Learning Dexterous Manipulation Using Contact Wrench Guidance From Human Demonstration
यह शोध पत्र CHORD को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो लंबी अवधि के डेक्सट्रस मैनिपुलेशन (dexterous manipulation) के लिए स्केलेबल सुदृढीकरण लर्निंग (reinforcement learning) को सक्षम करने हेतु मानव प्रदर्शनों से प्राप्त ऑब्जेक्ट-सेंट्रिक कॉन्टैक्ट रेंच गाइडेंस (object-centric contact wrench guidance) का लाभ उठाता है, जो एक बड़े पैमाने के सिमुलेशन बेंचमार्क में उच्च सफलता दर प्राप्त करता है और मजबूत सामान्यीकरण (generalization) तथा वास्तविक दुनिया में स्थानांतरण (real-world transfer) प्रदर्शित 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 ऐसे रोबोट को जटिल कार्य करना सिखाना चाहते हैं जिसके हाथ अविश्वसनीय रूप से कुशल हों (जैसे कि एक इंसान के हाथ), जैसे कि एक कठिन डिब्बे को खोलना, गाढ़े बैटर (घोल) को चलाना, या किताब के पन्ने पलटना। आपके पास एक वीडियो है जिसमें एक इंसान इन कार्यों को पूरी तरह से कर रहा है। समस्या यह है कि रोबोट के हाथ अलग आकार के हैं, उनके जोड़ों की बनावट अलग है, और वे वस्तुओं को अलग जगहों पर छूते हैं। यदि आप केवल रोबोट को यह निर्देश देते हैं कि, "इंसान के हाथ की गतिविधियों की हूबहू नकल करो," तो वह विफल हो जाएगा क्योंकि उसके हाथ उस तरह से पहुँच या हिल नहीं सकते।
यह शोध पत्र एक नई विधि पेश करता है जिसे CHORD (Human Demonstration से Contact Wrench Guidance) कहा जाता है ताकि इस समस्या को हल किया जा सके। यह कैसे काम करता है, इसका सरल विवरण यहाँ दिया गया है:
मुख्य समस्या: "गलत चीज़ की नकल करना"
एक मानव हाथ और एक रोबोटिक हाथ को दो अलग-अलग वाद्य यंत्रों के रूप में सोचें। यदि एक इंसान पियानो बजाता है, तो उसकी उंगलियां विशिष्ट कुंजियों (keys) को दबाती हैं। यदि आप वायलिन को उन्हीं उंगलियों की गतिविधियों को बजाने के लिए मजबूर करते हैं, तो वह सही ध्वनि उत्पन्न नहीं करेगा।
पिछले तरीकों ने रोबकी को मानव की उंगलियों के स्थान (location) से मिलान करके सिखाने का प्रयास किया। उन्होंने कहा, "यदि इंसान का अंगूठा बॉक्स के ऊपर-बाएँ कोने को छूता है, तो आपके रोबोट के अंगूठे को भी ऊपर-बाएँ कोने को छूना चाहिए।"
- दोष: कभी-कभी, रोबोट के अंगूठे से ऊपर-बाएँ कोने को छूने से बॉक्स गलत दिशा में धकेला जाता है, या वह फिसल जाता है, क्योंकि रोबोट की उंगली का आकार अलग होता है। स्थान वही है, लेकिन प्रभाव गलत है।
समाधान: "स्पर्श" पर नहीं, "धक्के" पर ध्यान दें
CHORD सवाल बदल देता है। यह पूछने के बजाय कि "इंसान ने कहाँ छुआ?", यह पूछता है, "उस स्पर्श ने वस्तु के साथ क्या किया?"
