⚡ electrical engineering

FlipItRight: Stable Pose-Targeted Throw-Flip Across Diverse Objects

यह शोध पत्र FlipItRight प्रस्तुत करता है, जो एक मॉडल-मुक्त ढांचा है जो विविध वस्तुओं के लिए स्थिर, पोज़-लक्षित थ्रो-फ्लिप कार्यों में 90% सफलता दर प्राप्त करता है, जो बिना किसी पूर्व डेटा या अंशांकन (कैलिब्रेशन) की आवश्यकता के मजबूती सुनिश्चित करने के लिए निरंतर एंड-इफेक्टर वेगों का उपयोग करते हुए समस्या को ऑब्जेक्ट-लेवल रिलीज़ स्टेट प्लानिंग और रोबोट-लेवल स्विंग मोशन निष्पादन में विभाजित करता है।

मूल लेखक: Axel Dawne, Shinkyu Park

प्रकाशित 2026-06-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Axel Dawne, Shinkyu Park

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 कैच खेलने का एक खेल खेल रहे हैं, लेकिन हाथ से गेंद फेंकने के बजाय, आप एक विशाल, सटीक रोबोटिक हाथ का उपयोग कर रहे हैं। अब, कल्पना कीजिए कि लक्ष्य केवल वस्तु को एक विशिष्ट स्थान पर पहुँचाना नहीं है, बल्कि यह सुनिश्चित करना है कि वह चेहरा ऊपर (face-up) और सीधे खड़ी (standing straight) स्थिति में लैंड हो, जैसे कि कोई किताब मेज पर बिल्कुल सही तरीके से रखी हो, न कि किनारे पर फिसल जाए।

यह चुनौती है जिसे "FlipItRight" नामक शोध पत्र (paper) हल करता है। शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो रोबोट को वस्तुओं को इस तरह फेंकने और घुमाने (flip करने) के लिए सिखाता है कि वे ठीक वैसे ही लैंड हों जैसा आप चाहते हैं, भले ही वस्तुएं अलग-अलग आकार, साइज या वजन की क्यों न हों।

उन्होंने इसे कैसे किया, इसका विवरण सरल अवधारणाओं में यहाँ दिया गया है:

समस्या: "रिलीज़" (छोड़ने का क्षण) ही सब कुछ है

जब आप गेंद फेंकते हैं, तो जिस क्षण आपका हाथ उसे छोड़ता है, वह सबसे महत्वपूर्ण सेकंड होता है। उसके बाद, गेंद अपने आप होती है; गुरुत्वाकर्षण और भौतिकी (physics) अपना काम संभाल लेते हैं। यदि आप एक मिलीसेकंड भी जल्दी या देर से छोड़ देते हैं, या यदि आपका हाथ गलत गति से चल रहा है, तो वस्तु लक्ष्य से चूक जाएगी या अपनी बगल (side) के बल गिर जाएगी।

एक रोबोट के लिए, यह और भी कठिन है। रोबोट को यह गणना करने की आवश्यकता है कि उसे कहाँ होना चाहिए, कितनी गति से चलना चाहिए, और वस्तु को घुमाने और एक विशिष्ट लैंडिंग स्पॉट पर एक विशिष्ट ओरिएंटेशन (स्थिति) में पहुँचाने के लिए उसे ठीक कब छोड़ना चाहिए।

समाधान: दो-चरणीय "रेसिपी"

लेखकों ने FlipItRight नामक एक सिस्टम बनाया। पूरे रोबोटिक मूवमेंट को एक साथ अनुमान लगाने की कोशिश करने के बजाय (जो कि आँखों पर पट्टी बाँधकर एक विशाल पहेली सुलझाने जैसा है), उन्होंने इसे दो स्पष्ट चरणों में विभाजित किया, जैसे कि एक शेफ भोजन की योजना बनाता है:

"फिजिक्स शेफ" (ऑब्जेक्ट-लेवल प्लानर):
सबसे पहले, सिस्टम रोबोट को पूरी तरह से अनदेखा कर देता है। यह पूछता है: "यदि मैं एक जादुई वस्तु होता, तो मुझे मेज पर सही ढंग से लैंड करने के लिए किस गति, कोण और स्पिन (घूर्णन) के साथ अपने हाथ से निकलना चाहिए था?"
यह एक "रिलीज़ स्टेट" की गणना करता है। इसे थ्रो के लिए एक आदर्श रेसिपी के रूप में समझें। यह उस सटीक गति और रोटेशन का पता लगाता है जिसकी वस्तु को उस क्षण आवश्यकता होती है जब वह रोबोट की पकड़ से बाहर निकलती है।
"रोबोट शेफ" (रोबोट-लेवल प्लानर):
अब जब उनके पास "आदर्श रेसिपी" है, तो वे रोबोट से पूछते हैं: "क्या तुम वास्तव में उस सटीक गति और स्पिन को बनाने के लिए अपने हाथ को हिला सकते हो?"
रोबोट अपनी सीमाओं की जाँच करता है (क्या वह इतनी तेज़ी से चल सकता है? क्या वह एक आरामदायक स्थिति में है?)। यदि वह सक्षम है, तो वह उस रेसिपी से मेल खाने के लिए एक स्विंग मोशन (झूला मारने वाली गति) की योजना बनाता है। यदि वह नहीं कर सकता, तो वह एक अलग रेसिपी आज़माने के लिए वापस "फिजseits शेफ" के पास जाता है।

गुप्त मंत्र: "स्मूथ क्रूज़" (स्थिर गति)

इस पेपर में सबसे स्मार्ट ट्रिक्स में से एक वह है कि रोबोट छोड़ने से ठीक पहले कैसे चलता है।

कल्पना कीजिए कि आप कार चला रहे हैं। यदि आप ब्रेक लगाने के ठीक समय पर अपनी गति बढ़ा रहे हैं या कम कर रहे हैं, तो समय की एक छोटी सी गलती का मतलब है कि आप गलत जगह रुक जाएंगे। लेकिन, यदि आप ब्रेक लगाने से ठीक पहले एक स्थिर, निरंतर गति (steady, constant speed) पर चल रहे हैं, तो समय की एक छोटी सी गलती ज्यादा मायने नहीं रखती। आप अभी भी सही गति से चल रहे हैं।

FlipItRight रोबोट के हाथ के साथ यही करता है। छोड़ने से ठीक पहले के अंतिम क्षण में, रोबोट अपने हाथ को एक स्थिर, निरंतर गति पर चलने के लिए मजबूर करता है। यह थ्रो को बहुत अधिक सहिष्णु (forgiving) बना देता है। भले ही रोबोट अपने ग्रिपर को एक सेकंड के बहुत छोटे हिस्से के लिए जल्दी या देर से खोल दे, वस्तु अभी भी सही तरीके से लैंड करने के लिए सही गति और स्पिन के साथ चल रही होगी।

परिणाम: वास्तविक दुनिया की सफलता

टीम ने एक वास्तविक रोबोट आर्म (UR10e) और विभिन्न वस्तुओं के साथ इसका परीक्षण किया:

लकड़ी के ब्लॉक (कुछ पतले, कुछ मोटे)।
एक सिलेंडर जिसकी सतह घुमावदार है (पकड़ने में कठिन)।
एक हेक्सागोनल प्रिज्म (षट्कोणीय प्रिज़्म)।

उन्होंने इन वस्तुओं को अलग-अलग दूरियों और अलग-अलग ओरिएंटेशन (जैसे कि नीचे के सपाट चेहरे पर लैंड करना बनाम किनारे पर लैंड करना) में फेंकने का प्रयास किया।

स्कोर:
120 थ्रो में से, रोबोट 108 बार सफल रहा (एक 90% सफलता दर)।

उन्होंने पाया कि:

जो वस्तुएं पकड़ने में आसान थीं और जिनके लैंडिंग सरफेस सपाट थे, वे सबसे अच्छा काम करती थीं।
"स्थिर गति" वाला मंत्र (steady speed trick) अत्यंत महत्वपूर्ण था। जब उन्होंने इस फीचर को बंद कर दिया, तो रोबोट अक्सर चूक गया, विशेष रूप से उन वस्तुओं के साथ जिन्हें आसानी से छोड़ना कठिन था।
यह सिस्टम हजारों पिछले थ्रो से "सीखने" की आवश्यकता के बिना काम करता है। इसने एक नए ऑब्जेक्ट के लिए तुरंत थ्रो का पता लगाने के लिए गणित और भौतिकी के नियमों का उपयोग किया।

संक्षेप में

FlipItRight एक स्मार्ट प्लानिंग सिस्टम है जो "थ्रो की भौतिकी" को "रोबोट की गति" से अलग करता है। पहले छोड़ने की आदर्श स्थितियों की गणना करके, और फिर छोड़ने से ठीक पहले एक स्थिर, नियंत्रित गति के साथ रोबोट को चलाने के माध्यम से, यह विभिन्न वस्तुओं को फेंकने और उन्हें ठीक वैसे ही लैंड कराने में विश्वसनीय है जैसा आप चाहते हैं, और इसके लिए इसे पहले से अभ्यास करने की आवश्यकता नहीं होती।

