Leveraging Inter-object Affordances for Efficient Planning in Contact-rich Tasks

रोबोट लंबे समय से कारखानों के फर्श के उस्ताद रहे हैं, जहाँ वे एक जैसी वस्तुओं पर एक ही सटीक गतिविधियों को दोहराते हैं। लेकिन एक वास्तविक रसोई में कदम रखें, और नियम बदल जाते हैं। यहाँ, वस्तुएँ हर आकार, आकार और सामग्री में आती हैं, और वे जटिल तरीकों से परस्पर क्रिया करती हैं। एक भारी फ्राइंग पैन को एक पतले साल्ट शेकर (नमक दानी) पर संतुलित नहीं किया जा सकता, और एक गोल कांच का मग घुमावदार सतह से लुढ़क जाएगा। एक रोबोट को इस अव्यवस्थित वास्तविकता में नेविगेट करने के लिए केवल चरणों की सूची की आवश्यकता नहीं है; उसे वस्तुओं के बीच भौतिक "जुड़ाव के नियमों" को समझने की आवश्यकता है। यह टास्क-एंड-मोशन प्लानिंग (कार्य-और-गति योजना) की चुनौती है, एक ऐसा क्षेत्र जो उच्च-स्तरीय लक्ष्यों, जैसे कि "मेज व्यवस्थित करें," और इस बात के निम्न-स्तरीय भौतिकी के बीच के अंतर को पाटने की कोशिश करता है कि एक रोबोट हाथ वास्तव में कैसे चलता है। जबकि आधुनिक आर्टिफिशियल इंटेलिजेंस ने भाषा और छवियों को समझने में प्रगति की है, एक रोबोट को विभिन्न घरेलू वस्तुओं को उन्हें गिराए बिना विश्वसनीय रूप से स्टैक (एक के ऊपर एक रखना) करने के लिए तैयार करना एक महत्वपूर्ण बाधा बना हुआ है।

इन्सब्रुक विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक ऐसी प्लानिंग प्रणाली को सिखाकर इस समस्या का समाधान किया है जो किसी भी हरकत करने से पहले वस्तुओं के बीच के भौतिक संबंधों के बारे में सोचती है। सभी वस्तुओं को समान ब्लॉकों के रूप में मानने वाले सरलीकृत मॉडलों पर निर्भर रहने के बजाय, उन्होंने एक ऐसी विधि विकसित की जो वास्तविक दुनिया की वस्तुओं की विशिष्ट 'अफोर्डेंस' (affordances) को ध्यान में रखती है। इस संदर्भ में, अफोर्डेंस का अर्थ सरल रूप से यह है कि कोई वस्तु अपने आकार और सामग्री के आधार पर रोबोट को उसके साथ क्या करने की अनुमति देती है। उदाहरण के लिए, एक सपाट कटिंग बोर्ड अन्य वस्तुओं को रखने के लिए एक स्थिर सतह प्रदान करता है, जबकि एक साल्ट शेकर का गोल निचला हिस्सा ऐसा नहीं करता है। शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो इन भौतिक सत्यों का उपयोग करके असंभव कार्यों को रोबोट द्वारा प्रयास करने से पहले ही फ़िल्टर कर देती है, यह सुनिश्चित करती है कि मग को पैन पर रखने की योजना तभी बनाई जाए जब भौतिकी वास्तव में इसकी अनुमति दे।

