💻 computer science

DeformGen: Dynamics-Based Topology Augmentation for Deformable Manipulation Policy Learning

DeformGen एक डायनेमिक्स-आधारित ऑग्मेंटेशन फ्रेमवर्क है जो टोपोलॉजी-सुसंगत अवस्थाओं को उत्पन्न करने के लिए भौतिक सिमुलेशन और प्रक्षेपवक्रों (ट्रैजेक्टरीज) को स्थानांतरित करने के लिए विरूपण-क्षेत्र वार्पिंग (डेफॉर्मेशन-फील्ड वार्पिंग) का उपयोग करके डिफॉर्मेबल मैनिपुलेशन में मौजूदा विधियों की सीमाओं को दूर करता है, जिससे लागत प्रभावी, भौतिक रूप से प्रशंसनीय डेटा विस्तार के माध्यम से पॉलिसी लर्निंग को बढ़ाया जाता है।

मूल लेखक: Zili Lin, Wenyao Zhang, Yuyang Zhang, Zekun Qi, Junyan Lin, Hanxin Zhu, Jiaolong Yang, Zhibo Chen, Yao Mu, Xiaokang Yang, Xin Jin, Wenjun Zeng

प्रकाशित 2026-06-29

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zili Lin, Wenyao Zhang, Yuyang Zhang, Zekun Qi, Junyan Lin, Hanxin Zhu, Jiaolong Yang, Zhibo Chen, Yao Mu, Xiaokang Yang, Xin Jin, Wenjun Zeng

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 शर्ट मोड़ना, जूते का फीता बांधना या किसी नरम खिलौने को डिब्बे में पैक करना सिखाने की कोशिश कर रहे हैं। ये कार्य कठिन हैं क्योंकि रोबोट के छूते ही वस्तु अपना आकार बदल लेती है।

यह शोध पत्र बताता है कि DeformGen नामक एक नई विधि इन कार्यों को तेजी से और बेहतर तरीके से सीखने में रोबोट की मदद कैसे करती है। यह कैसे काम करता है, इसे सरल उपमाओं के माध्यम से समझाया गया है।

समस्या: "रिजिड" (कठोर) गलती

परंपरागत रूप से, जब वैज्ञानिक किसी रोबोट को नए वीडियो रिकॉर्ड किए बिना अधिक कार्य सिखाना चाहते हैं, तो वे "डेटा ऑग्मेंटेशन" नामक तकनीक का उपयोग करते हैं। वे किसी इंसान द्वारा कार्य करने के एक वीडियो को लेते हैं और पूरे दृश्य को गणितीय रूप से घुमाते या मोड़ते हैं ताकि नए "नकली" वीडियो बनाए जा सकें।

उपमा: कल्पना कीजिए कि आपके पास एक व्यक्ति का वीडियो है जिसने एक कठोर लकड़ी के ब्लॉक को पकड़ा हुआ है। यदि आप वीडियो को 10 डिग्री घुमाते हैं, तो ब्लॉक अभी भी एक ब्लॉक ही रहता है, बस वह एक अलग जगह पर होता है। रोबोट इस नए कोण से आसानी से सीख सकता है।
विफलता: अब, उसी वीडियो की कल्पना करें, लेकिन वस्तु एक गीली मिट्टी का टुकड़ा है। यदि आप केवल उस वीडियो को घुमाते हैं, तो मिट्टी केवल घूमती नहीं है; वह पिचकती है, खिंचती है और अपना आकार बदल लेती है। यदि आप रोबोट को इन "घुमाए गए" मिट्टी के वीडियो का उपयोग करके सिखाने की कोशिश करते हैं, तो रोबोट भ्रमित हो जाता है। वह सोचता है कि मिट्टी को एक कठोर आकार में होना चाहिए, लेकिन वास्तव में, मिट्टी लचीली और अप्रत्याशित होती है।

यह पत्र पहचानता है कि पुरानी "रिजिड" विधि नरम वस्तुओं के लिए दो मुख्य कारणों से विफल क्यों होती है:

