💻 computer science

PhaForce: Phase-Scheduled Visual-Force Policy Learning with Slow Planning and Fast Correction for Contact-Rich Manipulation

PhaForce एक चरण-निर्धारित (phase-scheduled) विज़ुओमोटर पॉलिसी है जो एक धीमी, दृष्टि-प्रधान डिफ्यूजन योजनाकार (diffusion planner) को एक तेज़, बल-संचालित सुधारक (force-driven corrector) के साथ समन्वित करके संपर्क-समृद्ध हेरफेर (contact-rich manipulation) को बेहतर बनाती है ताकि उच्च-आवृत्ति वाले, चरण-जागरूक अवशिष्ट सुधार (phase-aware residual corrections) सक्षम किए जा सकें, जिससे 86% सफलता दर और मौजूदा बेसलाइन की तुलना में श्रेष्ठ अनुकूलन क्षमता प्राप्त होती है।

मूल लेखक: Mingxin Wang, Zhirun Yue, Renhao Lu, Yizhe Li, Zihan Wang, Guoping Pan, Kangkang Dong, Jun Cheng, Yi Cheng, Houde Liu

प्रकाशित 2026-03-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mingxin Wang, Zhirun Yue, Renhao Lu, Yizhe Li, Zihan Wang, Guoping Pan, Kangkang Dong, Jun Cheng, Yi Cheng, Houde Liu

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 बहुत ही नाजुक काम करना सिखा रहे हैं, जैसे कि दीवार के सॉकेट में चार्जर लगाना, एक चिपचिपा दराज खोलना, या व्हाइटबोर्ड को साफ करना।

यदि आप रोबोट को केवल आंखें (कैमरे) देते हैं, तो यह सुई में धागा पिरोने की कोशिश करने जैसा है, लेकिन अंधेरे में। रोबोट छेद को देख तो सकता है, लेकिन उसे यह नहीं पता होगा कि प्लग फंस गया है, या वह थोड़ा तिरछा है, या वह बहुत जोर से दबाव डाल रहा है। वह कुछ चीज़ों को तोड़ने के लिए बस धक्का देता रह सकता है।

यदि आप रोबोट को केवल महसूस करने की शक्ति (फोर्स सेंसर्स) देते हैं, तो यह आंखें बंद करके कार चलाने जैसा है—आप सड़क को महसूस तो कर सकते हैं लेकिन आपको पता नहीं होगा कि आप कहाँ जा रहे हैं। वह दीवार को महसूस तो कर सकता है, लेकिन उसे यह नहीं पता होगा कि कौन सी दीवार और उसे उसके चारों ओर कैसे जाना है।

PhaForce रोबots के लिए एक नया "दिमाग" है जो दृष्टि (sight) और स्पर्श (touch) को पूरी तरह से जोड़ता है। यह समस्या को इस तरह हल करता है जैसे कि यह दो विशेषज्ञों की एक टीम के रूप में काम करता है: एक रणनीतिक योजनाकार (Strategic Planner) और एक प्रतिवर्त पायलट (Reflexive Pilot)।

यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ समझाया गया है:

1. समस्या: "धीमा दिमाग, तेज़ हाथ" का बेमेल होना (The "Slow Brain, Fast Hands" Mismatch)

ज्यादातर रोबोट के दिमाग धीमे होते हैं। वे एक तस्वीर लेते हैं, एक पल के लिए सोचते हैं, और फिर एक बड़े मूवमेंट का निर्णय लेते हैं (जैसे "5 इंच आगे बढ़ें")। ऐसा शायद प्रति सेकंड 6 बार होता है।

लेकिन रोबोट के हाथ बहुत तेजी से चलते हैं (प्रति सेकंड 24 बार)। यदि रोबोट किसी बाधा से टकरा जाता है या फंस जाता है, तो "धीमा दिमाग" प्रतिक्रिया देने के लिए बहुत सुस्त होता है। यह एक ऐसी कार चलाने जैसा है जहाँ आप सड़क की जांच हर 10 सेकंड में एक बार करते हैं। जब तक आप गड्ढे को देखते हैं, तब तक आप दुर्घटना कर चुके होते हैं।

