🤖 AI

CRL-VLA: Continual Vision-Language-Action Learning

यह शोध पत्र CRL-VLA प्रस्तुत करता है, जो एक सैद्धांतिक रूप से आधारित ढांचा है जो आजीवन रोबोटिक लर्निंग के लिए विजन-लैंग्वेज-एक्शन मॉडल्स के निरंतर पोस्ट-ट्रेनिंग में स्थिरता और प्लास्टिसिटी को प्रभावी ढंग से संतुलित करने के लिए एक गोल-कंडीशन्ड वैल्यू फॉर्मुलेशन के साथ एक एसिमेट्रिक डुअल-क्रिटिक आर्किटेक्चर का उपयोग करता है।

मूल लेखक: Qixin Zeng, Shuo Zhang, Hongyin Zhang, Renjie Wang, Han Zhao, Libang Zhao, Runze Li, Donglin Wang, Chao Huang

प्रकाशित 2026-02-04

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Qixin Zeng, Shuo Zhang, Hongyin Zhang, Renjie Wang, Han Zhao, Libang Zhao, Runze Li, Donglin Wang, Chao Huang

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 एक रोबोट ने एक विशिष्ट व्यंजन बनाना सीख लिया है, जैसे कि एक परफेक्ट ऑमलेट बनाना। अब, आप चाहते हैं कि वह केक बनाना सीखे। समस्या यह है कि जैसे-जैसे रोबोट नया रेसिपी सीखता है, वह ऑमलेट के लिए अंडे फोड़ने का तरीका भूल सकता है। यह "स्थिरता बनाम लचीलापन" (stability vs. plasticity) की दुविधा है: स्थिरता (Stability) का अर्थ है पुराने कौशल को याद रखना, जबकि लचीलापन (Plasticity) का अर्थ है नए कौशल सीखने के लिए पर्याप्त सक्षम होना।

यह पेपर CRL-VLA नामक एक नया सिस्टम पेश करता है ताकि उन रोबोट्स की मदद की जा सके जो अपने हाथों को चलाने के लिए अपनी आँखों (दृष्टि/vision) और भाषा (निर्देशों/language) का उपयोग करते हैं।

यहाँ यह पेपर इसे सरल उपमाओं का उपयोग करके समझाता है:

1. मुख्य समस्या: "भूलने" का जाल

अधिकांश वर्तमान विधियाँ रोबोट को भूलने से रोकने की कोशिश करती हैं या तो:

मस्तिष्क के कुछ हिस्सों को फ्रीज (जमना) कर देती हैं: जैसे हाथ पर प्लास्टर लगाना ताकि वह हिल न सके, जिससे वह नई चीजें नहीं सीख पाता।
पुरानी किताबें फिर से पढ़वाती हैं: रोबोट को पुराने कार्यों का बार-बार अभ्यास करवाती हैं, जो धीमा है और अक्सर पुराने और नए निर्देशों को आपस में मिला देता है।

लेखकों ने पाया कि भूलने के पीछे असली कारण "एडवांटेज मैग्नीट्यूड" (Advantage Magnitude) है। इसे रोबोट का आंतरिक "आत्मविश्वास मीटर" या "उत्साह का स्तर" समझें, जो यह मापता है कि एक नया एक्शन पुराने एक्शन की तुलना में कितना बेहतर है।

यदि रोबोट पुराने कार्य को करते समय नए कार्य के प्रति बहुत अधिक उत्साहित हो जाता है, तो वह पुरानी यादों को मिटा देता है (भूलना/Forgetting)।
यदि वह बहुत अधिक सतर्क है, तो वह नया कार्य नहीं सीख पाता (ठहराव/Stagnation)।

2. समाधान: एक "दोहरी कोच" प्रणाली (Dual-Coach System)

CRL-VLA इसे एक डुअल-क्रिटिक आर्किटेक्चर (Dual-Critic Architecture) का उपयोग करके हल करता है। कल्पना कीजिए कि रोबोट के पास दो कोच हैं जो उसे सलाह दे रहे हैं, लेकिन उनके काम बहुत अलग हैं:

कोच 1: फ्रोजन एंकर (द लाइब्रेरियन/पुस्तकालयाध्यक्ष)
- यह कोच फ्रीज (जमा हुआ) है (पुराने कार्य के बाद समय में स्थिर है)।
- इसका काम "पुराने सच" को थामे रखना है। इसे याद रहता है कि पुराने कार्यों के लिए क्रियाएं कितनी मूल्यवान थीं।
- जब रोबोट नया कार्य सीखने की कोशिश करता है, तो यह कोच कहता है, "रुको, पुरानी रेसिपी के लिए अपने कदमों को बहुत अधिक मत बदलो। अपने पैर स्थिर रखो।" यह स्थिरता (Stability) सुनिश्चित करता है।
कोच 2: ट्रेन करने योग्य एस्टीमेटर (द एक्सप्लोरर/अन्वेषक)
- यह कोच लचीला है और मौके पर सीखता है।
- इसका काम नए कार्य को देखना है और कहना है, "ठीक है, इस नए केक रेसिपी के लिए, यह नया मूव कितना बेहतर है।"
- क्योंकि इसे नए कार्य के वास्तविक रिवॉर्ड्स (पुरस्कारों) पर प्रशिक्षित किया गया है, इसलिए यह स्वाभाविक रूप से सुरक्षित सीमाओं के भीतर रहता है। यह सुनिश्चित करता कि रोबोट पुराने कौशल को तोड़े बिना नए कौशल सीख सके। यह लचीलापन (Plasticity) सुनिश्चित करता है।

3. सफलता का मंत्र: "एसिमेट्रिक रेगुलेशन" (Asymmetric Regulation)

इस पेपर की बड़ी अंतर्दृष्टि यह है कि आपको पुराने और नए कार्यों के साथ एक जैसा व्यवहार करने की आवश्यकता नहीं है। आपको एसिमेट्रिक रेगुलेशन की आवश्यकता है:

पुराने कार्यों के लिए: आप रोबोट के "उत्साह" (एडवांटेज) में होने वाले बदलाव को सख्ती से सीमित करते हैं। आप उसे "लाइब्रेरियन" की याद के करीब रहने के लिए मजबूर करते हैं।
नए कार्यों के लिए: आप रोबotong को बढ़ने देते हैं, लेकिन आप उसे खेल (वातावरण) की प्राकृतिक सीमाओं के भीतर रखते हैं।

इसे एक बगीचे की तरह सोचें:

पुराने पौधे (पुराने कौशल) एक कांच के केस में हैं। आप उन्हें बेतहाशा बढ़ने नहीं देते; आप उन्हें बिल्कुल वैसा ही रखते हैं जैसा वे थे ताकि वे मर न जाएं।
नए पौधे (नए कौशल) खुली मिट्टी में हैं। आप उन्हें लंबा और मजबूत होने देते हैं, लेकिन आप यह सुनिश्चित करते हैं कि वे इतने बड़े न हो जाएं कि कांच के केस को ही कुचल दें।

4. यह व्यवहार में कैसे काम करता है

यह सिस्टम एक विशेष गणितीय सूत्र (एक "गोल-कंडीशन्ड वैल्यू फॉर्मुलेशन") का उपयोग करता है जो रोबोट के कार्यों को उसके द्वारा सुने गए भाषा निर्देशों (जैसे, "कटोरा उठाओ") से जोड़ता है।

यह जाँचता है: "यदि मैं यह नया एक्शन करता हूँ, तो यह पुराने कार्य को करने के पुराने तरीके की तुलना में कैसा है?"
यदि अंतर बहुत बड़ा है, तो "फ्रोजन कोच" उसे वापस खींच लेता है।
यदि अंतर नए कार्य के लिए बिल्कुल सही है, तो "ट्रेन करने योग्य कोच" उसे आगे बढ़ने देता है।

5. परिणाम

लेखकों ने इसका परीक्षण LIBERO नामक एक बेंचमार्क पर किया, जिसमें रोबोट को भाषा के आदेशों के आधार पर वस्तुओं को उठाने और उन्हें विशिष्ट स्थानों पर रखने जैसे विभिन्न कार्य करने होते हैं।

