💻 computer science

Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data

यह शोध पत्र LATENT को प्रस्तुत करता है, जो एक ऐसा सिस्टम है जो मानव गति के अपूर्ण और खंडित डेटा को प्रिमिटिव स्किल्स (primitive skills) के लिए प्रायर्स (priors) के रूप में उपयोग करके, ह्यूमनॉइड रोबोट्स को मजबूत और स्वाभाविक टेनिस कौशल सीखने में सक्षम बनाता है, जिन्हें फिर यूनिट्री जी1 (Unitree G1) रोबोट पर स्थिर मल्टी-शॉट रैलियों को प्राप्त करने के लिए परिष्कृत और संयोजित किया जाता है।

मूल लेखक: Zhikai Zhang, Haofei Lu, Yunrui Lian, Ziqing Chen, Yun Liu, Chenghuai Lin, Han Xue, Zicheng Zeng, Zekun Qi, Shaolin Zheng, Qing Luan, Jingbo Wang, Junliang Xing, He Wang, Li Yi

प्रकाशित 2026-03-17

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhikai Zhang, Haofei Lu, Yunrui Lian, Ziqing Chen, Yun Liu, Chenghuai Lin, Han Xue, Zicheng Zeng, Zekun Qi, Shaolin Zheng, Qing Luan, Jingbo Wang, Junliang Xing, He Wang, Li Yi

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 पेशेवर टेनिस खेलना सिखाने की कोशिश कर रहे हैं। सबसे बड़ी समस्या? हमारे पास इस बात का सटीक वीडियो फुटेज नहीं है कि इंसान वास्तव में इसे कैसे करते हैं।

असली टेनिस मैच अराजक होते हैं। खिलाड़ी बहुत लंबी दूरी तय करते हैं, बिजली जैसी तेजी से बल्ला घुमाते हैं, और उनकी कलाइयां ऐसे मुड़ती हैं जिन्हें कैमरों के साथ सटीक रूप से रिकॉर्ड करना बेहद कठिन होता है। एक रोबोट को नकल करने के लिए एक पूर्ण, लंबे टेनिस मैच को रिकॉर्ड करने की कोशिश करना वैसा ही है जैसे 50 फीट की दूरी से एक हिलते हुए, कम-रिज़ॉल्यूशन वाले कैमरे से हमिंगबर्ड (hummingbird) के पंखों की फड़फड़ाहट को फिल्माने की कोशिश करना। आपको सामान्य विचार तो मिल जाता है, लेकिन बारीकियां धुंधली रह जाती हैं।

यह शोध पत्र LATENT नामक एक प्रणाली पेश करता है (जिसका अर्थ है Learns Athletic humanoid TEnnis skills from imperfect human motion daTa)। LATENT को एक प्रतिभाशाली कुकिंग इंस्ट्रक्टर (रसोइया शिक्षक) के रूप में समझें जो एक रोबोट शेफ को केवल एक आदर्श रेसिपी दिखाकर नहीं सिखाता, बल्कि उसे काटने, चलाने और पलटने के कुछ रफ स्केच दिखाकर सिखाता है, और फिर रोबोट को बाकी चीजें खुद समझने देता है।

यह कैसे काम करता है, यहाँ सरल चरणों में दिया गया है:

1. "रफ स्केच" डेटा (अपूर्ण गति)

एक पूरा टेनिस मैच फिल्माने के बजाय, शोधकर्ताओं ने पांच शौकिया खिलाड़ियों से एक छोटे कमरे में बुनियादी चालें करने के लिए कहा:

फोरहैंड (forehand) कैसे घुमाएं।
बैकहैंड (backhand) कैसे करें।
साइड में कैसे खिसकें (shuffle)।
दौड़ने के लिए पैर कैसे क्रॉस करें।

उन्होंने इन छोटी क्लिप्स को रिकॉर्ड किया। यह डेटा "अपूर्ण" है क्योंकि:

यह धुंधला है: कैमरे कलाई की छोटी, तेज़ गतिविधियों को पूरी तरह से कैप्चर नहीं कर सके।
यह अधूरा है: क्लिप्स यह नहीं दिखातीं कि इन चालों का उपयोग गेंद मारने के लिए कैसे किया जाए; वे केवल चालों को ही दिखाती हैं।

2. "गुप्त भाषा" (Latent Action Space)

रोबोट को इन चालों को सीखने की आवश्यकता है, लेकिन यदि वह धुंधली कलाई की गतिविधियों की हुबहू नकल करने की कोशिश करेगा, तो वह विफल हो जाएगा। इसलिए, शोधकर्ताओं ने एक "गुप्त भाषा" (एक लेटेंट स्पेस) बनाई।

कल्पना कीजिए कि रोबट के पास "मूव कार्ड्स" (चालों के कार्ड) का एक पुस्तकालय है।

सटीक मांसपेशियों के निर्देशांकों (coordinates) को याद करने के बजाय, रोबोट एक ऐसा कार्ड चुनने के बारे में सीखता है जो कहता है "एक फोरहैंड स्विंग करें।"
रोबोट जानता है कि यह कार्ड आमतौर पर एक अच्छा स्विंग कराता है, लेकिन वह यह भी जानता है कि उस कार्ड का "कलाई वाला हिस्सा" थोड़ा अस्पष्ट है।

3. "कोच का सुधार" (High-Level Policy)

यही जादुई हिस्सा है। रोबोट के पास एक हाई-लेवल कोच (AI मस्तिष्क) है जो खेल को देखता है।

कोच लाइब्रेरी से सही "मूव कार्ड" चुनता है (जैसे, "गेंद की ओर दौड़ें और फोरहैंड स्विंग करें")।
महत्वपूर्ण बात यह है कि कोच को धुंधले हिस्सों को ठीक करने की अनुमति है। यदि "मूव कार्ड" कहता है "कलाई को इस तरह घुमाएं," लेकिन गेंद तेजी से आ रही है, तो कोच कहता है, "वास्तव में, इसे जोर से मारने के लिए कलाई को अधिक घुमाएं।"

शोधकर्ताओं ने एक विशेष नियम बनाया जिसे "लेटेंट एक्शन बैरियर" कहा जाता है। इसे एक सुरक्षा जाल के रूप में समझें। यह कोच को बताता है: "आप कलाई को ठीक कर सकते हैं, लेकिन पागलपन न करें। इंसान की प्राकृतिक शैली के करीब रहें।" यह रोबोट को अजीब, झटकेदार, रोबोट जैसी हरकतें बनाने से रोकता है जो अप्राकृतिक दिखती हैं।

4. "ट्रेनिंग कैंप" (Sim-to-Real Transfer)

असली इंसान के खिलाफ खेलने से पहले, रोबोट एक वीडियो गेम सिमुलेशन में प्रशिक्षण लेता है। लेकिन वीडियो गेम परफेक्ट नहीं होते। यह सुनिश्चित करने के लिए कि रोबोट वास्तविक दुनिया में कदम रखते समय भ्रमित न हो, शोधकर्ताओं ने सिमुलेशन को अराजक (chaotic) बनाया:

उन्होंने रोबोट के जोड़ों को रैंडम तरीके से फिसलन भरा या चिपचिपा बना दिया।
उन्होंने टेनिस बॉल को भारी या हल्का बना दिया।
उन्होंने रोबोट की दृष्टि में "स्टैटिक" (शोर/धुंधलापन) जोड़ दिया ताकि वह गेंद को पूरी तरह से न देख सके।

यह एक तैराक को उबड़-खाबड़ पानी, भारी वजन और धुंधले चश्मे के साथ पूल में प्रशिक्षित करने जैसा है। जब वे अंततः शांत, स्पष्ट समुद्र (वास्तविक दुनिया) में पहुँचते हैं, तो उन्हें ऐसा लगता है जैसे वे बहुत धीमी गति में तैर रहे हैं क्योंकि वे इतने अच्छी तरह से तैयार हैं।

