SAMoR: Motion Modelling for Articulated Objects of Any Skeleton and Topology
SAMoR एक नवीन स्केलेटन-अवेयर मोशन रिप्रेजेंटेशन पेश करता है जो फंक्शनल जॉइंट ग्रुप्स का उपयोग करके किसी भी टोपोलॉजी वाले आर्टिकुलेटेड ऑब्जेक्ट्स को एक साझा, डिस्क्रीट पार्ट-लेवल कोडबुक में एनकोड करता है, जिससे फिक्स्ड स्केलेटन स्ट्रक्चर पर निर्भर किए बिना सटीक मोशन रिकंस्ट्रक्शन, क्रॉस-टोपोलॉजी ट्रांसफर और टेक्स्ट-कंडीशन्ड जनरेशन सक्षम होता 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 रोबोट, एक भेड़िए, एक पक्षी और एक मैकेनिकल मकड़ी को एक ही निर्देशों के सेट का उपयोग करके नृत्य करना सिखाना चाहते हैं। समस्या यह है कि उनके शरीर के अंग अलग-अलग हैं। रोबोट में 96 जोड़ (joints) हैं, भेड़िए में 22 और पक्षी में 14। यदि आप उन्हें हर एक जोड़ के लिए निर्देशों की एक सूची देने की कोशिश करते हैं (जैसे "जोड़ 1 हिलाएं, फिर जोड़ 2"), तो रोबोट के लिए निर्देश पक्षी के लिए समझ में नहीं आएंगे। यदि आप उन्हें पूरे शरीर के लिए एक विशाल निर्देश देते हैं ("नाचो!"), तो आप सभी शानदार विवरण खो देंगे, जैसे पक्षी के पंख फड़फड़ाना या मकड़ी के पैरों का थिरकना।
SAMoR एक नया सिस्टम है जो एक "मध्यम मार्ग" वाली भाषा खोजकर इस समस्या को हल करता है।
मुख्य विचार: "फंक्शनल ग्रुप" अनुवादक
व्यक्तिगत जोड़ों के बारे में बात करने के बजाय (जो बहुत विशिष्ट हैं) या पूरे शरीर के बारे में (जो बहुत अस्पष्ट है), SAMoR फंक्शनल ग्रुप्स (कार्यात्मक समूहों) के बारे में बात करता है।
इसे नृत्य की दिनचर्या को हर उंगली और पैर को सूचीबद्ध करने के बजाय, उन्हें 8 मुख्य भूमिकाओं में समूहित करके वर्णित करने जैसा समझें:
- सिर/गर्दन
- ऊपरी शरीर
- निचला शरीर
- बायां हाथ (या पंख, या अगला पैर)
- दायां हाथ
- बायां पैर (या पिछला पैर)
- दायां पैर
- पूंछ
चाहे आप एक इंसान हों, एक भेड़िया हों या एक रोबोट, उन सभी के पास कुछ ऐसा होता है जो "बाएं हाथ" या "पूंछ" की तरह कार्य करता है। SAMoR किसी भी जीव के विशिष्ट जोड़ों को इन 8 सार्वभौमिक भूमिकाओं में मैप करना सीखता है।
यह कैसे काम करता है: "स्मार्ट अनुवादक"
पेपर इस प्रक्रिया को साकार करने के लिए तीन चरणों का वर्णन करता है:
ग्राफ-ट्रांसफॉर्मर (दिमाग):
कल्पना कीजिए कि एक अनुवादक जो किसी जीव के कंकाल (उसकी हड्डियों का नक्शा) और उसकी गति को देखता है। यह अनुवादक केवल हड्डियों को अलग से नहीं देखता; यह समझता है कि वे आपस में कैसे जुड़ी हुई हैं, जैसे कि एक पारिवारिक वृक्ष (family tree)। यह कच्चे मूवमेंट डेटा को लेता है और उसे अनुवाद के लिए तैयार करता है।"अटेंशन" ट्रिक (सीक्रेट सॉस):
यहाँ पेचीदा हिस्सा है। यदि आप केवल सिस्टम को 8 समूह खोजने के लिए कहते हैं, तो यह आलसी हो सकता है और सब कुछ एक ही समूह में डाल सकता है, जिससे 8 समूह बेकार हो जाएंगे।
इसे रोकने के लिए, शोधकर्ताओं ने सिस्टम को एक "सुपरवाइजर" दिया। ट्रेनिंग के दौरान, उन्होंने सिस्टम को उदाहरण दिखाए कि एक "पैर" या "हाथ" आमतौर पर कैसा दिखता है। यदि सिस्टम एक पैर और एक हाथ को एक ही समूह में मिलाने की कोशिश करता, तो उसे दंडित किया जाता।
