ACME: A Multi-Cultural, Multi-Embodiment Social-Navigation Dataset
यह शोध पत्र ACME को प्रस्तुत करता है, जो एक बड़े पैमाने का, बहु-सांस्कृतिक और बहु-एम्बोडिमेंट डेटासेट है जिसे पांच देशों में सामाजिक रोबोट नेविगेशन अनुसंधान को आगे बढ़ाने के लिए एकत्र किया गया है, ताकि विविध, लक्ष्य-संचालित इंटरेक्शन डेटा प्रदान करके मौजूदा संसाधनों में सांस्कृतिक और भौगोलिक विविधता की कमी को दूर किया जा सके।
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 सिखाने की कोशिश कर रहे हैं कि कैसे एक व्यस्त स्कूल के गलियारे में बिना किसी से टकराए चला जाए। यह केवल दीवारों से बचने के बारे में नहीं है; यह मानव गति के अदृश्य नृत्य को समझने के बारे में है। इस क्षेत्र को सोशल नेविगेशन (सामाजिक नेविगेशन) कहा जाता है। जहाँ एक सामान्य रोबोट को बस बिना टकराए बिंदु A से बिंदु B तक पहुँचना होता है, वहीं एक सोशल रोबोट को भीड़ के अनकहे नियमों को जानना होगा: कब किनारे हटना है, कितनी निकटता "बहुत अधिक" है, और लोग गलियारे के किस ओर चलना पसंद करते हैं। ये नियम इस बात पर निर्भर करते हैं कि आप दुनिया के किस हिस्से में हैं और रोबोट कैसा दिखता है। एक रोबोट जो एक देश में विनम्र है, वह दूसरे देश में असभ्य हो सकता है, और एक रोबोट जो कुत्ते जैसा दिखता है, उसके साथ वैसा ही व्यवहार किया जा सकता है जैसा कि एक सूटकेस जैसे दिखने वाले रोबोट के साथ किया जाता है। वैज्ञानिक इस बात पर ध्यान देते हैं क्योंकि जैसे-जैसे रोबोट हमारे घरों, अस्पतालों और सड़कों में काम करना शुरू करेंगे, उन्हें स्वाभाविक रूप से घुलने-मिलने की आवश्यकता होगी ताकि हमें अजीब या असुरक्षित महसूस न हो।
यहाँ ACME आता है, जो एक विशाल नया प्रोजेक्ट है जो इन सोशल रोबोट्स के लिए एक विशाल, वैश्विक प्रशिक्षण शिविर की तरह कार्य करता है। ACME के पीछे के शोधकर्ताओं ने महसूस किया कि पिछले रोबोट प्रशिक्षण डेटा बहुत सीमित था, जैसे किसी ड्राइवर को केवल एक शांत, खाली पार्किंग स्थल में गाड़ी चलाना सिखाना और फिर यह उम्मीद करना कि वे टोक्यो के एक अराजक चौराहे को संभाल लेंगे। इसे ठीक करने के लिए, टीम ने एक विश्व यात्रा की, 5 देशों में 8 अलग-अलग स्थानों (जिनमें अमेरिका, जापान, सिंगापुर, जर्मनी और स्पेन शामिल हैं) से डेटा एकत्र किया। उन्होंने केवल एक प्रकार के रोबोट का उपयोग नहीं किया; उन्होंने 7 अलग-अलग रोबोट "शरीर" (या एम्बॉडिमेंट्स) तैनात किए, जिनमें चार पैरों वाले कुत्ते जैसे रोबोट से लेकर पहियों वाले सूटकेस बॉट्स और ऊंचे सर्विस रोबोट तक शामिल थे। उन्होंने भीड़ के बीच रोबोट के चलने के 29 घंटे से अधिक का डेटा रिकॉर्ड किया और लोगों के उनके चारों ओर चलने के तरीके को ट्रैक करने के लिए 43.5 घंटे का ओवरहेड वीडियो रिकॉर्ड किया।
यह शोध पत्र सुझाव देता है कि इस विविध, अव्यवस्थित, वास्तविक दुनिया के डेटा को कंप्यूटर मॉडल में फीड करके, हम रोबोट को कमरे की स्थिति (माहौल) को बेहतर ढंग से पढ़ने के लिए सिखा सकते हैं। टीम ने पाया कि इस नए डेटासेट पर प्रशिक्षित रोबोटों को पुराने डेटा पर प्रशिक्षित रोबोटों की तुलना में बहुत कठिन चुनौतियों का सामना करना पड़ता है, जो वास्तव में एक अच्छी बात है—इसका मतलब है कि रोबोट वास्तविक, अप्रत्याशित दुनिया को संभालने के लिए सीख रहे हैं। उन्होंने यह भी खोजा कि संस्कृति बहुत मायने रखती है: कुछ देशों में लोग दाईं ओर चलना पसंद करते हैं, जबकि अन्य बाईं ओर, और एक रोबोट के प्रति लोगों की प्रतिक्रिया इस बात पर बहुत निर्भर करती है कि रोबोट एक दोस्ताना कुत्ते जैसा दिखता है या एक लुढ़कने वाले बॉक्स जैसा। इसके अलावा, अध्ययन दिखाता है कि भाषण (जैसे "क्षमा करें" कहना) का उपयोग करने वाले रोबोट अपने आकार और आकृति के आधार पर भीड़ के साथ अलग तरह से बातचीत करते हैं। हालांकि यह शोध पत्र यह दावा नहीं करता है कि इसने पूर्ण रोबोट नेविगेशन की समस्या को हल कर लिया है, लेकिन यह सुझाव देता है कि ACME रोबोट्स को मानव स्थानों के जटिल, सांस्कृतिक और भौतिक नृत्य में नेविगेट करने के लिए सिखाने हेतु अब तक का सबसे व्यापक "पाठ्यपुस्तक" प्रदान करता 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।