💻 computer science

TacSE3: Equivariant SE(3) Motion Estimation from Low-Texture Visuotactile Images for In-Gripper Tracking and Compensation

यह शोध पत्र TacSE3 प्रस्तुत करता है, जो एक इक्विवेरिएंट (equivariant) SE(3) मोशन एस्टीमेशन पाइपलाइन है जो डुअल-सेंसर लो-टेक्चर विज़ुओटैक्टाइल डेटा का लाभ उठाकर 3D फोर्स फील्ड्स को प्लेनर ट्रांसलेशन और शियर-आधारित रोटेशन में अलग करता है, जिससे बिना रिट्रेनिंग के रोबोटिक मैनिपुलेशन के लिए सुदृढ़ इन-ग्रिपर ट्रैकिंग और डिस्टर्बेंस कंपनसेशन सक्षम होता है।

मूल लेखक: Zhongyuan Liao, Junzhe Wang, Qingyang Liu, Zhenmin Huang, Jun Ma, Yi Cai, Fei Meng, Haobo Liang, Michael Yu Wang

प्रकाशित 2026-05-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhongyuan Liao, Junzhe Wang, Qingyang Liu, Zhenmin Huang, Jun Ma, Yi Cai, Fei Meng, Haobo Liang, Michael Yu Wang

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 अपनी आँखें बंद करके अपने हाथ के अंदर एक चिकने, चमकदार मार्बल (कंचे) को हिलाने की कोशिश कर रहे हैं। यदि आप केवल अपनी हथेली की चिकनी त्वचा को महसूस करके यह अनुमान लगाने की कोशिश करते हैं कि मार्बल कैसे लुढ़क रहा है, तो यह अविश्वसनीय रूप से कठिन है। आपका मस्तिष्क किसी भी "बिंदु" या "रेखा" को ट्रैक नहीं कर पाता जिससे वह देख सके, इसलिए वह भ्रमित हो जाता है कि मार्बल बगल में फिसल रहा है या अपनी जगह पर घूम (spin) रहा है।

यह ठीक वही समस्या है जिसका सामना रोबोट तब करते हैं जब वे "टच कैमरों" का उपयोग करके चिकनी, बिना बनावट वाली वस्तुओं (जैसे एक पॉलिश किया हुआ गोला या धातु का गियर) को नियंत्रित करने की कोशिश करते हैं। ये कैमरे, जिन्हें विज़ुओटैक्टाइल सेंसर (Visuotactile Sensors) कहा जाता है, रोबोट की उंगलियों के विरुद्ध दबी वस्तु की तस्वीरें लेते हैं। लेकिन यदि वस्तु चिकनी है, तो तस्वीर एक खाली, धुंधले धब्बे जैसी दिखती है। पारंपरिक कंप्यूटर विज़न विधियाँ विफल हो जाती हैं क्योंकि वे पैटर्न खोजने पर निर्भर करती हैं, और यहाँ कोई पैटर्न पहचानने के लिए उपलब्ध ही नहीं है।

"TacSE3" से मिलिए: रोबोट का "महसूस करने" वाला सिस्टम

यह शोध पत्र एक नई विधि पेश करता है जिसे TacSE3 कहा जाता है, जो रोबोट को यह समझने में मदद करती है कि उनकी पकड़ के भीतर एक वस्तु बिल्कुल कैसे हिल रही है, भले ही वह वस्तु चिकनी हो और रोबोट उसे देख न पा रहा हो।

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

1. तस्वीर देखना बंद करें, "धक्का" महसूस करना शुरू करें

एक इंसान द्वारा चलती हुई कार की टेललाइट्स को ट्रैक करने के बजाय, TacSE3 टच सेंसर को एक प्रेशर मैप (दबाव मानचित्र) की तरह मानता है।

