PAMoR: Parameterized Affective Motion Generation in Real Time for Humanoid Robots
यह शोधपत्र PAMoR को प्रस्तुत करता है, जो मानव रूपी रोबोटों (humanoid robots) के लिए एक वास्तविक समय की प्रणाली है, जो किनेमैटिक्स से प्राप्त वैलेंस-एरोजल (valence-arousal) समन्वय का उपयोग करके भावनात्मक गति को मात्रात्मक रूप से पैरामीट्रिक बनाता है, जिससे उच्च क्रिया निष्ठा (action fidelity) बनाए रखते हुए आदेशित भावनाओं को सटीक रूप से व्यक्त करने वाले अभिव्यंजक पूर्ण-शरीर आंदोलनों का सृजन संभव 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
हमारे दैनिक जीवन के भीड़भाड़ वाले स्थानों में, शॉपिंग मॉल से लेकर कॉन्सर्ट स्टेज तक, रोबोट हमारे बीच चलने लगे हैं। हम उन्हें केवल यह देखने के लिए नहीं देखते कि क्या वे एक डिब्बा उठा सकते हैं या कमरे में चल सकते हैं; हम उन्हें यह देखने के लिए देखते हैं कि वे कैसा महसूस करते हैं। मनुष्य गति में भावना को पढ़ने के लिए स्वाभाविक रूप से निर्मित होते हैं। झुके हुए कंधे उदासी का संकेत देते हैं, जबकि उछलते हुए कदम खुशी का संकेत देते हैं। यह शरीर की एक ऐसी भाषा है जिसे हम बिना शब्दों के समझते हैं, एक ऐसा कौशल जिसका उपयोग हम अन्य लोगों के साथ बातचीत करते समय लगातार करते हैं। लेकिन एक रोबोट के लिए इस भाषा को बोलने हेतु, उसे केवल एक कार्य करने से कहीं अधिक करना होगा; उसे उस कार्य को एक विशिष्ट भावनात्मक स्वर के साथ करना होगा। अब तक, मशीन को यह सिखाना कठिन रहा है। अधिकांश प्रणालियाँ जो डिजिटल पात्रों के लिए भावनात्मक गति उत्पन्न करती हैं, वे संदर्भ वीडियो या "खुश" जैसे सरल लेबल प्रदान करने के लिए मानव अभिनेताओं पर निर्भर करती हैं। ये विधियाँ कठोर हैं। एक लेबल को किसी गति को थोड़ा अधिक उत्साहित या थोड़ा कम तनावपूर्ण बनाने के लिए बदला नहीं जा सकता है, और एक वीडियो संदर्भ समय में स्थिर होता है, जो अपने मूड को तुरंत बदलने में सक्षम नहीं होता। इसके अलावा, जब ये डिजिटल गतियाँ एक भौतिक रोबोट में स्थानांतरित की जाती हैं, तो प्रक्रिया अक्सर उन भावनाओं को विकृत कर देती है जिन्हें वे व्यक्त करने के लिए बनाई गई थीं, जिससे गति और मुद्रा में सूक्ष्म बदलाव खो जाते हैं जो भावना को व्यक्त करते हैं।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका विकसित किया है, एक ऐसी प्रणाली बनाई है जो एक भौतिक रोबोट को वास्तविक समय में भावनात्मक गति उत्पन्न करने की अनुमति देती है, जिसमें चलते समय अपने मूड को समायोजित करने की क्षमता भी है। वे अपने इस ढांचे को PAMoR कहते हैं। मानव लेबल या पूर्व-रिकॉर्ड किए गए वीडियो पर निर्भर रहने के बजाय, यह प्रणाली भावना को मापने योग्य भौतिक मात्राओं के एक सेट के रूप में मानती है। यह 'वैलेंस-एरोसल प्लेन' (valence-arousal plane) नामक एक मनोवैज्ञानिक मॉडल का उपयोग करती है, जो भावनाओं को दो सरल पैमानों पर मैप करता है। पहला पैमाना, वैलेंस (valence), यह मापता है कि कोई भावना कितनी सकारात्मक या नकारात्मक है, जो उदासी से खुशी तक विस्तृत है। दूसरा पैमाना, एरोसल (arousal), यह मापता है कि कोई भावना कितनी सक्रिय या शांत है, जो ऊब से उत्साह तक विस्तृत है। शोधकर्ताओं ने पाया कि वे इन दोनों संख्याओं को सीधे रोबोट की अपनी शारीरिक गतिविधियों से गणना कर सकते हैं। उन्होंने पाया कि एक सकारात्मक, खुश भावना एक खुली, विस्तारित मुद्रा के अनुरूप होती है, जबकि एक नकारात्मक भावना एक संकुचित, मुड़ी हुई मुद्रा के अनुरूप होती है। इसी तरह, उच्च ऊर्जा और गति उच्च एरोसल का संकेत देते हैं, जबकि धीमी, स्थिर गतियाँ निम्न एरोसल का संकेत देती हैं। इन भौतिक अवलोकनों को एक गणितीय सूत्र में बदलकर, यह प्रणाली बिना किसी मनुष्य के देखे या लिखे, प्रत्येक गति को एक सटीक भावनात्मक समन्वय (coordinate) के साथ लेबल कर सकती है।