आकार की समस्या (The Shape Problem): आप केवल एक नरम वस्तु को घुमा नहीं सकते; आपको वास्तव में इसे इस तरह से विकृत (deform) करना होगा जो भौतिक रूप से तर्कसंगत हो।
पथ की समस्या (The Path Problem): यदि वस्तु अपना आकार बदलती है, तो रोबोट के हाथ द्वारा वस्तु को पकड़ने के लिए लिया जाने वाला पथ भी बदलना चाहिए। एक सीधा रास्ता जो एक गोल गेंद के लिए काम करता है, वह एक चपटे पैनकेक के लिए काम नहीं करेगा।

समाधान: DeformGen

DeformGen एक नया सिस्टम है जो भौतिकी (physics) और स्मार्ट मैपिंग का उपयोग करके इन दोनों समस्याओं को ठीक करता है।

1. यथार्थवादी "नरम" अवस्थाएँ बनाना (The State Challenge)

केवल वीडियो को घुमाने के बजाय, DeformGen एक वर्चुअल फिजिक्स लैब की तरह काम करता है।

उपमा: कल्पना कीजिए कि आपके पास हजारों छोटे चुंबकों (कणों) से बनी एक डिजिटल कठपुतली है। पूरी कठपुतली को घुमाने के बजाय, सिस्टम अदृश्य हाथों से कठपुतली के विशिष्ट हिस्सों को धीरे से धकेलता और खींचता है।
यह कैसे काम करता है: यह भौतिकी के नियमों (जैसे गुरुत्वाकर्षण और घर्षण) का अनुकरण करता है कि वस्तु स्वाभाविक रूप से कैसे मुड़ती है, मुड़ती है या खिंचती है। यह सुनिश्चित करता है कि इसके द्वारा बनाया गया प्रत्येक नया "प्रशिक्षण वीडियो" वस्तु को ऐसी अवस्था में दिखाता है जो भौतिक रूप से संभव है, न कि केवल एक गणितीय रूप से घुमाया गया कचरा। यह आकारों (topologies) की एक विशाल विविधता बनाता है जो रोबोट वास्तव में सामना कर सकता है।

2. रोबोट के पथ को समायोजित करना (The Trajectory Challenge)

एक बार जब सिस्टम वस्तु का एक नया, दबा हुआ आकार बना लेता है, तो उसे यह बताने की आवश्यकता होती है कि रोबोट को उस विशिष्ट आकार के साथ इंटरैक्ट करने के लिए अपने हाथ को कैसे चलाना चाहिए।

उपमा: कल्पना कीजिए कि आप एक रबर की शीट पर मार्कर से एक पथ बना रहे हैं। यदि आप रबर की शीट को खींचते हैं, तो स्याही की रेखा भी उसके साथ खिंच जाती है। DeformGen गणितीय रूप से ऐसा ही करता है।
यह कैसे काम करता है: यह देखता है कि मूल आकार से नए आकार में वस्तु का हर छोटा कण कैसे हिला। फिर यह एक "डेफॉर्मेशन फील्ड" (एक मानचित्र कि स्थान कैसे विकृत हुआ) बनाता है। यह इस मानचित्र को रोबोट की मूल मूवमेंट योजना पर लागू करता है। यदि वस्तु बाईं ओर खिंची, तो रोबोट का पथ भी वस्तु के संपर्क में रहने के लिए अपने आप बाईं ओर खिंच जाता है। यह सुनिश्चित करता है कि रोबोट का हाथ वस्तु के नए, अजीब आकार के साथ संरेखित रहे।

परिणाम

शोधकर्ताओं ने इसे तीन कार्यों पर परखा:

रस्सी रूटिंग (Rope Routing): क्लिप के माध्यम से रस्सी को पिरोना।
खिलौना पैकिंग (Toy Packing): एक भरा हुआ खिलौना (stuffed animal) एक कंटेनर में रखना।
कपड़ा मोड़ना (Cloth Folding): कपड़े को त्रिकोण के आकार में मोड़ना।

उन्होंने पाया कि DeformGen के साथ प्रशिक्षित रोबोट, केवल मूल वीडियो या पुराने "रिजिड" रोटेशन तरीकों से प्रशिक्षित रोबोटों की तुलना में, इन नरम वस्तुओं को संभालने में बहुत बेहतर थे। रोबोटों ने सामान्यीकरण (generalize) करना सीखा, जिसका अर्थ है कि वे वस्तुओं के नए, अनदेखे आकारों को संभाल सकते थे क्योंकि उन्हें भौतिक रूप से यथार्थवादी विकृतियों की एक विस्तृत श्रृंखला पर प्रशिक्षित किया गया था।

सारांश

संक्षेप में, DeformGen नरम वस्तुओं के साथ कठोर ब्लॉकों जैसा व्यवहार करना बंद करता है। यह वस्तुओं के यथार्थवादी, विविध आकार बनाने के लिए भौतिकी सिमुलेशन का उपयोग करता है और फिर उन नए आकारों से मेल खाने के लिए रोबोट की गतिविधियों को स्वचालित रूप से समायोजित करता है। यह रोबोट को नरम सामग्रियों से जुड़े जटिल कार्यों को बहुत तेज़ी से और अधिक प्रभावी ढंग से सीखने में सक्षम बनाता है।

तकनीकी सारांश: DeformGen

समस्या विवरण (Problem Statement)

यद्यपि इमिटेशन लर्निंग (imitation learning) और विज़ुओमोटर पॉलिसी लर्निंग (visuomotor policy learning) ने रिजिड-बॉडी (rigid-body) रोबोट मैनिपुलेशन में महत्वपूर्ण सफलता प्राप्त की है, लेकिन विविध प्रदर्शन डेटा (demonstration data) एकत्र करने की उच्च लागत और कठिनाई के कारण इन विधियों को डिफॉर्मेबल ऑब्जेक्ट मैनिपुलेशन (deformable object manipulation - लचीली वस्तुओं के हेरफेर) तक स्केल करना एक बाधा बना हुआ है। मौजूदा डेटा ऑग्मेंटेशन प्रतिमान (paradigms), जो इक्विवैरिएंट धारणा (equivariant assumption) पर निर्भर करते हैं (कि भौतिक बिंदुओं के बीच यूक्लिडियन दूरियां रिजिड ट्रांसफॉर्मेशन के तहत अपरिवर्तित रहती हैं), डिफॉर्मेबल सेटिंग्स में मौलिक रूप से विफल हो जाते हैं।

लेखक दो मुख्य चुनौतियों की पहचान करते हैं जो "रिजिड-ऑब्जेक्ट रेसिपी" को विफल करती हैं:

स्टेट-स्पेस चुनौती (State-Space Challenge): डिफॉर्मेबल वस्तुओं में उच्च डिग्री ऑफ फ्रीडम (DoF) और गतिशील आंतरिक बाधाएं होती हैं। 6-DoF पोज़ (pose) वाली रिजिड बॉडीज के विपरीत, डिफॉर्मेबल वस्तुएं समृद्ध आकार और टोपोलॉजी परिवर्तन प्रदर्शित करती हैं। साधारण ज्यामितीय परिवर्तन (geometric perturbations) अक्सर भौतिक रूप से असंभव अवस्थाएं उत्पन्न करते हैं (जैसे कि डिस्कनेक्टेड पार्टिकल्स या असंभव आकार), क्योंकि वैध कॉन्फ़िगरेशन उच्च-आयामी स्टेट स्पेस के भीतर एक बाधित मैनिफोल्ड (constrained manifold) पर स्थित होते हैं।
ट्रैजेक्टरी-ट्रांसफर चुनौती (Trajectory-Transfer Challenge): डिफॉर्मेबल वस्तुओं के भौतिक बिंदु इक्क्विवैरिएंट नहीं होते; वे रिजिड तरीके से एक साथ नहीं चलते हैं। एक प्रदर्शन ट्रैजेक्टरी (demonstration trajectory) पर वैश्विक रिजिड ट्रांसफॉर्मेशन लागू करने से एंड-इफेक्टर (end-effector) वस्तु की स्थानीय ज्यामिति के साथ गलत संरेखित हो जाता है (उदाहरण के लिए, मुड़े हुए कपड़े के एक विशिष्ट बिंदु को पकड़ने में विफल होना) और यह स्थानीय विरूपण (local deformations) की भरपाई नहीं कर सकता, जिससे संपर्क बेमेल (contact mismatches) की स्थिति उत्पन्न होती है।

