TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception -- Don't Treat All Uncertainty the Same

यहाँ शोध पत्र "TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

वर्तमान अनिश्चितता-जागरूक (uncertainty-aware) रोबोटिक सिस्टम आमतौर पर भविष्यवाणी की अनिश्चितता को एक एकल स्केलर स्कोर (single scalar score) में समाहित कर देते हैं। यह एकत्रीकरण अनिश्चितता के स्रोत को अस्पष्ट कर देता है, जिससे एक महत्वपूर्ण विफलता मोड उत्पन्न होता है:

• एलियटोरिक अनिश्चितता (Aleatoric Uncertainty): यह दूषित अवलोकनों (सेंसर शोर, अवरोध/occlusion, कैलिब्रेशन ड्रिफ्ट) से उत्पन्न होती है।
• एपिस्टेमिक अनिश्चितता (Epistemic Uncertainty): यह मॉडल मिसमैच (डायनामिक्स शिफ्ट, घर्षण परिवर्तन, व्यूपॉइंट शिफ्ट) से उत्पन्न होती है।

जब इन्हें एक एकल सिग्नल के रूप में माना जाता है, तो सिस्टम एक समान सुधारात्मक प्रतिक्रिया (uniform corrective response) लागू करता है (जैसे, धीमा होना या अत्यधिक रूढ़िवादी होना) चाहे मूल कारण कुछ भी हो। इसके परिणामस्वरूप अक्सर गलत हस्तक्षेप (intervention) होता है (जैसे, जब समस्या वास्तव में सेंसर शोर हो, तब कंट्रोल को डैम्प करना), जो प्रदर्शन को एक मानक, गैर-अनिश्चितता-जागरूक पॉलिसी से भी नीचे गिरा सकता है। यह शोध तर्क देता है कि अलग-अलग व्यवधान तंत्रों (disturbance mechanisms) के लिए अलग-अलग, प्रकार-विशिष्ट प्रतिक्रियाओं की आवश्यकता होती है।

2. कार्यप्रणाली: TRIEGE फ्रेमवर्क (Methodology: The TRIGE Framework)

लेखक एक हल्का पोस्ट-हॉक फ्रेमवर्क (lightweight post-hoc framework) प्रस्तावित करते हैं जो अनुमान के समय अनिश्चितता को एलियटोरिक और एपिस्टेमिक घटकों में विभाजित करता है, और इन सिग्नलों का उपयोग प्राथमिक पॉलिसी को पुन: प्रशिक्षित किए बिना विशिष्ट सिस्टम प्रतिक्रियाओं को नियंत्रित (gate) करने के लिए करता है।

A. अनिश्चितता अनुमान (Uncertainty Estimation)

1. एलियटोरिक अनुमान (अवलोकन घनत्व/Observation Density):

   • लक्ष्य: सेंसर भ्रष्टाचार का पता लगाना।
   • विधि: यह अवलोकन स्थान (observation space) पर एक महालनोबिस दूरी (Mahalanobis distance) मॉडल का उपयोग करता है। यह एक संक्षिप्त कैलिब्रेशन रोलआउट के दौरान सीखे गए नाममात्र वितरण (nominal distribution) से वर्तमान अवलोकन के विचलन की गणना करता है।
   • तर्क: उच्च महालनोबिस दूरी इंगित करती है कि अवलोकन एक आउटलायर (संभवतः शोर) है, जो 'ऑब्जर्वेशन रिकवरी' को सक्रिय करता है।

2. एपिस्टेमिक अनुमान (डायनामिक्स मिसमैच):

   • लक्ष्य: सिस्टम डायनामिक्स में परिवर्तन (जैसे, द्रव्यमान परिवर्तन, घर्षण) का पता लगाना।
   • विधि: यह एक शोर-मजबूत फॉरवर्ड डायनामिक्स एन्सेम्बल (noise-robust forward dynamics ensemble) (5 MLPs) का उपयोग करता है।
   • मुख्य नवाचार: एन्सेम्बल को शोर-संवर्धित इनपुट (noise-augmented inputs) (साफ, 1x शोर, 2x शोर) के साथ साफ (clean) ट्रांजिशन लक्ष्यों पर प्रशिक्षित किया गया है। यह मॉडल को सेंसर शोर के प्रति अपरिवर्तित (invariant) अंतर्निहित डायनामिक्स सीखने के लिए मजबूर करता है।
   • तर्क: यदि मॉडल की शोर-मजबूती के बावजूद भविष्यवाणी त्रुटि (prediction error) काफी बढ़ जाती है, तो यह वास्तविक भौतिक डायनामिक्स में बदलाव (मॉडल मिसमैच) को दर्शाता है, न कि केवल सेंसर शोर को।