शोधकर्ताओं ने एक रोबोट बनाया जो Unitree G1 नामक 29-जोड़ों वाली मानवोïde मशीन पर इस प्रणाली का उपयोग करने में सक्षम है। रोबोट का मस्तिष्क एक साथ तीन अलग-अलग निर्देशों को सुनने के लिए डिज़ाइन किया गया है। एक निर्देश इसे क्या कार्य करना है, जैसे चलना या मुक्का मारना, यह बताता है। अन्य दो निर्देश इसे वैलेंस और एरोसल नंबरों को सेट करके उस कार्य को कैसे करना है, यह बताते हैं। इसे बिना निर्देशों के आपस में भ्रमित हुए काम करने के लिए, प्रणाली एक विशेष विधि का उपयोग करती है जहाँ यह तीन अलग-अलग लर्निंग मॉडल्स को जोड़ती है। एक मॉडल कार्य को सीखता है, जबकि अन्य दो मॉडल उस कार्य को विभिन्न भावनात्मक स्वरों के साथ आकार देने को सीखते हैं। गति निर्माण के प्रत्येक चरण में, ये मॉडल एक ऐसी गति उत्पन्न करने के लिए मिलकर काम करते हैं जो कमांड के अनुकूल हो। यह रोबोट को चलते समय अपना मूड बदलने की अनुमति देता है। एक उपयोगकर्ता रोबोट को चलने के लिए कह सकता है, और फिर, चलते समय, वह कमांड को "शांत और तटस्थ" से बदलकर "उत्साहित और खुश" कर सकता है, और रोबोट तुरंत अपने नए भाव के अनुरूप अपनी चाल और मुद्रा को समायोजित कर लेगा।
इस कार्य के परिणाम दिखाते हैं कि यह प्रणाली उल्लेखनीय रूप से अच्छी तरह से काम करती है। जब शोधकर्ताओं ने रोबлот को विशिष्ट भावनात्मक निर्देशांकों के साथ चलने का आदेश दिया, तो रोबोट की वास्तविक गतियाँ उन कमांडों के साथ उच्च सटीकता के साथ मेल खाती थीं। प्रणाली पूर्ण श्रेणी की भावनाएं उत्पन्न कर सकती थी, संकट से लेकर विश्राम तक, और रोबोट की शारीरिक भाषा इस स्पेक्ट्रम में सुचारू रूप से बदलती रही। यह देखने के लिए कि क्या मनुष्य वास्तव में इन भावनाओं को पढ़ सकते हैं, शोधकर्ताओं ने एक अध्ययन आयोजित किया जहाँ लोगों ने विभिन्न भावनात्मक स्वरों के साथ हाथ हिलाने या मुक्का मारने जैसे कार्यों को करते हुए रोबोट के वीडियो देखे। पर्यवेक्षकों से पूछा गया कि रोबोट किस भावना को व्यक्त कर रहा है। प्रणाली ने अपने इच्छित भावों को दर्शकों के सामने स्पष्ट करने में सफलता प्राप्त की। लगभग 40 प्रतिशत परीक्षणों में, दर्शकों ने सही ढंग से उस विशिष्ट भावना की पहचान की जिसे रोबोट व्यक्त करने की कोशिश कर रहा था। यह पिछले तरीकों की तुलना में एक महत्वपूर्ण सुधार है, जो टेक्स्ट प्रॉम्प्ट या वीडियो संदर्भों पर निर्भर थे, और यह उस स्तर के करीब पहुँचता है जो लोग मानव अभिनेताओं द्वारा भावनात्मक गतियों को देखते समय प्राप्त करते हैं। अध्ययन ने यह भी पुष्टि की कि रोबोट की गतियाँ प्राकृतिक और मानव जैसी महसूस हुईं, न कि यांत्रिक या कठोर।
यह दृष्टिकोण रोबोट की गति के बारे में हमारी सोच में एक बदलाव का प्रतिनिधित्व करता है। भावना को कार्य के ऊपर जोड़े गए एक अलग परत के रूप में मानने के बजाय, शोधकर्ताओं ने इसे रोबोट के शरीर की भौतिक वास्तविकता में स्थापित किया। मुद्रा और गति को सीधे मापकर, उन्होंने एक ऐसी प्रणाली बनाई जहाँ भावना केवल एक लेबल नहीं है, बल्कि एक नियंत्रणीय पैरामीटर है जिसे वॉल्यूम या गति की तरह ही आसानी से समायोजित किया जा सकता है। यह प्रणाली वास्तविक समय में संचालित होती है, जिसका अर्थ है कि रोबोट अपने परिवेश के प्रति प्रतिक्रिया कर सकता है और अपनी भावनात्मक अभिव्यक्ति को तुरंत बदल सकता है। हालाँकि शोधकर्ता नोट करते हैं कि वर्तमान में प्रणाली शरीर के आकार और भावना के बीच संबंध की एक पूर्व-निर्धारित समझ पर निर्भर करती है, और भविष्य के कार्य को यह संबोधित करने की आवश्यकता होगी कि रोबोट अपनी अभिव्यक्ति को कैसे बनाए रखता है जब उसका भौतिक नियंत्रक छोटी त्रुटियां करता है, फिर भी आधार ठोस है। उन्होंने प्रदर्शित किया है कि एक रोबोट मौके पर जटिल, भावनात्मक पूर्ण-शरीर गति उत्पन्न कर सकता है, और मनुष्य उन भावनाओं को आश्चर्यजनक सटीकता के साथ पढ़ सकते हैं। यह हमें एक ऐसे भविष्य के करीब लाता है जहाँ रोबोट केवल कार्यात्मक उपकरण नहीं, बल्कि सामाजिक साथी होंगे जो शरीर की सार्वभौमिक भाषा में खुद को व्यक्त करने में सक्षम होंगे।
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।