Rapid Learning of Dexterous In-Hand Pen Writing through Real-Time Jacobian Estimation
यह शोध पत्र एक गणनात्मक रूप से कुशल, डेटा-मुक्त एम्बॉडीड कंट्रोल पद्धति प्रस्तुत करता है जो वास्तविक समय में टास्क जैकोबियन अनुमान का उपयोग करके मानव रूपी रोबोटिक हाथों को जटिल मॉडलिंग, सिमुलेशन प्रशिक्षण या पूर्व-संग्रहित प्रदर्शनों की आवश्यकता को समाप्त करते हुए, सब-मिलीमीटर सटीकता के साथ तेजी से दक्ष इन-हैंड पेन राइटिंग सीखने और करने में सक्षम बनाता 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
मानव हाथ इंजीनियरिंग का एक चमत्कार है, जो बिना हाथ को हिलाए पेन पकड़ने और जटिल अक्षरों को उकेरने में सक्षम है। यह क्षमता, जिसे 'इन-हैंड मैनिपुलेशन' (हाथ के भीतर हेरफेर) कहा जाता है, उंगलियों और एक वस्तु के बीच निरंतर, सूक्ष्म तालमेल पर निर्भर करती है। हालांकि, रोबोट्स के लिए, यह सबसे कठिन चुनौतियों में से एक बना हुआ है। जबकि मशीनें आसानी से एक कप उठा सकती हैं या बटन दबा सकती हैं, केवल अपनी उंगलियों का उपयोग करके रोबिक हाथ से पेन से लिखना लंबे समय से पहुंच से बाहर लगता रहा है। समस्या यह है कि हाथ और किसी वस्तु के बीच संपर्क बिंदु लगातार बदलते रहते हैं, जिससे बलों का एक जटिल जाल बन जाता है जिसे मानक कंप्यूटर मॉडल के साथ अनुमानित करना अत्यंत कठिन होता है। रोबोट को यह कौशल सिखाने के लिए, शोधकर्ता पारंपरिक रूप से दो भारी-भरकम तरीकों पर निर्भर रहे हैं: या तो विशाल, विस्तृत सिमुलेशन बनाना जो हर भौतिक संपर्क को मॉडल करने की कोशिश करते हैं, या मनुष्यों के वीडियो डेटा का विशाल संग्रह एकत्र करना ताकि रोबोट को दिखाया जा सके कि उसे कैसे हिलना चाहिए। दोनों दृष्टिकोणों के लिए अत्यधिक कंप्यूटिंग शक्ति और समय की आवश्यकता होती है, और दोनों ही रोबोटिक हाथ को कागज पर स्वतंत्र रूप से लिखने की समस्या को पूरी तरह से हल नहीं कर पाए हैं।
ETH ज्यूरिख के शोधकर्ताओं की एक टीम ने अब एक अलग रास्ता दिखाया है, जो जटिल मॉडलों या विशाल डेटासेट की आवश्यकता को दरकिनार करता है। उन्होंने एक रोबोटिक हाथ को यह सिखाया कि वह वास्तविक समय में अपने स्वयं के आंदोलनों और पेन की स्थिति के बीच के संबंध को सीखकर कैसे लिख सकता है। पकड़ के भौतिक विज्ञान (फिजिक्स) की गणना पहले से करने के बजाय, रोबोट बस यह देखता है कि जब वह अपनी उंगलियों को हिलाता है तो क्या होता है और चलते-चलते अपनी समझ को समायोजित करता है। एक मानक लैपटॉप प्रोसेसर और एक साधारण वेबकैम का उपयोग करके, सिस्टम एक संक्षिप्त अन्वेषण अवधि के साथ शुरू होता है, जिसमें उंगलियों को पेन का अनुभव प्राप्त करने के लिए कुछ गतियों के माध्यम से घुमाया जाता है। लगभग अठारह सेकंड के भीतर, रोबोट ने इतना जानकारी एकत्र कर ली है कि वह लिखना शुरू कर सके। इसके बाद वह लिखते समय अपने आंदोलनों को परिष्कृत करना जारी रखता है, बिना कभी भी इस बात के पूर्व-निर्धारित मानचित्र के अपनी गलतियों को तुरंत सुधारता है कि हाथ कैसे काम करता है।