कार्यप्रणाली: DeformGen (Methodology: DeformGen)

DeformGen एक डायनेमिक्स-आधारित टोपोलॉजी ऑग्मेंटेशन फ्रेमवर्क है जिसे भौतिक रूप से वैध डिफॉर्मेबल अवस्थाओं को संश्लेषित करने और विरूपण-जागरूक (deformation-aware) तरीके से मैनिपुलेशन ट्रैजेक्टरी को स्थानांतरित करने के लिए डिज़ाइन किया गया है। यह दो प्राथमिक घटकों से मिलकर बना है:

1. डायनेमिक्स-आधारित टोपोलॉजिकल स्टेट ऑग्मेंटेशन (Dynamics-Based Topological State Augmentation)

स्टेट-स्पेस चुनौती को संबोधित करने के लिए, DeformGen उन साधारण ज्यामितीय परिवर्तनों से बचता है जो वैध भौतिक मैनिफोल्ड को छोड़ देते हैं। इसके बजाय, यह एक फॉरवर्ड-सिमुलेशन दृष्टिकोण अपनाता है:

प्रक्रिया: एक ज्ञात वैध अवस्था ( $s_0 \in S_{real}$ ) से शुरू करते हुए, सिस्टम वस्तु पर स्थानीयकृत बाहरी बल ( $f$ ) लागू करता है।
सिमुलेशन: भौतिक सिम्युलेटर ( $\Phi_{sim}$ ) एक टाइम स्टेप ( $\Delta t$ ) के दौरान डायनेमिक्स का फॉरवर्ड-सिमुलेशन करता है ताकि एक नई अवस्था उत्पन्न की जा सके: $s_{aug} = \Phi_{sim}(s_0, f, \Delta t)$ ।
तर्क (Rationale): चूंकि अवस्था सिम्युलेटर के अपने डायनेमिक्स के माध्यम से विकसित होती है, इसलिए परिणामी अवस्था बिना किसी पोस्ट-हॉक मरम्मत (post-hoc repair) की आवश्यकता के, भौतिक रूप से प्रशंसनीय सबस्पेस ( $S_{real}$ ) के भीतर बनी रहती है। यह विधि विविध टोपोलॉजिकल विविधताओं (जैसे झुकना, मरोड़ना, मोड़ना) को उत्पन्न करती है जिन्हें रिजिड ट्रांसफॉर्मेशन कैप्चर नहीं कर सकते।

2. डिफॉर्मेशन-फील्ड वार्पिंग (Deformation-Field Warping for Trajectory Augmentation)

ट्रैजेक्टरी-ट्रांसफर चुनौती को संबोधित करने के लिए, DeformGen निरंतर डिफॉर्मेशन फील्ड का उपयोग करके ऑगमेंटेड अवस्थाओं के लिए वैध मैनिपुलेशन ट्रैजेक्टरी को संश्लेषित करता है, न कि रिजिड ट्रांसफॉर्म का।