उपमा: कल्पना कीजिए कि आप अपने अंगूठे को एक नरम, स्पंजी तकिए में दबा रहे हैं। यदि आप अपने अंगूठे को स्लाइड करते हैं, तो तकिया एक दिशा में खिंचता है। यदि आप अपने अंगूठे को घुमाते हैं, तो तकिया एक सर्पिल (spiral) की तरह खिंचता है।
विधि: रोबोट इमेज में "फीचर्स" नहीं ढूंढता। इसके बजाय, यह एक 3D फोर्स फील्ड (बल क्षेत्र) की गणना करता है। यह दबाव को दो भागों में विभाजित करता है:
- नॉर्मल फोर्स (Normal Force): वस्तु उंगली के अंदर कितनी जोर से धक्का दे रही है (जैसे बटन दबाना)।
- शियर फोर्स (Shear Force): वस्तु उंगली के ऊपर कितनी रगड़ खा रही है (जैसे हाथ को मेज पर रगड़ना)।

2. "सेंट्रॉइड" ट्रिक (फिसलने और घूमने के बीच अंतर करना)

रोबोट के लिए सबसे बड़ी समस्याओं में से एक यह पहचानना है कि एक वस्तु बगल में फिसल (slide) रही है या घूम (spin) रही है। एक एकल चिकनी उंगली पर, ये दोनों गतिविधियाँ बहुत समान दिख सकती हैं।

उपमा: मेज पर घूमते हुए सिक्के के बारे में सोचें। यदि आप सिक्के को किनारे से धक्का देते हैं, तो वह फिसलता है। यदि आप उसके किनारे को झटकते हैं, तो वह घूमता है। लेकिन यदि आप केवल सिक्के के केंद्र को देखते हैं, तो अंतर बताना कठिन है।
समाधान: TacSE3 एक चतुर ट्रिक का उपयोग करता है।
- फिसलने (Sliding) को खोजने के लिए, यह संपर्क क्षेत्र के केंद्र (सेंट्रॉइड) पर नज़र रखता है। यदि दबाव का केंद्र बाईं ओर जाता है, तो वस्तु बाईं ओर फिसली है।
- घूमने (Spining) को खोजने के लिए, यह उस केंद्र के आसपास के मरोड़ वाले बलों (twisting forces/shear) को देखता है।
- इन दोनों गणनाओं को अलग करके, रोबोट भ्रमित होने से बच जाता है। यह ऐसा है जैसे मस्तिष्क का एक हिस्सा "मैं कहाँ जा रहा हूँ?" के लिए समर्पित है और दूसरा हिस्सा "क्या मैं घूम रहा हूँ?" के लिए।

3. "दो उंगलियों" की महाशक्ति

शोध पत्र दिखाता है कि दो टच सेंसर (ग्रिपर की प्रत्येक उंगली पर एक) का उपयोग करना गेम-चेंजर है।

उपमा: कल्पना कीजिए कि आप केवल एक उंगली से महसूस करके यह अनुमान लगाने की कोशिश कर रहे हैं कि एक गेंद लुढ़क रही है या नहीं। यह अस्पष्ट है। लेकिन यदि आप दो उंगलियों से विपरीत दिशाओं से महसूस करते हैं, तो सुराग स्पष्ट हो जाते हैं।
- यदि गेंद आगे की ओर फिसलती (slide) है, तो दोनों उंगलियां एक ही दिशा में धक्का महसूस करती हैं।
- यदि गेंद घूमती (spin) है, तो एक उंगली आगे की ओर धक्का महसूस करती है जबकि दूसरी उंगली पीछे की ओर धक्का महसूस करती है (जैसे एक सी-सॉ/झूला)।
परिणाम: दोनों उंगलियों की तुलना करके, रोबोट तुरंत भ्रम को दूर कर सकता है। वह निश्चित रूप से जान जाता है कि वस्तु घूम रही है या फिसल रही है, भले ही वस्तु पूरी तरह से चिकनी क्यों न हो।

4. "रेसिडुअल" हेल्पर (एक को-पायलट)

लेखकों ने इस सिस्टम का परीक्षण रोबोट के मुख्य मस्तिष्क को बदलने के बजाय, इसे एक को-पायलट के रूप में जोड़कर किया है।