उनके कार्य का मूल आधार यह परिभाषित करने का एक नया तरीका है कि एक रोबोट अपने वातावरण के साथ कैसे इंटरैक्ट करता है। उन्होंने नियमों का एक सेट बनाया है जो बताता है कि वस्तुओं को कैसे पकड़ा, सहारा दिया, उठाया या खिसकाया जा सकता है। उदाहरण के लिए, प्रणाली समझती है कि एक फ्राइंग पैन को उसके हैंडल से उठाया जा सकता है लेकिन इसके किनारे को पकड़ना बहुत भारी और अजीब होगा। वह जानती है कि एक लकड़ी की ट्रे को मेज से उठाने के लिए बहुत भारी है लेकिन इसे सतह पर खिसकाया जा सकता है। इन भौतिक बाधाओं को सीधे प्लानिंग प्रक्रिया में शामिल करके, रोबोट उन कार्यों को निष्पादित करने में समय बर्बाद करने से बच जाता है जो भौतिक रूप से असंभव हैं, जैसे कि एक छोटी, अस्थिर सतह पर एक बड़ी, भारी वस्तु को संतुलित करने की कोशिश करना। यह दृष्टिकोण, जिसे लेखक 'यूनिफाइड टैम्प' (Unified TAMP) कहते हैं, रोबोट को क्रियाओं का एक क्रम उत्पन्न करने की अनुमति देता है जो केवल सैद्धांतिक रूप से ही नहीं, बल्कि वास्तविक दुनिया में भी व्यवहार्य होने की गारंटी देता है।

इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने एक सिम्युलेटेड किचन वातावरण तैयार किया जिसमें एक रोबोट आर्म और सामान्य वस्तुओं का संग्रह था: एक साल्ट शेकर, एक कांच का मग, एक कटिंग बोर्ड, एक फ्राइंग पैन और एक लकड़ी की ट्रे। लक्ष्य इन बिखरी हुई वस्तुओं को ट्रे पर करीने से स्टैक करके व्यवस्थित करना था। उन्होंने सौ से अधिक अलग-अलग शुरुआती परिदृश्य बनाए, जिनमें वस्तुओं की संख्या और उनकी प्रारंभिक स्थिति को बदला, ताकि यह देखा जा सके कि उनका तरीका दबाव में कैसा प्रदर्शन करता है। उन्होंने अपने नए सिस्टम की तुलना दो अन्य दृष्टिकोणों के विरुद्ध की: प्लानिंग टूल का एक पुराना संस्करण जिसने विशिष्ट भौतिक गुणों को अनदेखा किया था, और एक सिस्टम जो सामान्य ज्ञान के आधार पर सही चालों का अनुमान लगाने के लिए एक बड़े विजन-लैंग्वेज मॉडल पर निर्भर था।

परिणाम चौंकाने वाले थे। नया सिस्टम, जिसमें विस्तृत भौतिक नियम शामिल थे, लगभग हर बार परीक्षण किए जाने पर वैध योजनाएं बनाने में सफल रहा, और जब नियम पूरी तरह से ज्ञात थे तो इसने शत-प्रतिशत सफलता दर हासिल की। यहाँ तक कि जब सिस्टम को वस्तुओं और उनके गुणों की पहचान करने के लिए विजन मॉडल का उपयोग करना पड़ा, तब भी यह नब्बे प्रतिशत बार सफल रहा। इसके विपरीत, पुराना प्लानिंग मेथड, जिसने वस्तुओं को जेनेरिक ब्लॉक्स माना था, आधे से अधिक समय विफल रहा क्योंकि इसने उन चीजों को स्टैक करने की कोशिश की जो भौतिकी को चुनौती देती थीं, जैसे कि एक छोटे से शेकर पर भारी पैन रखना। विजन-लैंग्वेज मॉडल, अपनी भाषा और छवियों को समझने की क्षमता के बावजूद, काफी संघर्ष कर रहा था, और केवल लगभग चालीस प्रतिशत बार सफल हुआ। वह अक्सर सूक्ष्म भौतिक विवरणों को मिस कर गया, जैसे कि एक गोल सतह भारी वस्तु का समर्थन नहीं कर सकती, जिससे ऐसी योजनाएं बनीं जो टेक्स्ट में तार्किक दिखती थीं लेकिन वास्तविकता में विफल हो जाती थीं।