साथ ही, मौजूदा रोबोट अक्सर बल सेंसरों (force sensors) का अंधाधुंध उपयोग करते हैं। वे खुले स्थान में (जहाँ कोई संपर्क नहीं है) भी काम करने के लिए "महसूस" करने की कोशिश कर सकते हैं, जिससे केवल शोर और भ्रम पैदा होता है।

2. समाधान: "PhaForce" की टीम

PhaForce एक फेज शेड्यूल (Phase Schedule) पेश करता है। एक कार्य को एक गाने की तरह समझें जिसमें अलग-अलग छंद और कोरस होते हैं। आप पूरे गाने के लिए एक ही सुर नहीं बजाते; आप गाने के हिस्से के आधार पर अपनी शैली बदलते हैं।

PhaForce के तीन मुख्य भाग हैं:

A. "ट्रैफिक पुलिस" (Contact-Aware Phase Predictor)

यह सिस्टम का सबसे स्मार्ट हिस्सा है। यह लगातार पूछता है:

"क्या हम अभी किसी चीज़ को छू रहे हैं?"
"हम कार्य के किस चरण में हैं? (जैसे, क्या हम सॉकेट के करीब पहुँच रहे हैं, सॉकेट को ढूँढ रहे हैं, या अंदर डाल रहे हैं?)"

यह एक ट्रैफिक पुलिस की तरह काम करता है जो रोबोट को निर्देशित करता है। यह रोबोट को बताता है: "अभी, हम 'खोजने' (Search) के चरण में हैं, इसलिए अपने अगल-बगल के अहसासों पर ध्यान दें। लेकिन एक बार जब हम 'डालने' (Inserting) के चरण में पहुँच जाएँ, तो अगल-बगल के अहसासों को अनदेखा करें और सीधे नीचे की ओर दबाव डालने पर ध्यान केंद्रित करें।"

B. "रणनीतिक योजनाकार" (The Strategic Planner - धीमा दिमाग)

यह मुख्य दिमाग है जो बड़े कदमों की योजना बनाता है। यह कैमरे और फोर्स सेंसर्स को देखता है, लेकिन यह बहुत सावधान रहता है।

चाल (The Trick): यह एक विशेष फिल्टर (जिसे ऑर्थोगोनल रेसिडुअल इंजेक्शन कहा जाता है) का उपयोग करता है। कल्पना कीजिए कि आप एक चित्र बना रहे हैं (विजुअल प्लान)। यदि आप इसमें फोर्स डेटा जोड़ते हैं, तो आप पूरे पेंटिंग को खराब नहीं करना चाहते। इसके बजाय, आप इसके ऊपर "फोर्स जानकारी" की एक पतली, पारदर्शी परत जोड़ते हैं जो केवल उसी चीज़ को बदलती है जिसे बदलने की आवश्यकता है, बिना मूल चित्र को खराब किए।
यह सुनिश्चित करता है कि रोबोट फोर्स सेंसरों से भ्रमित न हो और यह न भूल जाए कि उसे विजुअल रूप से कहाँ जाना है।

C. "प्रतिवर्त पायलट" (The Reflexive Pilot - तेज़ सुधारक)

यह रोबोट का "त्वरित प्रतिक्रिया" (knee-jerk reaction) सिस्टम है। यह रणनीतिक योजनाकार की तुलना में 4 गुना तेजी से चलता है।

जबकि योजनाकार अगले बड़े कदम के बारे में सोच रहा होता है, पायलट लगातार सूक्ष्म समायोजन (micro-adjustments) करता रहता है।
यदि रोबोट को अचानक कोई झटका महसूस होता है (जैसे प्लग सॉकेट के किनारे से टकराना), तो पायलट तुरंत रोबोट को किनारे की ओर धकेलता है ताकि वह छेद को ढूंढ सके, इससे पहले कि रणनीतिक योजनाकार को पता चले कि कोई समस्या आई है।
महत्वपूर्ण बात यह है कि ट्रैफिक पुलिस पायलट को बताता है कि उसे कहाँ धकेलना है। यदि हम "खोजने" के चरण में हैं, तो पायलट केवल अगल-बगल हिलेगा। यदि हम "डालने" के चरण में हैं, तो यह केवल ऊपर-नीचे हिलेगा। यह रोबोट को अजीब और भ्रमित करने वाली हरकतें करने से रोकता है।

3. वास्तविक दुनिया के परिणाम: यह क्यों मायने रखता है

शोधकर्ताओं ने इसका परीक्षण एक वास्तविक रोबोटिक आर्म पर पाँच अलग-अलग कार्यों के लिए किया। यहाँ क्या हुआ:

चार्जर लगाना: पुराने रोबोट अक्सर छेद के प्रवेश द्वार पर फंस जाते थे, जिससे प्लग जाम हो जाता था। PhaForce ने महसूस किया कि वह फंस गया है, "खोज मोड" (Search Mode) में स्विच किया, और प्लग को तब तक हिलाया जब तक कि उसे छेद नहीं मिल गया।
चिपचिपा दराज खोलना: रोबोट ने घर्षण (friction) को महसूस किया और बिना हैंडल को झटके से खींचे, उसे सुचारू रूप से खींचने के लिए खुद को समायोजित किया।
व्हाइटबोर्ड साफ करना ("सरप्राइज" टेस्ट): उन्होंने बोर्ड को रोबोट द्वारा पहले देखे गए स्तर से 3 इंच ऊपर कर दिया।
- पुराने रोबोट: बोर्ड से टकरा गए, बहुत अधिक दबाव डाला, या बिल्कुल साफ नहीं कर पाए।
- PhaForce: महसूस किया कि बोर्ड ऊँचा है, तुरंत अपने दबाव को समायोजित किया, और बोर्ड को पूरी तरह से साफ कर दिया।

बड़ी तस्वीर (The Big Picture)

PhaForce को एक मास्टर शेफ और उसके सहायक (sous-chef) के रूप में सोचें।

शेफ (धीमा योजनाकार) रेसिपी और बड़े चरणों का निर्णय लेता है: "प्याज काटें, फिर उन्हें भूनें।"
सहायक (तेज़ सुधारक) सीधे चूल्हे के पास होता है, हर सेकंड सॉस को चखता है। यदि यह बहुत नमकीन है, तो सहायक तुरंत पानी मिला देता है।
रेसिपी कार्ड (फेज शेड्यूल) उन्हें ठीक से बताता है कि कब चखना है और क्या सुधारना है।

एक धीमे, स्मार्ट प्लान को तेज़, स्मार्ट रिफ्लेक्स के साथ जोड़कर, और यह जानकर कि किस समय किस इंद्रिय का उपयोग करना है, PhaForce रोबोट्स को उन जटिल कार्यों को संभालने की क्षमता देता है जो पहले असंभव थे। यह केवल देखने के बारे में नहीं है; यह सही समय पर सही चीज़ को महसूस करने के बारे में है।

यहाँ शोध पत्र "PhaForce: Phase-Scheduled Visual–Force Policy Learning with Slow Planning and Fast Correction for Contact-Rich Manipulation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

संपर्क-समृद्ध (Contact-rich) हेरफेर कार्यों (जैसे, प्लग डालना, पोंछना, दराज खोलना) के लिए केवल विजुअल अलाइनमेंट से अधिक की आवश्यकता होती; इसके लिए बल/टॉर्क (F/T) ट्रांजिएंट्स के प्रति सटीक क्लोज्ड-लूप प्रतिक्रियाओं की आवश्यकता होती है। मौजूदा जनरेटिव विसुमोटर पॉलिसियाँ (जैसे, डिफ्यूजन पॉलिसीज़) दो महत्वपूर्ण सीमाओं का सामना करती हैं:

