RoSHI: A Versatile Robot-oriented Suit for Human Data In-the-Wild
यह शोधपत्र RoSHI को प्रस्तुत करता है, जो एक बहुमुखी पहनने योग्य प्रणाली है जो कम लागत वाले IMUs को Project Aria चश्मे के साथ जोड़कर वैश्विक मीट्रिक फ्रेम में पूर्ण 3D मानव मुद्रा और आकार का मजबूती से अनुमान लगाता है, जिससे ह्युमनॉइड रोबोट नीतियों को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले इन-द-वाइल्ड डेटा का संग्रह सक्षम होता 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 नाचना, टेनिस खेलना या बैकफ्लिप करना सिखाना चाहते हैं। ऐसा करने के लिए, आपको रोबोट को ठीक-ठीक दिखाना होगा कि क्या करना है। लेकिन आप मानव गति (human movement) को इस तरह कैसे रिकॉर्ड करेंगे जो सस्ता हो, पोर्टेबल हो और हर जगह काम करे—न कि केवल किसी फैंसी, महंगे प्रयोगशाला में?
यह समस्या "RoSHI" पेपर द्वारा हल की गई है। यहाँ उनके समाधान की कहानी सरल रूप में दी गई है।
समस्या: "गोल्डिलॉक्स" दुविधा (The "Goldilocks" Dilemma)
वैज्ञानिकों ने पहले भी मानव गति को रिकॉर्ड करने की कोशिश की है, लेकिन हर तरीके की एक कमी है:
- "स्टूडियो" तरीका (Vicon): कल्पना कीजिए कि एक कमरा हाई-टेक कैमरों से भरा है और आपने रिफ्लेक्टिव स्टिकर से ढका हुआ सूट पहना है। यह बेहद सटीक है, लेकिन आप इसे पार्क में नहीं ले जा सकते। यह एक साउंडप्रूफ स्टूडियो में फिल्म बनाने जैसा है; आप बाहर नहीं जा सकते।
- "स्मार्ट सूट" तरीका (IMUs): आप सेंसर वाला एक सूट पहनते हैं जो आपकी गति को महसूस करता है। यह पोर्टेबल है, लेकिन बिना कैमरे के, सूट समय के साथ भ्रमित हो जाता है। यह कोहरे से भरे जंगल में चलने जैसा है; आप जानते हैं कि आप हिल रहे हैं, लेकिन आप नहीं जानते कि दुनिया के सापेक्ष आप कहाँ हैं।
- "GoPro" तरीका (Egocentric Vision): आप अपने सिर पर एक कैमरा पहनते हैं। यह वही देखता है जो आप देखते हैं, लेकिन यदि आप अपनी पीठ घुमा लेते हैं या आपका हाथ दृश्य को रोक देता है, तो कंप्यूटर आपके शरीर का पीछा खो देता है। यह एक की-होल (चाबी के छेद) के माध्यम से नृत्य का वर्णन करने जैसा है।
समाधान: RoSHI (दोनों दुनियाओं का "सर्वश्रेष्ठ" सूट)
शोधकर्ताओं ने RoSHI (Robot-oriented Suit for Human Data In-the-Wild) बनाया है। इसे एक साइबोर्ग जासूस के रूप में समझें जो मानव गति के रहस्य को सुलझाने के लिए दो अलग-अलग इंद्रियों को जोड़ता है।
1. "शरीर की संवेदना" (The IMUs):
RoSHH आपकी बाहों, पैरों और कूल्हों पर बंधे नौ छोटे, सस्ते सेंसर (IMUs) का उपयोग करता है। ये आपके कान के अंदरूनी हिस्से के संतुलन सेंसर की तरह हैं। इन्हें फर्क नहीं पड़ता कि अंधेरा है, आप घूम रहे हैं, या आपका हाथ कैमरे को रोक रहा है। वे जानते हैं कि आपकी हड्डियाँ कैसे मुड़ और घूम रही हैं।
- कमी: वे "ड्रिफ्ट" (भटक) जाते हैं। यदि आप एक घंटे तक घेरे में चलते हैं, तो उन्हें लग सकता है कि आप एक सर्पिल (spiral) में चले थे। वे जानते हैं कि आप कैसे चले, लेकिन यह नहीं कि आप अंततः कहाँ पहुँचे।
2. "दुनिया की संवेदना" (The Glasses):
RoSHI Project Aria चश्मे (स्मार्ट ग्लास जिनमें कैमरे होते हैं) का भी उपयोग करता है। ये एक GPS और मानचित्र की तरह कार्य करते हैं। वे कमरे या पार्क में आप वास्तव में कहाँ हैं, यह पता लगाने के लिए SLAM (Simultaneous Localization and Mapping) का उपयोग करते हैं। वे वीडियो भी रिकॉर्ड करते हैं।
- कमी: यदि आप कैमरे से अपनी पीठ घुमा लेते हैं या बहुत तेज़ी से चलते हैं, तो चश्मा भ्रमित हो जाता है और आपके शरीर के अंगों का पीछा खो देता है।
जादुई ट्रिक: फ्यूजन (Fusion)
RoSHI इन दोनों संवेदनाओं को मिला देता है।
- जब चश्मा भ्रमित हो जाता है (क्योंकि आपके हाथ ने दृश्य को रोक दिया है), तो IMUs कहते हैं, "चिंता मत करो, मुझे पता है कि तुम्हारा हाथ अभी भी वहीं है!"
