Longitudinal Robot Learning from Demonstration with Care Providers in a Home Environment

तकनीकी सारांश: घरेलू वातावरण में देखभाल प्रदाताओं के साथ अनुदैर्ध्य रोबोट लर्निंग फ्रॉम डिमॉन्स्ट्रेशन (LfD)

समस्या विवरण
लर्निंग फ्रॉम डिमॉन्स्ट्रेशन (LfD) गैर-विशेषज्ञ उपयोगकर्ताओं को स्पष्ट प्रोग्रामिंग के बिना रोबोट को नवीन कौशल सिखाने की अनुमति देता है। हालाँकि, गैर-विशेषज्ञों के साथ LfD के वर्तमान उपयोगिता मूल्यांकन मुख्य रूप से नियंत्रित प्रयोगशाला सेटिंग्स में एक रोबोटिक्स प्रयोगकर्ता की उपस्थिति में किए जाते हैं। यह इस बात को समझने में एक अंतराल पैदा करता है कि गैर-विशेषज्ञ एंड-यूज़र, लाइव विशेषज्ञ फीडबैक के बिना, अनस्ट्रक्चर्ड और गतिशील घरेलू वातावरण में रोबोट को सिखाते समय किन बाधाओं का सामना करते हैं। इसके अलावा, जबकि पिछला कार्य बताता है कि कई सत्रों के दौरान प्रदर्शन में सुधार होता है, वास्तविक घरेलू सेटिंग्स में गैर-विशेषज्ञों (विशेष रूप से देखभाल प्रदाताओं) के समय के साथ सहायक कार्यों को सिखाने के अनुकूल होने के संबंध में अनुदैर्ध्य (longitudinal) डेटा की कमी है।

कार्यप्रणाली
लेखक जॉर्जिया टेक अवेयर होम (Georgia Tech Aware Home) में तीन दौरों (visits) में आयोजित एक मानव विषय प्रयोग का प्रस्ताव करते हैं। यह अध्ययन देखभाल प्रदाताओं (औपचारिक, जैसे नर्स और थेरेपिस्ट, और अनौपचारिक, जैसे परिवार के सदस्य) को लक्षित करता है जिन्हें रोबोटिक्स या कंप्यूटर विज्ञान का कोई पूर्व अनुभव नहीं है।

• सिस्टम आर्किटेक्चर:

  • परसेप्शन (Perception): सिस्टम ऑब्जेक्ट डिटेक्शन और सेगमेंटेशन के लिए YOLOE का उपयोग करके इंटेल रियलसेन्स (Intel RealSense) कैमरा से RGB-D स्ट्रीम को प्रोसेस करता है। डेप्थ मेजरमेंट्स को 3D पॉइंट क्लाउड्स में बैक-प्रोजेक्ट किया जाता है, और प्री-डिफाइंड शेप्स के विरुद्ध इटरेटिव क्लोजेस्ट पॉइंट (ICP) रजिस्ट्रेशन का उपयोग करके ऑब्जेक्ट पोसेस का अनुमान लगाया जाता है।
  • लर्निंग एल्गोरिदम: रोबोट एंड-इफेक्टर और ट्रैक किए गए ऑब्जेक्ट पोसेस पर कार्टेशियन प्रोबेबिलिस्टिक मोशन प्रिमिटिव्स (ProMPs) का उपयोग करता है। ProMPs को सीमित प्रदर्शनों (demonstrations) से सीखने, तीव्र प्रशिक्षण समय और बिहेवियर क्लोनिंग या विजन-लैंग्वेज एक्शन मॉडल्स की तुलना में बदलते ऑब्जेक्ट पोसेस के प्रति मजबूती के लिए चुना गया था।
  • इंटरफेस: एक इंटरैक्टिव इंटरफेस प्रतिभागियों को कार्यों को लो-लेवल स्किल्स में तोड़ने, उन्हें प्रदर्शित करने और स्किल "रेसिपी" बनाने की अनुमति देता है।

• प्रायोगिक स्थितियाँ (Experimental Conditions):
  लेखक एक बिटवीन-सबजेक्ट्स डिज़ाइन का उपयोग करते हैं जिसमें दो स्थितियाँ हैं:

1. PT+AF स्थिति: प्रतिभागियों को विजिट 1 में प्री-ट्रेनिंग (PT) प्राप्त होती है, जहाँ वे टास्क डिकम्पोज़िशन का प्रयास करते हैं और इष्टतम डिकम्पोज़िशन और विशेषज्ञ प्रदर्शन के वीडियो देखते हैं। इसके बाद उन्हें विजिट 2 और 3 में एडेप्टिव फीडबैक (AF) प्राप्त होता है।
2. AF स्थिति: प्रतिभागी विजिट 1 को छोड़ देते हैं और केवल विजिट 2 और 3 में AF प्राप्त करते हैं।

• फीडबैक तंत्र (AF):