तकनीकी सारांश: FlipItRight – विविध वस्तुओं के लिए स्थिर पोज़-लक्षित थ्रो-फ्लिप (Throw-Flip)

समस्या विवरण (Problem Statement)
रोबोटिक थ्रोइंग एक उच्च-कठिनाई वाला हेरफेर कार्य (manipulation task) है जहाँ वस्तु ग्रिपर को छोड़ने के बाद नियंत्रण खो जाता है, जिससे रिलीज की स्थिति (स्थिति, अभिविन्यास, रैखिक वेग और कोणीय वेग) ही लैंडिंग प्रक्षेपवक्र (trajectory) का एकमात्र निर्धारक बन जाती है। जबकि मौजूदा विधियाँ मुख्य रूप से सटीक लैंडिंग स्थितियों को प्राप्त करने पर केंद्रित रही हैं, पोज़-लक्षित थ्रो-फ्लिप (लैंडिंग स्थिति और अभिविन्यास दोनों को नियंत्रित करना) प्राप्त करना काफी अधिक चुनौतीपूर्ण है। उच्च-डिग्री-ऑफ-फ्रीडम (DoF) मैनिपुलेटर्स के लिए यह कठिनाई एंड-इफेक्टर मोशन और जॉइंट कॉन्फ़िगरेशन के बीच घनिष्ठ जुड़ाव के कारण और बढ़ जाती है, जो एक उच्च-आयामी, नॉन-कॉन्वेक्स प्लानिंग समस्या (non-convex planning problem) बनाती है। इसके अलावा, विभिन्न आकारों, आकारों और द्रव्यमान वाली वस्तुओं में पोज़-लक्षित थ्रो-फ्लिप का पूर्व व्यवस्थित मूल्यांकन दुर्लभ रहा है।

कार्यप्रणाली: FlipItRight फ्रेमवर्क (Methodology: FlipItRight Framework)
लेखक FlipItRight का प्रस्ताव करते हैं, जो एक मॉडल-आधारित, दो-चरणीय प्लानिंग फ्रेमवर्क है जिसे स्थिर प्लेनर थ्रो-फ्लिप (गति $yz $-प्लेन में सीमित और रोटेशन$ x$-अक्ष के चारों ओर) के लिए डिज़ाइन किया गया है। मुख्य नवाचार ऑब्जेक्ट रिलीज स्टेट (object release state) को एक स्पष्ट मध्यवर्ती प्रतिनिधित्व (intermediate representation) के रूप में मानना है जो लैंडिंग-पोज़ आवश्यकताओं और रोबोट मोशन जनरेशन के बीच सेतु का कार्य करता है।