उपमा: एक सेल्फ-ड्राइविंग कार की कल्पना करें जो ड्राइविंग में अच्छी है लेकिन अचानक हवा के झोंके से भटक जाती है। आपको कार का इंजन फिर से बनाने की आवश्यकता नहीं है; आपको बस एक छोटे सेंसर की आवश्यकता है जो कहे, "हे, हमें 5 डिग्री बाईं ओर धकेला गया है, वापस मुड़ने के लिए स्टीयरिंग एडजस्ट करें।"
अनुप्रयोग: रोबोट के पास एक मुख्य AI पॉलिसी (ड्राइवर) होती है जो एक कार्य करने की कोशिश करती है (जैसे छेद में पेग डालना)। यदि कोई इंसान गलती से ग्रिपर के अंदर वस्तु को टक्कर मार देता है, तो मुख्य AI भ्रमित हो सकता है और विफल हो सकता है। TacSE3 एक "रेसिडुअल" सिग्नल के रूप में कार्य करता है। यह टक्कर का पता लगाता है, सूक्ष्म रोटेशन की गणना करता है, और रोब सहित बताता है, "अपनी स्थिति को संतुलित करने के लिए अपना हाथ थोड़ा समायोजित करें।"
परिणाम: प्रयोगों में, जब इंसानों ने रोबोट की पकड़ के साथ छेड़छाड़ की, तो TacSE3 का उपयोग करने वाला रोबोट, बिना इसके उपयोग करने वाले रोबोट की तुलना में, रिकवर करने और कार्य पूरा करने में बहुत बेहतर था। इसे फिर से प्रशिक्षित करने की आवश्यकता नहीं थी; इसे बस इस अतिरिक्त "महसूस करने" वाले स्तर की आवश्यकता थी।

सारांश

TacSE3 रोबोट के लिए गति को "महसूस" करने का एक नया तरीका है। विजुअल पैटर्न (जो चिकनी वस्तुओं पर मौजूद नहीं होते) पर निर्भर रहने के बजाय, यह:

टच इमेज को एक 3D प्रेशर मैप में बदल देता है।
फिसलने (sliding) (केंद्र की गति) को घूमने (spinning) (मरोड़ बल) से अलग करता है।
भ्रम को दूर करने और क्रॉस-चेक करने के लिए दो उंगलियों का उपयोग करता है।
एक रियल-टाइम करेक्शन सिग्नल के रूप में कार्य करता है ताकि जब वस्तु उनकी पकड़ के भीतर शिफ्ट हो, तो रोबोट स्थिर रह सके।

यह रोबोट को चिकनी, फिसलन भरी या बिना बनावट वाली वस्तुओं को उसी आत्मविश्वास के साथ संभालने की अनुमति देता है जो उनके पास टेक्सचर्ड वस्तु को पकड़ने के दौरान होता है, बस इमेज के स्वरूप के बजाय स्पर्श के भौतिक विज्ञान (physics of touch) को समझकर।

तकनीकी सारांश: TacSE3 – लो-टेक्चर विज़ुओटैक्टाइल छवियों से इक्विवेरिएंट SE(3) मोशन एस्टीमेशन

समस्या विवरण
रोबोटिक इन-हैंड मैनिपुलेशन में अक्सर ऐसी स्थितियाँ आती हैं जहाँ ऑक्लूजन (occlusion) या प्रमुख दृश्य विशेषताओं की कमी के कारण विज़ुअल ट्रैकिंग विफल हो जाती है। जबकि विज़न-आधारित टैक्टाइल सेंसर (VBTS) संपर्क-समृद्ध इंटरैक्शन के लिए एक आशाजनक विकल्प प्रदान करते हैं, पारंपरिक मोशन एस्टीमेशन पाइपलाइन जो इमेज टेक्सचर, मार्कर ट्रैकिंग या डेंस ऑप्टिकल फ्लो पर निर्भर करती हैं, वे लो-टेक्चर या सिमेट्रिक ऑब्जेक्ट्स (जैसे पॉलिश किए हुए गोले) के मामले में संघर्ष करती हैं। इन स्थितियों में, सूक्ष्म घूर्णी गतियाँ (rotational motions) न्यूनतम दिखावट परिवर्तन उत्पन्न करती हैं, जिससे कोरेस्पोंडेंस-आधारित विधियाँ अविश्वसनीय हो जाती हैं। इसके अलावा, सिंगल-सेंसर सेटअप अक्सर ट्रांसलेशनल और रोटेशनल मोशन के बीच अस्पष्टता से ग्रस्त होते हैं, क्योंकि दोनों ही समान स्थानीय विरूपण पैटर्न (deformation patterns) उत्पन्न कर सकते हैं। यह शोध पत्र स्पष्ट टेक्सचर मैचिंग पर निर्भर किए बिना, सीधे लो-टेक्चर टैक्टाइल छवियों से एक विश्वसनीय SE(3) मोशन एस्टीमेट बनाने की चुनौती का समाधान करता है।