लेखक Contact Wrench Space नामक एक अवधारणा का उपयोग करते हैं। कल्पना करें कि हर बार जब कोई हाथ किसी वस्तु को छूता है, तो वह एक विशिष्ट "धक्का और घुमाव" (push and twist) बल पैदा करता है।
- उपमा: एक दरवाजे के बारे में सोचें। आप दरवाजे के हैंडल (स्थान A) को धक्का दे सकते हैं या दरवाजे के किनारे (स्थान B) को धक्का दे सकते हैं। ये अलग-अलग स्थान हैं, लेकिन यदि आप दोनों को सही दिशा में धक्का देते हैं, तो दोनों ही दरवाजे को खोलने में मदद करेंगे।
- CHORD की तरकीब: यह इस बात को अनदेखा करता है कि रोबोट कहाँ छूता है और उस बल और घुमाव (wrench) पर ध्यान केंद्रित करता है जो वह स्पर्श पैदा करता है। यह रोबोट को बताता है: "आपको इंसान की तरह ठीक उसी जगह को छूने की ज़रूरत नहीं है। आपको बस वही घूमने वाली गति (swinging motion) पैदा करनी है जो दरवाजे पर होती है।"
यह रोबोट को वस्तु को छूने का अपना अनूठा तरीका खोजने की अनुमति देता है, जब तक कि परिणाम (वस्तु का सही ढंग से हिलना) मानव के लक्ष्य से मेल खाता हो।
उन्होंने रोबोट को कैसे सिखाया (द "जिम")
रोबोट को प्रशिक्षित करने के लिए, शोधकर्ताओं ने केवल कुछ वीडियो का उपयोग नहीं किया। उन्होंने एक विशाल डिजिटल जिम (एक सिमुलेशन) बनाया जिसमें 4,739 अलग-अलग कार्य शामिल थे।
- इन कार्यों में सरल चीजें (जैसे कप उठाना) से लेकर जटिल, लंबी प्रक्रियाएं (जैसे डिब्बा खोलना, एक उपकरण निकालना और उसका उपयोग करना) तक शामिल हैं।
- उन्होंने इन कार्यों को करने वाले मनुष्यों के वीडियो को "संदर्भ मार्गदर्शिका" (reference guide) के रूप में उपयोग किया।
- रोबोट ने इस सिमुलेशन में लाखों बार अभ्यास किया, मानव के कार्यों के "बल और घुमाव" से मेल खाने की कोशिश करते हुए, न कि केवल उनकी उंगलियों की स्थिति की नकल करते हुए।
परिणाम: कई कार्यों में निपुणता
जब उन्होंने रोबोट का 1,831 विभिन्न कार्यों पर परीक्षण किया:
- सफलता दर: रोबोट औसतन 82% बार सफल रहा। यह पिछले तरीकों की तुलना में एक बहुत बड़ी प्रगति है।
- बहुमुखी प्रतिभा: यह कठोर वस्तुओं (जैसे हथौड़ा), जोड़दार वस्तुओं (जैसे हिंज वाला दरवाजा), और यहाँ तक कि दो हाथों के मिलकर काम करने वाले कार्यों पर भी काम कर सका।
- वास्तविक दुनिया: वे रोबोट को कंप्यूटर से बाहर निकालकर एक वास्तविक रोबोट पर ले गए। यह "ओपन-लूप" (एक पूर्व-नियोजित अनुक्रम करने) और "क्लोज्ड-लूप" (दुनिया के अनुसार प्रतिक्रिया देने) दोनों में काम कर सका।
बोनस: पूरे शरीर को सिखाना
यह विधि इतनी लचीली है कि यह तब भी काम करती है जब आप केवल मानव के हाथों के वीडियो दिखाते हैं (बिना उनके शरीर को दिखाए)। रोबोट यह समझ सकता है कि आवश्यक बल पैदा करने के लिए अपने पूरे शरीर को कैसे हिलाना है। यह तीसरे व्यक्ति के दृष्टिकोण (कमरे के दूसरी ओर से किसी को देखते हुए) से लिए गए वीडियो के साथ भी काम कर गया, भले ही उन वीडियो में हाथ की गतिविधियाँ थोड़ी धुंधली थीं।
सारांश
संक्षेप में, CHORD रोबोट को रचनात्मक समस्या समाधानकर्ता बनना सिखाता है, न कि अंधाधुंध नकलची। रोबोट को मानव के सटीक उंगली प्लेसमेंट की नकल करने के लिए मजबूर करने के बजाय, यह उसे क्रिया के भौतिकी (physics) की नकल करना सिखाता है। यह रोबोट को मानव के समान परिणाम प्राप्त करने के लिए अपने अद्वितीय शरीर का उपयोग करने की अनुमति देता है, जिससे यह जटिल, वास्तविक दुनिया की वस्तुओं को संभालने में बहुत बेहतर हो जाता 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।