← नवीनतम पेपर
💻 computer science

VANDERER: Map-Free Exploration using Future-Aware and Visual-Curiosity-Guided Diffusion Policy

VANDERER एक मैप-मुक्त अन्वेषण ढांचा (map-free exploration framework) है जो एक विजुअल क्यूरियोसिटी मॉड्यूल (Visual Curiosity Module) का उपयोग करके सेंसर-सीमित मोबाइल एजेंटों के लिए प्री-ट्रेंड डिफ्यूजन पॉलिसियों को बढ़ाता है, जो क्रिया परिणामों की भविष्यवाणी करता है और अनछुए क्षेत्र के कवरेज को अधिकतम करने के लिए नेविगेशन को निर्देशित करता है।

मूल लेखक: Venkata Naren Devarakonda, Raktim Gautam Goswami, Prashanth Krishnamurthy, Farshad Khorrami

प्रकाशित 2026-06-16
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Venkata Naren Devarakonda, Raktim Gautam Goswami, Prashanth Krishnamurthy, Farshad Khorrami

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 आपको केवल एक स्मार्टफोन कैमरा हाथ में लेकर एक विशाल, अपरिचित शहर में छोड़ दिया गया है। आपके पास कोई GPS नहीं है, कोई मैप नहीं है, और न ही कोई 3D स्कैनर। आपका एकमात्र काम यह है कि आप बिना रास्ता भटके या चीजों से टकराए, शहर को जितना संभव हो सके उतना घूमकर देखें।

यह वह चुनौती है जिसे VANDERER पेपर हल करता है। यह एक रोबोट (या एक ऑटोनॉमस एजेंट) को सिखाने के बारे में है कि कैसे वह केवल एक सिंगल कैमरे का उपयोग करके दुनिया को कुशलतापूर्वक एक्सप्लोर करे, बिना LiDAR या GPS जैसे महंगे सेंसर्स के।

यह पेपर इस समस्या को कैसे हल करता है, इसे सरल उपमाओं (analogies) के माध्यम से यहाँ समझाया गया है:

1. समस्या: "मैप-मेकर" का जाल (The "Map-Maker" Trap)

पारंपरिक रोबोट चलते समय दुनिया का एक सटीक 3D मैप बनाने की कोशिश करते हैं। उन्हें यह सटीक रूप से करने के लिए महंगे हार्डवेयर (जैसे लेजर स्कैनर) की आवश्यकता होती है। यदि उनके पास ये उपकरण नहीं हैं, तो वे भ्रमित हो जाते हैं।

  • पेपर का दृष्टिकोण: एक सटीक मैप बनाने के बजाय, VANDERER एक जिज्ञासु पर्यटक की तरह व्यवहार करता है जो बस नई चीजें देखना चाहता है। उसे सड़क की सटीक ज्यामिति (geometry) की परवाह नहीं है; वह बस यह जानना चाहता है, "क्या मैंने यह दृश्य पहले देखा है?"

2. इंजन: "डिफ्यूजन पॉलिसी" (The "Diffusion Policy" - द क्रिएटिव आर्टिस्ट)

यह पेपर एक डिफ्यूजन पॉलिसी का उपयोग करता है। इसे एक अत्यधिक प्रशिक्षित कलाकार के रूप में सोचें जिसने कारों के सुरक्षित रूप से चलने के लाखों वीडियो देखे हैं।

  • यह कैसे काम करता है: यदि आप इस कलाकार को "ड्राइविंग पाथ ड्रा करने" के लिए कहते हैं, तो वे केवल अंदाजे से कुछ भी नहीं बनाते। वे एक बिखरी हुई रेखा (noise) से शुरुआत करते हैं और धीरे-धीरे उसे एक चिकने, सुरक्षित ड्राइविंग पथ में बदलते हैं, जैसा कि उन्होंने सीखा है।
  • सीमा: अतिरिक्त मदद के बिना, यह कलाकार केवल एक ही जगह पर बार-बार चक्कर काट सकता है क्योंकि वह केवल "सुरक्षित" रहने की कोशिश कर रहा है, "एक्सप्लोरेटरी" (खोजबीन करने वाला) होने की नहीं। उन्हें कहीं नई जगह जाने के लिए एक धक्के (nudge) की आवश्यकता होती है।