परिणाम: अन्य विधियों की तुलना में CRL-VLA पुराने कार्यों को याद रखने में बेहतर था (कम भूलना) और नए कार्यों को सीखने में भी बेहतर था (तेजी से अनुकूलन)।
निष्कर्ष: पुराने बनाम नए कार्यों के लिए उनके आत्मविश्वास के स्तरों को अलग-अलग प्रबंधित करने के लिए दो अलग-अलग "कोच" का उपयोग करके, रोबोट अपने पिछले कौशल को खोए बिना निरंतर सीख सकता है।

संक्षेप में, CRL-VLA एक रोबोट को जीवनभर सीखने वाला (lifelong learner) बनने की शिक्षा देता है, उसे अतीत के लिए एक सख्त स्मृति रक्षक और भविष्य के लिए एक लचीला मार्गदर्शक देकर, यह सुनिश्चित करता है कि वह केक बनाना सीखते समय ऑमलेट बनाना कभी न भूले।

तकनीकी सारांश: CRL-VLA

समस्या विवरण (Problem Statement)

यह शोध पत्र ओपन-वर्ल्ड रोबोटिक वातावरण में विजन-लैंग्वेज-एक्शन (VLA) मॉडल के लिए कंटीन्यूअल रिइन्फोर्समेंट लर्निंग (CRL) की चुनौती को संबोधित करता है। जबकि RL पोस्ट-ट्रेनिंग ने जटिल मैनिपुलेशन कार्यों के लिए VLA मॉडलों को संरेखित करने में प्रभावशीलता सिद्ध की है, गैर-स्थिर (non-stationary) टास्क स्ट्रीम्स के माध्यम से इस अनुकूलन क्षमता को बनाए रखने के लिए स्थिरता (stability) (पूर्व-सीखे गए कौशल को बनाए रखना) और प्लास्टिसिटी (plasticity) (नए कौशल प्राप्त करना) के बीच संतुलन बनाना आवश्यक है।

मौजूदा CRL विधियाँ बड़े पैमाने के, मल्टी-मोडल VLA आर्किटेक्चर पर लागू होने पर महत्वपूर्ण सीमाओं का सामना करती हैं:

एक्सपीरियंस रिप्ले (Experience Replay): पुराने ट्रांजिशन का पुन: उपयोग अक्सर ऑफ-पॉलिसी त्रुटियों को प्रेरित करता है जहाँ ग्रेडिएंट्स नए कार्यों के साथ संघर्ष करते हैं, जिससे लर्निंग अस्थिर हो जाती है।
सेकंड-ऑर्डर रेगुलराइजेशन (Second-order Regularization): फिशर इंफॉर्मेशन (Fisher information) जैसी विधियाँ हाई-डायमेंशनल ट्रांसफॉर्मर्स के लिए कम्प्यूटेशनल रूप से अत्यधिक महंगी हैं।
लाइटवेट कंस्ट्रेंट्स (Lightweight Constraints): KL रेगुलराइजेशन जैसी दृष्टिकोण विधियाँ केवल शॉर्ट-होरिजन व्यवहारगत समानता को लागू करती हैं, जो लॉन्ग-टर्म टास्क परफॉरमेंस को बनाए रखने में विफल रहती हैं।
बैकबोन फ्रीजिंग (Backbone Freezing): यह धारणा कि प्री-ट्रेंड रिप्रेजेंटेशन भाषा लक्ष्यों के साथ संरेखित रहते हैं, नाजुक है; टास्क शिफ्ट के तहत, बिना स्पष्ट लैंग्वेज कंडीशनिंग के वैल्यू लर्निंग ड्रिफ्ट हो जाती है, जिससे कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) होती है।

मुख्य समस्या यह पहचानना है कि निरंतर VLA लर्निंग में भूलने (forgetting) को चलाने वाला तंत्र क्या है और एक ऐसा फ्रेमवर्क विकसित करना है जो मौजूदा विधियों के कम्प्यूटेशनल या आर्किटेक्चरल ओवरहेड के बिना स्थिरता और प्लास्टिसिटी को कड़ाई से संतुलित कर सके।

