🤖 machine learning

ACSAC: Adaptive Chunk Size Actor-Critic with Causal Transformer Q-Network

यह शोध पत्र ACSAC का प्रस्ताव करता है, जो एक एडेप्टिव चंक साइज़ एक्टर-क्रिटिक विधि है जो स्टेट-डिपेंडेंट एक्सपेक्टेड रिटर्न्स के आधार पर इष्टतम एक्शन चंक साइज़ को गतिशील रूप से चुनने के लिए एक कॉज़ल ट्रांसफॉर्मर Q-नेटवर्क का उपयोग करती है, जिससे फिक्स्ड चंक साइज़ की सीमाओं को दूर किया जा सके और लॉन्ग-होराइज़न, स्पार्स-रिवॉर्ड मैनिपुलेशन टास्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त किया जा सके।

मूल लेखक: Qian Chen, Junqiao Zhao, Hongtu Zhou, Hang Yu, Yanping Zhao, Chen Ye, Guang Chen

प्रकाशित 2026-05-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Qian Chen, Junqiao Zhao, Hongtu Zhou, Hang Yu, Yanping Zhao, Chen Ye, Guang Chen

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 एक जटिल भूलभुलैया (maze) में खजाना खोजने के लिए नेविगेट करना सिखा रहे हैं। समस्या यह है कि खजाना बहुत दूर है, और रोबोट को केवल तभी "अच्छा काम किया" का संकेत (इनाम/रिवॉर्ड) मिलता है जब वह अंततः उसे खोज लेता है। इसके बीच में, हजारों ऐसे कदम होते हैं जहाँ उसे कोई फीडबैक नहीं मिलता।

यह लॉन्ग-होराइजन, स्पार्स-रिवॉर्ड टास्क (long-horizon, sparse-reward tasks) की चुनौती है।

समस्या: "बहुत तेज़" बनाम "बहुत धीमा" की दुविधा

इसे हल करने के लिए, पिछले तरीकों ने दो मुख्य दृष्टिकोणों की कोशिश की, जिनमें दोनों की खामियां थीं:

"स्टेप-बाय-स्टेप" रोबोट: यह रोबोट एक बार में केवल एक एकल चाल (single move) की योजना बनाता है।
- फायदे: यह बहुत रिएक्टिव (प्रतिक्रियाशील) है। यदि यह एक दीवार देखता है, तो यह तुरंत रुक जाता है।
- नुकतियां: इसे सीखने में बहुत समय लगता है। क्योंकि यह केवल एक कदम आगे देखता है, इसे यह समझने में सदियों लग जाती हैं कि एक विशिष्ट पथ खजाने तक ले जाता है। यह लड़खड़ाने और असंगत रूप से चलने भी लगता है, जैसे कोई नशे में धुत व्यक्ति छोटे, बिना तालमेल वाले कदम उठा रहा हो।
"फिक्स्ड-चंक" (निश्चित खंड) रोबोट: यह रोबोट एक साथ चालों का एक पूरा क्रम (एक "चंक") प्लान करता है, जैसे "5 कदम आगे बढ़ो, फिर बाईं ओर मुड़ो।"
- फायदे: यह तेजी से सीखता है क्योंकि यह आगे की ओर अधिक देखता है। इसकी गतिविधियाँ सुचारू और सुसंगत होती हैं।
- नुकतियां: यह कठोर है। यदि इसने निर्णय लिया है कि "5 कदम आगे बढ़ें" लेकिन 2 कदम के बाद ही दीवार से टकरा जाता है, तो यह अपने पूर्व-निर्धारित चंक के कारण शेष 3 कदमों के लिए आगे बढ़ने की कोशिश करता रहता है क्योंकि यह फंसा हुआ है। इसमें चीजें गलत होने पर अपना विचार बदलने का लचीलापन नहीं होता।

पुराने तरीकों ने आपको एक निश्चित चंक साइज (जैसे, हमेशा 5 कदम की योजना बनाना) चुनने के लिए मजबूर किया। यदि कार्य के लिए लंबे, सीधे रन और कठिन, पेचीदा मोड़ों दोनों की आवश्यकता थी, तो एक एकल निश्चित संख्या उस स्थिति को नहीं संभाल सकती थी।

