Enabling Extensible Embodied Capabilities with Tools
यह शोध पत्र एम्बोडीड टूल प्रोटोकॉल (ETP) और एक संगत टूल बेस प्रस्तावित करता है ताकि विषम एम्बोडीड क्षमताओं को स्वतंत्र रूप से अनुकूलित उपकरणों में अलग किया जा सके, और एम्बोडीडटूलबेंच (EmbodiedToolBench) के माध्यम से यह प्रदर्शित करता है कि जबकि यह बाह्यीकरण धारणा और संज्ञान प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है, यह निष्पादन और टूल इनवोकेशन प्रबंधन में चुनौतियों का सामना करता 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 घर के काम करना सिखाने की कोशिश कर रहे हैं, जैसे कि एक बिखरे हुए कमरे को साफ करना या सैंडविच बनाना।
पुराना तरीका: "सुपर-ब्रेन" की समस्या
पारंपरिक रूप से, वैज्ञानिकों ने एक विशाल, सर्वज्ञ रोबोट मस्तिष्क बनाने की कोशिश की। वे चाहते थे कि एक ही मस्तिष्क सब कुछ करे: मेज पर क्या रखा है यह देखना, सबसे अच्छी योजना बनाना, चाबियाँ कहाँ रखी हैं यह याद रखना, और वास्तव में रोबोट के हाथ को उठाने के लिए उसे हिलाना।
यह लेख तर्क देता है कि यह एक ही छात्र को विश्व स्तरीय सर्जन, एक पेशेवर शेफ, एक मास्टर बढ़ई और एक जीपीएस नेविगेटर एक ही समय में बनने के लिए सिखाने जैसा है। यह बहुत अधिक है! मस्तिष्क भ्रमित हो जाता है, अलग-अलग कौशल आपस में उलझ जाते हैं, और जब रोबोट एक चीज़ सीखने की कोशिश करता है (जैसे कप पकड़ना), तो वह गलती से चलना भी भूल सकता है।
नया तरीका: "टूलबॉक्स" दृष्टिकोण
लेखक एक स्मार्ट विचार प्रस्तावित करते हैं: एक विशाल मस्तिष्क न बनाएं; एक स्मार्ट मैनेजर के साथ एक टूलबॉक्स बनाएं।
रोबोट को हर कौशल खुद सीखने के लिए मजबूर करने के बजाय, वे उसे कुछ विशिष्ट "उपकरण" (सॉफ्टवेयर प्रोग्राम) देते हैं जिन्हें वह आवश्यकता पड़ने पर बुला सकता है।
- मैनेजर (रोबोट का मस्तिष्क): इसका एकमात्र काम स्थिति को देखना और यह तय करना है कि कौन सा उपकरण उपयोग करना है। इसे गहराई की गणना करने या वस्तुओं को ट्रैक करने की आवश्यकता नहीं है; इसे बस यह जानने की आवश्यकता है, "हे, मुझे जानना है कि वह कप कितनी दूर है। मुझे डेप्थ टूल से पूछने दें।"
- उपकरण (टूल्स): ये पहले से बने, विशिष्ट विशेषज्ञ हैं। एक टूल वस्तुओं को खोजने में माहिर है (जैसे एक आवर्धक लेंस)। दूसरा रास्ता तय करने में माहिर है (जैसे एक जीपीएस)। तीसरा चीजों को याद रखने में माहिर है (जैसे एक नोटबुक)।
"एम्बॉडीड टूल प्रोटोकॉल" (ETP): एक यूनिवर्सल एडाप्टर
यह पेपर एक मानक नियम पुस्तिका पेश करता है जिसे एम्बॉडीड टूल प्रोटोकॉल (ETP) कहा जाता है। इसे एक यूनिवर्सल पावर स्ट्रिप या एक मानक यूएसबी पोर्ट की तरह समझें।
- पहले, हर टूल अलग भाषा बोलता था। "विज़न टूल" फ्रेंच बोल सकता था, और "प्लानिंग टूल" स्पेनिश बोल सकता था। रोबोट उन्हें एक साथ उपयोग नहीं कर सकता था।
- ETP सभी टूल्स को एक ही भाषा बोलने के लिए मजबूर करता है। अब, रोबोट का मैनेजर किसी भी टूल को प्लग इन कर सकता है, उससे एक सवाल पूछ सकता है, और चाहे वह टूल किसी ने भी बनाया हो, एक स्पष्ट उत्तर प्राप्त कर सकता है।
