DiMaS: Distribution Matching for Steering Vision-Language-Action Models
यह शोधपत्र DiMaS को प्रस्तुत करता है, जो एक डिस्ट्रीब्यूशन-मैचिंग स्टीयरिंग रणनीति है जो फिक्स्ड दिशाओं के साथ शिफ्ट करने के बजाय रिप्रजेंटेशन डिस्ट्रीब्यूशंस को ट्रांसपोर्ट करके फ्लो-मैचिंग-आधारित विजन-लैंग्वेज-एक्शन मॉडल्स में फाइन-ग्रेंड बिहेवियरल कंट्रोल सक्षम करने के लिए शास्त्रीय रैखिक विधियों की सीमाओं को दूर 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
एक ऐसी दुनिया की कल्पना करें जहाँ रोबोट केवल एक कठोर स्क्रिप्ट का पालन नहीं करते, बल्कि वे एक कोमल धक्के और एक ज़ोरदार धक्का के बीच के अंतर को वास्तव में "महसूस" कर सकते हैं। यह विज़न-लैंग्वेज-एक्शन (VLA) मॉडल्स का क्षेत्र है, जो आर्टिफिशियल इंटेलिजेंस का एक अत्याधुनिक कोना है जहाँ कंप्यूटर कैमरों के माध्यम से दुनिया को देखना, भाषा के माध्यम से निर्देशों को समझना और फिर काम पूरा करने के लिए रोबोटिक भुजाओं को शारीरिक रूप से हिलाना सीखते हैं। इन मॉडल्स को एक सुपर-स्मार्ट मस्तिष्क के रूप में सोचें जिसने हर किताब पढ़ी है और हर वीडियो देखा है, और अब वह एक जोड़ी यांत्रिक हाथों का उपयोग करना सीखने की कोशिश कर रहा है।
लेकिन इसमें एक पेंच है: जबकि ये रोबोट इस बारे में बेहतर हो रहे हैं कि क्या करना है (जैसे "कप उठाना"), वे इसे कैसे करना है, इसके मामले में अभी भी थोड़े अनाड़ी हैं। हम उन्हें बता पाना चाहते हैं, "कप उठाओ, लेकिन इसे धीरे से करो," या "इसे उठाओ, लेकिन इसे बहुत ऊपर मत उठाना।" एआई की दुनिया में, इसे बिहेवियरल कंट्रोल (व्यवहार नियंत्रण) कहा जाता है। लंबे समय तक, वैज्ञानिकों ने इन रोबनों को केवल उनके आंतरिक "विचारों" को एक सीधी रेखा में धकेलकर नियंत्रित करने की कोशिश की, जैसे किसी कार को थोड़ा बाईं ओर मोड़ने के लिए उसे हल्का सा धकेलना। हालाँकि, यह शोध पत्र सुझाव देता है कि नवीनतम, सबसे उन्नत रोबोटों के लिए, वह सीधी रेखा वाला धक्का पर्याप्त नहीं है। यह एक जटिल नृत्य को केवल यह कहकर निर्देशित करने जैसा है कि नर्तक को "बाएं मुड़ें", जबकि उस नृत्य के लिए वास्तव में एक चक्कर, एक झुकाव और एक छलांग की आवश्यकता होती है।
यहाँ आता है DiMaS (डिस्ट्रीब्यूशन मैचिंग फॉर स्टीयरिंग), जो पेगाह खयतन और उनकी टीम द्वारा प्रस्तावित एक नई विधि है। केवल रोबोट के आंतरिक विचारों को एक दिशा में धकेलने के बजाय, DiMaS एक मास्टर कोरियोग्राफर की तरह कार्य करता है जो "धीले" आंदोलनों के पूरे समूह और "तेज़" आंदोलनों के पूरे समूह को देखता है। यह "धीमे" समूह और "तेज़" समूह के सटीक आकार को सीखता है, और फिर रोबोट के वर्तमान विचारों को "धीमे" समूह के पैटर्न में फिट होने के लिए धीरे से नया आकार देता है।
