Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving
ड्राइव-जेपा (Drive-JEPA) प्रेडिक्टिव रिप्रेजेंटेशन लर्निंग के लिए वीडियो जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (V-JEPA) को एक प्रपोजल-सेंट्रिक प्लानर के साथ एकीकृत करके एंड-टू-एंड ऑटोनॉमस ड्राइविंग में एक नया स्टेट-ऑफ-द-आर्ट स्थापित करता है, जो सिंगल-ट्रैजेक्टरी सुपरविजन की सीमाओं को दूर करने के लिए मल्टीमॉडल सिम्युलेटर-जनरेटेड ट्रेजेक्टरीज को डिस्टिल 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
कल्पना कीजिए कि आप एक सेल्फ-ड्राइविंग कार को केवल यह दिखाकर नहीं सिखा रहे हैं कि एक इंसान कैसे गाड़ी चलाता है, बल्कि उसे ड्राइविंग फिल्मों का एक विशाल पुस्तकालय देकर और फिर उसे एक सुपर-एडवांस्ड वीडियो गेम सिम्युलेटर में अभ्यास करने देने के बजाय सिखा रहे हैं। यह मूल रूप से वही करता है जो Drive-JEPA करता है।
यहाँ बताया गया है कि यह नया सिस्टम सरल उपमाओं (analogies) का उपयोग करके कैसे काम करता है:
1. समस्या: "एक-पथ" का जाल (The "One-Path" Trap)
आजकल के अधिकांश सेल्फ-ड्राइविंग कार एक मानव चालक को देखकर सीखते हैं। लेकिन इसमें एक पेंच है: किसी भी दी गई स्थिति में (जैसे पीली लाइट के पास पहुँचना), एक इंसान आमतौर पर केवल एक विशिष्ट क्रिया ही करता है। हालाँकि, वास्तविक दुनिया में, किसी स्थिति को संभालने के कई सुरक्षित तरीके होते हैं (जैसे, आप धीरे से धीमा हो सकते हैं, या पूरी तरह से रुक सकते हैं)।
यदि कार केवल उस एकल मानव पथ से सीखती है, तो वह यह सोचने में "फँस" जाती है कि गाड़ी चलाने का केवल एक ही तरीका है। यह कठोर हो जाती है और अन्य सुरक्षित, आरामदायक विकल्पों को मिस कर सकती है। इसे मोड कोलैप्स (mode collapse) कहा जाता है—कार यह भूल जाती है कि किसी समस्या को हल करने के कई तरीके हो सकते हैं।
2. समाधान: Drive-JEPA
शोधकर्ताओं ने इस समस्या को ठीक करने के लिए तीन-भागों वाला एक सिस्टम बनाया है, जो एक समय मशीन और एक वीडियो गेम कंसोल वाले मास्टर ड्राइविंग इंस्ट्रक्टर की तरह कार्य करता है।
भाग A: "मूवी बफ" प्री-ट्रेनिंग (V-JEPA)
विशिष्ट मोड़ों को याद करने के बजाय, कार पहले हजारों घंटों के कच्चे ड्राइविंग वीडियो देखती है।
- उपमा: कल्पना कीजिए कि एक छात्र हजारों घंटों की ड्राइविंग फिल्में देखता है लेकिन उसे अभी तक यह नहीं बताया गया है कि क्या करना है। वह ड्राइविंग का "व्याकरण" सीखता है: कारें कैसे चलती हैं, ट्रैफ़िक कैसे बहता है, और दुनिया समय के साथ कैसे बदलती है।
- तकनीक: वे V-JEPA नामक तकनीक का उपयोग करते हैं। इसे वीडियो के लिए "खाली स्थान भरने" (fill-in-the-blanks) के खेल की तरह समझें। कंप्यूटर वीडियो के एक हिस्से को छिपा देता है और AI से अनुमान लगाने को कहता है कि आगे क्या होगा। ऐसा लाखों बार करने से, AI बिना हर वस्तु को लेबल किए, ड्राइविंग की दुनिया की गहरी, सहज समझ विकसित करता है। यह कार को स्टीयरिंग सीखना शुरू करने से पहले एक मजबूत "मस्तिष्क" प्रदान करता है।
भाग B: "सिम्युलेटर कोच" (Multimodal Trajectory Distillation)
एक बार जब AI के पास अपना "मस्तिष्क" आ जाता है, तो उसे निर्णय लेना सीखना होता है। आमतौर पर, वह केवल उस एक पथ को देखता है जो एक मानव ने लिया था। Drive-JEP एक सिम्युलेटर कोच लाकर खेल बदल देता है।
