PRISM: Precision and contact-rich Real-world Industrial Skill dataset with Multimodal sensing
यह शोध पत्र PRISM को प्रस्तुत करता है, जो 25 कॉन्टैक्ट-रिच (contact-rich) औद्योगिक हेरफेर कार्यों के 5,000 से अधिक टेलीऑपरेटेड प्रक्षेप पथों (trajectories) से युक्त एक बड़े पैमाने का, ओपन-सोर्स मल्टीमॉडल डेटासेट है, जिसे मौजूदा घरेलू-केंद्रित रोबोटिक डेटासेट्स और वास्तविक विनिर्माण की उच्च-परिशुद्धता, बल-विनियमित (force-regulated) आवश्यकताओं के बीच के अंतर को पाटने के लिए डिज़ाइन किया गया 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
रोबोट दुनिया में घूमने-फिरने में उल्लेखनीय रूप से कुशल हो गए हैं, एक ऐसी क्षमता जो काफी हद तक वीडियो डेटा के विशाल पुस्तकालयों पर टिकी है। वर्षों से, शोधकर्ताओं ने मशीनों को हजारों सरल कार्यों के उदाहरण देखकर सीखना सिखाया है, जैसे कि रसोई या लिविंग रूम में कप उठाना या ब्लॉक को एक के ऊपर एक रखना। ये रोजमर्रा के कार्य उदार होते हैं; यदि कोई रोबोट पकड़ चूक जाता है, तो वह आमतौर पर बिना किसी परिणाम के फिर से प्रयास कर सकता है। हालाँकि, औद्योगिक दुनिया बहुत सख्त नियमों के तहत काम करती है। एक कारखाने में, मशीन के पुर्जे को जोड़ने के लिए अक्सर रोबोट को अत्यधिक सटीकता के साथ धकेलने, खिसकाने और घुमाने की आवश्यकता होती है, जहाँ एक मिलीमीटर का भी अंतर पूरी प्रक्रिया को जाम कर सकता है। इन वातावरणों में सफलता न केवल वस्तु को देखने पर, बल्कि धातु के विरुद्ध धातु के सूक्ष्म प्रतिरोध, रबर की सील के थोड़े से लचीलेपन, या गियर के अपनी जगह पर फिट होने के सटीक क्षण को महसूस करने पर निर्भर करती है। लंबे समय तक, रोबोट को प्रशिक्षित करने के लिए उपलब्ध डेटा इन नाजुक, बलपूर्वक होने वाली अंतःक्रियाओं को कैप्चर करने में विफल रहा, जिससे लैब में रोबोट जो कर सकते हैं और वास्तविक कारखाने में उन्हें जो करने की आवश्यकता है, उसके बीच एक अंतर रह गया।
इस अंतर को पाटने के लिए, शोधकर्ताओं की एक टीम ने PRISM नामक डेटा का एक नया संग्रह पेश किया है, जिसे विशेष रूप से रोबोट को औद्योगिक असेंबली की अव्यवस्थित और उच्च-दबाव वाली वास्तविकता को संभालने के लिए सिखाने हेतु डिज़ाइन किया गया है। शोधकर्ताओं ने मानव ऑपरेटरों द्वारा जटिल कार्य करने के 5,000 से अधिक विस्तृत रिकॉर्ड एकत्र किए, जैसे कि नाजुक इलेक्ट्रॉनिक घटकों को प्लग करना, चलती हुई कन्वेयर बेल्ट पर वस्तुओं को छाँटना और सटीक उपकरणों की पैकेजिंग करना। पिछले डेटासेट्स के विपरीत, जो छोटे और सरल आंदोलनों पर केंद्रित थे, ये रिकॉर्ड काम के लंबे अनुक्रमों को कैप्चर करते हैं जहाँ रोबोट को अपने वातावरण के साथ निरंतर संपर्क बनाए रखना होता है। यह डेटा समृद्ध जानकारी से भरा है, जो न केवल यह रिकॉर्ड करता है कि रोबोट कई कैमरों के माध्यम से क्या देख रहा है, बल्कि यह भी कि वह कितना बल लगा रहा है, उसके जोड़ों में कितना टॉर्क (torque) है, और विशेष सेंसरों के माध्यम से वह छू रही सतहों की बनावट कैसी है। इन सभी विभिन्न संकेतों को सिंक्रोनाइज़ करके, यह डेटासेट एक पूर्ण चित्र प्रदान करता है कि उस कार्य को करने में कैसा महसूस होता है जिसके लिए एक स्थिर हाथ और संवेदनशील स्पर्श की आवश्यकता होती है।