परिणाम

जब उन्होंने इस सिस्टम को Unitree G1 रोबोट (एक असली, चलने वाला रोबोट) पर लगाया, तो परिणाम आश्चर्यजनक थे:

रोबोट एक मानव खिलाड़ी के साथ रैली (गेंद को आपस में मारना) कर सकता था।
यह 30 मील प्रति घंटे से अधिक की गति से आती गेंदों को मार सकता है।
यह स्वाभाविक रूप से चला, जिससे वह एक मशीन के बजाय एक एथलीट की तरह लगा।

यह क्यों मायने रखता है

इससे पहले, रोबोट को खेल सिखाने के लिए या तो परफेक्ट डेटा या असंभव भौतिकी (जैसे रोबोट के पास अनंत शक्ति होना) की आवश्यकता होती थी। LATENT यह सिद्ध करता है कि आप एक रोबोट को एथलीट बनने के लिए अपूर्ण, अव्यवस्थित, मानवीय डेटा का उपयोग करके सिखा सकते हैं, बशर्ते आप रोबोट को अंतराल भरने और अपनी गलतियों को सुधारने का एक स्मार्ट तरीका दें।

यह किसी पेंटिंग की पिक्सेल-दर-पिक्सेल नकल करने (जो विफल हो जाता है यदि मूल धुंधला है) बनाम एक कलाकार को पेंटिंग की तकनीक सिखाने, उन्हें अभ्यास करने देने और फिर कैनवास के अनुसार अपने ब्रश स्ट्रोक को समायोजित करने देने के बीच का अंतर है।

यहाँ शोध पत्र "Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data" (LATENT) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

ह्यूमनॉइड रोबोटों पर एथलेटिक, उच्च-गति वाले खेल कौशल सीखना एक बड़ी चुनौती है क्योंकि इसके लिए तीव्र प्रतिक्रिया, उच्च सटीकता और जटिल पूर्ण-शरीर समन्वय की आवश्यकता होती है। विशेष रूप से टेनिस के लिए:

डेटा की कमी (Data Scarcity): वास्तविक मैचों से पूर्ण, सटीक मानव-टेनिस मोशन सीक्वेंस एकत्र करना अत्यंत कठिन है क्योंकि इसमें गति का दायरा बहुत बड़ा होता है (आधे कोर्ट तक फैला हुआ), मल्टी-रैली इंटरैक्शन शामिल होते हैं, और हाई-स्पीड मोशन कैप्चर की आवश्यकता होती है।
अपूर्ण डेटा की सीमाएँ (Imperfect Data Limitations): मौजूदा समाधान अक्सर ब्रॉडकास्ट वीडियो (जिनके लिए जटिल पाइपलाइन की आवश्यकता होती है) या टेली-ऑपरेशन (जो उच्च-गति वाले खेलों के लिए असंभव है) पर निर्भर करते हैं। उपलब्ध "अपूर्ण" डेटा (जैसे फोरहैंड या शफल जैसे प्रिमिटिव स्किल्स के मोशन फ्रैगमेंट) दो मुख्य समस्याओं से ग्रस्त है:
1. अशुद्धता (Imprecision): बॉल स्ट्राइकिंग के दौरान कलाई की गति अक्सर कैप्चर करने में कठिनाई और मानव एवं रोबोट के बीच 'एम्बॉडिमेंट गैप' के कारण सटीक नहीं होती है।
2. अपूर्णता (Incompleteness): डेटा यह तो बताता है कि कैसे हिलना है (प्रिमिटिव स्किल्स), लेकिन यह इस ज्ञान की कमी रखता है कि एक विशिष्ट लक्ष्य पर गेंद वापस करने के लिए इन कौशलों का उपयोग कैसे करें।

मूल समस्या यह है कि इन अपूर्ण, खंडित मानव मोशन डेटा का उपयोग करके एक ह्यूमनॉइड रोबोट को कैसे प्रशिक्षित किया जाए जो प्राकृतिक मोशन स्टाइल के साथ स्थिर रूप से मल्टी-शॉट रैलियों को बनाए रख सके।

2. कार्यप्रणाली: LATENT सिस्टम (Methodology: LATENT System)

लेखक LATENT (Learns Athletic humanoid TEnnis skills from imperfect human motioN daTa) का प्रस्ताव करते हैं, जो पदानुक्रमित नियंत्रण (hierarchical control), लेटेंट एक्शन स्पेस और मजबूत सिम-टू-रियल ट्रांसफर को संयोजित करने वाला एक तीन-चरणीय ढांचा है।

A. डेटा संग्रह और प्री-प्रोसेसिंग (Data Collection & Pre-processing)

अपूर्ण डेटा संग्रह: पूर्ण मैचों के बजाय, टीम ने एक कॉम्पैक्ट ऑप्टिकल मोशन कैप्चर सिस्टम (3m×5m) का उपयोग करके पांच शौकिया खिलाड़ियों से मोशन फ्रैगमेंट (प्रिमिटिव स्किल्स: फोरहैंड, बैकहैंड, लैटरल शफल, क्रॉसओवर स्टेप) के 5 घंटे एकत्र किए।
रिटारगेटिंग (Retargeting): मानव गतियों को Loco-MuJoCo का उपयोग करके ह्यूमनॉइड रोबोट (Unitree G1) पर रिटारगेट किया गया है।
अशुद्धता का प्रबंधन (Handling Imprecision): प्रशिक्षण के दौरान दाहिनी कलाई (रैकेट पकड़ने वाली) के कंट्रोल सिग्नल को हटा दिया जाता है, और कलाई के जोड़ों पर रैंडम पर्सर्बेशन (perturbations) लागू किए जाते हैं। यह सिस्टम को कलाई की अशुद्धियों को संभालने के लिए मजबूर करता है।

B. सुधारात्मक लेटेंट एक्शन स्पेस का निर्माण (Correctable Latent Action Space Construction)

शोर वाले डेटा और सटीक नियंत्रण के बीच के अंतर को पाटने के लिए, लेखक ऑनलाइन डिस्टिलेशन (Online Distillation) के माध्यम से एक लेटेंट स्पेस का निर्माण करते हैं:

मोशन ट्रैकर प्री-ट्रेनिंग: एक मोशन ट्रैकर (RL पॉलिसी) को एकत्र किए गए प्रिमिटिव स्किल्स की नकल करने के लिए प्रशिक्षित किया जाता है।
वेरिएशनल बॉटलनेक (Variational Bottleneck): एक स्टूडेंट नेटवर्क (Encoder-Decoder) को ट्रैकर के कौशल को एक निरंतर लेटेंट स्पेस ( $z$ $z$ ) में डिस्टिल करने के लिए प्रशिक्षित किया जाता है।
- एनकोडर (Encoder): $E(z|s, \tilde{s})$ स्टेट और मोशन टारगेट को लेटेंट कोड में मैप करता है।
- डिकोडर (Decoder): $D(a|s, z)$ लेटेंट कोड को वापस रोबोटिक एक्शन्स में मैप करता है।
- लर्नेबल प्रायर (Learnable Prior): फिक्स्ड गॉसियन प्रायर वाले मानक VAEs के विपरीत, वे स्टेट-डिपेंडेंट एक्शन डिस्ट्रीब्यूशन (जैसे शफलिंग बनाम स्विंगिंग के लिए अलग वितरण) को कैप्चर करने के लिए एक लर्नेबल कंडीशनल प्रायर $P(z|s)$ का उपयोग करते हैं।
- मजबूती (Robustness): कलाई के जोड़ों को लेटेंट एक्शन आउटपुट से बाहर रखा गया है, जिससे हाई-लेवल पॉलिसी बाद में उन्हें ठीक कर सके।