समाधान: ACSAC (द "स्मार्ट प्लानर")

लेखक ACSAC (Adaptive Chunk Size Actor-Critic) का प्रस्ताव करते हैं। ACSAC को एक स्मार्ट, लचीले प्लानर वाले रोबोट के रूप में समझें जो यह तय कर सकता है कि उसी क्षण में कितनी दूर तक देखना है।

यह इस प्रकार काम करता है, एक सरल उपमा का उपयोग करते हुए:

1. "कॉज़ल ट्रांसफार्मर" (द क्रिस्टल बॉल)
एक मानक मस्तिष्क के बजाय, ACSAC एक विशेष प्रकार के AI का उपयोग करता है जिसे कॉज़ल ट्रांसफार्मर (Causal Transformer) कहा जाता है। कल्पना कीजिए कि यह एक क्रिस्टल बॉल है जो भविष्य की क्रियाओं के एक क्रम को देख सकती है और आपको बता सकती है:

"यदि आप केवल पहले कदम को करते हैं, तो यह कितना अच्छा है?"
"यदि आप पहले दो कदमों को करते हैं, तो यह कितना अच्छा है?"
"यदि आप पहले पांच कदमों को करते हैं, तो यह कितना अच्छा है?"

महत्वपूर्ण बात यह है कि यह एक ही क्रियाओं के क्रम के लिए एक साथ इन सभी प्रश्नों का उत्तर दे सकता है, और यह सुनिश्चित करता है कि उत्तर एक ही स्केल पर हों ताकि उनकी निष्पक्ष रूप से तुलना की जा सके।

2. "एडेप्टिव चंक साइज" (द फ्लेक्सिबल स्ट्रैटेजी)
प्रत्येक निर्णय बिंदु पर, ACSAC केवल एक योजना नहीं चुनता है। यह अधिकतम संभव लंबाई के कई अलग-अलग "चंक" (चालों के क्रम) उत्पन्न करता है। फिर यह अपनी क्रिस्टल बॉल से उन चंक्स के प्रत्येक संभावित प्रीफिक्स (शुरुआती हिस्से) का मूल्यांकन करने के लिए कहता है।

परिदृश्य A (सीधा रास्ता): रोबोट एक लंबे, सीधे गलियारे पर है। क्रिस्टल बॉल कहती है, "यदि आप 10 कदमों के लिए प्रतिबद्ध होते हैं, तो इनाम बहुत बड़ा है!" इसलिए, रोबोट एक लंबा चंक निष्पादित करता है। वह तेजी से और कुशलता से चलता है।
परिदृश्य B (मोड़): रोबोट एक तीखे कोने या कठिन बाधा के पास पहुँचता है। क्रिस्टल बॉल कहती है, "यदि आप 10 कदमों के लिए प्रतिबद्ध होते हैं, तो आप टकरा जाएंगे! लेकिन यदि आप केवल 2 कदमों के लिए प्रतिबद्ध होते हैं, तो आप सुरक्षित रूप से मुड़ सकते हैं।" इसलिए, रोबोट एक छोटा चंक निष्पादित करता है। वह रुकता है, पुनर्मूल्यांकन करता है, और अगला कदम प्लान करता है।

3. परिणाम
रोबोट बिना किसी को बताए स्वचालित रूप से "लंबे-दूरी के क्रूजिंग" और "सटीक पैंतरेबाजी" के बीच स्विच करता है। यह रिएक्टिविटी (जरूरत पड़ने पर रुकना) और टेम्पोरल कंसिस्टेंसी (सुरक्षित होने पर सुचारू रूप से चलना) के बीच संतुलन बनाता है।

यह पेपर क्या दावा करता है

पेपर इस विचार को मान्य करने के लिए OGBench नामक एक बेंचमार्क का उपयोग करता है, जिसमें कई क्यूब्स को हिलाने या स्पार्स रिवॉर्ड वाले पहेलियों को हल करने जैसे कठिन रोबोटिक कार्य शामिल हैं।