- उपमा: कल्पना कीजिए कि एक ड्राइविंग छात्र एक वीडियो गेम में अभ्यास कर रहा है। गेम हजारों अलग-अलग "क्या-होगा-अगर" (what-if) परिदृश्य उत्पन्न कर सकता है। शायद सिमुलेशन के एक संस्करण में कार बाईं ओर मुड़ती है; दूसरे में, वह ज़ोर से ब्रेक लगाती है; तीसरे में, वह ट्रैफ़िक के बीच से रास्ता बनाती है। ये सभी सुरक्षित और कानूनी हैं।
- तकनीक: सिस्टम प्रत्येक दृश्य के लिए कई अलग-अलग सुरक्षित पथ (trajectories) उत्पन्न करने के लिए एक नियम-आधारित सिम्युलेटर का उपयोग करता है। फिर यह AI को उन सभी अलग-अलग विकल्पों को पहचानने और महत्व देने के लिए प्रशिक्षित करता है, न कि केवल उस एकल पथ को जो मानव ने लिया था। इसे मल्टीमॉडल ट्राजेक्टरी डिस्टिलेशन (Multimodal Trajectory Distillation) कहा जाता है। यह AI को यह बताने जैसा है कि, "केवल एक सही उत्तर नहीं है; यहाँ इस चौराहे को संभालने के पाँच अलग-अलग सुरक्षित तरीके हैं।"
भाग C: "स्मूथनेस फ़िल्टर" (Momentum-Aware Selection)
अब AI के पास चुनने के लिए कई अलग-अलग पथ हैं। वह सबसे अच्छा पथ कैसे चुनता है?
- उपमा: कल्पना कीजिए कि आप एक गलियारे में चल रहे हैं। यदि आप अचानक अपने शरीर को बाईं ओर, फिर दाईं ओर, फिर बाईं ओर झटका देते हैं, तो आपको चक्कर आता है और असुविधा होती है। आप सुचारू रूप से चलना चाहते हैं।
- तकनीक: सिस्टम में एक मोमेंटम-अवेयर सिलेक्शन (Momentum-Aware Selection) मॉड्यूल शामिल है। यह उस पथ को देखता है जो कार ने एक सेकंड पहले लिया था और नए विकल्पों की जाँच करता है। यदि कोई विकल्प दिशा में अचानक, झटकेदार बदलाव की मांग करता है, तो सिस्टम उसे दंडित (penalize) करता है। यह उस पथ को चुनता है जो न केवल सुरक्षित है बल्कि यात्रियों के लिए सहज और प्राकृतिक भी महसूस होता है, जिससे "झटकेदार" ड्राइविंग से बचा जा सके।
परिणाम
जब उन्होंने इस सिस्टम का मानक ड्राइविंग बेंचमार्क (जैसे NAVSIM और Bench2Drive) पर परीक्षण किया, तो परिणाम प्रभावशाली थे:
- बेहतर निर्णय: इसने पिछले अत्याधुनिक तरीकों को पीछे छोड़ दिया, जिससे सुरक्षा और सुगमता के नए रिकॉर्ड स्थापित हुए।
- कम ही अधिक है: जब उन्होंने सभी फैंसी "परसेप्शन" सेंसर (जैसे LiDAR) को हटा दिया और केवल एक फ्रंट-फेसिंग कैमरा इस्तेमाल किया, तब भी सिस्टम अन्य की तुलना में बेहतर प्रदर्शन करता रहा। यह साबित करता है कि "मूवी बफ" प्री-ट्रेनिंग ने कार को वास्तव में एक मजबूत आधार दिया है।
- सुचारू सवारी: मोमेंटम फ़िल्टर का उपयोग करके, कार अधिक आरामदायक तरीके से चलती है, अचानक होने वाली झटकेदार गतिविधियों से बचती है।
सारांश में
Drive-JEPA एक सेल्फ-ड्राइविंग कार के छात्र को लेने, उन्हें हजारों फिल्में देखकर ड्राइविंग थ्योरी में पीएचडी कराने, उन्हें एक वीडियो गेम में अभ्यास करने देने जहाँ वे हर संभावित सुरक्षित परिणाम देखते हैं, और फिर उन्हें सबसे सुचारू और आरामदायक पथ चुनना सिखाने जैसा है। परिणाम एक ऐसी कार है जो एक कुशल इंसान की तरह चलती है जो ट्रैफ़िक के प्रवाह को समझता है, न कि केवल एक रोबोट जो मैप पर एक अकेली रेखा की नकल कर रहा 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।