TRACE: Learned Proprioceptive Odometry for Legged Robots under Unreliable Contact Conditions

कल्पना कीजिए कि एक रोबोट एक ऐसी दुनिया में रास्ता खोजने की कोशिश कर रहा है जो मैप होने के विरुद्ध है। दशकों से, वैज्ञानिकों ने रोबोट को लैंडमार्क खोजने के लिए "आंखों"—कैमरों और लेजर—का उपयोग करके नेविगेट करना सिखाया है। लेकिन क्या होता है जब रोशनी चली जाती है, कोहरा छा जाता है, या रोबोट एक घने जंगल में चल रहा होता है जहाँ ज़मीन पत्तों से ढकी होती है? उनकी "आंखें" अंधी हो जाती हैं। यहीं पर प्रोपियोसेप्टिव ओडोमेट्री (proprioceptive odometry) का क्षेत्र काम आता है। इसे रोबोट की "आंतरिक समझ" के रूप में सोचें, ठीक वैसे ही जैसे आप बिना अपने पैरों को देखे, केवल अपनी मांसपेशियों और जोड़ों में होने वाले संचलन को महसूस करके यह बता सकते हैं कि आप फिसलन भरे फर्श या ऊबड़-खाबड़ रास्ते पर चल रहे हैं। हालाँकि, चुनौती यह है कि यह आंतरिक समझ आसानी से धोखा खा जाती है। यदि रोबोट का पैर गीले पत्थर पर फिसलता है या नरम कीचड़ में धंस जाता है, तो उसके आंतरिक सेंसर भ्रमित हो जाते हैं, और वह सोचने लगता है कि वह एक सीधी रेखा में चल रहा है जबकि वास्तव में वह बगल में फिसल रहा होता है। समय के साथ, ये छोटी-छोटी गलतियाँ जमा होती जाती हैं, और रोबोट पूरी तरह से रास्ता भटक जाता है।

यह शोध पत्र TRACE नामक एक नया समाधान पेश करता है, जो एक स्मार्ट सिस्टम है जिसे लेग्ड रोबोट्स (जैसे चार पैरों वाले कुत्ते या मानवोयड) को यह समझने में मदद करने के लिए डिज़ाइन किया गया है कि वे कहाँ हैं, भले ही उनके पैर फिसल रहे हों, धंस रहे हों, या अजीब इलाकों पर लुढ़क रहे हों। कठोर नियमों या मैन्युअल सेटिंग्स पर निर्भर रहने के बजाय कि पैर फिसल रहा है या नहीं, TRACE एक डीप लर्निंग मॉडल का उपयोग करता है जो एक अत्यधिक अनुभवी कोच की तरह कार्य करता है। यह रोबटेज के आंदोलनों और सेंसर रीडिंग के इतिहास को देखता है, फिसलते हुए पैर के "शोर" (noise) को अनदेखा करना सीखता है और एक ठोस कदम के "सिग्नल" (signal) पर ध्यान केंद्रित करता है। शोधकर्ताओं ने इस प्रणाली को एक आभासी दुनिया में प्रशिक्षित किया जो यादृच्छिक अराजकता—फिसलन भरे फर्श, नरम मैट और अप्रत्याशित उभारों—से भरी थी—और फिर इसे एक वास्तविक रोबोट पर जंगली वातावरण में टेस्ट किया। उन्होंने पाया कि TRACE पुराने तरीकों की तुलना में रोबोट को ट्रैक पर रखने में काफी बेहतर है, जिससे कुछ कठिन स्थितियों में रोबोट का "ड्रिफ्ट" (वह दूरी जो वह सोचता है कि वह वास्तव में कहाँ है उससे अलग है) आधा से अधिक कम हो जाता है।

रोबोट की "आंतरिक कान" की समस्या

यह समझने के लिए कि TRACE क्यों बड़ी बात है, हमें यह देखना होगा कि रोबोट आमतौर पर अपने कदमों को कैसे गिनने की कोशिश करते हैं। कल्पना कीजिए कि आप अपनी आँखें बंद करके एक अंधेरे कमरे में चल रहे हैं। आप कितनी दूर गए हैं यह जानने के लिए अपने कदमों को गिनने की कोशिश करते हैं। यदि आप केले के छिलके पर पैर रखते हैं और फिसल जाते हैं, तो आपका मस्तिष्क सोच सकता है कि आपने दो कदम उठाए जबकि आपने केवल एक ही लिया। एक रोबोट के लिए, यह एक दुस्वप्न है। यदि वह सोचता है कि वह 10 मीटर आगे बढ़ा है लेकिन वास्तव में केवल 5 मीटर ही बढ़ा है, तो वह अंततः उस दीवार से टकरा जाएगा जिसे वह बहुत दूर समझ रहा था।