सफलता दर के अलावा, प्लानिंग की गति एक बड़ा अंतर करने वाला कारक थी। नए सिस्टम ने एक सेकंड के बहुत छोटे हिस्से में योजनाएं बनाईं, जो विजन-लैंग्वेज मॉडल की तुलना में लगभग दो ऑर्डर ऑफ मैग्नीट्यूड तेज़ थी, जिसे औसतन एक मिनट से अधिक का समय लगा। यह गति इस तथ्य से आती है कि नया सिस्टम असंभव विकल्पों को तुरंत समाप्त करने के लिए एक संरचित, तार्किक ढांचे का उपयोग करता है, जबकि विजन मॉडल को हर संभावना के बारे में शून्य से तर्क करना पड़ता है। शोधकर्ताओं ने पाया कि जैसे-जैसे वस्तुओं की संख्या बढ़ी, पुराने तरीके तेजी से धीमे और त्रुटिपूर्ण होते गए, जबकि उनके नए दृष्टिकोण ने अपनी दक्षता और सटीकता बनाए रखी। यह सुझाव देता है कि जटिल, वास्तविक दुनिया के वातावरण में प्रभावी ढंग से काम करने के लिए, रोबोटों को केवल यह पहचानने से परे भौतिक समझ की एक ठोस नींव की आवश्यकता होती है कि वस्तु क्या है।

अध्ययन ने भौतिक दुनिया को समझने के लिए केवल आर्टिफिशियल इंटेलिजेंस पर निर्भर रहने की सीमाओं को भी उजागर किया। हालांकि विजन-लैंग्वेज मॉडल वस्तुओं को पहचानने और विचार उत्पन्न करने के लिए शक्तिशाली उपकरण हैं, लेकिन उनमें उस कठोर, चरण-दर-चरण तर्क की कमी है जो यह सुनिश्चित करने के लिए आवश्यक है कि एक योजना भौतिक सिमुलेशन में काम करेगी। शोधकर्ताओं ने दिखाया कि इन मॉडलों के सामान्य- sense (सामान्य ज्ञान) को एक सख्त, नियम-आधारित प्लानिंग सिस्टम के साथ जोड़कर, वे दोनों दुनियाओं का सर्वश्रेष्ठ प्राप्त कर सकते हैं: वास्तविक दुनिया की वस्तुओं को पहचानने की क्षमता और भौतिकी के नियमों का सम्मान करने वाली योजना बनाने की क्षमता। यह हाइब्रिड दृष्टिकोण रोबोट को एक वास्तविक रसोई की अव्यवस्था को संभालने की अनुमति देता है, जहाँ एक भारी पैन को उसके किनारे से नहीं उठाया जा सकता और एक गोल मग को घुमावदार सतह पर संतुलित नहीं किया जा सकता, बिना अटके या विफल हुए।

अंततः, यह कार्य प्रदर्शित करता है कि रोबोट्स को प्रयोगशालाओं से हमारे घरों तक जाने के लिए, उन्हें वस्तुओं के बीच की परस्पर क्रिया की गहरी, प्रतीकात्मक समझ से लैस होना चाहिए। यह जानना पर्याप्त नहीं है कि एक कप मौजूद है; रोबोट को यह समझना होगा कि कप का एक सपाट निचला हिस्सा है जो एक कोस्टर को सहारा दे सकता है, लेकिन एक घुमावदार किनारा है जो नहीं। इन भौतिक बाधाओं को सीधे प्लानिंग प्रक्रिया में शामिल करके, शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो तेज़ और विश्वसनीय दोनों है। एक वास्तविक सिमुलेशन में किए गए प्रयोगों से पता चलता है कि यह विधि उच्च सफलता दर के साथ जटिल स्टैकिंग कार्यों को संभाल सकती है, जो उन रोबोट्स के लिए एक आशाजनक मार्ग प्रदान करती है जिन्हें मानव वातावरण के अप्रत्याशित और विविध संसार में नेविगेट करने की आवश्यकता है।