  • फाउंडेशन मॉडल (FM) फीडबैक: टास्क डिकम्पोज़िशन की सामान्यीकरण क्षमता (generalizability) पर मार्गदर्शन प्रदान करता है। एक इटरेटिव क्लेरिफिकेशन मॉड्यूल नवागंतुकों को पर्याप्त विवरण के साथ डोमेन और कार्यों को परिभाषित करने में मदद करता है।
  • रियल रोबोट रिप्ले (RRR): रोबोट उपयोगकर्ता के अवलोकन के लिए भौतिक वातावरण में सीखा हुआ पॉलिसी निष्पादित करता है।
  • ऑगमेंटेड रियलिटी (AR) फीडबैक: रोबोट AR में पॉलिसी को निष्पादित करता है, जिससे उपयोगकर्ता भौतिक जोखिम या समय लेने वाली बातचीत के बिना प्रदर्शन और सामान्यीकरण को देख सकते हैं।

• प्रक्रिया:

  • विजिट 1: PT स्थिति वाले प्रतिभागी पूर्वनिर्धारित डोमेन (जैसे टpperware स्टैकिंग) में कार्य सिखाते हैं।
  • विजिट 2: प्रतिभागी सभी तीन AF प्रकारों के साथ नए डोमेन में अतिरिक्त कार्य सिखाते हैं।
  • विजिट 3: प्रतिभागी कस्टम डोमेन और कार्य परिभाषित करते हैं जहाँ AF उपलब्ध है।
  • मेट्रिक्स: अध्ययन टास्क कंप्लीशन प्रतिशत, अनुमानित और वास्तविक रोबोट प्रदर्शन के बीच संरेखण, और यूजर एक्सपीरियंस मेट्रिक्स (उपयोगिता, स्वीकृति, सीखा हुआ विश्वास और वर्कलोड) का मूल्यांकन करता है। सांख्यिकीय विश्लेषण के लिए मिक्सड इफेक्ट्स के साथ मल्टीपल लीनियर रिग्रेशन का उपयोग किया जाएगा।

प्रमुख योगदान

1. प्रायोगिक डिज़ाइन: यह पेपर एक मानव विषय प्रयोग का प्रस्ताव करता है जो घरेलू वातावरण में देखभाल प्रदाताओं के साथ तैनात करने के लिए LfD सिस्टम के साथ जुड़ी चुनौतियों और अवसरों को चिह्नित करने के लिए डिज़ाइन किया गया है, विशेष रूप से प्री-ट्रेनिंग और एडेप्टिव फीडबैक का उपयोग करते हुए।
2. डेटासेट रिलीज़: लेखक एक मल्टी-विजिट डेटासेट जारी करने का प्रस्ताव करते हैं जिसमें देखभाल प्रदाता रोबोट को सहायक कार्य सिखाते हैं। इस डेटासेट में प्राकृतिक भाषा विवरण, पॉइंट क्लाउड्स, एंड-इफेक्टर/जॉइंट ट्राजेक्टरीज, ऑडियो और वीडियो फुटेज (एगोसेंट्रिक और एक्सोसेंट्रिक) शामिल हैं। इसका उद्देश्य MIME और RoboPro जैसे मौजूदा डेटासेट्स को यथार्थवादी, मल्टी-विजिट सहायक कार्यों के साथ पूरक बनाना है।

परिणाम और आउटकम्स
चूंकि यह पेपर एक प्रस्तावित अध्ययन और डेटा संग्रह ढांचे को रेखांकित करता है, इसलिए यह पूर्ण किए गए प्रयोग के अंतिम सांख्यिकीय परिणाम या विशिष्ट प्रदर्शन मेट्रिक्स की रिपोर्ट नहीं करता है। इसके बजाय, "आउटकम्स" अनुभाग इच्छित डिलिवरेबल्स का विवरण देता है:

• इंटरैक्टिव रोबोट लर्निंग एल्गोरिदम के लिए मानकीकृत बेंचमार्किंग को सक्षम करने के लिए लॉन्गिट्यूडिनल डेटासेट का रिलीज।
• तीन रिसर्च प्रश्नों (टास्क परफॉर्मेंस अंतर, प्रेडिक्शन अलाइनमेंट और यूजर एक्सपीरियंस) से संबंधित ह्यूमन-फैक्टर्स निष्कर्षों की रिपोर्टिंग।
• शोधकर्ताओं और चिकित्सकों के लिए डिज़ाइन गाइडलाइन्स का प्रस्ताव जो घरेलू वातावरण में सहायक कार्यों के लिए Lfफ़ (LfD) सिस्टम तैनात करते हैं, विशेष रूप से देखभाल प्रदाताओं और मल्टी-विजिट डेटा कलेक्शन के लिए तैयार किए गए हैं।

महत्व
यह पेपर दावा करता है कि यह LfD अनुसंधान की "पारिस्थितिक वैधता" (ecological validity) को संबोधित करके महत्वपूर्ण है। प्रयोगशाला सेटिंग्स से हटकर एक वास्तविक घरेलू वातावरण में जाने और देखभाल प्रदाताओं के साथ एक अनुदैर्ध्य अध्ययन पर ध्यान केंद्रित करके, यह कार्य उन विशिष्ट बाधाओं की पहचान करना चाहता है जिनका सामना गैर-विशेषज्ञ लाइव विशेषज्ञ फीडबैक के बिना रोबोट को सिखाते समय करते हैं। परिणामी डेटासेट और डिज़ाइन गाइडलाइन्स अधिक मजबूत, व्यक्तिगत और उपयोगकर्ता के अनुकूल सहायक रोबोटिक्स के विकास को सुगम बनाने का लक्ष्य रखते हैं जो अनस्ट्रक्चर्ड मानव वातावरण के अनुकूल हो सकें।