ऑब्जेक्ट-लेवल रिलीज स्टेट प्लानर (Object-Level Release State Planner):
- यह मॉड्यूल उम्मीदवार रिलीज स्टेट ( $\xi_{rel}$ ) उत्पन्न करता है जो वांछित लैंडिंग पोज़ को संतुष्ट करते हैं।
- यह लैंडिंग स्थिति और अभिविन्यास त्रुटियों को कम करने के लिए एक कड़े नॉन-लीनियर ऑप्टिमाइज़ेशन समस्या को हल करता है और स्थिर लैंडिंग को बढ़ावा देने के लिए उच्च-ऊर्जा अवस्थाओं (घूर्णी/स्थानांतरण गतिज और स्थितिज ऊर्जा) को दंडित (penalize) करता है।
- अनुकूलन (optimization) एक बैलिस्टिक प्रोपेगेशन ऑपरेटर (एल्गोरिदम 1) का उपयोग करता है जो रिजिड ग्रैस्प, डिकपल्ड लोड डायनेमिक्स, नगण्य एरोडायनामिक्स और तात्कालिक रिलीज के अनुमानों के तहत उड़ान गतिकी (flight dynamics) का अनुकरण करता है।
- उम्मीदवारों को लैंडिंग स्थिति ( $\pm 5$ मिमी) और अभिविन्यास ( $\pm 0.5^\circ$ ) के लिए सख्त थ्रेशोल्ड के आधार पर फ़िल्टर किया जाता है।
रोबोट-लेवल स्विंग मोशन प्लानर (Robot-Level Swing Motion Planner):
- यह मॉड्यूल उम्मीदवार रिलीज स्टेट की किनेमैटिक निष्पादनीयता (kinematic executability) का मूल्यांकन करता है और एक व्यवहार्य स्विंग मोशन का निर्माण करता है।
- स्विंग-पॉस्चर सेलेक्टर (Swing-Posture Selector): यह प्रारंभिक जॉइंट कॉन्फ़िगरेशन ( $q_0$ ), रिलीज कॉन्फ़िगरेशन ( $q_f$ ), और स्विंग अवधि ( $T_{end}$ ) के लिए समाधान खोजता है। महत्वपूर्ण रूप से, यह एक स्ट्रक्चर्ड नियर-रिलीज मोशन डिज़ाइन (structured near-release motion design) लागू करता है: एंड-इफेक्टर वेग को एक स्थिरीकरण अंतराल $[T_{stab}, T_{end}]$ के दौरान एक लक्षित स्थिर मान तक पहुँचना आवश्यक है। यह डिज़ाइन रिलीज-टाइमिंग अनिश्चितता के प्रति मजबूती (robustness) में सुधार करने के उद्देश्य से बनाया गया है, क्योंकि यह वास्तविक रिलीज वेग पर होने वाले प्रभाव को कम करता है (चूंकि $\Delta v \approx a \Delta t$ , रिलीज के पास त्वरण $a$ को कम करने से त्रुटि कम हो जाती है)।
- प्लानर रिलीज-स्टेट रेसिडुअल्स, वेलोसिटी-कॉन्स्टेंसी बाधाओं, जॉइंट एक्सेलरेशन सीमाओं और स्विंग दिशा/ऊंचाई आवश्यकताओं को संतुष्ट करने के लिए एक बाउंडेड नॉन-लीनियर लीस्ट-स्क्वेयर्स समस्या को हल करता है।
- स्विंग-ट्रैजेक्टरी जनरेटर (Swing-Trajectory Generator): एक बार व्यवहार्य पॉस्चर चुने जाने के बाद, त्वरण चरण के लिए क्यूबिक हर्मिट स्पलाइन (cubic Hermite splines) और अंतिम चरण के लिए निरंतर-वेग गति का उपयोग करके एक संदर्भ प्रक्षेपवक्र (reference trajectory) उत्पन्न किया जाता है। एक ऑफलाइन ऑप्टिमाइज़ेशन जॉइंट-स्पेस ट्रैजेक्टरी को इस संदर्भ को ट्रैक करने के लिए परिष्कृत करता है जबकि जॉइंट सीमाओं का सम्मान करता है।

प्रमुख योगदान (Key Contributions)

व्यवस्थित रियल-रोबोट मूल्यांकन: यह पेपर विभिन्न आकारों (ब्लॉक्स, सिलेंडर, प्रिज़्म), आकारों और द्रव्यमान वाली वस्तुओं के लिए पोज़-लक्षित थ्रो-फ्लिप का व्यवस्थित मूल्यांकन करने वाला पहला रियल-रोबोट अध्ययन प्रस्तुत करता है।
स्पष्ट मध्यवर्ती प्रतिनिधित्व: ऑब्जेक्ट रिलीज स्टेट को एक डिकपल्ड मध्यवर्ती प्रतिनिधित्व के रूप में पेश करने से ऑब्जेक्ट-लेवल लैंडिंग व्यवहार्यता और रोबोट-लेवल निष्पादनीयता को अलग करते हुए, सिद्धांतिक उम्मीदवार फ़िल्टरिंग और रोबोट कॉन्फ़िगरेशन के अनुकूल चयन की अनुमति मिलती है।
स्ट्रक्चर्ड नियर-रिलीज मोशन: फ्रेमवर्क अंतिम स्विंग चरण के दौरान लगभग स्थिर एंड-इफेक्टर वेग को लागू करता है। यह डिज़ाइन विकल्प बिना किसी सीखे गए मॉडल या पुनरावृत्त डेटा संग्रह के रिलीज-टाइमिंग अनिश्चितता के प्रति मजबूती में सुधार करता है।
मॉडल-आधारित परिनियोजन (Model-Based Deployment): दृष्टिकोण विश्लेणात्मक उड़ान गतिकी और प्रक्षेपवक्र अनुकूलन पर निर्भर करता है, जो पर्यावरण-विशिष्ट अंशांकन या पूर्व डेटा संग्रह के बिना नई वस्तुओं और लक्ष्यों पर सीधा परिनियोजन सक्षम बनाता है।