प्रदर्शन: ACSAC ने "ऑफलाइन" लर्निंग (एक स्थिर डेटासेट से सीखना) और "ऑफलाइन-टू-ऑनलाइन" लर्निंग (एक डेटासेट से शुरू होकर वास्तविक दुनिया में अभ्यास करना) दोनों में सभी पिछले तरीकों (दोनों सिंगल-स्टेप और फिक्स्ड-चंक विधियों) को पछाड़ दिया।
अनुकूलन क्षमता: शोधकर्ताओं ने दिखाया कि रोबोट ने वास्तव में स्थिति के आधार पर अपना चंक साइज बदला। उदाहरण के लिए, एक "पिक-एंड-प्लेस" कार्य में, इसने वस्तु को कमरे में ले जाने के लिए लंबे चंक का उपयोग किया लेकिन जब वस्तु को लक्ष्य स्थान पर सावधानी से रखने का समय आया, तो इसने बहुत छोटे चंक (हर कदम पर री-प्लानिंग) पर स्विच कर दिया।
गणितीय प्रमाण: लेखकों ने गणितीय रूप से सिद्ध किया कि उनकी विधि स्थिर है और अंततः सबसे अच्छी रणनीति की ओर अभिसरित (converge) होगी, अन्य कुछ जटिल विधियों के विपरीत जो फंस सकते हैं।

सारांश

संक्षेप में, ACSAC एक ऐसा रोबोट लर्निंग मेथड है जो "एक ही आकार के लिए सभी" (one-size-fits-all) प्लानिंग होराइजन को थोपना बंद कर देता है। इसके बजाय, यह एक स्मार्ट AI का उपयोग करता है जो लगातार पूछता है, "मुझे अभी कितनी दूर तक योजना बनानी चाहिए?" और अपनी रणनीति को तुरंत समायोजित करता है, जिससे यह जटिल, दीर्घकालिक कार्यों में तेज़ और सटीक दोनों हो जाता है।

तकनीकी सारांश: एडैप्टिव चंक साइज़ एक्टर-क्रिटिक विद कॉज़ल ट्रांसफॉर्मर क्यू-नेटवर्क (ACSAC)

समस्या विवरण

लंबे समय तक चलने वाले (long-horizon), स्पार्स-रिवॉर्ड (sparse-reward) कार्यों में सुदृढीकरण शिक्षण (Reinforcement Learning - RL) एक मौलिक चुनौती प्रस्तुत करता है। मानक सिंगल-स्टेप टेम्पोरल डिफरेंस (TD) लर्निंग बूटस्ट्रैपिंग एरर संचय (bootstrapping error accumulation) से ग्रस्त होती है, जहाँ छोटे एरर क्रमिक बेलमैन अपडेट्स के माध्यम से बढ़ते जाते हैं। जबकि मल्टी-स्टेप रिटर्न्स (multi-step returns) वैल्यू प्रोपेगेशन को गति दे सकते हैं, वे अक्सर ऑफ-पॉलिसी बायस (off-policy bias) पेश करते हैं क्योंकि मध्यवर्ती पुरस्कार वर्तमान पॉलिसी के बजाय व्यवहार पॉलिसी (behavior policy) के तहत एकत्र किए जाते हैं।

एक्शन चंकिंग (Action chunking) एक समाधान के रूप में उभरी है, जो सिंगल एक्शन के बजाय एक्शन सीक्वेंस पर क्रिटिक्स और पॉलिसियों को प्रशिक्षित करती है। यह बिना ऑफ-पॉलिसी बायस के मल्टी-स्टेप वैल्यू बैकअप की अनुमति देता है और टेम्पोरल कोहेरेंस (temporal coherence) को बढ़ावा देता है। हालाँकि, मौजूदा एक्शन-चंकिंग विधियाँ एक फिक्स्ड चंक साइज़ (fixed chunk size) पर निर्भर करती हैं जिसे प्रत्येक कार्य के लिए मैन्युअल रूप से ट्यून किया जाता है। यह कठोरता रिएक्टिविटी (reactivity) और टेम्पोरल कंसिस्टेंसी (temporal consistency) के बीच एक स्थिर ट्रेड-ऑफ को मजबूर करती है:

बड़े फिक्स्ड चंक्स नए ऑब्जर्वेशन के प्रति प्रतिक्रियाशीलता को कम कर देते हैं, जिससे एजेंट संवेदनशील अवस्थाओं (जैसे कि मोड़) में एक प्रक्षेपवक्र (trajectory) के प्रति "ओवर-कमिट" हो सकते हैं, जो उन्हें इष्टतम पथ से भटका देते हैं।
छोटे फिक्स्ड चंक्स असंगत गतियां उत्पन्न करते हैं और लॉन्ग-होरिज़न प्लानिंग के लाभों का लाभ उठाने में विफल रहते हैं।

रिएक्टिविटी और कंसिस्टेंसी के बीच इष्टतम संतुलन स्वाभाविक रूप से स्टेट-डिपेंडेंट (state-dependent) है, फिर भी वर्तमान विधियाँ निष्पादन क्षितिज (execution horizon) को गतिशील रूप से अनुकूलित नहीं कर सकती हैं।

कार्यप्रणाली: ACSAC

लेखक एडैप्टिव चंक साइज़ एक्टर-क्रिटिक (ACSAC) प्रस्तावित करते हैं, जो अपेक्षित रिटर्न को अधिकतम करने के लिए प्रत्येक रीप्लानिंग स्टेट पर चंक साइज़ को अनुकूल रूप से चुनता है।

1. कॉज़ल ट्रांसफॉर्मर क्रिटिक (Causal Transformer Critic)

ACSAC विभिन्न लंबाई के एक्शन चंक्स का मूल्यांकन करने के लिए एक कॉज़ल ट्रांसफॉर्मर क्रिटिक का उपयोग करता है। फिक्स्ड-लेंथ इनपुट वाले मानक MLP क्रिटिक्स (जो सब-प्रिफिक्स पर वेट्स को पुन: उपयोग करने पर कॉज़ल लीकेज का कारण बनते हैं) के विपरीत, ट्रांसफॉर्मर एक स्टेट और एक पूर्ण-लंबाई वाले कैंडिडेट चंक $(s_t, a_{t:t+H})$ को टोकन सीक्वेंस के रूप में ग्रहण करता है।

प्रिफिक्स-कंडीशन्ड आउटपुट्स: नेटवर्क $H$ मानों को एक साथ आउटपुट करता है: $\{Q_\phi(s_t, a_{t:t+h})\}_{h \in [H]}$ , जहाँ प्रत्येक मान चंक के पहले $h$ कार्यों को निष्पादित करने के अपेक्षित रिटर्न के अनुरूप होता है।
कॉज़ल मास्किंग: एक कॉज़ल अटेंशन मास्क यह सुनिश्चित करता है कि $h$ -वें आउटपुट केवल प्रिफिक्स $a_{t:t+h}$ पर निर्भर हो, जिससे चंक में भविष्य के कार्यों पर निर्भरता समाप्त हो जाती है।
क्रॉस-होरिज़न कंपेरेबिलिटी: क्योंकि सभी $H$ मान एक ही बैकबोन साझा करते हैं और एक सामान्य डिस्काउंटेड-रिटर्न स्केल पर प्रति-क्षितिज लक्ष्यों के विरुद्ध प्रशिक्षित होते हैं, इसलिए विभिन्न प्रिफिक्स लंबाई के Q-मान सीधे तुलना योग्य होते हैं।

2. मल्टी-स्टेप TD ऑब्जेक्टिव

क्रिटिक को सभी प्रिफिक्स लंबाई $h \in [H]$ के लिए स्क्वेर्ड एरर्स के औसत का उपयोग करके मल्टी-स्टेप TD लॉस के साथ प्रशिक्षित किया जाता है।

टारगेट परिभाषा: प्रत्येक प्रिफिक्स लंबाई $h$ के लिए, टारगेट डेटासेट से $h$ ऑन-पॉलिसी रिवार्ड्स का योग और स्टेट $s_{t+h}$ पर एक बूटस्ट्रैप वैल्यू है।
बूटस्ट्रैप मैकेनिज्म: बूटस्ट्रैप वैल्यू $Q_{\bar{\phi}}(s_{t+h}, \pi^*(s_{t+h}))$ को अगले स्टेट पर $N$ कैंडिडेट चंक्स को सैंपल करके और उस प्रिफिक्स को चुनकर कंप्यूट किया जाता है जो सभी $N \times H$ कैंडिडेट्स पर Q-वैल्यू को मैक्सिमाइज करता है। यह कैंडिडेट इंडेक्स और प्रिफिक्स लेंथ के जॉइंट मैक्स पर EMaQ ऑपरेटर का सामान्यीकरण करता है।
सैद्धांतिक गारंटी: लेखक सिद्ध करते हैं कि यह बेलमैन ऑपरेटर एक $\gamma$ -कॉन्ट्रैक्शन (contraction) है जिसका एक अद्वितीय फिक्स्ड पॉइंट एडैप्टिव पॉलिसी के एक्शन-वैल्यू फंक्शन के अनुरूप है।

3. एडैप्टिव पॉलिसी एक्सट्रैक्शन

एक्टर एक फ्लो मैचिंग (Flow Matching) व्यवहार क्लोनिंग (BC) पॉलिसी का उपयोग करता है ताकि एक्सप्रेसिव, मल्टी-मोडल एक्शन चंक्स जेनरेट किए जा सकें।

कैंडिडेट जनरेशन: प्रत्येक रीप्लानिंग स्टेट $s_t$ पर, पॉलिसी अधिकतम लंबाई $H$ के $N$ कैंडिडेट चंक्स को सैंपल करती है।
जॉइंट रिजेक्शन सैंपलिंग: चंक साइज़ को फिक्स करने के बजाय, ACSAC सभी $N$ कैंडिडेट और सभी $H$ प्रिफिक्स लेंथों पर एक जॉइंट argmax करता है:
$(n^*, h^*) = \arg\max_{n \in [N], h \in [H]} Q_\phi(s_t, a^{(n)}_{t:t+h})$
निष्पादन: एजेंट इष्टतम प्रिफिक्स $a^{(n^*)}_{t:t+h^*}$ को निष्पादित करता है और अगले बाउंड्री पर रीप्लान करता है। यह एजेंट को स्थिर चरणों (जैसे सीधे पथ) के दौरान लंबे चंक्स और संवेदनशील चरणों (जैसे मोड़ या ग्रैस्पिंग) के दौरान छोटे चंक्स निष्पादित करने की अनुमति देता है, जिससे मैनुअल ट्यूनिंग के बिना रिएक्टिविटी और कोहेरेंस को संतुलित किया जाता है।

मुख्य योगदान

एडैप्टिव चंक सिलेक्शन: ACSAC का परिचय, जो एक कॉज़ल ट्रांसफॉर्मर क्रिटिक और जॉइंट रिजेक्शन सैंपलिंग का उपयोग करके चंक साइज़ को अनुकूल रूप से चुनने वाला पहला एक्शन-चंकिंग एक्टर-क्रिटिक है।
सैद्धांतिक आधार: प्रमाण कि प्रिफिक्स-कंडीशन्ड Q-वैल्यूज क्रॉस-होरिज़न तुलना योग्य हैं और कि ACSAC बेलमैन ऑपरेटर एक कॉन्ट्रैक्शन है जिसका अद्वितीय फिक्स्ड पॉइंट एडैप्टिव पॉलिसी का वैल्यू फंक्शन है।
अनुभवजन्य प्रदर्शन (Empirical Performance): यह प्रदर्शन करना कि ACSAC लॉन्ग-होरिज़न, स्पार्स-रिवॉर्ड टास्क (OGBench) पर ऑफलाइन और ऑफलाइन-टू-ऑनलाइन दोनों सेटिंग्स में सिंगल-स्टेप, मल्टी-स्टेप और फिक्स्ड-चंक बेसलाइन्स को पछाड़ते हुए स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करता है।

प्रयोगात्मक परिणाम

विधि का मूल्यांकन OGBench सूट पर किया गया, जिसमें पाँच डोमेन (scene-sparse, puzzle-3x3-sparse, cube-double, cube-triple, cube-quadruple) में 25 कार्य शामिल हैं।