इस अध्ययन में उपयोग किया गया रोबलेट ORCA हैंड है, जो सत्रह गतिशील जोड़ों वाला एक जीवंत उपकरण है जो छोटे केबलों द्वारा संचालित होता है, जो मानव हाथ की टेंडन (कंडरा) के समान हैं। शोधकर्ताओं ने हाथ में एक पेन रखा, पकड़ को अधिक स्थिर बनाने के लिए उसे एक सॉफ्ट स्लीव से सुरक्षित किया, और कैमरा पेन की नोक को देखने के लिए स्थित किया। जैसे ही रोबोट चलता, कैमरा कागज पर पेन की स्थिति को ट्रैक करता। इस प्रणाली का मूल अवलोकन और समायोजन का एक निरंतर चक्र है। जब रोबोट अपनी उंगलियों को हिलने का आदेश देता है, तो वह देखता है कि पेन वास्तव में कहाँ जाता है। फिर वह इस बात का आंतरिक अनुमान अपडेट करता है कि उंगलियों की गति पेन की गति में कैसे परिवर्तित होती है, प्रभावी रूप से चलते-चलते पकड़ के "नियमों" को सीखता है। यह रोबोट को एक वांछित पथ, जैसे कि कोई अक्षर या आकृति, को उल्लेखनीय सटीकता के साथ ट्रैक करने की अनुमति देता है। परीक्षणों में, रोबोट ने पूरा वर्णमाला लिखा और विभिन्न आकृतियाँ बनाईं, पेन के पथ को इच्छित रेखा के एक मिलीमीटर से भी कम दूरी के भीतर रखा, हवा में और कागज पर दोनों जगह।
जो इस दृष्टिकोण को विशिष्ट बनाता है वह इसकी सरलता और गति है। यह प्रणाली हाथ की संरचना के गणितीय मॉडल या संपर्क बिंदुओं के भौतिक विज्ञान पर निर्भर नहीं करती है, और न ही इसे आभासी दुनिया में प्रशिक्षण या मानव प्रदर्शन देखने की आवश्यकता होती है। यह शुद्ध रूप से अंतःक्रिया (इंटरैक्शन) के माध्यम से सीखता है। शोधकर्ताओं ने पाया कि यदि वे प्रारंभिक सेटअप के बाद सीखने की प्रक्रिया को रोक देते और नियमों के एक निश्चित सेट का उपयोग करने का प्रयास करते, तो रोबोट अपना रास्ता भटक जाता, अक्सर पेन गिरा देता या रेखा से बहुत दूर चला जाता। हालांकि, सीखने को सक्रिय रखकर, रोबोट छोटी फिसलन या पकड़ में बदलाव के अनुकूल हो सकता है, जिससे तीस मिनट से अधिक लंबे लेखन सत्रों में भी उसकी सटीकता बनी रहती है। इस प्रणाली का परीक्षण दो अलग-अलग प्रकार के रोबोटिक हाथों के साथ कंप्यूटर सिमुलेशन में भी किया गया था, और इसने दोनों में अच्छा प्रदर्शन किया, जिससे पता चलता है कि यह विधि हाथ के विशिष्ट डिजाइन के बावजूद काम करती है।
परिणाम दर्शाते हैं कि एक रोबोट मानवीय निपुणता प्राप्त कर सकता है बिना यह सीखे कि हाथ कैसे काम करता है। लेखन की गति वर्तमान में धीमी है, और रोबोट को अक्षरों के बीच नए शुरुआती स्थान पर हाथ ले जाने के लिए एक अलग हाथ (आर्म) की आवश्यकता होती है, लेकिन केवल उंगलियों की गति का उपयोग करके मनचाही आकृतियाँ और अक्षर लिखने की क्षमता एक महत्वपूर्ण कदम है। शोधकर्ताओं ने उल्लेख किया कि प्रणाली अचानक झटकों या फिसलन से उबरने के लिए पर्याप्त मजबूत है, जो वास्तविक दुनिया के उपयोग के लिए आवश्यक गुण है। यह सिद्ध करके कि एक रोबोट सीधे, वास्तविक समय के अवलोकन के माध्यम से लिखना सीख सकता है, यह कार्य बताता है कि जटिल हेरफेर कार्यों के लिए हमेशा विशाल डेटा या शक्तिशाली सुपरकंप्यूटर की आवश्यकता नहीं होती है। इसके बजाय, एक हल्का, अनुकूलन योग्य दृष्टिकोण जो तत्काल वातावरण से सीखता है, रोबोटिक हाथों की पूर्ण क्षमता को अनलॉक करने की कुंजी हो सकता 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।