Efficient Vision-Language-Action Management and Serving for Robot Factories
यह शोध पत्र रोबियन (Robion) को प्रस्तुत करता है, जो एज सर्वर पर मल्टी-रोबोट, मल्टी-मॉडल विजन-लैंग्वेज-एक्शन (VLA) वर्कलोड के लिए एक नवीन सर्विंग और प्रबंधन प्रणाली है, जो मिलीसेकंड-स्केल सुरक्षा सेवा-स्तर उद्देश्यों (SLOs) का कड़ाई से पालन करते हुए रोबोट लोड को अधिकतम करने के लिए इंट्रा-जीपीयू स्टेज डिसएग्रीगेशन (intra-GPU stage disaggregation) और इंटेलिजेंट ट्रैफिक कंट्रोल का उपयोग करता 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
एक ऐसे कारखाने की कल्पना करें जहाँ मशीनें केवल कठोर, पूर्व-निर्धारित कमांड का पालन नहीं करती हैं, बल्कि दुनिया को देखती हैं, सरल भाषा में दिए गए निर्देशों को समझती हैं, और किसी हिस्से को उठाने या किसी घटक को जोड़ने के लिए अपने स्वयं के हाथों को चलाने का निर्णय लेती हैं। यह भौतिक कृत्रिम बुद्धिमत्ता (फिजिकल आर्टिफिशियल इंटेलिजेंस) का वादा है, एक ऐसा क्षेत्र जहाँ रोबोट "विज़न-लैंग्वेज-एक्शन" मॉडल से लैस होते हैं। ये सिस्टम रोबोट के मस्तिष्क के रूप में कार्य करते हैं, जो एक कैमरा इमेज और "लाल बॉक्स उठाओ" जैसा एक टेक्स्ट प्रॉम्प्ट लेते हैं, और फिर कार्य को पूरा करने के लिए आवश्यक सटीक भौतिक गतिविधियों की गणना करते हैं। इन रोबोटों के सुरक्षित और प्रभावी ढंग से काम करने के लिए, उन्हें पलक झपकते ही प्रतिक्रिया देनी चाहिए। यदि मस्तिष्क सोचने में बहुत अधिक समय लेता है, तो रोबोट अपना हाथ झटका दे सकता है, कोई वस्तु गिरा सकता है, या पूरी असेंबली लाइन को रोक सकता है, जिससे महंगी देरी या सुरक्षा संबंधी खतरे पैदा हो सकते हैं।
चुनौती इस तथ्य में निहित है कि इन सोचने वाले मॉडलों को चलाने के लिए पर्याप्त शक्तिशाली कंप्यूटर इतने भारी, महंगे और बिजली की खपत करने वाले होते हैं कि उन्हें सीधे रोबता पर नहीं बांधा जा सकता। इसके बजाय, इंजीनियरों ने रोबोट के विचारों को एक पास के स्थानीय सर्वर, एक प्रकार के डिजिटल ब्रेन सेंटर, पर भेजने का प्रस्ताव दिया है, जो भारी काम करता है और उत्तर वापस भेजता है। हालाँकि, यह सेटअप एक नई समस्या पैदा करता है: आप एक एकल सर्वर को कैसे प्रबंधित करेंगे जिसे एक साथ दर्जनों रोबोटों की सेवा करनी है, यह सुनिश्चित करते हुए कि प्रत्येक अनुरोध को कारखाने को सुचारू रूप से चलाने के लिए पर्याप्त तेज़ी से उत्तर मिले? ठीक इसी पहेली को हल करने के लिए 'रोबियन' (Robion) नामक एक नया सिस्टम डिज़ाइन किया गया है, जो एक एकल सर्वर को बिना रुके एक साथ कई अलग-अलग रोबोट कार्यों को संभालने की अनुमति देता है।