- उपमा: कल्पना कीजिए कि एक शिक्षक छात्र से कहता है, "आपको इन 100 खिलौनों को 8 बक्सों में छांटना होगा।" यदि छात्र सभी खिलौने बॉक्स 1 में डाल देता है, तो शिक्षक कहता है, "नहीं! बॉक्स 1 कारों के लिए है, बॉक्स 2 गुड़ियों के लिए है।" सिस्टम यह सीखता है कि जोड़ों को उनके नाम के आधार पर नहीं, बल्कि वे क्या करते हैं, उसके आधार पर सही "बॉक्स" में कैसे छांटना है।
- सुरक्षा जाल: कभी-कभी, एक रोबोट में "Link_42" जैसा अजीब नाम वाला जोड़ हो सकता है जो "पैर" जैसा नहीं लगता है। सिस्टम को भ्रमित करने वाले नाम को अनदेखा करने के लिए प्रशिक्षित किया जाता है और केवल यह देखने के लिए कि वह कैसे चलता है। यदि वह पैर की तरह चलता है, तो वह "पैर" के बॉक्स में जाता है।
- डिजिटल कोडबुक (शब्दकोश):
एक बार जब गति को इन 8 समूहों में वर्गीकृत कर दिया जाता है, तो सिस्टम उन्हें एक छोटे, डिजिटल कोड (एक गुप्त भाषा की तरह) में बदल देता है। क्योंकि हर कोई इन्हीं 8 समूहों का उपयोग करता है, इसलिए यह कोडबुक साझा की जाती है। पक्षी के "पंख फड़फड़ाने" का कोड मानव के "हाथ हिलाने" के समान एक ही "शब्द" होता है।
आप इसके साथ क्या कर सकते हैं?
पेपर दिखाता है कि एक बार जब आपके पास यह साझा भाषा होती है, तो आप तीन शानदार चीजें कर सकते हैं:
- मोशन ट्रांसफर (बॉडी स्वैप): आप एक मानव द्वारा किए गए नृत्य को तुरंत किसी रोबोट या ड्रैगन पर लागू कर सकते हैं। सिस्टम मानव के "बाएं हाथ" की गति को रोबोट के "बाएं यांत्रिक अंग" की गति में अनुवादित करता है, जिससे लय और शैली बरकरार रहती है।
- टेक्स्ट-टू-मोशन (जादुई छड़ी): आप टाइप कर सकते हैं "एक रोबोट खुशी से नाच रहा है," और सिस्टम आपके द्वारा चुने गए किसी भी रोबोट कंकाल के लिए वह गति उत्पन्न कर सकता है, क्योंकि यह "रोबोट" और "खुशी भरा नृत्य" की अवधारणा को समझता है।
- पार्ट एडिटिंग (लेजर कटर): आप गति के केवल एक हिस्से को बदल सकते हैं। उदाहरण के लिए, आप सिस्टम को कह सकते, "नृत्य को बनाए रखें, लेकिन पैरों को तेज़ चलाएं।" सिस्टम केवल "पैर" के टोकन को संपादित करेगा और "सिर" और "हाथों" को बिल्कुल वैसा ही छोड़ देगा जैसा वे थे।
यह बेहतर क्यों है?
पिछले तरीके वर्गाकार छेद में गोल खूँटा डालने जैसे थे। या तो वे मनुष्यों के लिए बहुत अच्छे थे लेकिन जानवरों के लिए विफल रहे, या वे जानवरों के लिए काम करते थे लेकिन सूक्ष्म विवरण खो देते थे।
SAMoR पहला सिस्टम है जो सफलतापूर्वक एक सार्वभौमिक मोशन वोकैबुलरी (गति शब्दावली) बनाने में सफल रहा है।
- यह विभिन्न प्रकार के कंकालों के बीच गतिविधियों की नकल करने में पिछले सर्वोत्तम प्रयासों की तुलना में 5.8 गुना अधिक सटीक है।
- यह विवरण नहीं खोता; यह पक्षी के "पंख फड़फड़ाने" और पैर के "थिरकने" को बनाए रखता है, भले ही इसे एक पक्षी से रोबोट में स्थानांतरित किया गया हो।
संक्षेप में, SAMoR कंप्यूटर को यह सिखाता है कि हालांकि एक भेड़िए का पैर और एक पक्षी का पंख अलग दिखते हैं, लेकिन वे एक समान तरीके से चलते हैं, और उस गति पैटर्न पर ध्यान केंद्रित करके, हम किसी भी पात्र को एक ही धुन पर नचा सकते हैं।
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।