"टूलबॉक्स" संग्रह
शोधकर्ताओं ने केवल इस बारे में बात नहीं की; उन्होंने इसे वास्तव में बनाया। उन्होंने 100 से अधिक प्रमाणित उपकरणों का एक विशाल पुस्तकालय तैयार किया।
- कुछ टूल्स रोबोट को देखने में मदद करते हैं (जैसे बिखरी हुई रसोई में एक विशिष्ट लाल कप को ढूंढना)।
- कुछ उसे सोचने में मदद करते हैं (यह समझने में कि कप एक किताब के ऊपर है)।
- कुछ उसे योजना बनाने में मदद करते हैं (यह तय करने में कि कप पकड़ने से पहले किताब को हटाना चाहिए)।
- कुछ उसे कार्य करने में मदद करते हैं (बिना गिराए कप को पकड़ने के लिए सटीक कोण की गणना करने में)।
परीक्षण: "एम्बॉडीड टूल बेंच" (EmbodiedToolBench)
यह देखने के लिए कि क्या यह वास्तव में काम करता है, उन्होंने एम्बॉडीड टूल बेंच नामक एक बड़ी परीक्षा बनाई। यह रोबोटों के लिए ड्राइविंग टेस्ट की तरह है, लेकिन केवल ड्राइविंग करने के बजाय, रोबोट को यह तय करना होता है कि:
- क्या मुझे मदद की ज़रूरत है? (क्या मुझे एक टूल बुलाना चाहिए, या मैं यह खुद कर सकता हूँ?)
- कौन सा टूल? (क्या मुझे जीपीएस की ज़रूरत है या मैप की?)
- क्या मैं इसका उपयोग कर सकता हूँ? (क्या मैंने टूल से सही सवाल पूछा?)
- क्या मैं उन्हें मिला सकता हूँ? (क्या मैं जीपीएस, फिर मैप, फिर कंपास को सही क्रम में उपयोग कर सकता हूँ?)
उन्होंने क्या पाया
- अच्छी खबर: रोबोट को यह टूलबॉक्स देने से वे सोचने और देखने वाले कार्यों में बहुत बेहतर हो गए। उदाहरण के लिए, नेविगेशन और जटिल निर्देशों का पालन करने वाले कार्यों में, रोबल्स केवल टूल्स का उपयोग करके 30-36% बेहतर हो गए। यह एक छात्र को कैलकुलेटर और डिक्शनरी देने जैसा था; उन्होंने समस्याओं को बहुत तेज़ी से और अधिक सटीकता से हल किया।
- "ओपन-सोर्स" सरप्राइज: छोटे, सस्ते रोबोट दिमाग (ओपन-सोर्स मॉडल) को सबसे अधिक लाभ हुआ। टूल्स के साथ, एक छोटा रोबोट दिमाग वास्तव में एक विशाल, महंगे दिमाग से बेहतर प्रदर्शन कर सकता था जिसके पास टूल्स नहीं थे।
- सीमा (लिमिटेशन): टूलबॉक्स हर चीज़ के लिए जादू की छड़ी नहीं था। जब बात रोबोट के हाथ को चलाने के बहुत सूक्ष्म, भौतिक विवरणों की आई (जैसे नाजुक अंडे को कुचले बिना उठाना), तो टूल्स ने उतनी मदद नहीं की। रोबोट अभी भी काम के भौतिक "मांसपेशियों" वाले हिस्से में संघर्ष कर रहा था।
- असली चुनौती: सबसे बड़ी समस्या टूल्स की नहीं थी; बल्कि रोबोट की यह जानने की क्षमता थी कि उन्हें कब उपयोग करना है। कई रोबोट अभी भी मदद के लिए पुकारना भूल जाते थे, या वे गलत टूल चुन लेते थे (जैसे घड़ी ठीक करने के लिए हथौड़े का उपयोग करना)।
सारांश में
यह पेपर कहता है: एक रोबोट मस्तिष्क को सब कुछ करने के लिए बनाने की कोशिश करना बंद करें। इसके बजाय, रोबोट को एक स्मार्ट मैनेजर और विशिष्ट सहायकों का एक मानकीकृत टूलबॉक्स दें। यह रोबोटों को स्मार्ट, लचीला और जटिल कार्यों में बेहतर बनाता है, बशर्ते हम उन्हें यह सिखा सकें कि कब सही टूल के लिए हाथ बढ़ाना है।
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।