Embodied.cpp: A Portable Inference Runtime of Embodied AI Models on Heterogeneous Robots
यह शोधपत्र Embodied.cpp को प्रस्तुत करता है, जो एक पोर्टेबल C++ इन्फरेंस रनटाइम है जिसे विविध एम्बोडीड एआई मॉडल (जैसे VLAs और WAMs) के विषम एज रोबॉट्स पर खंडित परिनियोजन को एकीकृत करने के लिए डिज़ाइन किया गया है, जो एक मॉड्यूलर, पांच-स्तरीय आर्किटेक्चर प्रदान करता है जो कम-विलंबता, मल्टी-रेट क्लोज्ड-लूप नियंत्रण सक्षम करता है और साथ ही मेमोरी दक्षता और कार्य सफलता दरों में महत्वपूर्ण सुधार 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 आपने एक शानदार, अत्यधिक बुद्धिमान रोबोट मस्तिष्क बनाया है। यह देख सकता है, भाषा समझ सकता है, और कप उठाने के लिए अपने हाथों को चलाने की योजना बना सकता है। लेकिन अभी, इस मस्तिष्क को वास्तव में एक असली रोबोट पर काम करने के लिए तैयार करना वैसा ही है जैसे टेप और स्विस आर्मी नाइफ का उपयोग करके एक साइकिल के फ्रेम में फॉर्मूला 1 इंजन फिट करने की कोशिश करना।
वर्तमान में, हर बार जब कोई वैज्ञानिक एक नया रोबोट मस्तिष्क बनाता है, तो उन्हें पूरी तरह से नए "ग्लू कोड" (वह सॉफ़्टवेयर जो मस्तिष्क को रोबोट के सेंसर और मोटर्स से जोड़ता है) को लिखना पड़ता है। यह कोड अक्सर अव्यवस्थित होता है, पायथन (Python) में लिखा जाता है, और केवल विशिष्ट कंप्यूटरों पर ही काम करता है। यदि आप रोबोट या मस्तिष्क बदलते हैं, तो आपको पूरे कनेक्शन को शुरू से फिर से बनाना पड़ता है।
पेश है "Embodied.cpp"।
Embodied.cpp को एक सार्वभौमिक, उच्च-प्रदर्शन वाले एडेप्टर किट के रूप में समझें जो रोबोट मस्तिष्क के लिए है। यह एक सॉफ़्टवेयर है जिसे C++ (एक ऐसी भाषा जो अपनी गति और दक्षता के लिए जानी जाती है) में लिखा गया है, जो किसी भी नए रोबलेट मस्तिष्क और किसी भी रोबोट शरीर (चाहे वह चिप पर लगा एक छोटा रोबोट हो या एक विशाल वर्कस्टेशन रोबोट) के बीच एक सेतु (ब्रिज) के रूप में कार्य करता है।
यह कैसे काम करता है, यहाँ कुछ सरल उपमाओं का उपयोग किया गया है:
1. समस्या: "एक-आकार-सभीके-लिए-नहीं" वाला एडेप्टर
कल्पना कीजिए कि आपके पास एक स्मार्ट होम सिस्टम है। कुछ लाइटें हर सेकंड जलती हैं, थर्मोस्टेट हर मिनट तापमान की जांच करता है, और सुरक्षा कैमरा हर घंटे रिकॉर्ड करता है।
- पुराना तरीका: आप हर एक डिवाइस के लिए एक अलग टाइमर, एक अलग सेंसर और एक अलग स्विच बनाते हैं। यदि आप एक नया डिवाइस जोड़ते हैं, तो आपको एक पूरा नया सर्किट वायर करना पड़ता है।
- पेपर की समस्या: रोबोट मस्तिष्क भी ऐसे ही होते हैं। कुछ हिस्से (जैसे आँखें) धीरे अपडेट होने की आवश्यकता होती है, जबकि अन्य हिस्से (जैसे मोटर नियंत्रण) बहुत तेज़ी से अपडेट होने की आवश्यकता रखते हैं। मौजूदा सॉफ़्टवेयर सभी चीजों को एक ही गति से चलाने की कोशिश करता है, जो अक्षम है और देरी का कारण बनता है।
2. समाधान: एक मॉड्यूलर "लेगो" (Lego) सिस्टम
लेखकों ने Embodied.cpp को पांच विशिष्ट परतों वाले एक उच्च-तकनीकी लेगो सेट की तरह डिज़ाइन किया है:
- इनपुट एडेप्टर (Input Adapters): ये यूनिवर्सल प्लग की तरह हैं। चाहे रोबोट कैमरा देखता हो, स्पर्श सेंसर महसूस करता हो, या फोर्स गेज पढ़ता हो, यह परत इसे उस भाषा में अनुवादित करती है जिसे मस्तिष्क समझता है।
- सीक्वेंस बिल्डर्स (Sequence Builders): यह डेटा को व्यवस्थित करता है, जैसे एक लाइब्रेरियन किताबों को शेल्फ पर रखने से पहले उन्हें छाँटता है।
- बैकबोन एक्जीक्यूशन (Backbone Execution): यह "इंजन रूम" है जहाँ मुख्य सोच (thinking) होती है।