शोधकर्ताओं ने इसका परीक्षण दो सबसे स्मार्ट रोबोट दिमागों पर किया, जिनके नाम SmolVLA और 𝜋0.5 हैं, एक आभासी खेल के मैदान LIBERO में जहाँ रोबोटों को ब्लॉक स्टैक करने या वस्तुओं को हिलाने जैसे कार्य करने होते हैं। उन्होंने पाया कि पुराने "सीधी रेखा" वाले तरीके असंगत थे; कभी-कभी वे काम करते थे, लेकिन अक्सर वे गति या ऊंचाई बदलने में विफल रहे, या उन्होंने रोबोट को कार्य पूरा करने में पूरी तरह विफल कर दिया। इसके विपरीत, DiMAs ने रोबोटों को सफलतापूर्वक धीमे चलने या वस्तुओं को नीचे उठाने के लिए प्रशिक्षित किया, और ऐसा करते समय उन्होंने यह सुनिश्चित किया कि रोबमाट अपने काम को पूरा करने के रास्ते से न भटकें।
टीम ने यह भी पता लगाया कि पुराने तरीके क्यों विफल हुए। उन्होंने रोबोट के मस्तिष्क के भीतर झाँका और पाया कि हालांकि आप एक "तेज़" विचार और एक "धीमे" विचार के बीच आसानी से अंतर कर सकते हैं (वे आसानी से अलग किए जा सकते हैं), आप एक साधारण संख्या जोड़कर एक को दूसरे में नहीं बदल सकते। संबंध बहुत जटिल है, जैसे किसी चौकोर को केवल एक दिशा में खींचकर वृत्त बनाने की कोशिश करना; आपको पूरे आकार को नया रूप देने की आवश्यकता होती है। DiMaS बिल्कुल यही करता है: यह वांछित व्यवहार से मेल खाने के लिए रोबोट की आंतरिक स्थिति को नया आकार देता है।
शायद सबसे प्रभावशाली बात यह है कि शोधकर्ताओं ने परीक्षण किया कि क्या यह नया कौशल उन कार्यों में स्थानांतरित (ट्रांसफर) हो सकता है जिन्हें रोबोट ने पहले कभी नहीं देखा है। उन्होंने रोबोट को पहेलियों के एक सेट का उपयोग करके धीरे चलना सिखाया और फिर उससे पूरी तरह से अलग पहेलियाँ हल करने को कहा। यह विधि आश्चर्यजनक रूप से अच्छी तरह से टिकी रही, जिससे पता चलता है कि रोबोट ने किसी विशिष्ट खेल के लिए केवल एक विशेष ट्रिक रटने के बजाय "धीरे चलने" के एक सामान्य नियम को सीखा है। हालाँकि, रोबोट को थोड़ा अधिक संघर्ष करना पड़ा जब कार्य बहुत अलग हो गए या जब रोबोट को बहुत लंबे समय तक हिलना-डुलना था, लेकिन काम को पूरा करने की अपनी क्षमता को तोड़े बिना रोबोट के कैसे हिलने के तरीके को नियंत्रित करने की क्षमता एक महत्वपूर्ण कदम है।
संक्षेप में, यह शोध पत्र बताता है कि उन्नत रोबोटों को वास्तव में नियंत्रित करने के लिए, हमें उनके आंतरिक मन को सरल डायल की तरह मानना बंद करना होगा जिन्हें हम बस ऊपर या नीचे घुमा सकते हैं। इसके बजाय, हमें उन्हें जटिल परिदृश्यों (लैंडस्केप) की तरह मानना होगा, जो उन्हें एक प्रकार के व्यवहार से दूसरे प्रकार के व्यवहार में मार्गदर्शन करने के लिए एक मानचित्र (DiMaS) का उपयोग करते हैं, यह सुनिश्चित करते हुए कि वे पूरे रास्ते अपना नृत्य जारी रख सकें।
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।