💻 computer science

OLIVE: Online Low-Rank Incremental Learning for Efficient Adaptive Exoskeletons

OLIVE एक पैरामीटर-कुशल ऑनलाइन लर्निंग फ्रेमवर्क है जो पहनने योग्य एक्सोस्केलेटन को सेंसर-संचालित पॉलिसी ग्रेडिएंट्स के माध्यम से अपडेट किए जाने वाले लो-रैंक रेसिडुअल्स में नियंत्रण नीतियों को विघटित करके, ऑफलाइन संदर्भ प्रक्षेपवक्रों पर निर्भर किए बिना, वास्तविक समय में व्यक्तिगत उपयोगकर्ताओं और गतिशील भूभागों के अनुकूल निरंतर रूप से ढलने में सक्षम बनाता है, जिससे चाल की सुगमता, प्रयास में कमी और स्थिरता में महत्वपूर्ण सुधार होता है।

मूल लेखक: Dong Liu, Yanxuan Yu, Ben Lengerich, Tony Geng, Ying Nian Wu

प्रकाशित 2026-06-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dong Liu, Yanxuan Yu, Ben Lengerich, Tony Geng, Ying Nian Wu

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 आपके पास हाई-टेक रोबोटिक पैर (एक एक्सोस्केलेटन) हैं जो लोगों को चलने में मदद करने के लिए डिज़ाइन किए गए हैं। अधिकांश मौजूदा रोबोटिक पैरों के साथ समस्या यह है कि वे एक कठोर, पूर्व-निर्धारित डांस पार्टनर की तरह होते हैं। वे कुछ विशिष्ट डांस मूव्स (समतल जमीन पर चलना, सीढ़ियाँ चढ़ना) जानते हैं और हर बार उन्हें पूरी तरह से करने की कोशिश करते हैं। लेकिन अगर आप अचानक पथरीले रास्ते पर कदम रखते हैं, थक जाते हैं, या अपनी चलने की शैली बदलते हैं, तो रोबट उसी पुराने रूटीन को दोहराता रहता है, जो अजीब, अस्थिर या खतरनाक महसूस हो सकता है।

यह पेपर OLIVE का परिचय देता है, जो इन रोबोटिक पैरों को नियंत्रित करने का एक नया तरीका है। OLIVE को एक कठोर डांस पार्टनर के रूप में नहीं, बल्कि एक स्मार्ट, तेजी से सीखने वाले साइडकिक (साथी) के रूप में सोचें जो आपकी भावनाओं और आप जहाँ चल रहे हैं, उसके आधार पर वास्तविक समय (real-time) में अपने मूव्स को एडजस्ट करता है।

यहाँ बताया गया है कि OLIVE कैसे काम करता है, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. "फ्रोजन बेस" (स्थिर आधार) और "क्विक स्केच" (त्वरित रेखाचित्र)

अधिकांश रोबोट हर बार चलने के लिए सब कुछ शून्य से सीखने की कोशिश करते हैं, जो धीमा और गणनात्मक रूप से भारी होता है। OLIVE एक अलग दृष्टिकोण अपनाता है।

द फ्रोजन बेस ( $W_0$ ): एक मास्टर शेफ की कल्पना करें जिसने लाखों लोगों का अध्ययन करके हजारों रेसिपी (चलने के पैटर्न) याद कर ली हैं। यह "बेस शेफ" अपनी जगह पर स्थिर है; वे चलने की बुनियादी बातों को पूरी तरह से जानते हैं और कभी नहीं बदलते।
द लो-रैंक स्केच ( $\Delta W_t$ ): हर बार जब आप चलते हैं, तो पूरी रेसिपी बुक को फिर से लिखने के बजाय, OLIVE बस मास्टर शेफ के निर्देशों के ऊपर एक छोटा, त्वरित स्केच जोड़ देता है। यह स्केच एक छोटा सा समायोजन (एक "लो-रैंक" अपडेट) है जो कहता है, "हे, आज जमीन ऊबड़-खाबड़ है, इसलिए बाएं पैर को थोड़ा टवीक (बदलाव) करते हैं।"
यह क्यों मायने रखता है: क्योंकि रोबोट को पूरी किताब को अपडेट करने के बजाय केवल इस छोटे से स्केच को अपडेट करना होता है, यह बदलाव मिलीसेकंड (पलक झपकने से भी तेज़) में कर सकता है, जो पहनने योग्य डिवाइस (wearable device) के लिए सुरक्षा के लिहाज से आवश्यक है।

2. "डिमर स्विच" (गेटिंग मैकेनिज्म)

कभी-कभी, आप नहीं चाहेंगे कि रोबोट बहुत अधिक बदलाव करे। यदि आप एक चिकने, परिचित फुटपाथ पर चल रहे हैं, तो आपको एक नई रणनीति की आवश्यकता नहीं है।

OLIVE में एक डिमर स्विच (जिसे गेटिंग मैकेनिज्म कहा जाता है) होता है।
यदि रोबोट महसूस करता है कि आप एक स्थिर, परिचित स्थिति में हैं, तो यह डिमर को कम कर देता है (0 के करीब)। अब रोबोट पूरी तरह से भरोसेमंद "मास्टर शेफ" (बेस कंट्रोलर) पर निर्भर रहता है।
यदि रोबोट महसूस करता है कि आप थक गए हैं, जमीन असमान है, या आप सीढ़ियाँ चढ़ रहे हैं, तो यह डिमर को बढ़ा देता है (1 के करीब)। अब, "क्विक स्केच" आपकी विशिष्ट आवश्यकताओं के लिए मूवमेंट को पर्सनलाइज करने का कार्यभार संभाल लेता है।

3. "स्मार्ट बैकपैक" (डायनेमिक रैंक शेड्यूलिंग)

कल्पना कीजिए कि आप हाइक के लिए एक बैकपैक पैक कर रहे हैं। यदि आप एक सपाट रास्ते पर चल रहे हैं, तो आपको केवल एक छोटा, हल्का बैकपैक चाहिए। यदि आप एक खड़ी, पथरीली पहाड़ी चढ़ रहे हैं, तो आपको बहुत सारा सामान लेकर एक बड़ा, भारी बैकपैक चाहिए।

OLIVE के पास एक स्मार्ट बैकपैक है जो अपने आप आकार बदल लेता है।
समतल जमीन पर, यह बैटरी और प्रोसेसिंग पावर बचाने के लिए बैकपैक को सबसे छोटे आकार तक सिकोड़ देता है (बहुत कम समायोजन का उपयोग करके)।
कठिन इलाकों (जैसे सीढ़ियाँ या पथरीली पहाड़ियाँ) पर, यह तुरंत अधिक जटिल समायोजनों को संभालने के लिए अपना बैकपैक फैला देता है, जिससे रोबोट को चुनौती से निपटने के लिए आवश्यक "ब्रेनपावर" मिल सके।

4. "महसूस करके" सीखना (रिवॉर्ड-शेप्ड फीडबैक)

आमतौर पर, रोबोट को बेहतर चलने के लिए सिखाने के लिए, आपको एक आदर्श मानव चलने का वीडियो चाहिए होता है और आपको रोबोट को कहना होता है, "इसे कॉपी करो।" लेकिन वास्तविक दुनिया में, आपके पास हमेशा तुलना करने के लिए एक आदर्श वीडियो नहीं होता है।

OLIVE को वीडियो संदर्भ की आवश्यकता नहीं है। इसके बजाय, यह महसूस करके सीखता है।
यह आपके शरीर पर लगे सेंसर (मांसपेशियों के सेंसर, मोशन सेंसर, वाइब्रेशन सेंसर) का उपयोग करता है और पूछता है: "क्या वह कदम आसान लगा? क्या मैं कम डगमगाया? क्या मेरी मांसपेशियां रिलैक्स हुईं?"
यदि उत्तर "हाँ, यह बेहतर महसूस हुआ" है, तो रोबोट को एक "रिवॉर्ड" (पुरस्कार) मिलता है और वह उस छोटे से समायोजन को बनाए रखता है। यदि यह बदतर महसूस हुआ, तो वह एक अलग टवीक (बदलाव) आज़माता है। यह साइकिल चलाने के संतुलन को महसूस करके सीखने जैसा है, न कि किसी टेक्स्टबुक को देखकर।

परिणाम: टेस्ट में क्या हुआ?

