RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation
RoboGene एक एजेंटिक फ्रेमवर्क है जो विविधता-संचालित सैंपलिंग, आत्म-चिंतन और मानव-इन-द-लूप रिफाइनमेंट के माध्यम से विविध, भौतिक रूप से प्रशंसनीय रोबोटिक मैनिपुलेशन कार्यों के निर्माण को स्वचालित करता है, जो वास्तविक दुनिया के डेटा पर विजन-लैंग्वेज-एक्शन (VLA) मॉडल के प्री-ट्रेनिंग प्रदर्शन और सामान्यीकरण को महत्वपूर्ण रूप से बढ़ाता 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 रोबोट को अपने घर के लिए एक मददगार बटलर (बड़ा नौकर) बनने की ट्रेनिंग दे रहे हैं। आप चाहते हैं कि वह कुछ भी कर सके: कॉफी बनाना, कपड़े तह करना, टपकते नल को ठीक करना, या यहाँ तक कि एक बिखरी हुई किताबों की अलमारी को व्यवस्थित करना।
समस्या क्या है? रोबots शून्य से सीखने में बहुत खराब होते हैं। उन्हें यह समझने के लिए हजारों उदाहरणों की आवश्यकता होती है कि चीजों को तोड़े बिना अपने हाथों को कैसे हिलाया जाए। लेकिन एक कंप्यूटर के विपरीत जो सेकंडों में लाखों बिल्ली के वीडियो डाउनलोड कर सकता है, एक रोबोट अनुभव "डाउनलोड" नहीं कर सकता। हर बार जब वह सीखता है, तो उसे शारीरिक रूप से अपना हाथ हिलाना पड़ता है, किसी वस्तु को उठाना पड़ता है, और फिर से प्रयास करना पड़ता है। यह धीमा, महंगा और जोखिम भरा है (कल्पना कीजिए कि सीखते समय एक रोबोट आपका पसंदीदा फूलदान तोड़ देता है)।
वर्तमान में, इंसानों को हर उस कार्य को मैन्युअल रूप से लिखना पड़ता है जिसे रोबोट को सीखना चाहिए (जैसे, "लाल कप उठाओ," "दराज खोलो")। लेकिन इंसान पक्षपाती होते हैं। हम उन सरल, उबाऊ कार्यों को लिखने की प्रवृत्ति रखते हैं जिन्हें हम रोज देखते हैं, जैसे "एक कप उठाना।" हम अजीब, कठिन या दुर्लभ चीजों को भूल जाते हैं (जैसे "फिसलन भरे ढक्कन वाले जार को खोलना" या "मिश्रित पेंचों के ढेर को छाँटना")। इससे रोबोट की शिक्षा असंतुलित हो जाती है: वह कप उठाने में तो माहिर है लेकिन बाकी सब चीजों के मामले में अनभिज्ञ है।
पेश है, RoboGene।
RoboGene को एक रोबोट के रूप में नहीं, बल्कि एक सुपर-ऑर्गनाइज्ड, हाइपर-क्रिटिकल "टास्क शेफ" (कार्य रसोइया) के रूप में सोचें जो रोबोट के अभ्यास के लिए निर्देशों का एक विशाल और विविध मेनू तैयार करता है। यह सुनिश्चित करने के लिए कि रोबोट को कौशल का एक संतुलित आहार मिले, यह एक विशेष रेसिपी का उपयोग करता है।
यहाँ बताया गया है कि RoboGene कैसे काम करता है, जिसे तीन सरल चरणों में विभाजित किया गया है:
1. "सबसे कम खाया जाने वाला" मेनू (विविधता-संचालित सैंपलिंग)
एक बुफे की कल्पना करें जहाँ हर कोई बार-बार वही तीन व्यंजन ले रहा है (पिज्जा, फ्राइज़, सोडा)। मेज पर मौजूद अन्य 90 व्यंजन सड़ रहे हैं।
- RoboGene क्या करता है: यह इस बात का हिसाब रखता है कि रोबोट ने पहले से ही किसका अभ्यास किया है। यदि रोबोट ने "कप उठाना" 1,000 बार किया है, तो RoboGene कहता है, "आज और कप नहीं!" इसके बजाय, यह उसे "दुर्लभ" व्यंजनों को आजमाने के लिए मजबूर करता है: "एक फिसलन भरी मछली उठाना," "एक गीला तौलिया तह करना," या "जेन्गा ब्लॉक्स का टावर बनाना।"
- परिणाम: रोबोट को एक संतुलित शिक्षा मिलती है, जिससे वह केवल उबाऊ चीजों के बजाय दुर्लभ वस्तुओं और जटिल कौशलों के बारे में सीखता है।
2. "सख्त फूड क्रिटिक" (आत्म-चिंतन)
कभी-कभी, यदि आप केवल एक स्मार्ट AI से "कोई कार्य आविष्कार करने" के लिए कहते हैं, तो वह बहुत रचनात्मक हो सकता है। वह कह सकता है, "चाँद को उठाओ" या "छलनी में पानी डालो।" ये असंभव हैं!