पुराने तरीके गणितीय फिल्टर का उपयोग करके इसे हल करने की कोशिश करते थे। ये फिल्टर सख्त शिक्षकों की तरह हैं जो कहते हैं, "यदि आपका पैर ज़मीन पर है, तो उसे स्थिर होना ही चाहिए।" लेकिन वास्तविक दुनिया में, पैर हमेशा स्थिर नहीं होते। वे लुढ़कते हैं, रेत में धंस जाते हैं, या बर्फ पर फिसल जाते हैं। जब "सख्त शिक्षक" यह मान लेता है कि पैर स्थिर है लेकिन वह वास्तव में फिसल रहा होता है, तो गणित विफल हो जाता है, और रोबोट रास्ता भटक जाता है। अन्य तरीकों ने कैमरों का उपयोग करने की कोशिश की, लेकिन जैसा कि हमने उल्लेख किया, कैमरे अंधेरे या खराब मौसम में विफल हो जाते हैं।

TRACE का आगमन: एक "स्मार्ट कोच"

लेखकों ने TRACE (Tokenized Robust Attention for Contact-Aware Estimation) बनाया। एक सख्त शिक्षक के बजाय, TRACE को एक स्मार्ट कोच के रूप में सोचें जिसने कल्पना योग्य हर प्रकार की सतह पर रोबोटों के चलने के हजारों घंटों को देखा है।

यह सरल शब्दों में कैसे काम करता है:

1. इनपुट: रोबोट लगातार TRACE को डेटा का एक प्रवाह भेज रहा है: वह कितनी तेज़ी से घूम रहा है (जाइरोस्कोप), वह कितनी तेज़ी से त्वरित हो रहा है (एक्सेलेरोमीटर), और उसके पैरों के प्रत्येक जोड़ की स्थिति और गति।

2. "अटेंशन" (ध्यान) का तरीका: यह जादुई हिस्सा है। TRACE क्रॉस-अटेंशन (cross-attention) नामक एक तंत्र का उपयोग करता है। कल्पना कीजिए कि रोबोट के चार पैर हैं, और प्रत्येक पैर कोच को अपनी स्थिति चिल्लाकर बता रहा है:

   • पैर 1 कहता है: "मैं ठोस ज़मीन पर हूँ! मैं स्थिर हूँ!"
   • पैर 2 कहता है: "मैं बर्फ पर फिसल रहा हूँ! मैं अभी बेकार हूँ!"
   • पैर 3 कहता है: "मैं कीचड़ में धंस रहा हूँ!"
   • पैर 4 कहता है: "मैं हवा में हूँ, झूल रहा हूँ!"

   अतीत में, रोबोट को एक साधारण नियम के आधार पर यह अनुमान लगाना पड़ता था कि किस पैर को सुनना है (जैसे "यदि बल कम है, तो यह हवा में है")। हालाँकि, TRACE सीखता है कि किसे सुनना है। यह प्रत्येक पैर को एक "वेट" (भार) या "अटेंशन स्कोर" असाइन करता है। यदि कोई पैर फिसल रहा है या धंस रहा है, तो TRACE उसे कम सुनने (वॉल्यूम कम करने) का सीख जाता है। यदि कोई पैर ठोस है, तो वह उसकी आवाज़ बढ़ा देता है। वह यह सब बिना किसी इंसान द्वारा यह बताए कि "हे, वह एक फिसलन है!" करता है। वह बस डेटा से पैटर्न को समझ लेता है।

3. फिजिक्स चेक: यह सुनिश्चित करने के लिए कि रोबोट केवल अंदाज़ा न लगाए, TRACE में एक "फिजिक्स चेक" भी है। यह रोबोट की अनुमानित गति की तुलना इस बात से करता है कि वह कितना आगे बढ़ा है। यदि गणित मेल नहीं खाता (जैसे कि यदि रोबोट कहता है कि वह तेज़ी से चल रहा है लेकिन पैर ज़्यादा नहीं हिल रहे हैं), तो सिस्टम खुद को ठीक करता है। यह एक धावक के समान है जिसे एहसास होता है, "रुको, मैं स्प्रिंटिंग की तरह हाँफ रहा हूँ, लेकिन मैं एक इंच भी आगे नहीं बढ़ा हूँ; मुझे लगता है कि मैं एक ही जगह पर दौड़ रहा हूँ।"

सिमुलेशन के अराजक माहौल में प्रशिक्षण

आप केवल एक रोबोट को एक चिकने फर्श पर चलना नहीं सिखा सकते और उम्मीद नहीं कर सकते कि वह कीचड़ भरे जंगल को संभाल लेगा। शोधकर्ताओं ने TRACE को RaiSim नामक एक आभासी सिम्युलेटर में प्रशिक्षित किया। लेकिन उन्होंने इसे केवल एक उबाऊ, सपाट दुनिया नहीं बनाया। उन्होंने इसे अराजक बनाया।

• उन्होंने टेरेन (terrain/धरातल) को रैंडमाइज किया: समतल ज़मीन, सीढ़ियाँ, ऊबड़-खाबड़ चट्टानें और नरम एयर मैट्रेस।
• उन्होंने फिसलन (slip) को रैंडमाइज किया: कभी ज़मीन बहुत फिसलन भरी थी, तो कभी चिपचिपी।
• उन्होंने रोबोट की गति को रैंडमाइज किया: उन्होंने रोबोट को अलग-अलग शैलियों और गति से चलाया।

इसे पॉलिसी रैंडमाइजेशन (policy randomization) कहा जाता है। यह एक छात्र को केवल एक विशिष्ट परीक्षा के लिए नहीं, बल्कि परीक्षा के हर संभावित बदलाव के लिए प्रशिक्षित करने जैसा है। कई अलग-अलग तरीकों से यह देखने के बाद कि रोबोट कैसे चल सकता है और फिसल सकता है, TRACE ने प्रशिक्षण के विशिष्ट "ट्रिक्स" को अनदेखा करना और पैरों और ज़मीन के बीच के सार्वभौमिक सत्य पर ध्यान केंद्रित करना सीख लिया।

वास्तविक दुनिया का परीक्षण

आभासी दुनिया में प्रशिक्षण के बाद, टीम ने अपने रोबोट, जिसका नाम Raibo2 है, को वास्तविक दुनिया में ले लिया। उन्होंने इसे इन स्थितियों में टेस्ट किया:

• समतल ज़मीन: आसान चीज़ें।
• ऊबड़-खाबड़ इलाका: लकड़ी के रैंप और ब्लॉक।
• फिसलन भरी सतह: बोरिक एसिड पाउडर से ढका हुआ बोर्ड (बहुत फिसलन भरा!)।
• नरम इलाका: एक एयर मैट जो उछलता और धंसता है।
• आउटडोर ट्रेल्स: घास, सख्त मिट्टी और सीढ़ियाँ।

उन्होंने TRACE की तुलना तीन अन्य विधियों से की:

1. IEKF-SR: पुराना "सख्त शिक्षक" वाला गणितीय फिल्टर।
2. Legolas: एक शुद्ध लर्निंग-आधारित विधि जो भौतिकी के नियमों का उपयोग नहीं करती है।
3. NMN-IEKF: एक हाइब्रिड विधि जो दोनों को मिलाने की कोशिश करती है।

परिणाम: कम ड्रिफ्ट, अधिक आत्मविश्वास

परिणाम प्रभावशाली थे। नरम इलाके के प्रयोग (एयर मैट) में, जहाँ ज़मीन स्पंजी और अप्रत्याशित थी, TRACE ने पिछले सबसे अच्छे तरीके की तुलना में रोबोट की स्थिति की त्रुटि (position error) को 53.8% तक कम कर दिया। फिसलन भरी ज़मीन पर, इसने त्रुटि को 44.1% कम कर दिया।

इसका क्या अर्थ है? यदि अन्य रोबोट सोचते थे कि वे शुरुआत से 10 मीटर दूर हैं, तो वे वास्तव में 15 मीटर दूर हो सकते हैं (एक बड़ी गलती)। हालाँकि, TRACE वास्तविकता के बहुत करीब था। यह फिसलते या धंसते पैरों से भ्रमित नहीं हुआ क्योंकि इसके "अटेंशन" तंत्र को पता था कि अविश्वसनीय पैरों को कैसे अनदेखा करना है।

शोधकर्ताओं ने यह भी जांचा कि क्या TRACE वास्तव में "सही चीज़ों पर ध्यान दे रहा है"। उन्होंने डेटा देखा और पाया कि जब एक पैर फिसल रहा था, तो उस पैर के लिए सिस्टम का अटेंशन स्कोर लगभग शून्य हो गया। जब पैर ठोस था, तो स्कोर बढ़ गया। इससे साबित हुआ कि रोबोट केवल अंदाज़ा नहीं लगा रहा था; वह सही सेंसरों पर भरोसा करना और गलत सेंसरों को अनदेखा करना सीख रहा था।

यह क्यों महत्वपूर्ण है

शोध पत्र निष्कर्ष निकालता है कि TRACE एक बड़ा कदम है क्योंकि इसे दुनिया को देखने के लिए कैमरे की आवश्यकता नहीं है, और न ही इसे हर प्रकार की फिसलन के लिए जटिल नियम प्रोग्राम करने के लिए किसी इंसान की ज़रूरत है। यह खुद को मजबूत बनाना सीखता है।

हालाँकि, लेखक यह दावा करने में सावधान हैं कि यह एक "हल हो चुका" (solved) मामला है। वे नोट करते हैं कि हालांकि TRACE बेहतरीन है, लेकिन यह अभी भी सिमुलेशन प्रशिक्षण की गुणवत्ता पर निर्भर करता है। वे यह भी उल्लेख करते हैं कि भविष्य के कार्य में यह अनुमान लगाने पर ध्यान दिया जा सकता है कि पैर कितना फिसल रहा है, न कि केवल इसे अनदेखा करने पर। लेकिन फिलहाल के लिए, TRACE दिखाता है कि रोबोट को उनके शरीर को एक स्मार्ट, अनुकूलन योग्य कान के साथ "सुनने" के लिए शिक्षित करके, हम उन्हें बिना रास्ता भटके, इस अस्त-व्यस्त और अप्रत्याशित वास्तविक दुनिया में नेविगेट करने में मदद कर सकते हैं।

संक्षेप में, TRACE एक रोबोट को सुपरपावर देने जैसा है: यह जानने की क्षमता कि वह कहाँ है, भले ही उसके नीचे की ज़मीन उससे झूठ बोल रही हो।