शोधकर्ताओं ने OLIVE का परीक्षण एक वास्तविक, हल्के वजन वाले रोबोटिक हिप असिस्ट डिवाइस पर छह स्वस्थ स्वयंसेवकों के साथ किया। वे समतल जमीन, सीढ़ियों, ढलान और पथरीले कोबलस्टोन (cobblestones) पर चले।

सुचारू चाल (Smoother Walking): रोबोट ने चलने की गति को बहुत सुचारू बना दिया (अगली सबसे अच्छी विधि से 13% बेहतर)।
कम प्रयास (Less Effort): उपयोगकर्ताओं को लगा कि वे कम ऊर्जा का उपयोग कर रहे थे (22% सुधार)।
अधिक स्थिरता (More Stable): उपयोगकर्ता के डगमगाने या संतुलन खोने की संभावना कम थी (15% सुधार)।
तेजी से सीखना (Fast Learning): रोबोट ने प्रत्येक विशिष्ट व्यक्ति की मदद करने का तरीका लगभग 1,800 कदमों (लगभग 15 मिनट की पैदल यात्रा) में सीख लिया।
गति (Speed): इसने ये सभी निर्णय 7.4 मिलीसेकंड में लिए, जो वास्तविक समय में उपयोगकर्ता को सुरक्षित रखने के लिए पर्याप्त तेज़ है।

संक्षेप में: OLIVE एक ऐसा सिस्टम है जो रोबोटिक पैरों को एक ऐसा "दिमाग" देता है जो आपके अद्वितीय शरीर और बदलती दुनिया के अनुसार तुरंत अनुकूलित हो सकता है, बिना किसी रीप्रोग्रामिंग या परफेक्ट वीडियो गाइड के। यह एक ठोस आधार पर छोटे, स्मार्ट समायोजन करके, ऊर्जा बचाकर और आपको स्थिर रखकर ऐसा करता है।

तकनीकी सारांश: OLIVE – कुशल अनुकूली एक्सोस्केलेटन के लिए ऑनलाइन लो-रैंक इंक्रीमेंटल लर्निंग

1. समस्या विवरण

निचले अंग के पहनने योग्य (wearable) एक्सोस्केलेटन शारीरिक अक्षमताओं वाले व्यक्तियों की गतिशीलता को बहाल करने में महत्वपूर्ण क्षमता रखते हैं। हालांकि, वर्तमान नियंत्रण प्रणालियाँ एक गंभीर बाधा का सामना करती हैं: वे स्थिर नीतियों (static policies) पर निर्भर करती हैं जो वास्तविक दुनिया के वातावरण या व्यक्तिगत उपयोगकर्ता के बायोमैकेनिक्स के गतिशील स्वभाव के अनुकूल नहीं हो सकतीं। मौजूदा दृष्टिकोण तीन श्रेणियों में आते हैं, जिनमें से प्रत्येक की अपनी सीमाएं हैं:

नियम-आधारित फाइनाइट स्टेट मशीनें (Rule-based finite state machines): नवीन भूभागों या अप्रत्याशित चाल संक्रमणों (gait transitions) के मामले में ये विफल हो जाती हैं।
इम्पीडेंस/एडमिटेंस कंट्रोलर्स (Impedance/admittance controllers): ये मैन्युअल रूप से ट्यून किए गए मापदंडों पर निर्भर करते हैं जो विभिन्न उपयोगकर्ताओं या परिदृश्यों में सामान्यीकरण (generalize) नहीं कर पाते।
ऑफलाइन-प्रशिक्षित वेट्स (Offline-trained weights): तैनाती के समय स्थिर नीतियां जो रनटाइम फीडबैक को शामिल नहीं कर सकतीं।