B. प्रकार-विशिष्ट हस्तक्षेप (Type-Specific Interventions)

यह फ्रेमवर्क इस आधार पर हस्तक्षेपों को रूट करता है कि कौन सा अनिश्चितता सिग्नल थ्रेशोल्ड से ऊपर जाता है:

• उच्च एलियटोरिक अनिश्चितता $\rightarrow$ ऑब्जर्वेशन रिकवरी:
  • यह (सिमुलेशन में) सेंसर मॉडल के पुन: नमूनाकरण (resampling) या एक डीनॉइज़िंग फ़िल्टर (जैसे, कलमन फ़िल्टर) को सक्रिय करने को ट्रिगर करता है ताकि एक स्वच्छ स्टेट एस्टीमेट प्राप्त किया जा सके।
  • कंट्रोल इनपुट अपरिवर्तित रहता है।
• उच्च एपिस्टेमिक अनिश्चितता $\rightarrow$ एक्शन डैम्पनिंग (Action Dampening):
  • यह कंट्रोल एक्शन के परिमाण को कम करता है ($a'_t = (1-\alpha)a_t$) ताकि पॉलिसी को उस डायनामिक्स शिफ्ट के प्रति अत्यधिक प्रतिक्रिया करने से रोका जा सके जिसे उसने नहीं सीखा है।
  • ऑब्जर्वेशन अपरिवर्तित रहता है।

C. ऑर्थोगोनैलिटी (Orthogonality)

प्रायोगिक रूप से दिखाया गया है कि दोनों सिग्नल लगभग ऑर्थोगोनल हैं (सहसंबंध $r \approx 0.048$)। यह सुनिश्चित करता है कि हस्तक्षेप स्वतंत्र रूप से ट्रिगर होते हैं और एक दूसरे में हस्तक्षेप नहीं करते हैं, जैसा कि एकत्रित (aggregated) अनिश्चितता बेसलाइन में होता है।

3. मुख्य योगदान (Key Contributions)

1. सिद्धांत-आधारित अपघटन (Principled Decomposition): एक पोस्ट-हॉक फ्रेमवर्क जो एलियटोरिक और एपिस्टेमिक अनिश्चितता को अलग करता है और उन्हें विशिष्ट, भौतिक रूप से संरेखित सुधारात्मक कार्यों से जोड़ता है।
2. मजबूत डायनामिक्स डिटेक्शन: डायनामिक्स एन्सेम्बल के लिए एक शोर-संवर्धित प्रशिक्षण रणनीति जो बिना किसी लेबल वाले OOD डेटा के, सेंसर शोर और वास्तविक डायनामिक्स शिफ्ट के बीच सफलतापूर्वक अंतर करती है।
3. एकीकृत अनुप्रयोग: एक ही अपघटन तर्क को दो डोमेन में प्रदर्शित करता है:
   • कंट्रोल: रोबोटिक मैनिपुलेशन की मजबूती (robustness) में सुधार।
   • परसेप्शन: विजुअल ट्रैकिंग में अनुकूली मॉडल चयन (adaptive model selection) को निर्देशित करना।
4. संरचनात्मक सीमाओं का प्रदर्शन: यह सिद्ध करता है कि अनिश्चितता को एकल स्केलर में मिलाने से डायनामिक्स शिफ्ट के तहत प्रदर्शन वास्तव में कम (वैनिला पॉलिसी से भी खराब) हो सकता है, जबकि अपघटन इसे बेहतर बनाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

A. रोबोटिक मैनिपुलेशन (Isaac Lab - Franka Arm)

• कार्य: विभिन्न व्यवधानों (सेंसर शोर, डायनामिक्स शिफ्ट, कंपाउंड) के तहत एक क्यूब को उठाना।
• प्रदर्शन:
  • कंपाउंड व्यवधान (Compound Perturbations): डीकंपोज्ड कंट्रोलर ने 80.4% सफलता दर हासिल की, जो एकत्रित "Total-U" बेसलाइन (59.4%) और वैनिला पॉलिसी (44.6%) से काफी बेहतर है।
  • एकल व्यवधान (Single Perturbations):
    • सेंसर शोर के तहत: डीकंपोज्ड (94.2%) > Total-U (80.6%) > वैनिला (63.8%)।
    • डायनामिक्स शिफ्ट के तहत: डीकंपोज्ड (84.2%) > वैनिला (72.4%) > Total-U (70.1%)। विशेष रूप से, एकत्रित बेसलाइन वैनिला पॉलिसी से भी खराब प्रदर्शन करती है, जो पुष्टि करती है कि गलत हस्तक्षेप हानिकारक होते हैं।
• स्थिरता: डीकंपोज्ड कंट्रोलर विभिन्न डैम्पिंग गेन के बीच स्थिर रहा, जबकि एकत्रित बेसलाइन गेन बढ़ने के साथ घटती गई।

B. अनुकूली विजुअल ट्रैकिंग (MOT17 और DanceTrack)

• कार्य: अनिश्चितता के आधार पर उपयुक्त YOLOv8 डिटेक्टर क्षमता (Nano से XLarge तक) का चयन करना।
• तंत्र: RL कंट्रोलर केवल तभी मॉडल क्षमता बढ़ाता है जब एपिस्टेमिक अनिश्चितता अधिक होती है (जो प्रतिनिधित्व मिसमैच को इंगित करती है)। यह एलियटोरिक अनिश्चितता (शोर) को अनदेखा करता है, जिससे अनावश्यक कंप्यूटिंग से बचा जा सकता है।
• परिणाम:
  • कंप्यूट में कमी: हमेशा सबसे बड़े (XLarge) मॉडल का उपयोग करने की तुलना में औसतन 58.2% की कमी हासिल की।
  • सटीकता: डिटेक्शन गुणवत्ता (mAP/IoU) को सबसे बड़े मॉडल के भीतर 0.4% के भीतर सुरक्षित रखा गया।
  • तुलना: डीकंपोज्ड दृष्टिकोण ने 58.2% कंप्यूट बचाया, जबकि एकत्रित अनिश्चितता वाला बेसलाइन केवल 44.6% बचा सका, जो सिद्ध करता है कि शोर और मॉडल मिसमैच के बीच अंतर करना कुशल संसाधन आवंटन के लिए महत्वपूर्ण है।

5. महत्व (Significance)

यह शोध पत्र स्थापित करता है कि सभी अनिश्चितताएं समान नहीं होती हैं। अनिश्चितता के स्रोत (अवलोकन बनाम डायनामिक्स) को संरचनात्मक रूप से अलग करके, रोबोटिक सिस्टम निम्नलिखित कार्य कर सकते हैं:

1. "ओवर-करेक्शन" से बचना: यह रोकने के लिए कि केवल शोर वाले डेटा के मामले में भी अत्यधिक रूढ़िवादी नियंत्रण रणनीतियों को लागू किया जाए।
2. मजबूती बढ़ाना: जटिल, बाधित वातावरणों में सफलता दर में उल्लेखनीय सुधार करना जहाँ मानक नीतियां विफल हो जाती हैं।
3. संसाधनों का अनुकूलन: धारणा (perception) कार्यों में अनुकूली अनुमान को सक्षम बनाना, जिससे सटीकता से समझौता किए बिना महत्वपूर्ण कंप्यूटिंग शक्ति बचाई जा सके।

यह कार्य "टाइप-रूटेड इंटरवेंशन" के लिए एक ब्लूप्रिंट प्रदान करता है, जो सुझाव देता है कि भविष्य के स्वायत्त प्रणालियों को केवल स्केलर अनिश्चितता स्कोर से आगे बढ़कर संरचित, स्रोत-जागरूक निर्णय लेने की ओर बढ़ना चाहिए।