डिस्प्लेसमेंट गणना (Displacement Calculation): सिस्टम सोर्स ऑब्जेक्ट स्टेट और टारगेट (ऑगमेंटेड) स्टेट के बीच प्रति-पार्टिकल विस्थापन ( $\delta_i$ ) की गणना करता है।
फील्ड निर्माण (Field Construction): इन विस्थापनों को K-नेरेस्ट-नेबर (KNN) इनवर्स-डिस्टेंस इंटरपोलेशन का उपयोग करके वर्कस्पेस पर एक निरंतर स्थानिक फ़ंक्शन (डिफॉर्मेशन फील्ड $D(x)$ ) में बदला जाता है।
ट्रैजेक्टरी वार्पिंग (Trajectory Warping):
- पोजीशन (Position): सोर्स ट्रैजेक्टरी के प्रत्येक वेपॉइंट $x_t$ के लिए, पोजीशन ऑफसेट की गणना निकटतम $K$ पार्टिकल्स के विस्थापन को एकत्रित करके की जाती है। एक समय-निर्भर क्षय कारक ( $\alpha_t$ ) यह सुनिश्चित करता है कि ट्रैजेक्टरी शुरू में स्थानीय विरूपणों का पालन करे और धीरे-धीरे मूल पथ पर वापस आ जाए।
- ओरिएंटेशन (Orientation): मूल स्थानीय वेक्टर्स को विकृत वेक्टर्स में मैप करने के लिए एक स्थानीय जैकोबियन मैट्रिक्स ( $J_t$ ) का अनुमान लीस्ट स्क्वायर्स फिटिंग के माध्यम से लगाया जाता है। प्रेरित रोटेशन को $SO(3)$ मैनिफोल्ड पर प्रोजेक्ट किया जाता है, और अंतिम ओरिएंटेशन मूल और प्रेरित रोटेशन के बीच स्फेरिकल लीनियर इंटरपोलेशन (SLERP) के माध्यम से कंप्यूट किया जाता है।
अनुकूलन (Adaptation): विधि ग्रैस्प पोज़ (grasp poses) के लिए एक छोटा $K$ (स्थानीय ज्यामिति पर ध्यान केंद्रित करने के लिए) और मैनिपुलेशन चरणों के लिए एक बड़ा $K$ (कुल पॉइंट्स) उपयोग करती है (वैश्विक विरूपण को कैप्चर करने के लिए)।

मुख्य योगदान (Key Contributions)

समस्या का निरूपण (Problem Formulation): यह कार्य औपचारिक रूप से पहचानता है कि डिफॉर्मेबल मैनिपुलेशन के लिए प्रभावी ऑग्मेंटेशन के लिए भौतिक रूप से वैध अवस्था संश्लेषण के साथ विरूपण-जागरूक ट्रैजेक्टरी ट्रांसफर की आवश्यकता होती है, जो रिजिड-शैली के ऑग्मेंटेशन की सीमाओं से परे जाता है।
डायनेमिक्स-कंसिस्टेंट पाइपलाइन (Dynamics-Consistent Pipeline): लेखक एक नवीन पाइपलाइन प्रस्तावित करते हैं जो स्थानीयकृत व्यवधान (localized perturbation), फिजिक्स रोलआउट और स्थिरीकरण के माध्यम से टोपोलॉजी-सुसंगत डिफॉर्मेबल एसेट्स उत्पन्न करती है। यह साथ ही डिफॉर्मेशन-फील्ड वार्पिंग के माध्यम से मैनिपुलेशन ट्रैजेक्टरी को भी संश्लेषित करती है, जिससे यह सुनिश्चित होता है कि एंड-इफेक्टर विकृत ज्यामिति के साथ संरेखित रहे।
अनुभवजन्य सत्यापन (Empirical Validation): हाई-फिडेलिटी बेंचमार्क पर व्यापक प्रयोगों से पता चलता है कि DeformGen, केवल मूल प्रदर्शनों पर प्रशिक्षण देने या रिजिड-शैली के ऑग्मेंटेशन बेसलाइन्स का उपयोग करने की तुलना में पॉलिसी लर्निंग में काफी सुधार करता है।

प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का मूल्यांकन तीन डिफॉर्मेबल मैनिपुलेशन कार्यों पर किया गया: रोप रूटिंग (rope routing), टॉय पैकिंग (toy packing), और क्लॉथ फोल्डिंग (cloth folding), चार पॉलिसी आर्किटेक्चर (ACT, Diffusion Policy, SmolVLA, और $\pi_0$ ) का उपयोग करके।