C. हाई-लेवल पॉलिसी लर्निंग (High-Level Policy Learning)

एक हाई-लेवल प्लानर ( $\pi_{planner}$ ) को लेटेंट स्पेस में संग्रहीत प्रिमिटिव स्किल्स को सुधारने और संयोजित करने के लिए PPO का उपयोग करके प्रशिक्षित किया जाता है।

हाइब्रिड कंट्रोल (Hybrid Control): पॉलिसी दो घटकों को आउटपुट करती है:
1. लेटेंट एक्शन ( $a_{latent}$ ): शरीर को चलाने के लिए लेटेंट स्पेस से सैंपल लेती है।
2. करेक्शन एक्शन ( $a_{correct}$ ): अशुद्ध रिटारगेटेड मोशन्स को ठीक करने के लिए विशेष रूप से दाहिनी कलाई के लिए डायरेक्ट कंट्रोल कमांड।
लेटेंट एक्शन बैरियर (Latent Action Barrier - LAB): RL एजेंट को लेटेंट स्पेस को "हैक" करने (ऐसे सब-ऑप्टिमल एक्शन्स सैंपल करना जो नेचुरल मोशन को बिगाड़ दें) से रोकने के लिए, एक बैरियर लगाया गया है।
- रेसिडुअल लेटेंट एक्शन के एक्सप्लोरेशन को प्रायर के मीन ( $\mu_p$ ) के आसपास महलानोबिस डिस्टेंस (Mahalanobis distance) के भीतर सीमित किया गया है।
- रेंज को प्रायर के स्टैंडर्ड डेविएशन ( $\sigma_p$ ) के आधार पर एडेप्टिवली स्केल किया जाता है, जिससे यह सुनिश्चित होता है कि पॉलिसी "स्किल मैनिफोल्ड" के भीतर रहे और आवश्यक सुधार भी कर सके।

D. सिम-टू-रियल ट्रांसफर (Sim-to-Real Transfer)

रियल यूनिट्री G1 रोबोट पर तैनात करने के लिए, लेखक निम्नलिखित का उपयोग करते हैं:

डायनामिक्स रैंडमाइजेशन (Dynamics Randomization): रोबोट पैरामीटर्स (फ्रिक्शन, मास, CoM) और बॉल फिजिक्स (मास, रेस्टीट्यूशन, एयर ड्रैग) को रैंडमाइज करना।
ऑब्जर्वेशन नॉइज़ (Observation Noise): ऑब्जर्वेशन में नॉइज़, फ्रेम ड्रॉपआउट और लेटेंसी जोड़ना। महत्वपूर्ण रूप से, वे शोर वाले पोजीशन डेटा से वेलोसिटी निकालने की त्रुटियों को कम करने के लिए 4-फ्रेम स्लाइडिंग विंडो का उपयोग करते हैं।

3. मुख्य योगदान (Key Contributions)

LATENT फ्रेमवर्क: केवल अपूर्ण, खंडित मानव मोशन डेटा का उपयोग करके एथलेटिक टेनिस कौशल सक्षम करने वाला एक नया सिस्टम, जो डेटा संग्रह की बाधाओं को काफी कम कर देता है।
नवीन लेटेंट स्पेस डिज़ाइन:
- सुधारात्मक लेटेंट स्पेस (Correctable Latent Space): एम्बॉडिमेंट गैप को संभालने के लिए बॉडी कंट्रोल को कलाई के कंट्रोल से अलग करता है।
- लेटेंट एक्शन बैरियर (LAB): नेचुरल मोशन स्टाइल को बनाए रखने के लिए टास्क-स्पेसिफिक करेक्शन की अनुमति देते हुए RL एक्सप्लोरेशन को नियंत्रित करता है।
रियल-वर्ल्ड डिप्लॉयमेंट: Unitree G1 ह्यूमनॉइड पर सफल तैनाती, जो मानव खिलाड़ियों के साथ स्थिर मल्टी-शॉट रैलियों को प्राप्त करती है।
व्यापक सत्यापन: सिमुलेशन और वास्तविक दुनिया में व्यापक प्रयोग जो बेसलाइन्स (PPO, MotionVAE, AMP, ASE, PULSE) की तुलना में श्रेष्ठता प्रदर्शित करते हैं।

4. प्रयोगात्मक परिणाम (Experimental Results)

सिमुलेशन परिणाम (Simulation Results)

सफलता दर (Success Rate - SR): LATENT ने फोरहैंड रिटर्न के लिए 96.52% और बैकहैंड के लिए 82.10% सफलता दर हासिल की, जो बेसलाइन्स (जैसे PULSE ~71%, AMP ~41%) से काफी बेहतर है।
एक्शन क्वालिटी: LATENT ने बेसलाइन्स की तुलना में कम डिस्टेंस एरर (DE), उच्च स्मूथनेस (कम जॉइंट एक्सेलरेशन) और कम टॉर्क आवश्यकताओं का प्रदर्शन किया।
एब्लेशन स्टडीज (Ablation Studies):
- कलाई सुधार (wrist correction) को हटाने से SR गिरकर ~82% हो गया।
- लेटेंट एक्शन बैरियर को हटाने से जिटर (jittery) मोशन हुआ और SR घटकर ~93% रह गया, जो सिद्ध करता है कि मोशन नेचुरलनेस के लिए LAB आवश्यक है।

वास्तविक दुनिया के परिणाम (Real-World Results)

प्रदर्शन: रोबोट मानव खिलाड़ियों के साथ रैलियों को सफलतापूर्वक बनाए रखने में सफल रहा।
- फोरहैंड SR: 90.90%
- बैकहैंड SR: 77.78%
मजबूती (Robustness): विधि ने सिद्ध किया कि सटीक सिस्टम आइडेंटिफिकेशन के बिना भी व्यापक डायनामिक्स रैंडमाइजेशन, सिम-टू-रियल ट्रांसफर के लिए पर्याप्त है।
तुलना: बिना डायनामिक्स रैंडमाइजेशन या ऑब्जर्वेशन नॉइज़ वाले बेसलाइन्स काफी विफल रहे (कुछ मामलों में SR < 25%)।

5. महत्व (Significance)

यह कार्य ह्यूमनॉइड स्पोर्ट्स रोबोटिक्स में एक बड़ी छलांग है। यह दर्शाता है कि उच्च-स्तरीय एथलेटिक कौशल के लिए पूर्ण, महंगे मोशन कैप्चर डेटासेट की आवश्यकता नहीं है। "अपूर्ण" मोशन फ्रैगमेंट का प्रभावी ढंग से उपयोग करके और पदानुक्रमित नियंत्रण और लेटेंट बैरियर्स के माध्यम से उन्हें सुधारकर, LATENT प्राप्त करता है:

प्राकृतिक मोशन: रोबोट रोबोटिक, झटकेदार गतियों के बजाय मानव जैसी तरलता के साथ चलता है।
उच्च डायनामिक्स: यह >15 m/s की गति से आने वाली गेंदों को संभालता है और मिलीसेकंड के भीतर प्रतिक्रिया करता है।
सामान्यीकरण (Generalizability): यह फ्रेमवर्क अन्य खेलों (जैसे सॉकर, पार्कोर) के लिए भी लागू किया जा सकता है जहाँ पूर्ण मानव मोशन डेटा उपलब्ध नहीं है।

शोध पत्र निष्कर्ष निकालता है कि अपूर्ण मानव प्रायर को मजबूत RL करेक्शन रणनीतियों के साथ जोड़ना वास्तविक दुनिया में फुर्तीले, एथलेटिक ह्यूमनॉइड रोबोटों को तैनात करने का एक व्यवहार्य मार्ग है।