प्रायोगिक परिणाम (Experimental Results)
फ्रेमवर्क को चार विशिष्ट वस्तुओं (दो आयताकार ब्लॉक, एक दीर्घवृत्ताकार सिलेंडर, और एक षट्कोणीय प्रिज़्म) और प्रत्येक के लिए तीन लक्ष्य दूरियों वाले 120 परीक्षणों में UR10e रोबोट और OnRobot RG6 ग्रिपर पर मान्य किया गया।

सफलता दर (Success Rate): सिस्टम ने कुल 90% सफलता दर (120/120 परीक्षणों में से 108) प्राप्त की, जिसे वस्तु के इच्छित सपोर्ट फेस पर सही अभिविन्यास के साथ स्थिर रूप से लैंड होने के रूप में परिभाषित किया गया है।
प्रदर्शन भिन्नता (Performance Variance): प्रदर्शन वस्तु की ज्यामिति के अनुसार भिन्न हुआ। ब्लॉक 2 और षट्कोणीय प्रिज़्म ने उच्च सफलता दर हासिल की (अक्सर 10/10), जबकि ब्लॉक 1 और दीर्घवृत्ताकार सिलेंडर ने थोड़ी कम दर दिखाई। लेखक ब्लॉक 1 के कम प्रदर्शन का कारण कम तात्कालिक रिलीज ट्रांज़िशन (संभवतः आवश्यक उच्च ग्रैस्पिंग फोर्स के कारण) और छोटे लैंडिंग फेस स्थिरता को मानते हैं।
एब्लेशन स्टडीज (Ablation Studies):
- प्रारंभिक पोज़ चयन: अनुकूलित प्रारंभिक कॉन्फ़िगरेशन को एक निश्चित, हाथ से डिज़ाइन किए गए पॉस्चर से बदलने के परिणामस्वरूप सिमुलेशन में उच्च ट्रैकिंग त्रुटियां हुईं, जो अनुकूलित पोज़ चयन के महत्व की पुष्टि करती हैं।
- नियर-रिलीज वेलोसिटी स्ट्रक्चर: निरंतर-वेग अंतराल को हटाने ( $\alpha=1.0$ के बजाय $0.7$ सेट करने के साथ) से सफलता दर में काफी कमी आई और लैंडिंग त्रुटियां बढ़ गईं, विशेष रूप से उन वस्तुओं के लिए जिनमें कम तात्कालिक रिलीज लक्षण थे। यह पुष्टि करता है कि स्ट्रक्चर्ड मोशन डिज़ाइन टाइमिंग अनिश्चितता के प्रति संवेदनशीलता को कम करता है।

महत्व और दावे (Significance and Claims)
पेपर दावा करता है कि FlipItRight यह प्रदर्शित करता है कि उच्च-DoF मैनिपुलेटर्स लर्निंग-आधारित विधियों या व्यापक डेटा संग्रह पर निर्भर किए बिना विविध भौतिक वस्तुओं के लिए सटीक, पोज़-लक्षित थ्रो-फ्लिप प्राप्त कर सकते हैं। समस्या को विघटित करके और रिलीज स्टेट को स्पष्ट रूप से मॉडल करके, फ्रेमवर्क अभिविन्यास नियंत्रण जोड़ते हुए पूर्व कार्यों (जो अक्सर मोटे सफलता मानदंड का उपयोग करते थे) की तुलना में प्रतिस्पर्धी या बेहतर स्थिति सटीकता प्राप्त करता है। लेखक इस बात पर जोर देते हैं कि स्ट्रक्चर्ड नियर-रिलेस मोशन डिज़ाइन वास्तविक दुनिया के निष्पादन में मजबूती प्राप्त करने के लिए एक महत्वपूर्ण कारक है, जो आदर्शित प्लानिंग और ग्रिपर एक्चुएशन एवं रिलीज टाइमिंग की भौतिक वास्तविकता के बीच के अंतर को पाटता है। यह कार्य स्थिर, पोज़-लक्षित थ्रोइंग के लिए एक आधार स्थापित करता जिसे न्यूनतम सेटअप के साथ सीधे तैनात किया जा सकता है।

समस्या: "रिलीज़" (छोड़ने का क्षण) ही सब कुछ है

समाधान: दो-चरणीय "रेसिपी"

गुप्त मंत्र: "स्मूथ क्रूज़" (स्थिर गति)

परिणाम: वास्तविक दुनिया की सफलता

संक्षेप में

इसी तरह के और पेपर