कार्यप्रणाली: CRL-VLA

लेखक CRL-VLA प्रस्तावित करते हैं, जो एक यूनिफाइड थ्योरेटिकल बाउंड पर आधारित एक continual post-training फ्रेमवर्क है, जो स्थिरता-प्लास्टिसिटी ट्रेड-ऑफ को गोल-कंडीशन्ड एडवांटेज मैग्नीट्यूड (goal-conditioned advantage magnitude) से जोड़ता है।

सैद्धांतिक आधार (Theoretical Foundation)

पेपर एक यूनिफाइड परफॉरमेंस बाउंड को व्युत्पन्न करता है जो दिखाता है कि पुराने कार्यों पर प्रदर्शन में गिरावट और नए कार्यों पर सुधार, एडवांटेज मैग्नीट्यूड ( $M_g$ ) और पॉलिसी डाइवर्जेंस (जिसे KL डाइवर्जेंस द्वारा मापा जाता है) के कपलिंग द्वारा नियंत्रित होते हैं।

स्थिरता ( $M_{old}$ ): पुराने पॉलिसी का उसके स्टेट डिस्ट्रीब्यूशन पर अधिकतम एडवांटेज।
प्लास्टिसिटी ( $M_{new}$ ): नए कार्यों पर प्राप्त किया जा सकने वाला अधिकतम एडवांटेज।

लेखक प्रदर्शित करते हैं कि $M_{old}$ और $M_{new}$ को स्वतंत्र रूप से नियंत्रित किया जा सकता है:

स्टेबिलिटी कंट्रोल: $M_{old}$ को पुराने टास्क डेटा पर क्रिटिक एप्रोक्सिमेशन एरर ( $\epsilon_V$ ) द्वारा सीमित किया जाता है।
प्लास्टिसिटी कंट्रोल: नए कार्यों पर मोंटे कार्लो (MC) एस्टीमेशन का उपयोग करते समय $M_{new}$ स्वाभाविक रूप से एनवायरनमेंट के रिटर्न रेंज द्वारा सीमित होता है।

यह अंतर्दृष्टि एसिमेट्रिक रेगुलेशन (asymmetric regulation) की अनुमति देती है: पूर्व कार्यों पर एडवांटेज मैग्नीट्यूड को दबाना ताकि स्थिरता सुनिश्चित हो सके, जबकि प्लास्टिसिटी सक्षम करने के लिए नए कार्यों पर नियंत्रित विकास की अनुमति देना।

आर्किटेक्चर: ड्यूल-क्रिटिक विद गोल-कंडीशन्ड वैल्यू फॉर्म्यूलेशन (GCVF)

इस सिद्धांत को क्रियान्वित करने के लिए, CRL-VLA एक ड्यूल-क्रिटिक आर्किटेक्चर का उपयोग करता है:

फ्रोजन गोल-कंडीशन्ड वैल्यू (GCV) क्रिटिक ( $\theta_{GCV}$ ): इसे पिछले टास्क के कन्वर्ज्ड वैल्यू नेटवर्क से इनिशियलाइज़ किया जाता है और नए टास्क ट्रेनिंग के दौरान फ्रीज कर दिया जाता है। यह सिमेंटिक कंसिस्टेंसी को एंकर करता है और पुराने डेटा पर वैल्यू एप्रोक्सिमेशन एरर को सीमित करने के लिए रेफरेंस वैल्यूज़ ( $V_{old}$ ) प्रदान करता है।
ट्रेन करने योग्य MC क्रिटिक ( $\theta_{MC}$ ): इसे नए टास्क ट्राजेक्टरीज पर MC रिटर्न्स का उपयोग करके अपडेट किया जाता है। यह अनुकूलन (adaptation) को संचालित करता है और यह सुनिश्चित करता है कि नए कार्यों पर एडवांटेज मैग्नीट्यूड स्वाभाविक रूप से एनवायरनमेंट के रिवॉर्ड रेंज द्वारा सीमित रहे।

दोनों क्रिटिक्स एक यूनिफाइड बैकबोन ( $\phi$ ) साझा करते हैं लेकिन उनके हेड्स डीकपल (decoupled) हैं। वैल्यू नेटवर्क को भाषा लक्ष्यों के आधार पर कंडीशन करने के लिए MLP से पहले लैंग्वेज एम्बेडिंग्स को स्टेट रिप्रेजेंटेशन्स के साथ कॉन्कैटनेट किया जाता है, जो स्टैंडर्ड VLA वैल्यू हेड्स में खराब लैंग्वेज-गोल फॉलोइंग की समस्या को हल करता है।

