Tube Diffusion Policy: Reactive Visual-Tactile Policy Learning for Contact-rich Manipulation
ट्यूब डिफ्यूजन पॉलिसी (TDP) एक नवीन इमिटेशन लर्निंग फ्रेमवर्क है जो संपर्क-समृद्ध वातावरणों में तेज़, प्रतिक्रियाशील और सुदृढ़ विजुअल-टैक्टाइल मैनिपुलेशन को सक्षम करने के लिए डिफ्यूजन मॉडल्स की अभिव्यंजक शक्ति को ट्यूब-आधारित फीडबैक कंट्रोल के साथ जोड़ता 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 बच्चे को जूते के फीते बांधना सिखा रहे हैं।
बच्चा दो तरीकों से सीख सकता है:
- "रोबोट मूवी" विधि: आप उसे एक वीडियो दिखाते हैं जिसमें कोई व्यक्ति फीते बांध रहा है। बच्चा शुरुआत से अंत तक की हर हरकत को याद कर लेता है। वह बिना किसी गलती के उसकी नकल करने की कोशिश करता है, लेकिन अगर फीता कहीं फंस जाए या कुत्ता उनके पैर से टकरा जाए, तो वह अपने हाथों को उसी "याद किए गए" पैटर्न में चलाता रहता है, भले ही वह अब काम नहीं कर रहा हो। वे वास्तव में अपने हाथों को देखे बिना अपने दिमाग में एक फिल्म चला रहे होते हैं।
- "निर्देशित अभ्यास" विधि: आप उन्हें गति दिखाते हैं, लेकिन जब वे इसे करते हैं, तो आप उनके हाथों को देखते हैं। यदि फीता फिसलता है, तो आप तुरंत उनकी उंगलियों को सही करने के लिए थोड़ा सहारा देते हैं। वे वास्तविक समय में जो महसूस करते हैं और देखते हैं, उसके आधार पर लगातार बदलाव करते रहते हैं।
समस्या: "रोबकल मूवी" की समस्या
वर्तमान AI रोबोट ज्यादातर पहले तरीके का उपयोग करते हैं, जिसे "एक्शन चंकिंग" (Action Chunking) कहा जाता है। कंप्यूटिंग पावर बचाने के लिए, रोबोट एक स्थिति को देखता है, गतिविधियों का एक पूरा क्रम (एक "चंक") निकालता है, और फिर उस क्रम को बिना देखे निष्पादित करता है। यह चिकनी गतियों के लिए बहुत अच्छा है, लेकिन यह "संपर्क-प्रधान" कार्यों के लिए बहुत खराब है—जैसे कि एक फिसले हुए अंडे को उठाना, जार खोलना, या बर्तन साफ करना—जहाँ चीजें लगातार बदल रही होती हैं, फिसल रही होती हैं, या टकरा रही होती हैं। यदि "चंक" के बीच में कुछ गलत हो जाता है, तो रोबोट तब तक चलता रहता है जब जब तक कि वह विफल न हो जाए।
समाधान: ट्यूब डिफ्यूजन पॉलिसी (TDP)
शोधकर्ताओं ने TDP बनाया है, जो रोबोट को एक "सुरक्षा सुरंग" (द Tube) के माध्यम से चलने जैसा है।
यह कैसे काम करता है, इसके लिए GPS उपमा देखें:
- डिफ्यूजन चरण (नक्शा): एक पहाड़ी क्षेत्र के माध्यम से एक एकदम सटीक, अत्यधिक विस्तृत रास्ता बनाने की कोशिश करने के बजाय, रोबक एक सामान्य, विश्वसनीय मार्ग बनाने के लिए "डिफ्यूजन" मॉडल का उपयोग करता है। यह एक GPS की तरह है जो कहता है, "समुद्र तट तक जाने का सामान्य रास्ता इस घाटी के माध्यम से है।" इसे इंच-दर-इंच सटीक होने की आवश्यकता नहीं है; इसे बस रोबोट को सही इलाके में पहुँचाने की आवश्यकता है।
- स्ट्रीमिंग चरण (स्टीयरिंग व्हील): यह वह "ट्यूब" है। एक बार जब रोबोट चलना शुरू कर देता है, तो वह केवल अंधे होकर नक्शे का पालन नहीं करता है। वह उच्च-गति वाले "स्पर्श" (tactile) और "दृश्य" (visual) सेंसरों का उपयोग करके लगातार स्टीयरिंग करता है। यदि रोबोट किसी ऊबड़-खाबड़ रास्ते से टकराता है या वस्तु फिसल जाती है, तो वह तुरंत महसूस करता है और उस "सुरक्षा सुरंग" के भीतर रहने के लिए छोटे, तीव्र सुधार करता है।
यह एक बड़ी बात क्यों है?
- यह "प्रतिक्रियाशील" (Reactive) है: क्योंकि रोबोट केवल एक स्क्रिप्ट का पालन करने के बजाय लगातार "स्टीयरिंग" कर रहा है, इसलिए यह आश्चर्यजनक स्थितियों को संभाल सकता है। यदि आप जार खोलते समय रोबोट के हाथ को धकेलते हैं, तो वह हवा में अपनी उंगलियां घुमाना जारी नहीं रखेगा; वह महसूस करेगा कि जार हिल गया है और तुरंत अपनी पकड़ को समायोजित करेगा।
- यह तेज़ है (कम लेटेंसी): आमतौर पर, किसी जटिल चाल के बारे में गहराई से "सोचने" में रोबोट को काफी समय लगता है, जिससे रोबोट की गति झटकेदार और धीमी हो जाती है। चूंकि TDP केवल "गहन सोच" (डिफ्यूजन) का उपयोग सामान्य मार्ग प्राप्त करने के लिए करता है, और "तेज प्रतिक्रियाओं" (स्ट्रीमिंग) का उपयोग विवरणों को संभालने के लिए करता है, इसलिए रोबोट बहुत तेज़ी से और सुचारू रूप से चल सकता है।
- इसमें "स्पर्श" है: यह दृष्टि को स्पर्श के साथ जोड़ता है। यह केवल वस्तु को देख नहीं रहा है; यह घर्षण और दबाव को महसूस कर रहा है, ठीक वैसे ही जैसे इंसान करते हैं जब उन्हें पता चलता है कि उनके हाथ से कांच का गिलास फिसल रहा है।
संक्षेप में: TDP रोबोटों को एक स्क्रिप्ट का पालन करने वाले "अंधे अभिनेताओं" से दूर ले जाकर उन्हें "कुशल शिल्पकार" बनाता है जो दुनिया में होने वाली हर चीज़ को महसूस कर सकते हैं, देख सकते हैं और उस पर प्रतिक्रिया दे 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।