TaSA: Two-Phased Deep Predictive Learning of Tactile Sensory Attenuation for Improving In-Grasp Manipulation
यह शोध पत्र TaSA को प्रस्तुत करता है, जो मानव संवेदी क्षीणन (human sensory attenuation) से प्रेरित एक दो-चरणीय गहन भविष्य कहनेवाला शिक्षण ढांचा (two-phased deep predictive learning framework) है, जो कुशल इन-हैंड रोबोटिक हेरफेर कार्यों की सफलता दर में उल्लेखनीय सुधार करने के लिए स्वयं-जनित स्पर्श संकेतों को बाहरी वस्तु संपर्कों से अलग 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 मोटे, रोएंदार दस्ताने पहनकर सुई में धागा पिरोने की कोशिश कर रहे हैं। अब, कल्पना कीजिए कि हर बार जब आपकी उंगलियां एक-दूसरे से टकराती हैं, तो आपका मस्तिष्क चिल्लाता है, "मुझे कुछ छू रहा है!" जिससे यह पहचानना असंभव हो जाता है कि आप वास्तव में सुई को छू रहे हैं या केवल अपने दस्ताने को। यही वह समस्या है जिसका सामना रोबोट तब करते हैं जब वे अपने हाथों से नाजुक कार्य करने की कोशिश करते हैं।
यह शोध पत्र एक समाधान पेश करता है जिसे TaSA (टैक्टाइल सेंसरी एटेन्यूएशन - Tactile Sensory Attenuation) कहा जाता है। इसे एक रोबोट को अपने शरीर के "शोर" को अनदेखा करना सिखाने के रूप में समझें ताकि वह उस वस्तु के सूक्ष्म संकेत को सुन सके जिसे वह पकड़े हुए है।
यह कैसे काम करता है, यहाँ सरल चरणों में दिया गया है:
समस्या: रोबोट का "आंतरिक शोर"
जब हम अपने हाथों को हिलाते हैं, तो हमारा मस्तिष्क एक चतुर तकनीक का उपयोग करता है जिसे सेंसरी एटेन्यूएशन (Sensory Attenuation) कहते हैं। यदि आप खुद को गुदगुदी करते हैं, तो यह आपको अजीब नहीं लगता क्योंकि आपका मस्तिष्क उस संवेदना की भविष्यवाणी कर लेता है और उसे रद्द कर देता है। यह केवल अनपेक्षित स्पर्शों पर ध्यान देता है (जैसे आपके हाथ पर किसी कीड़े का बैठना)।
रोबनों के पास यह तकनीक नहीं होती। जब एक रोबोट किसी वस्तु को पकड़े हुए अपनी उंगलियों को हिलाता है (स्वयं का स्पर्श), तो उसके सेंसर डेटा से भर जाते हैं। वह यह अंतर नहीं कर पाता कि "मेरी उंगली मेरी दूसरी उंगली से टकराई है" और "मेरी उंगली उस सिक्के से टकराई है जिसे मैं उठाने की कोशिश कर रहा हूँ।" यह भ्रम अक्सर रोबोट को वस्तु को कुचलने या उसे गिराने की ओर ले जाता है।
समाधान: एक दो-चरणीय सीखने की प्रक्रिया
शोधकर्ताओं ने एक प्रणाली बनाई जो रोबोट को अपने स्वयं के "आंतरिक शोर" की भविष्यवाणी करना और उसे घटाना (subtract) सिखाती है, जिससे केवल "वास्तविक" संकेत ही शेष रह जाता है। उन्होंने इसे दो चरणों में किया:
चरण 1: "सेल्फ-टच" (स्वयं के स्पर्श) की पटकथा सीखना
सबसे पहले, उन्होंने रोबोट को एक विशिष्ट कौशल सिखाया: यह भविष्यवाणी करना कि जब उसकी उंगलियां एक-दूसरे को छूती हैं तो कैसा महसूस होता है।
- उपमा: एक संगीतकार को पियानो पर स्केल का अभ्यास करते हुए कल्पना करें। वे नोट्स को बार-बार बजाते हैं जब तक कि उन्हें पता न चल जाए कि वह ध्वनि कैसी सुनाई देनी चाहिए।