ट्रेनिंग ऑब्जेक्टिव्स (Training Objectives)

कुल ट्रेनिंग लॉस चार घटकों को एकीकृत करता है जो ट्रेड-ऑफ को संतुलित करता है:
$\mathcal{L}_{total} = \mathcal{L}_{PPO} + \alpha \mathcal{L}_{KL} + \beta_V \mathcal{L}^V_{GCV} + \eta \mathcal{L}^V_{MC}$

$\mathcal{L}_{PPO}$ : ट्रस्ट रीजन कंस्ट्रेंट ( $D_{new}$ ) के साथ नए टास्क रिटर्न्स को मैक्सिमाइज करने के लिए स्टैंडर्ड PPO ऑब्जेक्टिव।
$\mathcal{L}_{KL}$ : पॉलिसी डाइवर्जेंस ( $D_{old}$ ) को बाउंड करने के लिए पुराने टास्क डेटा पर KL डाइवर्जेंस पेनल्टी।
$\mathcal{L}^V_{GCV}$ : फ्रोजन GCV क्रिटिक और वर्तमान बैकबोन के पुराने टास्क डेटा पर वैल्यू प्रेडिक्शंस के बीच कंसिस्टेंसी लॉस, जो $M_{old}$ को कंट्रोल करने के लिए $\epsilon_V$ को मिनिमाइज करता है।
$\mathcal{L}^V_{MC}$ : नए टास्क डेटा पर ट्रेन करने योग्य MC क्रिटिक के लिए लॉस, जो सटीक एडवांटेज एस्टीमेशन सुनिश्चित करता है जो रिटर्न रेंज द्वारा बाउंड है ताकि $M_{new}$ को कंट्रोल किया जा सके।

मुख्य योगदान (Key Contributions)

सैद्धांतिक अंतर्दृष्टि: पेपर ने गोल-कंडीशन्ड एडवांटेज मैग्नीट्यूड को निरंतर VLA लर्निंग में स्थिरता-प्लास्टिसिटी ट्रेड-ऑफ को नियंत्रित करने वाली प्रमुख मात्रा के रूप में पहचाना है, और यूनिफाइड बाउंड्स निकाले हैं जो इस मैग्नीट्यूड को पॉलिसी डाइवर्जेंस से जोड़ते हैं।
एसिमेट्रिक रेगुलेशन फ्रेमवर्क: CRL-VLA इस अंतर्दृष्टि को ड्यूल-क्रिटिक आर्किटेक्चर के माध्यम से क्रियान्वित करता है जो स्थिर वैल्यू सिमेंटिक्स (फ्रोजन GCV क्रिटिक) को एडेप्टिव पॉलिसी लर्निंग (ट्रेन करने योग्य MC क्रिटिक) से अलग करता है, जिससे स्थिरता और प्लास्टिसिटी का स्वतंत्र नियंत्रण संभव होता है।
गोल-कंडीशन्ड वैल्यू फॉर्म्यूलेशन (GCVF): एक नया फॉर्म्यूलेशन जो वैल्यू नेटवर्क्स को सीधे लैंग्वेज एम्बेडिंग्स पर कंडीशन करता है, जिससे लॉन्ग-होरजन वैल्यू कंसिस्टेंसी और लैंग्वेज-गोल फॉलोइंग में सुधार होता है।
अनुभवजन्य सत्यापन (Empirical Validation): LIBERO बेंचमार्क पर व्यापक प्रयोगों से पता चलता है कि CRL-VLA एंटी-फॉरगेटिंग (Backward Transfer) और फॉरवर्ड एडैप्टेशन (Forward Transfer) मेट्रिक्स दोनों में स्ट्रॉन्ग बेसलाइन्स (Sequence Learning, LWF, Experience Replay, Multi-Task Learning) से बेहतर प्रदर्शन करता है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने OpenVLA-OFT को बेस मॉडल के रूप में उपयोग करके LIBERO बेंचमार्क पर सिंगल-टास्क और मल्टी-टास्क लर्निंग परिदृश्यों में CRL-VLA का मूल्यांकन किया।

