VLCP: Vision Language Control Policy Closed-Loop Code Replanning for Robot Manipulation
VLCP एक प्रशिक्षण-मुक्त रोबोट मैनिपुलेशन पॉलिसी पेश करता है जो एक विजन-लैंग्वेज मॉडल को फ्रीज रखता है और मल्टी-व्यू ऑब्जर्वेशन्स के आधार पर हर स्टेप्स में अपने स्वयं के पायथन कंट्रोल कोड को गतिशील रूप से फिर से लिखकर क्लोज्ड-लूप कंट्रोल सक्षम करता है, जिससे इन-एपिसोड फेलियर रिकवरी के माध्यम से ओपन-लूप बेसलाइन्स की तुलना में सफलता दर में दस गुना सुधार प्राप्त होता 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
रोबोटिक्स की दुनिया में, एक कंप्यूटर जो समझ सकता है और जो वह वास्तव में कर सकता है, उसके बीच एक निरंतर अंतराल बना रहता है। वर्षों से, वैज्ञानिकों ने रोबोट को गति की भाषा सिखाकर इस अंतर को पाटने का प्रयास किया है, जिससे शक्तिशाली आर्टिफिशियल इंटेलिजेंस मॉडल्स को मोटर कमांड के एक नए, विशेष शब्दावली को सीखने के लिए मजबूर किया गया। यह दृष्टिकोण भारी मात्रा में प्रशिक्षण डेटा की मांग करता है और अक्सर रोबट की तर्क करने की क्षमता को छीन लेता है, जिससे वह स्थिति को समझने के बजाय विशिष्ट क्रियाओं को याद रखने तक सीमित रह जाता है। एक हालिया विचार सुझाव देता है कि रोबोट को एक नई भाषा सिखाने के बजाय, हमें उसे उस भाषा में बोलने देना चाहिए जिसे वह पहले से ही सबसे अच्छी तरह जानता है: कंप्यूटर कोड। एआई (AI) को एक छोटा प्रोग्राम लिखने के लिए कहकर, जो रोबोट को यह बताए कि उसे कैसे हिलना है, शोधकर्ता एआई की तर्क करने की क्षमता को बरकरार रख सकते हैं। हालांकि, इस पद्धति की एक बड़ी खामी यह रही है कि प्रोग्राम एक बार लिखा जाता है, रोबोट के शुरू होने से पहले। यदि रोबोट किसी वस्तु को पकड़ने में चूक जाता है या किसी चीज़ से टकरा जाता है, तो प्रोग्राम बिना देखे चलता रहता है, और उस गलती को सुधारने का कोई तरीका न होते हुए, कार्य के अंत तक उस गलती को ढोता रहता है।
एक नया अध्ययन VLCP नामक एक प्रणाली पेश करता है, जो नियम बदल देता है क्योंकि यह रोबोट को काम करते समय अपने स्वयं के निर्देशों को फिर से लिखने की अनुमति देता है। शोधकर्ताओं ने एक ढांचा बनाया जहां एक फ्रीज्ड (frozen), प्री-ट्रेन्ड आर्टिफिशियल इंटेलिजेंस मॉडल एक पर्यवेक्षक के रूप में कार्य करता है। शुरुआत में केवल निर्देशों का एक सेट भेजने के बजाय, यह प्रणाली कैमरों और सेंसरों के माध्यम से रोबोट की वर्तमान स्थिति को देखने के लिए हर पचास स्टेप्स के बाद रुकती है। इसके बाद, यह एआई से जो उसने अभी देखा है, उसके आधार पर अगले पचास स्टेप्स को संभालने के लिए एक ताज़ा, छोटा पायथन (Python) फंक्शन लिखने के लिए कहती है। यदि रोबል पिछले चरण में किसी वस्तु को उठाने में विफल रहा, तो एआई छवियों में विफलता को देख लेता है, दृष्टिकोण को ठीक करने के लिए कोड का एक नया हिस्सा लिखता है, और उसी प्रयास के भीतर फिर से प्रयास करता है। यह एक क्लोज्ड लूप बनाता है जहाँ नियंत्रण सॉफ्टवेयर स्वयं वास्तविक समय में संपादित किया जाता है, न कि केवल रोबोट की गतिविधियों को समायोजित किया जाता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण एक सिम्युलेटेड वातावरण