- रोबोट ने क्या किया: रोबोट ने बिना कुछ पकड़े अपनी उंगलियों को हिलाया। उसने अपनी उंगलियों की स्थिति को देखना और यह कहना सीखा, "यदि मैं अंगूठे को यहाँ हिलाता हूँ, तो मैं जानता हूँ कि मेरी तर्जनी उंगली को कितना दबाव महसूस होगा।" उसने अपने शरीर के स्पर्श का एक सटीक मानसिक मानचित्र तैयार किया।
चरण 2: "नॉइज़-कैंसलिंग" हेडफ़ोन
इसके बाद, उन्होंने रोबोट को सिखाया कि वास्तविक कार्यों को करते समय उस मानचित्र का उपयोग कैसे किया जाए।
- उपमा: नॉइज़-कैंसलिंग हेडफ़ोन के बारे में सोचें। वे बाहरी दुनिया (संगीत) को सुनते हैं लेकिन साथ ही बैकग्राउंड के शोर (हवाई जहाज के इंजन की गूंज) को भी सुनते हैं और उसे रद्द करने के लिए विपरीत ध्वनि उत्पन्न करते हैं।
- रोबोट ने क्या किया: जब रोबोट ने किसी वस्तु को उठाने की कोशिश की, तो उसने अपने "चरण 1" वाले मस्तिष्क का उपयोग किया और भविष्यवाणी की, "मैं जानता हूँ कि मेरी उंगलियां अभी एक-दूसरे को छू रही हैं, इसलिए मुझे इतना दबाव महसूस होने की उम्मीद है।" फिर उसने वास्तविक सेंसर रीडिंग में से उस अपेक्षित दबाव को घटा दिया।
- परिणाम: यदि सेंसर ने भविष्यवाणी किए गए दबाव से अधिक दबाव महसूस किया, तो रोबोट समझ गया, "आह! यह अतिरिक्त दबाव वस्तु के कारण है!" इससे वह अपने स्वयं के अंगों और वस्तु के बीच अंतर करने में सक्षम हुआ।
परीक्षण: तीन कठिन कार्य
टीम ने इस "शोर को कम करने" की क्षमता का परीक्षण तीन बहुत ही नाजुक कार्यों पर किया जहाँ एक छोटी सी गलती वस्तु को तोड़ सकती है:
- पेपरक्लिप ठीक करना: पेपरक्लिप को कागज के टुकड़े पर खिसकाना।
- सिक्के डालना: एक संकीले स्लॉट में अलग-अलग आकार के सिक्के डालना।
- पेंसिल लीड: एक छोटी, नाजुक पेंसिल लीड को मैकेनिकल पेंसिल में डालना।
उन्होंने TaSA का उपयोग करने वाले रोबोटों की तुलना उन रोबोटों से की जो केवल कच्चे सेंसर डेटा ( "शोर वाले" संस्करण) का उपयोग करते थे।
परिणाम: शोर को शांत करें, संकेत को सुनें
परिणाम स्पष्ट थे:
- "शोर वाले" रोबोट: संघर्ष करते रहे। वे अक्सर सोचते थे कि उन्होंने कार्य पूरा कर लिया है जबकि उन्होंने नहीं किया था, या वे वस्तुओं को कुचल देते थे क्योंकि वे अपने स्वयं के अंगों और वस्तु के बीच अंतर नहीं कर पाते थे।
- "TaSA" वाले रोबोट: बहुत अधिक सफल रहे। अपने स्वयं के "सेल्फ-टच" को अनदेखा करके, वे वास्तविक वस्तु के प्रति अत्यधिक संवेदनशील हो गए।
- सिक्के वाले कार्य में, वे लगभग 68% सफलता से 92% सफलता तक पहुँच गए।
- सबसे कठिन कार्य (पेंसिल लीड) में, उन्होंने अपनी सफलता दर को 26% से दोगुने से अधिक बढ़ाकर 58% कर दिया।
निष्कर्ष
यह शोध पत्र सिद्ध करता है कि एक रोबोट के वास्तव में कुशल (dexterous) होने के लिए, उसे अपने शरीर को समझना आवश्यक है। रोबोट को अपने स्वयं के स्पर्श की भविष्यवाणी करना और उसे अनदेखा करना सिखाकर, वह अंततः उन वस्तुओं को हेरफेर करने के सूक्ष्म संकेतों को "सुन" सकता है जिन्हें वह नियंत्रित करने की कोशिश कर रहा है। यह अधिक महसूस करने के बारे में नहीं है; यह अपने अस्तित्व के शोर को फ़िल्टर करके बेहतर तरीके से महसूस करने के बारे में 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।