रोबियन के पीछे के शोधकर्ताओं ने पाया कि इन रोबोट मस्तिष्क के काम करने का तरीका चैटबॉट्स के लिए उपयोग किए जाने वाले बड़े लैंग्वेज मॉडल्स या कला के लिए उपयोग किए जाने वाले विशाल इमेज जनरेटर्स से मौलिक रूप से भिन्न है। जबकि वे सिस्टम अक्सर सैकड़ों मिलीसेकंड या यहाँ तक कि सेकंडों तक चलते हैं, रोबोट की सोचने की प्रक्रिया मात्र कुछ मिलीसेकंड में होती है। यह एक दो-चरणीय प्रक्रिया है: पहले, सिस्टम स्थिति को समझने के लिए इमेज को देखता है और निर्देश को पढ़ता है; दूसरा, यह कार्य करने के लिए आवश्यक विशिष्ट भौतिक गतिविधियों की गणना करता है। क्योंकि ये चरण इतने तेज़ हैं और उनकी ज़रूरतें अलग हैं—एक को भारी गणना की आवश्यकता होती है जबकि दूसरे को तीव्र मेमोरी एक्सेस की—सर्वर पर उन्हें एक एकल, निरंतर पाइपलाइन के रूप में चलाना अक्षम है। यह एक ही समय में मैराथन और स्प्रिंट (तेज़ दौड़) चलाने की कोशिश करने जैसा है; धीमा, भारी धावक तेज़, हल्के धावक को धीमा कर देता है।
इसे ठीक करने के लिए, टीम ने रोबियन को इन दोनों चरणों को अलग करने और उन्हें एक ही कंप्यूटर चिप पर अगल-बगल चलाने के लिए बनाया, लेकिन एक सावधानीपूर्वक नियंत्रित तरीके से। उन्होंने सर्वर के प्रोसेसर पर ट्रैफ़िक के दो अलग-अलग लेन बनाए। एक लेन भारी सोच को संभालती है, जबकि दूसरी लेन त्वरित गति की गणना को संभालती है। महत्वपूर्ण रूप से, उन्होंने एक ट्रैफ़िक कंट्रोलर बनाया जो यह सुनिश्चित करता है कि भारी लेन कभी भी हल्की लेन को पूरी तरह से ब्लॉक न करे। वे ऐसा करने के लिए कंप्यूटिंग पावर का एक विशिष्ट हिस्सा त्वरित लेन के लिए आरक्षित करते हैं, यह गारंटी देते हुए कि उसके पास चलने के लिए हमेशा जगह रहे, भले ही भारी सोच चल रही हो। यह सर्वर को एक ही समय में कई रोबोट अनुरोधों को प्रोसेस करने की अनुमति देता है, जिससे एक रोबोट की सोच और दूसरे की गति गणना आपस में ओवरलैप हो जाती है।
इसके अलावा, शोधकर्ताओं ने महसूस किया कि एक एकल सर्वर कई अलग-अलग प्रकार के रोबोटों को संभाल सकता है, जिनमें से प्रत्येक का अपना विशिष्ट कार्य और अपने मस्तिष्क का अपना संस्करण होता है। कुछ रोबोट बॉक्स पैक कर रहे हो सकते हैं, जबकि अन्य कार के पुर्जों को जोड़ रहे हो सकते हैं। रोबियन इन विभिन्न रोबोट मस्तिष्क को एक ही सर्वर पर रहने और एक ही कंप्यूटिंग लेन साझा करने की अनुमति देता है। यह सिस्टम एक स्मार्ट डिस्पैचर के रूप में कार्य करता है, जो लगातार यह जाँचता रहता है कि कौन सा रोबोट अपनी सुरक्षा समय सीमा (डेडलाइन) को चूकने के सबसे करीब है। यदि कोई रोबोट अपना कार्य पूरा करने के लिए समय समाप्त होने वाला होता है, तो सिस्टम तुरंत उसके अनुरोध को प्राथमिकता देता है, यह सुनिश्चित करते हुए कि सबसे ज़रूरी काम पहले हों। यह कारखाने को इसलिए रुकने से रोकता है क्योंकि एक रोबोट उत्तर के लिए बहुत देर तक प्रतीक्षा कर रहा है।