- RoboGene क्या करता है: किसी कार्य को रोबोट को भेजने से पहले, यह इसे तीन सख्त फूड क्रिटिक्स (AI द्वारा संचालित) के पैनल से गुजारता है:
- द फिजिक्स कॉप (भौतिकी पुलिस): "क्या एक रोबोट का हाथ वास्तव में वहां तक पहुँच सकता है? क्या वस्तु बहुत भारी है? क्या यह गिर जाएगी?"
- द नोवेल्टी जज (नवीनता न्यायाधीश): "क्या यह बहुत आसान है? क्या यह हमारे द्वारा किए गए किसी काम की नकल मात्र है?"
- द रियलिटी चेक (वास्तविकता की जाँच): "क्या आपने गलती से कोई ऐसी नई वस्तु बना दी है जो हमारी रसोई में मौजूद ही नहीं है?"
- परिणाम: यदि कोई कार्य असंभव या बेतुका है, तो क्रिटिक्स इसे ठीक करने के लिए शेफ को वापस भेज देते हैं। केवल "भौतिक रूप से संभव" और "दिलचस्प" कार्य ही रोबोट तक पहुँच पाते हैं।
3. "मेमोरी बुक" (ह्यूमन-इन-द-लूप)
क्रिटिक्स के होने के बावजूद, कभी-कभी कोई कार्य कागज पर अच्छा दिखता है लेकिन असल जिंदगी में विफल हो जाता है। शायद रोबोट दराज खोलने की कोशिश करता है, लेकिन हैंडल फंसा हुआ है, या रोबोट का हाथ फिसल जाता है।
- RoboGene क्या करता है: जब एक मानव ऑपरेटर देखता है कि रोबोट संघर्ष कर रहा है, तो वे केवल "फेल" नहीं कहते। वे समझाते हैं कि क्यों ("हैंडल एक हाथ के लिए बहुत फिसलन भरा है")। RoboGene इस सबक को एक डिजिटल मेमोरी बुक में लिख लेता है।
- परिणाम: अगली बार, RoboGene अपनी मेमोरी बुक पढ़ता है और कहता है, "आह, मुझे वह फिसलन भरा हैंडल याद है। मैं सुनिश्चित करूँगा कि अगला कार्य किसी अलग टूल का उपयोग करे या दो हाथों वाली पकड़ का उपयोग करे।" सिस्टम समय के साथ स्मार्ट और स्मार्ट होता जाता है, और अपनी गलतियों से सीखता है।
यह क्यों महत्वपूर्ण है?
शोधकर्ताओं ने इसका परीक्षण करने के लिए RoboGene को रोबोटों के लिए 18,000 अलग-अलग अभ्यास कार्य उत्पन्न करने के लिए कहा। फिर उन्होंने एक रोबोट ब्रेन (VLA मॉडल) को इस डेटा पर प्रशिक्षित किया।
परिणाम? रोबोट एक सुपरहीरो बन गया।
जब उन्होंने इसे बिल्कुल नई, अजीब स्थितियों (जैसे अलग लाइटिंग वाला कमरा, या कचरे से भरी मेज) पर टेस्ट किया, तो RoboGene द्वारा प्रशिक्षित रोबोट मानक AI या मानव-लिखित सूचियों द्वारा प्रशिक्षित रोबोटों की तुलना में तीन गुना अधिक बार सफल रहा।
संक्षेप में:
RoboGene एक रोबोट के लिए पर्सनल ट्रेनर की तरह है। रोबोट को बार-बार एक ही भारी वजन उठाने देने के बजाय (जैसा कि इंसान करते हैं), RoboGene एक विविध, चुनौतीपूर्ण और सुरक्षित वर्कआउट रूटीन डिजाइन करता है जो रोबोट को किसी भी स्थिति का सामना करने के लिए तैयार करता है। यह रोबोट को सिखाने की "बोरियत" और "असंभवता" की समस्याओं को हल करता है, जिससे ऐसे रोबोटों का मार्ग प्रशस्त होता है जो वास्तव में वास्तविक दुनिया में हमारी मदद 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।