कुल प्रदर्शन: ACSAC ने ऑफलाइन प्री-ट्रेनिंग और ऑनलाइन फाइन-ट्यूनिंग दोनों चरणों में सभी बेसलाइन्स (IQL, ReBRAC, FQL, BFN और फिक्स्ड-चंक जैसे QC और DEAS सहित) को लगातार पछाड़ दिया।
लॉन्ग-होरिज़न टास्क: सुधार सबसे महत्वपूर्ण उन डोमेन में थे जिनमें मोटे परिवहन (coarse transport) और सटीक हेरफेर (precise manipulation) का मिश्रण आवश्यक था (जैसे cube-triple और scene-sparse), जहाँ एडैप्टिव चंकिंग ने एजेंट को टास्क फेज के आधार पर निष्पादन क्षितिज को बदलने की अनुमति दी।
गुणात्मक विश्लेषण: निष्पादित चंक साइज़ के विज़ुअलाइज़ेशन ने दिखाया कि ACSAC स्वाभाविक रूप से टास्क सेमantics के साथ संरेखित था: मोटे अप्रोच फेज के लिए लंबे चंक्स का चयन करना और प्रिसाइज प्लेसमेंट फेज के दौरान प्रगतिशील रूप से छोटे चंक्स का चयन करना।
कैलिब्रेशन: प्रयोगों ने पुष्टि की कि प्रिफिक्स-कंडीशन्ड Q-वैल्यूज realized returns के विरुद्ध अच्छी तरह से कैलिब्रेटेड थे और विभिन्न हॉरिजन लंबाई के बीच तुलना योग्य थे, जो जॉइंट argmax रणनीति को मान्य करता है।
एब्लेशन स्टडीज (Ablation Studies):
- चंक साइज़ ( $H$ ): सिंगल-स्टेप निष्पादन ( $H=1$ ) स्पार्स-रिवॉर्ड टास्क पर विफल रहा, जबकि अत्यधिक लंबे अधिकतम चंक्स ( $H=7$ ) ने कुछ डोमेन में प्रदर्शन को कम कर दिया।
- सैंपलिंग साइज़ ( $N$ ): $N=4$ से अधिक रिजेक्शन सैंपलिंग साइज़ बढ़ाने से घटते प्रतिफल (diminishing returns) मिले।
- आर्किटेक्चर: बेसलाइन्स में MLP क्रिटिक को केवल कॉज़ल ट्रांसफॉर्मर से बदलने से प्रदर्शन में सुधार हुआ लेकिन वह ACSAC के बराबर नहीं पहुँच सका, जिससे पुष्टि हुई कि एडैप्टिव सिलेक्शन मैकेनिज्म और मल्टी-होरिज़न ऑब्जेक्टिव महत्वपूर्ण हैं।

महत्व और दावे

पेपर का दावा है कि ACSAC एक्शन-चंकिंग RL की मौलिक सीमा को संबोधित करता है। कॉज़ल ट्रांसफॉर्मर का लाभ उठाकर क्रॉस-होरिज़न तुलना योग्य Q-वैल्यूज सीखने के माध्यम से, ACSAC स्टेट-डिपेंडेंट निष्पादन क्षितिज सक्षम करता है। यह एजेंट को लंबे चंक्स के फास्ट वैल्यू बैकअप और टेम्पोरल कंसिस्टेंसी बनाए रखने के साथ-साथ संवेदनशील अवस्थाओं में सटीक नियंत्रण के लिए आवश्यक रिएक्टिविटी बनाए रखने की अनुमति देता है।

लेखक ACSAC को वास्तविक दुनिया के अनुप्रयोगों के लिए अधिक मजबूत RL की दिशा में एक कदम के रूप में देखते हैं, यह नोट करते हुए कि भविष्य का कार्य इन स्टेट-डिपेंडेंट चंक साइज़ को बड़े विजन-लैंग्वेज-एक्शन (VLA) मॉडल के साथ एकीकृत कर सकता है, जहाँ चंक्ड वैल्यू लर्निंग जटिल मल्टीमॉडल सेटिंग्स में स्केल करती है। इस पद्धति को ऑफलाइन और ऑफलाइन-टू-ऑनलाइन लर्निंग दोनों के लिए एक एकीकृत दृष्टिकोण के रूप में प्रस्तुत किया गया है, जिसमें डेटासेट में ऑनलाइन ट्रांजिशन जोड़ने के अलावा किसी विशेष तकनीक की आवश्यकता नहीं है।