कार्यप्रणाली: TacSE3 पाइपलाइन
प्रस्तावित विधि, TacSE3, टैक्टाइल इमेज को केवल एक टेक्सचर्ड विज़ुअल इनपुट के रूप में नहीं, बल्कि संपर्क के एक ज्यामितीय माप (geometric measurement) के रूप में पुनर्गठित करती है। यह पाइपलाइन निम्नलिखित चरणों के माध्यम से आगे बढ़ती है:

डिकपल्ड 3D फोर्स फील्ड कंस्ट्रक्शन:
इमेज फीचर्स को ट्रैक करने के बजाय, यह विधि कच्चे टैक्टाइल ऑब्जर्वेशन को प्रोसेस करके एक डेंस 3D फोर्स फील्ड का पुनर्निर्माण करती है। एक डेंस कलर-पैटर्न VBTS (विशेष रूप से DM-Tac) का उपयोग करते हुए, सिस्टम टैक्टाइल रिस्पॉन्स को टैन्जेंशियल (शियर) और नॉर्मल घटकों में विभाजित करता है। यह हेल्महोल्ट्ज़-हॉज डीकंपोजिशन (Helmholtz–Hodge decomposition) के माध्यम से किया जाता है, जो प्लेनर डिस्प्लेसमेंट फील्ड को कर्ल-फ्री (डाइवर्जेंस) और डाइवर्जेंस-फ्री (कर्ल) घटकों में अलग करता है ताकि नॉर्मल और शियर बलों के स्थानिक वितरण को प्राप्त किया जा सके।
कॉन्टैक्ट पॉइंट और मोशन प्रॉक्सी जनरेशन:
सिस्टम महत्वपूर्ण नॉर्मल रिस्पॉन्स के आधार पर सक्रिय संपर्क क्षेत्रों की पहचान करता है। प्रत्येक वैध पिक्सेल के लिए, स्थानीय टैक्टाइल फ्रेम में एक 3D कॉन्टैक्ट पॉइंट बनाया जाता है। टैन्जेंशियल और नॉर्मल फोर्स रिस्पॉन्स को एक लोकल वेलोसिटी प्रॉक्सी के रूप में कैलिब्रेट किया जाता है, जो संपर्क बिंदु की तात्कालिक गति (instantaneous motion) का अनुमान लगाता है।
SE(3) रिजिड-बॉडी एस्टीमेशन:
लोकल वेलोसिटी प्रॉक्सी को एक रिजिड-बॉडी ट्विस्ट समीकरण ( $v = \omega \times q + t$ ) का उपयोग करके मॉडल किया जाता है। एस्टीमेशन प्रक्रिया एक विशिष्ट डिकपलिंग रणनीति का उपयोग करती है:
- ट्रांसलेशन: प्लेनर ट्रांसलेशन को सेंसर प्लेन पर कॉन्टैक्ट सेंट्रॉइड की गति से सख्ती से प्राप्त किया जाता है, न कि रोटेशन के साथ संयुक्त रूप से फिट करके।
- रोटेशन: रोटेशन का अनुमान अलग से, रिजिड-बॉडी मॉडल के लिए शियर-संबंधित मोशन बाधाओं को फिट करके लगाया जाता है।
  यह पृथक्करण उस इल-कंडीशनिंग (ill-conditioning) से बचता है जो अक्सर कपल्ड ट्रांसलेशन-रोटेशन लीस्ट-स्क्वेयर्स समस्याओं में पाई जाती है और एक भौतिक रूप से व्याख्या योग्य सिग्नल प्रदान करता है।
टेम्पोरल इंटीग्रेशन और इक्विवेरिएंस:
अनुमानित तात्कालिक ट्विस्ट को निरंतर पोज़ प्रक्षेपवक्र (pose trajectory) बनाने के लिए SE(3) मैनिफोल्ड पर एक्सपोनेंशियल मैप का उपयोग करके समय के साथ एकीकृत किया जाता है। विधि इक्विवेरिएंट कोऑर्डिनेट कंसिस्टेंसी सुनिश्चित करती है: अनुमानित गति एंड-इफेक्टर फ्रेम में परिभाषित है, जिससे यह सुनिश्चित होता है कि रोबोट के ग्लोबल पोज़ में बदलाव या सेंसर पर संपर्क के स्थान के बावजूद, समान अंतर्निहित ऑब्जेक्ट मोशन से सुसंगत अनुमान प्राप्त होता है।
डुअल-सेंसर फ्यूजन:
ट्रांसलेशन-रोटेशन अस्पष्टता को हल करने के लिए, सिस्टम दो विपरीत ग्रिपर फिंगर्स पर लगे दो टैक्टाइल सेंसरों का उपयोग करता है। मिरर किए गए कोऑर्डिनेट फ्रेम्स को ध्यान में रखने के लिए साइन-मैट्रिक्स ट्रांसफॉर्मेशन लागू करके, सिस्टम ट्विस्ट एस्टीमेट्स को फ्यूज करता है। यह सिस्टम को ट्रांसलेशन (जो सेंसरों के बीच सुसंगत बल दिशा उत्पन्न करता है) और रोटेशन (जो विपरीत बल पैटर्न उत्पन्न करता है) के बीच अंतर करने की अनुमति देता है।
रेसिड्यूअल कंट्रोल इंटीग्रेशन:
अनुमानित SE(3) मोशन को एक टैक्टाइल ज्यामितीय रेसिड्यू के रूप में माना जाता है। इसे बेस पॉलिसी (जैसे कि ट्रांसफॉर्मर्स के साथ एक्शन चंकिंग) के साथ एक लाइटवेट पोस्ट-प्रोसेसिंग सिग्नल ( $u_{final} = u_{policy} + \Delta u_{tactile}$ ) के रूप में फ्यूज किया जाता है ताकि बेस पॉलिसी को फिर से प्रशिक्षित किए बिना रोबोटिक क्रियाओं को परिष्कृत किया जा सके।