प्रभावी सहायक प्रणालियों के लिए पर्यावरणीय संदर्भ (जैसे, भूभाग परिवर्तन) और व्यक्तिगत उपयोगकर्ता अवस्था (जैसे, थकान, चाल में विचलन) दोनों के लिए निरंतर अनुकूलन की आवश्यकता होती है। इसके अलावा, यह अनुकूलन क्लोज्ड-लूप सुरक्षा सुनिश्चित करने के लिए सख्त विलंबता बाधाओं (<10 ms) के साथ एम्बेडेड हार्डवेयर पर होना चाहिए, जो कि गणनात्मक रूप से महंगे फुल-मैट्रिक्स ऑनलाइन लर्निंग को खारिज करता है।

2. कार्यप्रणाली: OLIVE फ्रेमवर्क

OLIVE (कुशल अनुकूली एक्सोस्केलेटन के लिए ऑनलाइन लो-रैंक इंक्रीमेंटल लर्निंग) इन चुनौतियोंों को एक ऑनलाइन, पैरामीटर-कुशल अनुकूलन समस्या के रूप में फ्रेम करके इस समस्या का समाधान करता है। सिस्टम एक पहनने योग्य द्विपक्षीय हिप-असिस्ट एक्सोस्केलेटन पर संचालित होता है जो चार सेंसिंग मोडैलिटीज से लैस है: उच्च-आवृत्ति IMU/जॉइंट एनकोडर, सरफेस EMG, एक्चुएटर वाइब्रेशन सेंसर और अनुमानित संदर्भ।

2.1 लो-रैंक एडेप्टिव कंट्रोलर

मुख्य नवाचार पॉलिसी पैरामीटर मैट्रिक्स $\Theta_t$ को एक फ्रोजन बेस कंट्रोलर $W_0$ और एक ऑनलाइन-अपडेट करने योग्य लो-रैंक रेसिडुअल $\Delta W_t$ में विभाजित करना है:
$\Theta_t = W_0 + \Delta W_t = W_0 + A_t B_t^\top$

बेस कंट्रोलर ( $W_0$ ): इसे एक बड़े पैमाने के जनसंख्या डेटा (IMU, EMG, एनकोडर, वाइब्रेशन) पर प्रशिक्षित प्रीट्रेनड मल्टीमॉडल फाउंडेशन मॉडल (Pretrained-MM) से इनिशियलाइज़ किया गया है। $W_0$ तैनाती के दौरान फ्रोजन रहता है, जो एक मजबूत मोशन प्रायर (motion prior) प्रदान करता है।
लो-रैंक फैक्टर्स ( $A_t, B_t$ ): ये मैट्रिसेस ( $A_t \in \mathbb{R}^{d \times r}, B_t \in \mathbb{R}^{k \times r}$ ) ऑनलाइन अपडेट होते हैं। अपडेट को रैंक $r \ll \min(d, k)$ तक सीमित करके, ऑनलाइन अपडेट की गणना लागत $O(dk) $से घटकर$ O(r(d+k))$ हो जाती है।

2.2 गेटेड पर्सनलाइजेशन

अनिश्चित या तेजी से बदलते इनपुट के दौरान अस्थिरता को रोकने के लिए, एक स्केलर गेटिंग कोएफिशिएंट $\alpha_t \in (0, 1)$ पर्सनलाइज्ड रेसिडुअल के प्रभाव को नियंत्रित करता है:
$a_t = \pi_{W_0 + \alpha_t A_t B_t^\top}(s_t)$
एक छोटा न्यूरल नेटवर्क $g(\cdot)$ वर्तमान अवस्था और इतिहास के आधार पर $\alpha_t$ की भविष्यवाणी करता है। जब $\alpha_t \approx 0$ (स्थिर संदर्भ) होता है, तो सिस्टम मजबूत बेस कंट्रोलर पर निर्भर रहता है; जब $\alpha_t \approx 1$ (डिटेक्टेड स्टेट शिफ्ट या थकान) होता है, तो पर्सनलाइज्ड कंपोनेंट पूरी तरह से सक्रिय हो जाता है।

