाथ को हिलाने की आवश्यकता है, तो वह "बाएं हाथ" के विशेषज्ञों को जगा देता है।
- यदि उसे घुमाने की आवश्यकता है, तो वह "रोटेशन" विशेषज्ञों को जगाता है।
- बाकी विशेषज्ञ सोए रहते हैं (ऊर्जा और समय बचाते हैं)।
यह बेहतर क्यों है?
इस पेपर का परीक्षण कंप्यूटर सिमुलेशन और दो हाथों वाले वास्तविक रोबोटों दोनों पर किया गया। यहाँ उन्हें क्या मिला:
- यह तेज़ है: क्योंकि SMP एक बार में केवल कुछ ही "विशेषज्ञों" को जगाता है, इसे एक विशाल मस्तिष्क की तरह भारी गणित करने की आवश्यकता नहीं होती। यह बहुत तेज़ी से चलता है, जो वास्तविक समय के रोबोट नियंत्रण के लिए महत्वपूर्ण है।
- यह सीखने में स्मार्ट है: जब रोबोट ने कई अलग-अलग कार्य सीखे, तो SMP ने पाया कि "बोतल पकड़ना" और "ब्लॉक पकड़ना" एक ही अंतर्निहित कौशल का उपयोग करते हैं। इसने इन कौशलों को शून्य से सीखने के बजाय इनका पुन: उपयोग किया।
- यह जल्दी अनुकूलित होता है: बहुत कम उदाहरणों (जैसे 10 प्रयास) के साथ नया कार्य दिए जाने पर, SMP विशाल मॉडलों की तुलना में बहुत तेज़ी से अनुकूलित हो सका क्योंकि इसे अपना पूरा मस्तिष्क बनाने के बजाय केवल अपने "फोरमैन" को सही मौजूदा उपकरण चुनने के लिए ट्यून करने की आवश्यकता थी।
निष्कर्ष
यह पेपर तर्क देता है कि रोबोटों को "बड़ा" और "बेवकूफ" (विशाल मॉडल जो धीमे और महंगे हैं) बनाने के बजाय, हमें उन्हें मॉड्यूलर और कुशल बनाना चाहिए।
रोबोट को बुनियादी, पुन: प्रयोज्य कौशलों का एक छोटा सेट सिखाकर और उसे सही समय पर सही कौशल चुनने के लिए एक स्मार्ट सिस्टम देकर, हम रोबोट को जटिल, बहु-कार्य कार्यों को तेज़ी से और विश्वसनीयता से करने के योग्य बना सकते हैं, यहाँ तक कि वास्तविक हार्डवेयर पर भी। यह अपने बैकपैक में लाइब्रेरी ले जाने बनाम एक स्मार्ट, अनुकूलनीय स्विस आर्मी नाइफ ले जाने के बीच का अंतर 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।