प्रमुख योगदान

ज्यामितीय अवस्था प्रपत्र (Geometric State Formulation): यह शोध पत्र लो-टेक्चर सेंसिंग के लिए टैक्टाइल-टू-SE(3) एस्टीमेशन को लोकल रिजिड-बॉडी मोशन पर केंद्रित एक ज्यामितीय स्टेट एस्टीमेशन समस्या के रूप में प्रस्तुत करता है, जो टेक्सचर-निर्भर कोरेस्पोंडेंस मैचिंग से दूर जाता है।
फोर्स-फील्ड डिकपलिंग: यह एक पाइपलाइन प्रस्तावित करता है जो कच्चे टैक्टाइल ऑब्जर्वेशन को 3D फोर्स फील्ड में डिकपल करता है और एक भौतिक रूप से आधारित SE(3) मॉडल के माध्यम से रिजिड-बॉडी ट्विस्ट का पुनर्निर्माण करता है, विशेष रूप से सेंट्रॉइड-आधारित ट्रांसलेशन को शियर-आधारित रोटेशन से अलग करता है।
डुअल-सेंसर अस्पष्टता न्यूनीकरण: यह कार्य प्रदर्शित करता है कि डुअल-सेंसर कॉन्फ़िगरेशन सिंगल-सेंसर सेटअप की तुलना में ट्रांसलेशन और रोटेशन के बीच की अस्पष्टता को काफी कम कर देता है।
लाइटवेट कंपन (Compensation): यह विधि एक रोटेशन सिग्नल प्रदान करती है जिसे बेस कंट्रोल पॉलिसी को संशोधित किए बिना, डिस्टर्बेंस टॉलरेंस को बेहतर बनाने के लिए एक पोस्ट-प्रोसेसिंग मॉड्यूल के रूप में जोड़ा जा सकता है।