2.3 डायनेमिक रैंक शेड्यूलिंग

यह पहचानते हुए कि विभिन्न भूभागों के लिए अलग-अलग रिप्रजेंटेशनल कैपेसिटी की आवश्यकता होती है, OLIVE एक डायनेमिक रैंक शेड्यूलर का उपयोग करता है। एक कॉम्प्लेक्सिटी एस्टिमेटर $c_t$ वर्तमान अवस्था की कठिनाई का अनुमान लगाता है। प्रभावी रैंक $r_t$ को एक कैंडिडेट सेट $\{r_{min}, \dots, r_{max}\}$ (उदाहरण के लिए, 4 से 16) में से $c_t$ के आधार पर चुना जाता है।

सरल भूभाग (समतल चलना): कम रैंक ( $r_t=4$ ) की ओर अभिसरित होता है, जिससे गणनात्मक भार कम होता है।
जटिल भूभाग (सीढ़ियां, असमान सतह): आवश्यक क्षमता आवंटित करने के लिए उच्च रैंक ( $r_t=16$ ) तक विस्तारित होता है।
यह तंत्र पैरामीटर ओवरहेड को कम करने के लिए गेटिंग नेटवर्क के साथ वेट्स साझा करता है।

2.4 रिवॉर्ड-शेप्ड पॉलिसी ग्रेडिएंट के माध्यम से ऑनलाइन इंक्रीमेंटल अपडेट

OLIVE, बिना किसी ऑफलाइन रेफरेंस ट्राजेक्टरी की आवश्यकता के, शुद्ध ऑन-बॉडी सेंसर फीडबैक द्वारा संचालित पॉलिसी ग्रेडिएंट पद्धति का उपयोग करके लो-रैंक फैक्टर्स $A_t$ और $B_t$ को अपडेट करता है।

रिवॉर्ड शेपिंग: रिवॉर्ड $r_t$ $r_{t}$ की गणना निम्नलिखित से की जाती है:
1. $\Delta \text{EMG}_t$ : इंटर-स्टेप औसत मसल एक्टिवेशन में कमी (प्रयास में कमी का संकेत)।
2. $E_t$ : IMU वेरिएंस और लोड एसिमेट्री से प्राप्त नॉर्मलाइज्ड मेटाबॉलिक एफर्ट का प्रॉक्सी।
3. $\phi(s_t, a_t)$ : नॉर्मलाइज्ड सेंटर-ऑफ-मास (CoM) डेविएशन और स्टेप एसिमेट्री।
ऑब्जेक्टिव: सिस्टम एक रेगुलराइज्ड नेगेटिव-रिवॉर्ड लॉस को मिनिमाइज करता है:
$\mathcal{L}_t = -\lambda_1 r_t + \lambda_2 \mathcal{L}_{smooth} + \lambda_3 \mathcal{L}_{stab}$
रेगुलराइजर्स टॉर्क डिस्कंटीन्यूइटी और पोस्चरल इंस्टेबिलिटी को दंडित करते हैं, जो स्थिरता सुनिश्चित करने के लिए एक ट्रस्ट-रीजन बाधा के रूप में कार्य करते हैं।

3. मुख्य योगदान

पेपर तीन प्राथमिक योगदानों का दावा करता है:

एक लो-रैंक एडेप्टिव कंट्रोलर: प्रीट्रेनड-MM-इनिशियलाइज्ड मल्टीमॉडल बेस पॉलिसी पर निर्मित, जिसे रिवॉर्ड-शेप्ड पॉलिसी ग्रेडिएंट के माध्यम से ऑनलाइन अपडेट किया जाता है जिसमें किसी भी रेफरेंस ट्राजेक्टरी की आवश्यकता नहीं होती है।
एक गेटिंग मैकेनिज्म: स्थिरता सुनिश्चित करने के लिए उपयोगकर्ता के संदर्भ के आधार पर पर्सनलाइज्ड रेसिडुअल के प्रभाव को गतिशील रूप से नियंत्रित करता है।
एक डायनेमिक रैंक शेड्यूलर: अनुमानित स्टेट कॉम्प्लेक्सिटी के आधार पर अपडेट रैंक $r_t$ को वास्तविक समय में चुनता है, जो अनुकूलन क्षमता और गणनात्मक लागत के बीच संतुलन बनाता है।