- हेड प्लगइन्स (Head Plugins): ये विशिष्ट उपकरण हैं। एक रोबोट को "पकड़ने" (grasping) वाले टूल की आवश्यकता हो सकती है, दूसरे को "चलने" (walking) वाले टूल की। आप इंजन को फिर से बनाए बिना बस सही प्लग लगा सकते हैं।
- डिप्लॉयमेंट एडेप्टर्स (Deployment Adapters): यह आउटपुट लेयर है जो वास्तविक दुनिया से बात करती है, रोबोट के मोटर्स या सिमुलेशन सॉफ़्टवेयर को कमांड भेजती है।
3. तीन महाशक्तियाँ (Superpowers)
पेपर इस बात पर प्रकाश डालता है कि यह सिस्टम आज जो मौजूद है उससे तीन विशिष्ट तरीकों से बेहतर क्यों है:
मल्टी-रेट एक्जीक्यूशन (ऑर्केस्ट्रा कंडक्टर):
एक रोबोट में, "आंखों" को "उंगलियों" जितनी तेज़ी से पलक झपकने की आवश्यकता नहीं होती है। Embodied.cpp एक कंडक्टर की तरह कार्य करता है, जिससे आँखें एक धीमी लय में चल सकें और उंगलियां एक तेज़ लय में चल सकें, और यह सब एक ही सिस्टम के भीतर हो। पुराना सॉफ़्टवेयर सभी को एक ही ताल पर चलने के लिए मजबूर करता है, जिससे ऊर्जा बर्बाद होती है और लैग (देरी) होता है।लेटेंसी-फर्स्ट कंट्रोल (रेस कार ड्राइवर):
क्लाउड कंप्यूटिंग (जैसे AI से चैट करना) में, गति इस बात से मापी जाती है कि आप एक साथ कितने लोगों को सेवा दे सकते हैं। लेकिन एक रोबोट के लिए, गति इस बात से मापी जाती है कि वह एक एकल कमांड पर कितनी तेज़ी से प्रतिक्रिया करता है। यदि कोई रोबोट गिरती हुई वस्तु को पकड़ रहा है, तो वह गणनाओं के "बैच" का इंतज़ार नहीं कर सकता; उसे तुरंत जवाब चाहिए। Embodly.cpp को विभिन्न प्रकार के हार्डवेयर (छोटे चिप्स से लेकर बड़े कंप्यूटरों तक) पर उस सेकंड के सौवें हिस्से की प्रतिक्रिया समय को प्राथमिकता देने के लिए बनाया गया है।विस्तार योग्य इंटरफेस (यूनिवर्सल रिमोट):
रोबोट केवल "शब्दों" या "टोकन" को आउटपुट नहीं करते हैं। वे जटिल चीजें आउटपुट करते हैं जैसे "हाथ 30 डिग्री घुमाएं," "2 सेकंड में गेंद कहाँ होगी इसका अनुमान लगाएं," या "धीरे से दबाएं।" Embodied.cpp इन अजीब, कस्टम आउटपुट को संभालने के लिए बनाया गया है ताकि हर बार नया रोबोट आविष्कार होने पर इसे फिर से लिखने की आवश्यकता न पड़े।
4. परिणाम: क्या यह काम करता है?
लेखकों ने इस सिस्टम का परीक्षण दो अलग-अलग प्रकार के रोबोट मस्तिष्क के साथ किया:
- "विज़न-लैंग्वेज" ब्रेन्स (VLA): उन्होंने दो मॉडलों (HY-VLA और pi0.5) का परीक्षण किया: सिस्टम ने कार्यों को पूरा करने के लिए एक रोबोट को सफलतापूर्वक नियंत्रित किया।
- परिणाम: एक मॉडल 100% बार सफल रहा, और दूसरा 91%। इसने साबित किया कि यह सॉफ़्टवेयर वास्तविक हार्डवेयर पर जटिल मस्तिष्क चला सकता है बिना क्रैश हुए।
- "वर्ल्ड-एक्शन" ब्रेन्स (WAM): ये नए मॉडल हैं जो भविष्य की भविष्यवाणी करने की कोशिश करते हैं (जैसे यह अनुमान लगाना कि गेंद कहाँ लुढ़केगी)। उन्होंने इस मस्तिष्क के एक छोटे हिस्से का परीक्षण किया।
- परिणाम: इस नए सॉफ़्टवेयर का उपयोग करके, उन्होंने उस मस्तिष्क के हिस्से को चलाने के लिए आवश्यक मेमोरी को 312 MiB से घटाकर 88 MiB कर दिया। यह एक भारी बैकपैक को एक छोटे पाउच में सिकोड़ने जैसा है, जिससे इसे छोटे, सस्ते रोबोटों पर चलाना बहुत आसान हो जाता है।
निष्कर्ष
Embodied.cpp रोबोट इंटेलिजेंस के लिए एक पोर्टेबल, हाई-स्पीड इंजन है। यह वैज्ञानिकों को हर बार नया रोबोट बनाने पर पहिए का पुनर्गठन करने से रोकता है। हर नए प्रोजेक्ट के लिए अव्यवस्थित, कस्टम कोड लिखने के बजाय, वे अपने नए रोबोट मस्तिष्क को इस सार्वभौमिक प्रणाली में प्लग कर सकते हैं, और यह बस काम कर जाता है—तेज़, कुशल और लगभग किसी भी हार्डवेयर पर।
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।