प्रायोगिक परिणाम
प्रयोग दो DM-Tac सेंसरों से लैस एक UR5 रोबोट का उपयोग करके किए गए थे:

रोटेशन सटीकता: तीन अक्षों ( $r_x, r_y, r_z$ ) में एक पकड़े हुए बॉल के नियंत्रित रोटेशन (30°, 60°, 90°) के तहत, विधि ने ~3° (30° रोटेशन के लिए) से लेकर ~12° (90° रोटेशन के लिए) तक के औसत कोणीय त्रुटि स्तर प्राप्त किए। त्रुटि वृद्धि को इंटीग्रेशन ड्रिफ्ट और बड़े कोणों पर कॉन्टैक्ट नॉन-लीनियैरिटी के कारण माना गया है।
सिंगल बनाम डुअल सेंसर: शुद्ध ट्रांसलेशनल मोशन टेस्ट में, सिंगल-सेंडर कॉन्फ़िगरेशन ने महत्वपूर्ण रोटेशन ड्रिफ्ट (लगभग 9–10°) दिखाया, जबकि डुअल-सेंसर कॉन्फ़िगरेशन ने इस ड्रिफ्ट को लगभग 1.1–1.5° तक कम कर दिया, जो प्रभावी डिकपलिंग को प्रदर्शित करता है।
सामान्यीकरण (Generalization): विधि ने विभिन्न ज्यामिति (गोले, सिलेंडर, अनियमित आकार) और सतह बनावट (चिकनी, टेक्सचर्ड, लकड़ी, प्लास्टिक) वाले विविध ऑब्जेक्ट्स के लिए कम त्रुटि दर (2.6°–4.0°) बनाए रखी, जो टेक्सचर-विहीन स्थितियों में मजबूती की पुष्टि करती है।
पॉलिसी-स्तरीय प्रदर्शन: हस्तक्षेप वाले कार्यों (ड्राइंग, गियर इंसर्शन, पेग-इन-होल) में, बेस पॉलिसी की तुलना में टैक्टाइल पोस्ट-प्रोसेसर को सक्षम करने से हस्तक्षेप के तहत सफलता दर में सुधार हुआ (जैसे, गियर इंसर्शन में हस्तक्षेप के तहत सफलता दर 20% से बढ़कर 35% हो गई)।

महत्व और दावे
शोध पत्र का दावा है कि TacSE3 लो-टेक्चर विज़ुओटैक्टाइल सेंसिंग और इन-ग्रिपर मैनिपुलेशन के बीच एक व्यावहारिक ज्यामितीय सेतु प्रदान करता है। इमेज अपीयरेंस के बजाय कॉन्टैक्ट ज्योमेट्री को प्राथमिकता देकर, यह विधि उन स्थितियों में विश्वसनीय मोशन एस्टीमेशन प्राप्त करती है जहाँ पारंपरिक विज़ुअल या टेक्सचर-आधारित टैक्टाइल विधियाँ विफल हो जाती हैं। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण वैश्विक विज़न को बदलने या नए ऑब्जेक्ट्स के लिए पूर्ण ऑब्जेक्ट-लेवल स्टेट एस्टीमेशन प्रदान करने के लिए नहीं है। इसके बजाय, यह स्थानीय मोशन ट्रैकिंग और मुआवजे के लिए एक मजबूत, व्याख्या योग्य और लाइटवेट मॉड्यूल के रूप में कार्य करता है, जो विशेष रूप से उन चिकने, सममित या छिपे हुए (occluded) ऑब्जेक्ट्स के लिए मूल्यवान है जहाँ विज़न अविश्वसनीय है। आउटपुट की इक्विवेरिएंट प्रकृति यह सुनिश्चित करती है कि सिग्नल संपर्क स्थान या रोबोट पोज़ के बावजूद डाउनस्ट्रीम कंट्रोल के लिए सुसंगत बना रहे।

1. तस्वीर देखना बंद करें, "धक्का" महसूस करना शुरू करें

2. "सेंट्रॉइड" ट्रिक (फिसलने और घूमने के बीच अंतर करना)

3. "दो उंगलियों" की महाशक्ति

4. "रेसिडुअल" हेल्पर (एक को-पायलट)

सारांश

इसी तरह के और पेपर