- जब IMUs "ड्रिफ्ट" होते हैं (कमरे में अपनी स्थिति खो देते हैं), तो चश्मा कहता है, "वास्तव में, तुम उस पेड़ के ठीक बगल में खड़े हो।"
इन दोनों को मिलाकर, RoSHI आपकी वास्तविक दुनिया में शरीर की गति का एक परफेक्ट, 3D मूवी बनाता है, भले ही आप पार्क में दौड़ रहे हों, कूद रहे हों, या बैकफ्लिप कर रहे हों।
यह कैसे काम करता है (द "कैलिब्रेशन" हैक)
आमतौर पर, मोशन-कैप्चर सूट पहनना एक बुरा सपना होता है। आपको सेंसर को कैलिब्रेट करने के लिए मिनटों तक "T-pose" में बिल्कुल स्थिर खड़ा होना पड़ता है। यदि आप भारी जैकेट पहनते हैं या ऊबड़-खाबड़ जमीन पर खड़े होते हैं, तो कैलिब्रेशन टूट जाता है।
RoSHI के पास एक चतुर ट्रिक है। आपको स्थिर खड़े होने के लिए कहने के बजाय, यह आपसे स्वाभाविक रूप से हिलने के लिए कहता है जबकि एक दोस्त फोन से आपकी फिल्मिंग करता है।
- सिस्टम फोन वीडियो का उपयोग यह "देखने" के लिए करता है कि आपकी हड्डियाँ कहाँ हैं।
- यह तुलना करता है कि सेंसर क्या महसूस कर रहे हैं।
- यह तुरंत गणित लगा लेता है ताकि वे एक-दूसरे से मेल खा सकें।
- परिणाम: आप सूट पहन सकते हैं, घूम सकते हैं और तुरंत रिकॉर्डिंग शुरू कर सकते हैं। किसी T-pose की आवश्यकता नहीं है।
हमें इसकी परवाह क्यों है? (रोबोट को सिखाना)
अंतिम लक्ष्य केवल कूल वीडियो रिकॉर्ड करना नहीं है; यह रोबोट को सिखाना है।
- शोधकर्ताओं ने RoSHI से प्राप्त डेटा लिया और एक वास्तविक ह्युमनॉइड रोबोट (Unitree G1) को सिखाया कि कैसे हिलना है।
- परिणाम: रोबोट ने मानव डेटा को देखकर झुकना, हाथ हिलाना, पैकेज ले जाना और यहाँ तक कि टेनिस खेलना जैसे काम सीख लिए।
- क्योंकि RoSHI सस्ता (सेंसर के लिए लगभग $350) और पोर्टेबल है, कोई भी वास्तविक दुनिया में डेटा एकत्र कर सकता है। इसका मतलब है कि रोबोट लैब में रिकॉर्ड की गई सख्त, रोबोटिक गतिविधियों के बजाय, वास्तविक मानव गतिविधियों से सीख सकते हैं।
निचोड़ (The Bottom Line)
RoSHI एक रोबोट को एक साथ "मानव आँखें" और "मानव संतुलन" देने जैसा है। यह कहीं भी, कभी भी, बिना किसी मिलियन-डॉलर की लैब के, मानव गति को रिकॉर्ड करने की समस्या को हल करता है। यह एक कम लागत वाला, हाई-टेक सूट है जो रोबोट को हमारी तरह हिलना सिखाना आसान, सुरक्षित और बहुत अधिक मजेदार बनाता है।
संक्षेप में: यह एक पहनने योग्य सूट है जो बैलेंस सेंसर (ताकि वह आपके शरीर का पीछा न खोए) को स्मार्ट ग्लास (ताकि वह आपकी लोकेशन न खोए) के साथ जोड़ता है, जिससे रोबोट वास्तविक दुनिया से मानवीय कौशल सीख सकते हैं।
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।