3. मार्गदर्शक: "विजुअल क्यूरियोसिटी मॉड्यूल" (The "Visual Curiosity Module" - द स्काउट)

यही VANDERER का असली मंत्र (secret sauce) है। यह कलाकार के बगल में खड़े एक स्काउट (Scout) की तरह काम करता है।

  • प्रक्रिया:
    1. कलाकार कुछ अलग-अलग रास्ते सुझाता है (जैसे, "बाएं मुड़ें," "सीधे जाएं," "दाएं मुड़ें")।
    2. स्काउट एक "वर्ल्ड मॉडल" (एक मानसिक सिम्युलेटर) का उपयोग करता है ताकि यह कल्पना कर सके कि यदि रोबोट उन रास्तों पर चलता तो कैमरा क्या देखता।
    3. स्काउट फिर एक "मेमोरी बैंक" की जांच करता है जिसमें रोबोट ने अब तक जो कुछ भी देखा है, वह दर्ज है।
    4. क्यूरियोसिटी टेस्ट (जिज्ञासा परीक्षण): स्काउट पूछता है, "क्या यह नया दृश्य हमारे द्वारा देखे गए दृश्यों से अलग है?"
      • यदि दृश्य पुराने दृश्यों के बहुत समान है, तो स्काउट कहता है, "बोरिंग! वहां मत जाओ।"
      • यदि दृश्य बिल्कुल नया है, तो स्काउट कहता, "रोमांचक! वहां जाओ!"

4. जादुई ट्रिक: कलाकार को निर्देशित करना (Guiding the Artist)

केवल एक "सबसे अच्छे" पथ को चुनने के बजाय (जो कि एक जाल हो सकता है), VANDERER कलाकार के शुरुआती स्केच को सुधारने के लिए स्काउट के फीडबैक का उपयोग करता है।

  • उपमा: कल्पना कीजिए कि कलाकार एक चित्र बना रहा है। स्काउट फुसफुसाता है, "हे, कैनवास का बायां हिस्सा कल की पेंटिंग जैसा दिख रहा है। चलिए बाएं हिस्से के रंगों को थोड़ा बदलते हैं ताकि यह जंगल जैसा दिखे।"
  • कलाकार फिर से रास्ता दोबारा बनाता है, लेकिन इस बार, रास्ता स्वाभाविक रूप से "नए" क्षेत्रों की ओर झुक जाता है क्योंकि शुरुआती "शोर" (noise) को उन क्षेत्रों के पक्ष में समायोजित किया गया था।

5. परिणाम: अधिक क्षेत्र कवर किया गया, कम टक्करें

पेपर ने एक वास्तविक शहर सिमुलेशन (CARLA) में पांच अलग-अलग शहरों के साथ इसका परीक्षण किया।

  • प्रतियोगिता: उन्होंने इसकी तुलना अन्य शीर्ष तरीकों (जैसे NoMaD) से की।
  • परिणाम: VANDERER ने अपने सबसे अच्छे प्रतियोगी की तुलना में 13.4% अधिक क्षेत्र एक्सप्लोर किया।
  • सुरक्षा: जबकि प्रतियोगी अक्सर दीवारों या खंभों से टकरा जाते थे (क्योंकि वे बिना अच्छे सेंसर्स के बहुत सटीक होने की कोशिश कर रहे थे), VANDERER बहुत कम टकराया।
  • क्यों? "क्यूरियोसिटी" गाइड ने रोबोट को लूप में फंसने (गोल-गोल घूमने) या टकराने से बचाया। इसने रोबोट को "अज्ञात" की ओर बढ़ते रहने में मदद की।

सारांश

VANDERER एक ऐसे रोबोट एक्सप्लोरर की तरह है जिसे मैप की आवश्यकता नहीं है। इसके बजाय, यह चालों की योजना बनाने के लिए एक क्रिएटिव AI और भविष्य की कल्पना करने के लिए एक जिज्ञासु स्काउट का उपयोग करता है। स्काउट लगातार चेक करता रहता है, "क्या मैंने यह पहले देखा है?" और यदि उत्तर "नहीं" है, तो यह रोबोट को वहां जाने के लिए प्रेरित करता है। यह रोबोट को केवल एक मानक कैमरे का उपयोग करके बड़े, जटिल बाहरी क्षेत्रों को कुशलतापूर्वक एक्सप्लोर करने की अनुमति देता 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →