HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction
HiPHI एक बड़े पैमाने का, उच्च-परिशुद्धता वाला बेंचमार्क डेटासेट है जिसमें पूरे शरीर की मानव गति और वस्तु-परस्पर क्रिया का 600 घंटों से अधिक का डेटा शामिल है, जिसे मौजूदा एम्बोडीड (embodied) डेटासेट्स की सीमाओं को दूर करने के लिए डिज़ाइन किया गया है ताकि मानव सदृश (humanoid) नीतियों के स्केलेबल प्रशिक्षण और मूल्यांकन को सक्षम करने हेतु सब-मिलीमीटर सटीकता को सैद्धांतिक रूप से निर्देशित विविधता के साथ जोड़ा 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
एक रोबोट को इंसान की तरह चलना सिखाने के लिए, इंजीनियरों को पहले एक विरोधाभास को हल करना होगा। उन्हें ऐसे डेटा की आवश्यकता है जो इतना व्यापक हो कि वह उन तमाम विविधताओं को कवर कर सके जो एक व्यक्ति कर सकता है, और साथ ही इतना सटीक भी हो कि यह पकड़ सके कि एक पैर कैसे जमीन पर पड़ता है या एक हाथ हैंडल को कैसे पकड़ता है। वर्षों से, यह क्षेत्र दो अपूर्ण विकल्पों के बीच फंसा हुआ है। एक ओर, इंटरनेट वीडियो के लाखों घंटे हैं। ये मानव व्यवहार की एक विशाल श्रेणी दिखाते हैं, लेकिन ये केवल चित्र हैं; इनमें छिपे हुए भौतिक विवरणों का अभाव है, जैसे कि उठाए जा रहे किसी वस्तु का सटीक वजन या एक कदम का सटीक बल। दूसरी ओर, विशेष कैमरों के साथ की गई प्रयोगशाला रिकॉर्डिंग हैं जो शरीर के हर जोड़ को ट्रैक करती हैं। ये अविश्वसनीय रूप से सटीक हैं, लेकिन वे आमतौर पर कार्यों के एक संकीमित सेट को कवर करते हैं, और अक्सर वास्तविक दुनिया में होने वाली वास्तविक वस्तुओं के साथ जटिल अंतःक्रियाओं को छोड़ देते हैं। इन दोनों दुनियाओं के बीच एक सेतु के बिना, रोबोट भौतिक वातावरण में सुरक्षित और प्रभावी ढंग से चलना सीखने में संघर्ष करते हैं।
शोधकर्ताओं की एक टीम ने 'HiPHI' नामक एक नए डेटासेट के साथ वह सेतु बनाया है। उन्होंने मानव गति का एक विशाल पुस्तकालय बनाया, जिसमें 132 अलग-अलग लोगों से 600 घंटों से अधिक का उच्च-सटीकता वाला मोशन कैप्चर किया गया। पिछले प्रयासों के विपरीत, जो वीडियो बनाने के लिए लेखकों द्वारा मैन्युअल रूप से क्रियाओं की सूचियां बनाने पर निर्भर थे, इस टीम ने एक संरचित प्रणाली का उपयोग किया जो इस बात पर आधारित थी कि भाषा घटनाओं को कैसे व्यवस्थित करती है। उन्होंने एक भाषाई ढांचे से शुरुआत की जो मानव क्रियाओं को विशिष्ट, अर्थपूर्ण इकाइयों में विभाजित करता है, और फिर गति, दिशा और उपयोग की जाने वाली वस्तुओं जैसे कारकों को बदलकर प्रत्येक इकाई का व्यवस्थित रूप से विस्तार किया। परिणाम स्वरूप एक ऐसा डेटासेट तैयार हुआ जिसमें न केवल मानव शरीर की गति शामिल है, बल्कि फर्नीचर से लेकर खेल के उपकरणों तक, वास्तविक वस्तुओं की सिंक्रोनाइज़्ड (तुल्यकालिक) गति भी शामिल है। शरीर और वस्तु को सब-मिलीमीटर सटीकता के साथ रिकॉर्ड करके, शोधकर्ताओं ने यह सुनिश्चित किया कि डेटा दुनिया की वास्तविक भौतिक सीमाओं, जैसे घर्षण, वजन और संतुलन को दर्शाता है।
संग्रह की प्रक्रिया को आकस्मिक के बजाय व्यापक बनाने के लिए डिज़ाइन किया गया था। अभिनेताओं को रैंडम स्क्रिप्ट निभाने के लिए फिल्माने के बजाय, टीम ने डेटासेट के निर्माण को एक मानचित्र बनाने की तरह माना। उन्होंने क्रिया के मूल सिद्धांतों, जैसे कि "चलना" या "ले जाना", के एक सेट से शुरुआत की, और फिर प्रत्येक के लिए सैकड़ों विविधताएं उत्पन्न कीं। चलने जैसी एक एकल अवधारणा को अलग-अलग गति से, अलग-अलग दिशाओं में, अलग-अलग कदमों की लंबाई के साथ, और अलग-अलग वजन के भार को ले जाते हुए फिल्माया गया। इस दृष्टिकोण ने उन्हें एक तार्किक तरीके से मानव गति के सभी संभावित स्थानों को कवर करने की अनुमति दी, जिससे यह सुनिश्चित हुआ कि कोई भी प्रमुख प्रकार की गति छूटे नहीं। अंतिम डेटासेट में मोशन के 2 करोड़ से अधिक फ्रेम शामिल हैं, जिसमें 40 विशिष्ट वास्तविक दुनिया की वस्तुओं के साथ लोगों की अंतःक्रिया के लगभग 250 घंटे के अनुक्रम शामिल हैं। प्रत्येक क्लिप को एक विशिष्ट लेबल के साथ टैग किया गया है जो क्रिया और संदर्भ का वर्णन करता है, जिससे शोधकर्ताओं के लिए उस प्रकार की गति को खोजना आसान हो जाता है जिसे वे रोबोट को सिखाना चाहते हैं।
इस डेटा की गुणवत्ता का परीक्षण कठोरता से किया गया ताकि यह सुनिश्चित किया जा सके कि इसका वास्तव में रोबोट को प्रशिक्षित करने के लिए उपयोग किया जा सके। शोधकर्ताओं ने उन सामान्य त्रुटियों की जांच की जो अन्य डेटासेट्स में आम हैं, जैसे कि पैरों का फर्श में धंसना या बिना किसी सहारे के शरीर का हवा में तैरना। उनके माप दर्शाते हैं कि HiPHI मौजूदा बड़े पैमाने के मोशन लाइब्रेरी की तुलना में काफी अधिक स्वच्छ और भौतिक रूप से सुसंगत है। जब उन्होंने इस डेटा का उपयोग कंप्यूटर सिमुलेशन में एक ह्यूमनाइड रोबोट को प्रशिक्षित करने के लिए किया, तो रोबोट ने अन्य डेटासेट्स पर प्रशिक्षित होने की तुलना में बहुत तेजी से और अधिक विश्वसनीयता के साथ चलना, बैठना और वस्तुओं को उठाना सीखा। रोबोट संतुलन बनाए रखने और भारी बॉक्स को धकेलने या सूटकेस को पलटने जैसे जटिल कार्यों को निष्पादित करने में सक्षम था, जो कि पहले प्राप्त करना कठिन था। इन सिमुलेशनों ने सुझाव दिया कि डेटा उन सूक्ष्म भौतिक संकेतों को कैप्चर करता है जो एक मशीन के लिए यह समझने के लिए आवश्यक हैं कि वह अपने शरीर को दुनिया के संबंध में कैसे संचालित करे।
परियोजना की सफलता की पुष्टि तब हुई जब टीम ने प्रशिक्षित रोबोट को सिमुलेशन से निकालकर एक वास्तविक प्रयोगशाला के फर्श पर उतारा। वास्तविक दुनिया के सेंसरों और यांत्रिक सीमाओं की चुनौतियों के बावजूद, रोबोट ने उन विविध व्यवहारों को सफलतापूर्वक प्रदर्शित किया जो उसने HiPHI डेटा से सीखे थे। वह दौड़ा, बैठा, रेंगा, एक बॉक्स उठाया और एक सूटकेस खींचा, जिससे यह सिद्ध हुआ कि उच्च-सटीक रिकॉर्डिंग को वास्तविक भौतिक क्रिया में बदला जा सकता है। इसने साबित कर दिया कि डेटासेट केवल गति का वर्णन नहीं करता है; यह मशीनों को भौतिक दुनिया के साथ बातचीत करने का तरीका सिखाने के लिए एक विश्वसनीय आधार प्रदान करता है। हालांकि वर्तमान डेटासेट एकल-व्यक्ति की गतिविधियों पर केंद्रित है और इसमें अभी तक कई लोगों के बीच की अंतःक्रिया या स्पर्श बलों का सीधा माप शामिल नहीं है, फिर भी यह एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। मानव गति का एक बड़े पैमाने पर, भौतिक रूप से आधारित रिकॉर्ड प्रदान करके, HiPHI उन रोबोटों को विकसित करने के लिए एक नया मानक पेश करता है जो उन मनुष्यों की तरह ही सहजता और अनुकूलन क्षमता के साथ चल सकें जिनकी वे सहायता करने के लिए डिज़ाइन किए गए 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।