LeRobot: An Open-Source Library for End-to-End Robot Learning
यह शोध पत्र \texttt{lerobot} को प्रस्तुत करता है, जो एक ओपन-सोर्स लाइब्रेरी है जिसे हार्डवेयर नियंत्रण और डेटासेट प्रबंधन से लेकर स्केलेबल एल्गोरिदम कार्यान्वयन तक संपूर्ण रोबोट लर्निंग स्टैक को एकीकृत करने के लिए डिज़ाइन किया गया है, जिससे प्रवेश की बाधाएं कम होती हैं और वास्तविक दुनिया की रोबोटिक्स में पुनरुत्पादक, डेटा-संचालित प्रगति को बढ़ावा मिलता 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 सैंडविच बनाना सिखाना चाहते हैं।
पुराने दिनों में, रोबोटिक्स के क्षेत्र में आपको एक साथ एक मास्टर शेफ और एक मैकेनिकल इंजीनियर दोनों होना पड़ता था। आपको हर एक हरकत के लिए एक विशिष्ट रेसिपी लिखनी पड़ती थी: "हाथ को 3 इंच बाईं ओर ले जाएं, कलाई को 15 डिग्री घुमाएं, 2 न्यूटन का दबाव डालें।" यदि ब्रेड थोड़ी दबी हुई होती या मेज असमान होती, तो रोब tersebut विफल हो जाता क्योंकि आपकी "रेसिपी" ने उस स्थिति को ध्यान में नहीं रखा था। यह एक कुत्ते को गेंद लाने के लिए सिखाने जैसा था, जहाँ आपको उसकी हर मांसपेशी की हरकत के लिए एक जटिल गणितीय समीकरण लिखना पड़ता। यह एक आदर्श लैब में तो काम करता, लेकिन वास्तविक दुनिया की अव्यवस्था में विफल हो जाता।
"रोबोट लर्निंग" का आगमन।
रेसिपी लिखने के बजाय, हम रोबोट को हजारों सैंडविच बनाते हुए देखते हैं। रोबोट करके सीखता है, डेटा में पैटर्न ढूंढता है। यह साइकिल चलाने के बारे में एक पाठ्यपुस्तक पढ़ने और वास्तव में साइकिल पर चढ़कर गिरने और फिर से संभलने के बीच के अंतर जैसा है। आपके पास जितना अधिक डेटा (गिरना) और कंप्यूटिंग पावर (मांसपेशियों की स्मृति/मसल मेमोरी) होगा, रोबोट उतना ही बेहतर होता जाएगा।
समस्या: एक अस्त-व्यस्त रसोई
हालाँकि "करके सीखने" का यह दृष्टिकोण अद्भुत है, लेकिन इन रोबोटों को बनाने के उपकरण एक दुस्वप्न की तरह थे।
- हार्डवेयर: कुछ रोबोट "रोबोट भाषा A" बोलते थे, अन्य "रोबोट भाषा B" बोलते थे। यदि आप एक सस्ते हाथ से एक महंगे हाथ पर स्विच करना चाहते थे, तो आपको अपना पूरा कोड फिर से लिखना पड़ता था।
- डेटा: एक टीम ने अपने रोबोट के "अभ्यास सत्रों" को
data.jsonनामक फ़ाइल में सहेजा, दूसरी नेvideo.mp4का उपयोग किया, और तीसरी ने एक गुप्त कोड का। आप अपने रोबोट को स्मार्ट बनाने के लिए उनके डेटा को अपने डेटा के साथ आसानी से नहीं मिला सकते थे। - दिमाग (Brains): वे AI मॉडल जो रोबोट को सोचने में मदद करते थे, अक्सर अलग-अलग बक्सों में बंद थे, जिन्हें रोबोट की वास्तविक मांसपेशियों से जोड़ना कठिन था।
यह एक ऐसी कार बनाने जैसा था जहाँ इंजन, पहिए और स्टीयरिंग व्हील अलग-अलग निर्माताओं के हों, जिनमें से कोई भी एक ही भाषा नहीं बोलता हो, और आपको उन्हें खुद वेल्ड करके जोड़ना पड़ता हो।
समाधान: LeRobot (रोबोट्स के लिए "यूनिवर्सल एडाप्टर")
यह पेपर LeRobot को पेश करता है, जो एक ओपन-सोर्स लाइब्रेरी है जो पूरी रोबोट लर्निंग प्रक्रिया के लिए एक यूनिवर्सल पावर स्ट्रिप और निर्देश पुस्तिका की तरह कार्य करती है। यह रोबोट के भौतिक मोटरों से लेकर उसके दिमाग तक सब कुछ एक ही स्थान पर जोड़ती है।
यहाँ बताया गया है कि LeRobot कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:
1. यूनिवर्सल रिमोट कंट्रोल (मिडलवेयर)
कल्पना कीजिए कि आपके पास एक टीवी, एक साउंड सिस्टम और एक गेमिंग कंसोल है। आमतौर पर, आपको तीन अलग-अलग रिमोट की आवश्यकता होती है। LeRobot एक यूनिवर्सल रिमोट की तरह है जो उन सभी के लिए काम करता है।
- यह शोधकर्ताओं को बहुत अलग-अलग रोबोट्स (सस्ते, 3D-प्रिंटेड हाथों से लेकर महंगे मानव-समान हाथों तक) को एक ही सरल कोड का उपयोग करके नियंत्रित करने की अनुमति देता है।
- आपको रोबोट के मोटरों की विशिष्ट "भाषा" जानने की आवश्यकता नहीं है; LeRobot आपके आदेशों का अनुवाद करता है ताकि रोबोट उन्हें समझ सके।
2. एक विशाल, साझा रेसिपी बुक (डेटासेट्स)