4. प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन एक लाइटवेट एक्सोस्केलेटन (2.4 किग्रा) पर छह स्वस्थ प्रतिभागियों के साथ चार टेरेन स्थितियों में किया गया: समतल चलना, सीढ़ियों का उपयोग, ढलान, और असमान पथरीला रास्ता (cobblestone)।

4.1 प्रदर्शन मेट्रिक्स

तीन बेसलाइनों (Static, Rule-Based, और Fixed-NN) की तुलना में, OLIVE ने महत्वपूर्ण सुधार प्रदर्शित किया:

गेट स्मूथनेस (Gait Smoothness): सबसे मजबूत बेसलाइन (Fixed-NN) से +13 प्रतिशत अंक अधिक।
प्रयास में कमी (Effort Reduction): +22 प्रतिशत अंक।
मोशन स्टेबिलिटी (Motion Stability): +15 प्रतिशत अंक।
कन्वर्जेंस (Convergence): सिस्टम लगभग 1,800 वॉकिंग स्टेप्स के भीतर लो-एफर्ट स्टेट में अभिसरित हो गया।

4.2 दक्षता और विलंबता

विलंबता (Latency): एंड-टू-एंड इंफरेंस और अपडेट लेटेंसी एक एम्बेडेड ARM-आधारित SoC पर 7.4 ms है, जो 10 ms के सुरक्षा बजट के भीतर है।
कंप्यूटेशनल बचत: डायनेमिक रैंक शेड्यूलर, फुल-रैंक अपडेट की तुलना में सरल फ्लैट वॉकिंग (जहाँ $r_t=4$ ) के दौरान अपडेट पैरामीटर काउंट को 16× तक कम कर देता है।
एब्लेशन स्टडीज (Ablation Studies): प्रीट्रेनड-MM इनिशियलाइजेशन को हटाने से सबसे बड़ा प्रदर्शन ड्रॉप देखा गया। गेटिंग मैकेनिज्म को हटाने से स्थिरता में अत्यधिक गिरावट आई, जबकि डायनेमिक रैंक शेड्यूलिंग को हटाने से गुणवत्ता को महत्वपूर्ण रूप से प्रभावित किए बिना विलंबता बढ़ गई।

5. महत्व और दावे

पेपर यह दावा करता है कि OLIVE स्थिरता और पर्सनलाइजेशन के संतुलित दृष्टिकोण के रूप में एक लो-रैंक सबस्पेस में ऑनलाइन वेट अपडेट करने की व्यवहार्यता को प्रमाणित करता है। इसका महत्व निम्नलिखित में निहित है:

रेफरेंस डिपेंडेंस को समाप्त करना: ऑन-बॉडी सेंसर द्वारा संचालित रिवॉर्ड-शेप्ड पॉलिसी ग्रेडिएंट का उपयोग करके, यह ऑफलाइन रेफरेंस ट्राजेक्टरीज पर निर्भरता को हटा देता है, जिससे वास्तविक दुनिया के परिवेश में सच्चा "ह्यूमन-इन-द-लूप" ऑप्टिमाइजेशन सक्षम होता है।
हार्डवेयर दक्षता: यह प्रदर्शित करता है कि लर्निंग एल्गोरिदम (लो-रैंक, गेटिंग, डायनेमिक रैंक) को हार्डवेयर बाधाओं के साथ सह-डिज़ाइन करके जटिल अनुकूलन को पहनने योग्य एम्बेडेड हार्डवेयर पर प्राप्त किया जा सकता है।
एकीकृत फ्रेमवर्क: पिछले दृष्टिकोणों के विपरीत जो स्थिरता, दक्षता या पर्सनलाइजेशन को अलग-अलग संबोधित करते हैं, OLIVE इन तीनों को एक एकल लो-रैंक फ्रेमवर्क के भीतर एकीकृत करता है, जिससे समतल चलने से लेकर असमान भूभाग नेविगेशन तक विविध गतिविधियों के लिए मजबूत प्रदर्शन संभव होता है।