टीम ने कई अलग-अलग प्रकार के रोबोटों को उन्नत सेंसरों से लैस करके और आठ स्वयंसेवकों को तीन अलग-अलग तरीकों का उपयोग करके कार्य करने के लिए प्रेरित करके इस संसाधन का निर्माण किया: एक रोबोटिक एक्सोस्केलेटन पहनकर जो मानव गति की नकल करता है, हैंडहेल्ड ट्रैकर्स का उपयोग करके, या वर्चुअल रियलिटी हेडसेट के माध्यम से रोबोट को नियंत्रित करके। यह विविधता जानबूझकर की गई थी, जिससे शोधकर्ताओं को यह देखने में मदद मिली कि रोबोट को निर्देशित करने के विभिन्न तरीके अंतिम डेटा की गुणवत्ता को कैसे प्रभावित करते हैं। उन्होंने पाया कि नियंत्रण की विधि महत्वपूर्ण थी। जब मनुष्यों ने एक्सोस्केलेटन का उपयोग करके रोबोट को निर्देशित किया, जिसने मशीन के जोड़ों के साथ सीधा भौतिक संबंध प्रदान किया, तो परिणामी डेटा ने रोबोट को कार्यों को अधिक सफलतापूर्वक और कम त्रुटियों के साथ करने में सक्षम बनाया। इसके विपरीत, वर्चुअल रियलिटी के माध्यम से एकत्र किया गया डेटा कम विश्वसनीय परिणाम देता था, क्योंकि ऑपरेटर के पास आवश्यक सटीकता के साथ रोबोट को निर्देशित करने के लिए आवश्यक गहराई का बोध (depth perception) और भौतिक फीडबैक की कमी थी।
इस नए डेटासेट के मूल्य का परीक्षण करने के लिए, शोधकर्ताओं ने मानक रोबलेट लर्निंग प्रोग्रामों को इस डेटा पर प्रशिक्षित किया और फिर उन्हें उसी असेंबली कार्य को करने के लिए एक वास्तविक रोबोट के पास भेजा। परिणामों ने दिखाया कि हालांकि रोबोट अभ्यास के साथ बेहतर हुए, फिर भी वे काम के सबसे कठिन पहलुओं के साथ संघर्ष करते रहे। जब रोबोट को अधिक मात्रा में डेटा पर प्रशिक्षित किया गया और किसी विशिष्ट कार्य पर ध्यान केंद्रित करने से पहले कई अलग-अलग कार्यों का व्यापक अवलोकन दिया गया, तो वे अधिक मजबूत (robust) हो गए। वे पूरी तरह से विफल होने के बजाय, छोटी गलतियों, जैसे कि मामूली मिसअलाइनमेंट से उबरने में बेहतर थे। हालाँकि, प्रयोगों ने एक कड़वा सच भी उजागर किया: यहाँ तक कि इस उच्च-गुणवत्ता वाले डेटा के साथ भी, वर्तमान लर्निंग मेथड्स को कन्वेयर बेल्ट पर चलती वस्तुओं के लिए आवश्यक सेकंड-दर-सेकंड की टाइमिंग या किसी पुर्जे को बिना तोड़े डालने के लिए आवश्यक सटीक बल लगाने में कठिनाई होती है। रोबोट दुनिया को देख सकते थे और संपर्क को महसूस कर सकते थे, लेकिन उनमें अभी भी भौतिक विज्ञान की उस गहरी, सहज समझ की कमी थी जो एक मानव कार्यकर्ता वर्षों के अनुभव के दौरान विकसित करता है।
यह कार्य सुझाव देता है कि जबकि बड़े डेटासेट्स एक शक्तिशाली उपकरण हैं, वे हर औद्योगिक चुनौती के लिए जादुई समाधान नहीं हैं। PRISM डेटासेट यह सिद्ध करता है कि किसी कार्य के पूर्ण संवेदी अनुभव—दृष्टि, स्पर्श और बल—को कैप्चर करना रोबोट को कम सहनशीलता (tight tolerances) में काम करना सिखाने के लिए आवश्यक है। यह यह भी रेखांकित करता है कि हम इन मशीनों को कैसे सिखाते हैं, यह डेटा जितना ही महत्वपूर्ण है; प्रशिक्षण के दौरान मानव और रोबोट के बीच का भौतिक संबंध यह तय कर सकता है कि रोबोट अनुकूलन करना सीखता है या केवल उन गतिविधियों की नकल करता है जिन्हें वह वास्तव में समझ नहीं सकता। जैसे-जैसे यह क्षेत्र आगे बढ़ रहा है, यह डेटासेट प्रगति को मापने के लिए एक यथार्थवादी बेंचमार्क प्रदान करता है, जो दिखाता है कि वास्तव में बहुमुखी औद्योगिक रोबोटों का मार्ग न केवल अधिक डेटा, बल्कि असेंबली के जटिल और बलपूर्वक नृत्य की व्याख्या करने के बेहतर तरीकों की मांग 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।