अतीत में, यदि आप खाना बनाना सीखना चाहते थे, तो आपको एक ऐसा कुकबुक ढूंढना पड़ता था जो आपके विशिष्ट चूल्हे से मेल खाता हो। LeRobot LeRobotDataset पेश करता है, जो रोबोट डेटा के लिए एक मानकीकृत प्रारूप है।
- इसे एक यूनिवर्सल रेसिपी बुक के रूप में सोचें। चाहे डेटा टोक्यो की लैब में एक रोबोट से आया हो या कैलिफोर्निया के गैरेज से, वह सब एक ही भाषा में लिखा गया है।
- यह शोधकर्ताओं को डेटा को मिलाने और जोड़ने की अनुमति देता है। यदि 1,000 लोग कप उठाने का डेटा अपलोड करते हैं, तो रोबोट तुरंत उनसे सीख सकता है, जिससे वह केवल एक व्यक्ति से सीखने की तुलना में बहुत अधिक स्मार्ट हो जाता है।
- "स्ट्रीमिंग" विशेषता: आमतौर पर, आपको पूरी किताब पढ़ने से पहले उसे डाउनलोड करना पड़ता है। LeRobot आपको डेटा स्ट्रीम करने की अनुमति देता है। आप पूरी लाइब्रेरी डाउनलोड किए बिना एक पेज (या एक वीडियो फ्रेम) तुरंत पढ़ सकते हैं, जिससे समय और स्टोरेज स्पेस की भारी बचत होती है।
3. दिमाग और शरीर (इन्फरेंस)
यह सबसे चतुर हिस्सा है। आमतौर पर, एक रोबोट का "दिमाग" (AI सोचना) और उसका "शरीर" (मोटर चलना) एक ही कंप्यूटर पर चिपके होते हैं। यदि दिमाग बहुत धीमा है, तो रोबोट लड़खड़ा जाएगा।
- LeRobot दिमाग को शरीर से अलग करता है। यह "दिमाग" को क्लाउड (या एक अलग सर्वर) पर एक शक्तिशाली, महंगे सुपरकंप्यूटर पर रहने की अनुमति देता है, जबकि रोबोट का "शरीर" बस इंटरनेट के माध्यम से निर्देशों को सुनता है।
- रिले रेस की उपमा: कल्पना कीजिए कि एक रिले रेस में। "दिमाग" दौड़ के अगले 10 कदमों की भविष्यवाणी करता है जबकि "शरीर" वर्तमान में कदम 5 पर दौड़ रहा है। जब तक शरीर कदम 5 पूरा करता है, दिमाग पहले से ही कदम 6 से 10 तैयार कर चुका होता है। इससे रोबोट अविश्वसनीय रूप से तेज़ और सुचारू हो जाता है, भले ही दिमाग जटिल गणित कर रहा हो।
4. रोबोटिक कौशल के लिए "ऐप स्टोर"
LeRobot के साथ पूर्व-निर्मित "ऐप्स" (एल्गोरिदम) आते हैं।
- यदि आप चाहते हैं कि रोबोट ब्लॉक को एक के ऊपर एक रखना सीखे, तो आपको सोचने का नया तरीका आविष्कार करने की आवश्यकता नहीं है। आप बस एक प्री-ट्रेंड मॉडल (जैसे ACT या Diffusion Policy) डाउनलोड कर सकते हैं जो पहले से ही यह जानता है कि इसे कैसे करना है।
- यह अपने फोन पर गेम डाउनलोड करने जैसा है बजाय इसके कि आप गेम को शुरू से कोड करें। आप इन प्री-ट्रेंड मॉडल्स को ले सकते हैं और रोबोट को नए करतब सिखाने के लिए अपने स्वयं के डेटा के साथ उन्हें "फाइन-ट्यून" भी कर सकते हैं।
यह क्यों मायने रखता है?
LeRobot से पहले, एक स्मार्ट रोबोट बनाने के लिए पीएचडी की एक टीम, एक बड़ा बजट और रोबोट को हिलाने के लिए महीनों की कोडिंग की आवश्यकता होती थी।
- पहुंच (Accessibility): LeRobot बाधा को कम करता है। अब, एक छात्र जिसके पास $200 का 3D-प्रिंटेड रोबोटिक हाथ है, वह उन्हीं शक्तिशाली उपकरणों तक पहुंच सकता है जिनका उपयोग एक अरब डॉलर की टेक कंपनी करती है।
- खुलापन (Openness): सब कुछ मुफ्त और खुला है। यदि कोई रोबोट को सिखाने का बेहतर तरीका आविष्कार करता है, तो वे इसे तुरंत साझा कर सकते हैं, और बाकी सभी इसका तुरंत उपयोग कर सकते हैं।
- गति: क्योंकि हर कोई एक ही टूल का उपयोग कर रहा है और डेटा साझा कर रहा है, इसलिए रोबोटिक्स का पूरा क्षेत्र बहुत तेज़ी से आगे बढ़ रहा है।
संक्षेप में:
LeRobot रोबोट्स के भविष्य का ऑपरेटिंग सिस्टम है। जिस तरह Windows या iOS ने किसी को भी अपने कंप्यूटर के लिए ऐप्स बनाने की अनुमति दी, उसी तरह LeBot रोबोट्स के लिए "दिमाग" बनाने की अनुमति देता है। यह रोबोटिक्स की जटिल, खंडित दुनिया को एक एकीकृत, सुलभ खेल के मैदान में बदल देता है जहाँ शोधकर्ता टूटे हुए केबलों और असंगत कोड से जूझने के बजाय, मजेदार हिस्से पर ध्यान केंद्रित कर सकते हैं: रोबोट को अद्भुत चीजें करना सिखाना।
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।