में किया जिसमें किचन और लिविंग रूम के परिवेश में सरल वस्तु उठाने से लेकर जटिल अनुक्रमों तक, सत्तावन अलग-अलग कार्य शामिल थे। उन्होंने अपनी पद्धति की तुलना उसी प्रणाली के एक संस्करण से की जिसने शुरुआत में कोड केवल एक बार लिखा था और कभी पीछे मुड़कर नहीं देखा। अंतर स्पष्ट था। वह प्रणाली जो चलते समय अपना कोड फिर से लिखती थी, तीस प्रतिशत कार्यों में सफल रही, जबकि वह प्रणाली जो अपनी मूल योजना पर टिकी रही, केवल तीन प्रतिशत में सफल रही। यह दस गुना सुधार हर उस दृश्य में देखा गया जिसका उन्होंने परीक्षण किया। सफलता की कुंजी केवल यह नहीं थी कि रोबोट अपनी गलतियों को देख सकता था, बल्कि यह थी कि वह उन निर्देशों को भी बदल सकता था जिनके कारण वे गलतियाँ हुई थीं। लगभग तीस प्रतिशत मामलों में जहाँ रोबोट शुरू में किसी वस्तु को पकड़ने में विफल रहा, सिस्टम ने त्रुटि को पकड़ा, दृष्टिकोण को फिर से लिखा और उसी प्रयास में बाद में वस्तु को सफलतापूर्वक उठा लिया। कोड को कार्य के बीच में संपादित करने की इस क्षमता के बिना, वे विफलताएं स्थायी होतीं।
यह सुनिश्चित करने के लिए कि यह प्रक्रिया व्यावहारिक हो, टीम ने यह मापा कि इसे कितनी कंप्यूटिंग शक्ति की आवश्यकता है। चूंकि एआई हर बार जांच के लिए अधिकांश समान बैकग्राउंड जानकारी का पुन: उपयोग कर रहा था, इसलिए सिस्टम को प्रत्येक बार केवल बहुत कम नए डेटा को प्रोसेस करने की आवश्यकता थी। इसने रोबोट को बिना बहुत धीमा या महंगा हुए, एक एकल कार्य के दौरान लगभग दस बार रुकने, सोचने और अपने निर्देशों को फिर से लिखने की अनुमति दी। अध्ययन ने यह भी दिखाया कि यह पद्धति इस बात पर निर्भर नहीं थी कि रोबोट विशिष्ट वाक्यांशों या निर्देशों को याद रखे। जब शोधकर्ताओं ने कार्य विवरणों की शब्दावली बदली, तो सिस्टम का प्रदर्शन स्थिर रहा, जबकि अन्य मॉडल जो प्रशिक्षण डेटा पर निर्भर थे, भाषा में थोड़े से बदलाव के साथ संघर्ष करने लगे। यह सुझाव देता है कि सिस्टम वास्तव में लक्ष्य को समझ रहा है, न कि केवल पैटर्न का मिलान कर रहा है।
शोधकर्ताओं ने सावधानीपूर्वक नोट किया कि उनके परिणाम एक कंप्यूटर सिमुलेशन से आए हैं, न कि एक वास्तविक कमरे में मौजूद भौतिक रोबोट से। सिस्टम वर्तमान में वस्तुओं के स्थान के बारे में सटीक डिजिटल जानकारी पर निर्भर करता है, जो कुछ वास्तविक दुनिया के कैमरे इतनी निश्चितता के साथ प्रदान नहीं कर सकते। इसके अतिरिक्त, एआई द्वारा एक नया कोड उत्पन्न करने में लगने वाला समय यह दर्शाता है कि यह दृष्टिकोण उन कार्यों के लिए बेहतर है जिनमें सेकंड के सौवें हिस्से की प्रतिक्रिया की आवश्यकता नहीं होती है। इन सीमाओं के बावजूद, अध्ययन एक स्पष्ट मार्ग दिखाता है: एआई को कोड की भाषा में रखते हुए और उसे अपनी गलतियों को होते हुए ठीक करने की अनुमति देकर, रोबोट बहुत अधिक सक्षम हो सकते हैं बिना हजारों मानव प्रदर्शनों पर पुन: प्रशिक्षित हुए। यह कार्य सुझाव देता है कि रोबोट नियंत्रण का भविष्य मशीनों को हिलने के नए तरीके सिखाने में नहीं, बल्कि उन्हें सीखते समय अपनी योजनाओं को संपादित करने की स्वतंत्रता देने में निहित 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।