टीम ने चार शक्तिशाली ग्राफिक्स कार्ड्स (जो इन AI मॉडल्स को चलाने वाले इंजन हैं) के साथ एक सिम्युलेटेड फैक्ट्री वातावरण में इस सिस्टम का परीक्षण किया। उन्होंने रोबियन की तुलना मौजूदा तरीकों से की जो या तो रोबोट मस्तिष्क को एक एकल, अटूट श्रृंखला के रूप में चलाते हैं या चरणों को अलग-अलग कंप्यूटरों के बीच विभाजित करते हैं। परिणामों ने दिखाया कि रोबियन अन्य तरीकों की तुलना में काफी अधिक रोबोट्स को सपोर्ट कर सकता है, जबकि सख्त समय आवश्यकताओं को भी पूरा कर सकता है। एक बड़े पैमाने के परीक्षण में, रोबियन द्वारा संचालित एक एकल सर्वर ने आठ अलग-अलग रोबोट मॉडलों को सफलतापूर्वक प्रबंधित किया, और 64 रोबोटों को एक साथ सेवा देते हुए 98 प्रतिशत की सफलता दर हासिल की। इसका अर्थ है कि लगभग हर एक अनुरोध के लिए, रोबोट को सुरक्षित रूप से चलते रहने के लिए समय पर उसका उत्तर मिल गया।
अध्ययन ने यह भी पता लगाया कि क्या मस्तिष्क के विभिन्न हिस्सों को अलग-अलग कंप्यूटरों पर रखना बेहतर है या उन्हें एक साथ रखना। उन्होंने पाया कि सोचने और गति के चरणों को अलग-अलग कंप्यूटरों में विभाजित करने से चीजें वास्तव में धीमी और कम कुशल हो गईं क्योंकि डेटा को इधर-उधर यात्रा करनी पड़ती थी, जिससे कीमती समय बर्बाद होता था। सब कुछ एक ही शक्तिशाली सर्वर पर रखकर और आंतरिक ट्रैफ़िक को सावधानीपूर्वक प्रबंधित करके, रोबियन ने बहुत बेहतर प्रदर्शन किया। शोधकर्ताओं ने लागत पर भी नज़र डाली, यह नोट करते हुए कि कई रोबोटों को चलाने के लिए एक शक्तिशाली सर्वर का उपयोग करना, प्रत्येक रोबोट पर महंगे, उच्च-प्रदर्शन वाले कंप्यूटर लगाने की तुलना में बहुत सस्ता है। यह दृष्टिकोण उन्नत, स्वायत्त कारखानों को प्रमुख कंपनियों के लिए एक व्यावहारिक वास्तविकता बना सकता है, जिससे उन्हें बुद्धिमान रोबोटों के बेड़े को तैनात करने की अनुमति मिलती है जो उनके कंप्यूटिंग संसाधनों को प्रभावित किए बिना कुशलतापूर्वक मिलकर काम करते हैं।
अंततः, रोबियन यह प्रदर्शित करता है कि बुद्धिमान रोबोटों के कारखाने को चलाने की कुंजी केवल शक्तिशाली कंप्यूटरों के पास होना नहीं है, बल्कि यह है कि एक ऐसा सिस्टम हो जो उन्हें अत्यधिक सटीकता के साथ प्रबंधित कर सके। रोबोट के निर्णय लेने की अनूठी, सेकंड के सौवें हिस्से वाली प्रकृति को समझकर और एक ऐसा सर्वर डिज़ाइन करके जो उन सख्त समय सीमाओं का सम्मान करता है, शोधकर्ताओं ने भौतिक कृत्रिम बुद्धिमत्ता को स्केल करने का एक ब्लूप्रिंट तैयार किया है। यह सिस्टम सुनिश्चित करता है कि जैसे-जैसे कारखाने बड़े और अधिक जटिल होते जाते हैं, रोबोट वास्तविक समय में देखना, सोचना और कार्य करना जारी रख सकें, जिससे उत्पादन लाइनें सुचारू रूप से और सुरक्षित रूप से चलती रहें।
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।