सिंगल-टास्क लर्निंग: CRL-VLA (Q-आधारित) ने उच्चतम फाइनल एवरेज रिटर्न (FAR) 0.98 प्राप्त किया, जिसमें सबसे कम फॉरगेटिंग मेट्रिक (0.03) और -0.02 का बैकवर्ड ट्रांसफर (BWT) रहा, जो सीक्वेंस लर्निंग (FAR 0.00) और स्टैंडर्ड एक्सपीरियंस रिप्ले (FAR 0.60) जैसे बेसलाइन्स से काफी बेहतर है।
मल्टी-टास्क लर्निंग: CRL-VLA (V-आधारित) ने उच्चतम FAR (0.74) और BWT (0.17) प्राप्त किया, जो MTL और ER बेसलाइन्स की तुलना में बेहतर क्रॉस-टास्क नॉलेज शेयरिंग और कैटास्ट्रोफिक फॉरगेटिंग के प्रति प्रतिरोध प्रदर्शित करता है।
एब्लेशन स्टडीज (Ablation Studies):
- लॉस वेट्स (Loss Weights): GCV और KL लॉस के लिए मध्यम वेट्स को इष्टतम पाया गया; अत्यधिक वेट्स ने अपडेट्स को बहुत अधिक बाधित किया, जबकि अपर्याप्त वेट्स एडवांटेज मैग्नीट्यूड को दबाने में विफल रहे।
- GCV की आवश्यकता: GCV घटक को हटाने से सफलता दर में भारी गिरावट आई (विशिष्ट एब्लेशन सेटिंग्स में FAR 0.31 से गिरकर 0.29 हो गया) और फॉरगेटिंग बढ़ गई, जो लैंग्वेज-कंडीशन्ड वैल्यू एंकरिंग के महत्व की पुष्टि करता है।
- V बनाम Q: Q-आधारित वेरिएंट ने सिंगल-टास्क परिदृश्यों में बेहतर प्रदर्शन किया, जबकि V-आधारित वेरिएंट ने उन मल्टी-टास्क वातावरणों में मजबूती दिखाई जहाँ स्टेट-गोल डिस्ट्रीब्यूशन अधिक विविध होते हैं।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि CRL-VLA, VLA मॉडलों को लाइफलॉन्ग रोबोटिक परिदृश्यों में तैनात करने के लिए एक सिद्धांतिक और प्रभावी मार्ग प्रदान करता है। कठोर सैद्धांतिक बाउंड्स को व्युत्पन्न करके और उन्हें एक सरल ड्यूल-क्रिटिक आर्किटेक्चर में बदलकर, यह विधि महंगे सेकंड-ऑर्डर कंप्यूटेशन या बड़े रिप्ले बफ़र्स की आवश्यकता के बिना स्थिरता-प्लास्टिसिटी द्वंद्व को हल करती है।

लेखक कहते हैं कि उनका कार्य एडवांटेज मैग्नीट्यूड कंट्रोल के माध्यम से VLA कंटीन्यूअल लर्निंग में स्थिरता-प्लास्टिसिटी ट्रेड-ऑफ को स्पष्ट रूप से मॉडल करने वाला पहला कार्य है। वे जोर देते हैं कि CRL-VLA प्रभावी ढंग से विरोधाभासी उद्देश्यों को सामंजस्यपूर्ण बनाता है, जिससे एजेंटों को पूर्व ज्ञान को बनाए रखते हुए नए कौशल निरंतर प्राप्त करने की अनुमति मिलती है, जिससे ओपन-वर्ल्ड वातावरण में एम्बोडीड एजेंट्स के लिए लाइफलॉन्ग लर्निंग की व्यवहार्यता बढ़ती है। भविष्य के कार्यों के लिए इस फ्रेमवर्क को अधिक विविध टास्क स्ट्रीम्स तक विस्तारित करने का सुझाव दिया गया है, जिसमें आंशिक अवलोकन (partial observability) और गैर-स्थिर भाषा लक्ष्य शामिल हैं।