प्रदर्शन लाभ (Performance Gains): DeformGen ने अधिकांश पॉलिसी आर्किटेक्चर में उच्चतम औसत सफलता दर प्राप्त की। उदाहरण के लिए, रोप रूटिंग कार्य में, DeformGen ने $\pi_0$ के साथ 99.0% तक की सफलता दर प्राप्त की, जबकि सिंगल-सोर्स ट्रेनिंग के लिए यह 0% और रिजिड-स्टाइल ऑग्मेंटेशन (SoftMimicGen*) के लिए 56.0% थी।
एब्लेशन अंतर्दृष्टि (Ablation Insights):
- स्टेट डाइवर्सिटी (State Diversity): DeformGen (टोपोलॉजिकल स्टेट ऑग) की तुलना SoftMimicGen* (रिजिड स्टेट ऑग) से करने पर पता चला कि डिफॉर्मेबल कॉन्फ़िगरेशन का व्यापक कवरेज सामान्यीकरण (generalization) के लिए महत्वपूर्ण है।
- ट्रैजेक्टरी ट्रांसफर (Trajectory Transfer): DeformGen की तुलना एक वेरिएंट से की गई जिसमें लोकल रिजिड ट्रांसफर का उपयोग किया गया था (DeformGen*)। इससे सिद्ध हुआ कि डिफॉर्मेशन-फील्ड वार्पिंग स्थानीय ज्यामिति के साथ ट्रैजेक्टरी को बेहतर ढंग से संरेखित करके पूरक लाभ प्रदान करती है।
सामान्यीकरण (Generalization): DeformGen के साथ प्रशिक्षित पॉलिसियाँ अनदेखे टेस्ट स्टेट्स के लिए सफलतापूर्वक सामान्यीकृत हुईं, जिसमें ऐसे कॉन्फ़िगरेशन भी शामिल थे जहाँ स्वयं ट्रैजेक्टरी संश्लेषण विफल रहा था, जो केवल याद रखने (memorization) के बजाय हस्तांतरणीय मैनिपुलेशन रणनीतियों के सीखने का सुझाव देता है।
रिजिड परिदृश्य (Rigid Scenarios): रिजिड-ओनली टेस्ट परिदृश्यों में, DeformGen प्रतिस्पर्धी बना रहा, जो दर्शाता है कि टोपोलॉजिकल रूप से विविध डेटा पर प्रशिक्षण देने से सरल कार्यों पर प्रदर्शन में कोई बड़ी कमी नहीं आती है।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि DeformGen एक एकल प्रदर्शन (demonstration) को विविध, भौतिक रूप से वैध अवस्थाओं और संबंधित ट्रैजेक्टरीज़ में बढ़ाकर डिफॉर्मेबल मैनिपुलेशन के लिए डेटा अधिग्रहण का एक लागत-कुशल समाधान प्रदान करता है।

लेखक का तर्क है कि उनके परिणाम यह सुझाव देते हैं कि डिफॉर्मेबल वस्तुओं के लिए ऑग्मेंटेशन के प्रति दृष्टिकोण में एक मौलिक बदलाव की आवश्यकता है: प्रभावी ऑग्मेंटेशन को डायनेमिक्स-कंसिस्टेंट (ऐसी अवस्थाएं उत्पन्न करना जो भौतिक बाधाओं का सम्मान करती हैं) और विरूपण-जागरूक (ऐसी ट्रैजेक्टरी ट्रांसफर करना जो स्थानीय ज्यामिति के अनुकूल होती है) होना चाहिए। यह दृष्टिकोण रिजिड-शैली के ऑग्मेंटेशन की सीमाओं को दूर करता है, जो उच्च-आयामी स्टेट स्पेस और डिफॉर्मेबल वस्तुओं की नॉन-इक्विवैरिएंट प्रकृति को कैप्चर करने में विफल रहता है। यह कार्य प्रदर्शित करता है कि इस प्रकार के डेटा का संश्लेषण करने से ऐसी पॉलिसियाँ प्राप्त होती हैं जिनमें सफलता दर अधिक होती है और अनदेखी डिफॉर्मेबल कॉन्फ़िगरेशन के प्रति बेहतर सामान्यीकरण क्षमता होती है।