टाइमस्केल मिसमैच (Gap-1): जनरेटिव पॉलिसियाँ आमतौर पर इन्फरेंस लेटेंसी और एक्शन चंकिंग के कारण कम फ्रीक्वेंसी पर काम करती हैं। हालाँकि, F/T सिग्नल हाई-फ्रीक्वेंसी फीडबैक होते हैं जो अल्प-अवधि की घटनाओं (जैसे, स्टिक-स्लिप, जैमिंग, माइक्रो-इम्पैक्ट्स) पर प्रतिक्रिया देने के लिए आवश्यक हैं। केवल लो-रेट अपडेट्स पर निर्भर रहने से इन महत्वपूर्ण ट्रांजिएंट्स के प्रति प्रतिक्रिया देने में कमी आती है।
स्पष्ट फेज शेड्यूलिंग का अभाव (Gap-2): मौजूदा फोर्स-अवेयर विधियाँ अक्सर विजन और फोर्स को बिना किसी भेदभाव के मिला देती हैं। उनमें यह निर्धारित करने के तंत्र की कमी है कि कब, कितना, और कहाँ (किस सुधारात्मक सबस्पेस में) बल लागू करना है। संपर्क-समृद्ध कार्य स्वाभाविक रूप से मल्टी-फेज होते हैं (जैसे, सर्चिंग बनाम इंसर्शन), और गलत सबस्पेस में हाई-फ以上に फ्रीक्वेंसी सुधार लागू करना (जैसे, वर्टिकल इंसर्शन के दौरान लेटरल मोशन को ठीक करना) प्रदर्शन को खराब कर सकता है या जैमिंग का कारण बन सकता है।

2. कार्यप्रणाली: PhaForce आर्किटेक्चर (Methodology: PhaForce Architecture)

PhaForce एक फेज-शेड्यूल्ड स्लो-फास्ट पॉलिसी प्रस्तावित करता है जो एक स्पष्ट संपर्क/फेज शेड्यूल द्वारा समन्वित, लो-फ्रीक्वेंसी जनरेटिव प्लानिंग को हाई-रेट रेसिडुअल करेक्शन के साथ एकीकृत करता है। सिस्टम तीन मुख्य घटकों से बना है:

A. कॉन्टैक्ट-अवेयर फेज प्रेडिक्टर (CAP)

कार्य: एक लाइटवेट नेटवर्क जो एक निरंतर कॉन्टैक्ट प्रोबेबिलिटी ( $p_c$ ) और $K$ टास्क-डिफाइंड फेजेस (जैसे, अप्रोच, सर्च, इंसर्ट, रिकवरी) पर एक सॉफ्ट फेज बिलीफ डिस्ट्रीब्यूशन ( $p$ ) का अनुमान लगाता है।
इनपुट: मल्टी-व्यू RGB इमेज, रेंच हिस्ट्री, और प्रोप्रियोसेप्शन।
ट्रेनिंग: इसे तात्कालिक निर्णय के बजाय पूर्वानुमान (Anticipation) के लिए प्रशिक्षित किया गया है। यह भविष्य के विंडो में संपर्क होने की संभावना और भविष्य के टास्क फेज की भविष्यवाणी करता है, जिसके लिए रेंच सिग्नल्स और TCP पोसेस से ऑटोमैटिकली जेनरेटेड लेबल्स का उपयोग किया जाता है।
भूमिका: यह एक सिमेंटिक शेड्यूल सिग्नल प्रदान करता है जो स्लो और फास्ट दोनों मॉड्यूल्स में फोर्स के उपयोग को नियंत्रित (Gate) करता है।

B. स्लो डिफ्यूजन प्लानर (Low-Rate, $f_s$ )

कार्य: कम फ्रीक्वेंसी (जैसे, 6 Hz) पर एक नॉमिनल एक्शन चंक (जैसे, 16 स्टेप्स) जेनरेट करता है।
डुअल-गेटेड फ्यूजन:
- कॉन्टैक्ट गेट ( $p_c$ ): फोर्स डेटा के समग्र इंजेक्शन स्ट्रेंथ को नियंत्रित करता है। यदि संपर्क की उम्मीद नहीं है, तो शोर (Noise) के हस्तक्षेप को रोकने के लिए फोर्स के प्रभाव को दबा दिया जाता है।
- फेज गेट: वर्तमान फेज बिलीफ ( $p$ ) के आधार पर क्रॉस-अटेंशन मैकेनिज्म में अटेंशन हेड्स को मॉड्युलेट करता है।
ऑर्थोगोनल रेसिडुअल इंजेक्शन (ORI): विजुअल फीचर्स को फोर्स डेटा से ओवरराइट करने के बजाय, फोर्स की जानकारी को विजुअल टोकन के ऑर्थोगोनल (लंबवत) रेसिडुअल घटक के रूप में इंजेक्ट किया जाता है। यह विजन-डोमिनेंट टास्क सिमेंटिक्स को सुरक्षित रखता है जबकि प्लान को फोर्स पर कंडिशन करता है, जिससे सिमेंटिक ड्रिफ्ट को रोका जा सके।

C. फास्ट रेसिडुअल करेक्टर (High-Rate, $f_c$ )

कार्य: कंट्रोल फ्रीक्वेंसी (जैसे, 24 Hz) पर चलता है ताकि एक्शन चंक के भीतर सूक्ष्म समायोजन (Micro-adjustments) किए जा सकें। यह स्लो प्लानर के बेस एक्शन और वर्तमान F/T फीडबैक के आधार पर एक छोटा डेल्टा पोज़ ( $\Delta T$ ) प्रेडिक्ट करता है।
फेज-रूटेड करेक्टिव सबस्पेस:
- करेक्टर अंधे होकर सुधार लागू नहीं करता है। यह फेज बिलीफ ( $p$ ) का उपयोग करके सुधारों को फेज-विशिष्ट सबस्पेस (जो बाइनरी मास्क द्वारा परिभाषित हैं) में सॉफ्टली रूट करता है।
- उदाहरण: "सर्च" फेज में, सुधार प्लेनर ( $x, y$ ) और या (yaw) चैनल्स में रूट किए जाते हैं; "इंसर्ट" फेज में, सुधार नॉर्मल ( $z$ ) और या (yaw) चैनल्स में रूट किए जाते हैं।
फिजिकल-प्रायर सुपरविजन: करेक्टर को फिजिकल प्रायर्स (जैसे, सर्च के दौरान टैन्जेंशियल फ्रिक्शन को कम करना, वाइपिंग के दौरान नॉर्मल फोर्स बनाए रखना) से प्राप्त "वर्चुअल टारगेट पोज़" के विरुद्ध एरर को मिनिमाइज करने के लिए प्रशिक्षित किया जाता है। यह मॉडल को टारगेट पोज़ के स्पष्ट मानव एनोटेशन के बिना सुधारात्मक रुझानों (Corrective trends) को सीखने की अनुमति देता है।

3. प्रमुख योगदान (Key Contributions)

एकीकृत ढांचा (Unified Framework): PhaForce पेश करता है, जो पहला ऐसा फ्रेमवर्क है जो एक एकीकृत कॉन्टैक्ट/फेज शेड्यूल का उपयोग करके लॉन्ग-होरिज़न जनरेटिव प्लानिंग और हाई-रेट रेसिडुअल करेक्शन को स्पष्ट रूप से समन्वयित करता है।
स्पष्ट शेड्यूलिंग सिग्नल: एक तंत्र प्रस्तावित करता है (कॉन्टैक्ट प्रोबेबिलिटी + फेज बिलीफ) जो गतिशील रूप से तय करता है कि:
- कब फोर्स पर भरोसा करना है (कॉन्टैक्ट प्रोबेबिलिटी द्वारा गेटिंग)।
- कितना फोर्स को फ्यूज करना है (अटेंशन को मॉड्युलेट करना)।
- कहाँ सुधार करना है (विशिष्ट करेक्टिव सबस्पेस में रूटिंग)।
ऑर्थोगोनल रेसिडुअल इंजेक्शन: स्लो प्लानर में एक नवीन फ्यूजन तकनीक जो विजुअल फीचर्स की सिमेंटिक अखंडता को खराब किए बिना फोर्स को एकीकृत करती है।
फेज-रूटेड करेक्शन: फास्ट करेक्टर के लिए एक विधि जो केवल प्रासंगिक डिग्री ऑफ फ्रीडम में हाई-फ्रीक्वेंसी एडजस्टमेंट लागू करती है, जिससे स्प्यूरियस (Spurious) सुधारों को रोका जा सके जो जैमिंग का कारण बनते हैं।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस पद्धति का मूल्यांकन Flexiv Rizon 4s रोबोट पर पांच वास्तविक दुनिया के संपर्क-समृद्ध कार्यों पर किया गया: चार्जर प्लग-इन, USB प्लग-इन, ड्रॉअर ओपनिंग, और वाइपिंग (इन-डिस्ट्रीब्यूशन और आउट-ऑफ-डिस्ट्रीब्यूशन)।

सफलता दर (SR): PhaForce ने औसतन 86% SR प्राप्त किया, जो मजबूत बेसलाइन्स (डिफ्यूजन पॉलिसी, फोर्स-कॉनकैट, और रिएक्टिव डिफ्यूजन पॉलिसी) की तुलना में +40 प्रतिशत अंक का सुधार है।
कार्य-विशिष्ट प्रदर्शन:
- प्लग-इन कार्य: इसने स्टैग्नेशन (रिम पर फंस जाना) और आंशिक इंसर्शन के कारण होने वाली विफलताओं को काफी कम कर दिया। फेज बिलीफ ने समय पर "रिट्रीट-एंड-रिट्राय" व्यवहार को सक्षम बनाया।
- वाइपिंग (OOD): जब टारगेट बोर्ड की ऊंचाई को 3 सेमी शिफ्ट किया गया (OOD), तो स्टैंडर्ड चंक-आधारित प्लानर्स पूरी तरह विफल रहे (0% SR) क्योंकि वे ओवर-प्रेसिंग या डिटैचमेंट के कारण थे। PhaForce ने फोर्स फीडबैक के माध्यम से ज्योमेट्रिक शिफ्ट की भरपाई करने के लिए फास्ट करेक्टर का उपयोग करके 85% SR बनाए रखा।
कॉन्टैक्ट क्वालिटी: वाइपिंग कार्यों में, PhaForce ने उच्चतम वाइपिंग स्कोर और ओवर-प्रेशर या अंडर-प्रेशर की सबसे कम दर हासिल की, जो बेहतर फोर्स रेगुलेशन को प्रदर्शित करता है।
एब्लेशन स्टडीज (Ablation Studies):
- फेज बिलीफ को हटाने से सफलता दर में भारी गिरावट आई (USB के लिए 85% $\to$ 25%), जो स्पष्ट फेज शेड्यूलिंग की आवश्यकता को सिद्ध करता है।
- ऑर्थोगोनल रेसिडुअल इंजेक्शन को हटाने से प्रदर्शन कम हो गया, जो विजुअल सिमेंटिक्स को बनाए रखने की आवश्यकता की पुष्टि करता है।
- फास्ट करेक्टर को हटाने से OOD परिदृश्यों में पूर्ण विफलता हुई, जो हाई-रेट रेसिडुअल करेक्शन की महत्वपूर्ण भूमिका को उजागर करता है।

5. महत्व (Significance)

PhaForce रोबोटिक मैनिपुलेशन में एक मौलिक बाधा को संबोधित करता है: जेनेरेटिव विजन मॉडल्स की धीमी, सिमेंटिक प्रकृति और भौतिक संपर्क की तेज़, रिएक्टिव प्रकृति के बीच का अंतर। एक व्याख्या योग्य (Interpretable), फेज-अवेयर शेड्यूलिंग मैकेनिज्म पेश करके, यह शोध पत्र दर्शाता है कि विजुअल प्लानिंग से समझौता किए बिना फोर्स फीडबैक का प्रभावी ढंग से उपयोग किया जा सकता है। यह दृष्टिकोण रोबोटों को जटिल, मल्टी-स्टेज कॉन्टैक्ट कार्यों को उच्च मजबूती के साथ संभालने में सक्षम बनाता है, विशेष रूप से आउट-ऑफ-डिस्ट्रीब्यूशन परिदृश्यों में जहाँ केवल विजुअल संकेत पर्याप्त नहीं होते हैं। यह आधुनिक इमिटेशन लर्निंग पाइपलाइनों में फिजिकल फीडबैक को एकीकृत करने के लिए एक नया मानक स्थापित करता है।