Visible Touch: Rendering Contact for Visuomotor Policies
यह शोधपत्र "विज़िबल टच" (Visible Touch) प्रस्तुत करता है, जो एक कम लागत वाले कस्टम सेंसर का उपयोग करके स्पर्श संबंधी फीडबैक को सीधे विज़ुअल फ्रेम में एकीकृत करने की एक विधि है, जिससे मौजूदा इमेज-कंडीशन्ड विसुओमोटर पॉलिसियों और प्रीट्रेन विज़न-लैंग्वेज-एक्शन मॉडल्स को बिना किसी आर्किटेक्चरल बदलाव के संपर्क संबंधी जानकारी का लाभ उठाने में सक्षम बनाया जा सके और हेरफेर (manipulation) की सफलता दर में महत्वपूर्ण सुधार किया जा सके।
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
रोबोट लंबे समय से खुली दुनिया के उस्ताद रहे हैं, जो कमरों में घूमने और अलमारियों पर रखी वस्तुओं को पहचानने में कुशल हैं। फिर भी, जब बात वस्तुओं को पकड़ने और उन्हें नियंत्रित करने की नाजुक, भौतिक क्रिया की आती है, तो वे अक्सर संघर्ष करते हैं। मनुष्य किसी वस्तु को सुरक्षित रूप से पकड़ने, किसी सतह को छूने, या कितनी मजबूती से दबाना है, यह जानने के लिए स्पर्श की भावना पर बहुत अधिक निर्भर करते हैं। इसके विपरीत, आधुनिक रोबोट आमतौर पर केवल अपनी आँखों और अपने शरीर की स्थिति के बोध का उपयोग करके काम करते हैं, और उस शारीरिक संपर्क को अनदेखा कर देते हैं जो अक्सर किसी कार्य के लिए सबसे महत्वपूर्ण सुराग होता है। हालाँकि वैज्ञानिकों ने रोबोटों को महसूस करने की क्षमता देने की कोशिश की है, लेकिन इस संवेदना को उन कंप्यूटर प्रोग्रामों में एकीकृत करना जो उन्हें नियंत्रित करते हैं, कठिन साबित हुआ है। चुनौती केवल एक सेंसर बनाने में नहीं है, बल्कि रोबोट के मस्तिष्क को यह समझाने में है कि बिना सोचने का एक पूरी तरह से नया तरीका सिखाए, वह उस अहसास को कैसे समझे।
कैलिफोर्निया विश्वविद्यालय, लॉस एंजिल्स के शोधकर्ताओं की एक टीम ने इस समस्या का एक आश्चर्यजनक रूप से सरल समाधान खोज निकाला है। उन्होंने "विज़िबल टच" (दृश्य स्पर्श) नामक एक विधि विकसित की है, जो रोबोट को अपने स्पर्श की भावना को "देखने" की अनुमति देती है। रोबोट के मस्तिष्क के एक अलग हिस्से में कच्चे स्पर्श डेटा को फीड करने के बजाय, वे संपर्क की जानकारी को सीधे उन कैमरा छवियों पर पेंट कर देते हैं जिन्हें रोबोट पहले से ही देख रहा होता है। कल्पना कीजिए कि एक रोबोट ने चश्मा पहना हुआ है जो दुनिया के दृश्य में एक छोटा, रंगीन तीर बनाता है जब उसकी उंगलियां किसी चीज़ को छूती हैं। यह तीर बल की दिशा में संकेत करता है और स्पर्श की तीव्रता के आधार पर अपना आकार बदलता है। क्योंकि रोबट पहले से ही इन छवियों में पैटर्न खोजने के लिए प्रशिक्षित है, इसलिए वह बिना किसी विशेष प्रोग्रामिंग या संरचनात्मक परिवर्तन के संपर्क को तुरंत समझ जाता है।
इसे काम करने के योग्य बनाने के लिए, टीम ने रोबोट की उंगलियों के लिए एक कस्टम, कम लागत वाला सेंसर बनाया। यह एक सरल उपकरण है जो छोटे चुंबकों के साथ लगे नरम रबर से बना है और इसमें एक ऐसा सेंसर है जो रबर के दबने पर चुंबकीय क्षेत्र में होने वाले परिवर्तनों का पता लगाता है। यह सेंसर बनाने में सस्ता है और इसे लगभग किसी भी आकार में 3D प्रिंट किया जा सकता है। शोधकर्ताओं ने एक सॉफ्टवेयर पाइपलाइन बनाई जो इस सेंसर के कच्चे डेटा को वास्तविक समय में रोबोट के कैमरा फीड पर प्रोजेक्ट करती है। यदि रोबोट की बाईं उंगली एक कप पर दबाव डालती है, तो स्क्रीन पर ठीक वहीं एक तीर दिखाई देता है जहाँ कप है, जो दबाव की दिशा और तीव्रता को दर्शाता है। इस संवर्धित छवि को फिर सीधे रोबोट के नियंत्रण तंत्र में भेजा जाता है, चाहे वह एक बुनियादी शिक्षण मॉडल हो या एक परिष्कृत, पूर्व-प्रशिक्षित कृत्रिम बुद्धिमत्ता (AI)।
इस दृष्टिकोण के परिणाम चौंकाने वाले थे। शोधकर्ताओं ने सरल सिमुलेशन से लेकर जटिल वास्तविक दुनिया की चुनौतियों तक, विभिन्न प्रकार के कार्यों पर अपने तरीके का परीक्षण किया। रोबोटिक हेरफेर का परीक्षण करने के लिए डिज़ाइन किए गए सिमुलेशन के एक मानक सेट में, विज़ुअल टच ओवरले का उपयोग करने वाले रोबोटों ने केवल दृष्टि और शरीर की स्थिति पर निर्भर रहने वालों की तुलना में 15.7 प्रतिशत अधिक सफलता प्राप्त की। उन्नत, पूर्व-प्रशिक्षित कृत्रिम बुद्धिमत्ता मॉडल का उपयोग करने वाले रोबोटों के लिए यह सुधार और भी नाटकीय था, जिन्होंने सिमुलेशन में सफलता दर में 25 प्रतिशत और वास्तविक दुनिया के कार्यों पर 30 प्रतिशत की वृद्धि देखी। इन कार्यों में टेस्ट ट्यूब उठाना, डिशवॉशर में मग रखना, या चार्जर को आउटलेट में लगाना जैसे नाजुक ऑपरेशन शामिल थे—ऐसे परिदृश्य जहाँ यह जानना आवश्यक है कि रोबोट वास्तव में कहाँ और कैसे छू रहा है।
अध्ययन ने यह भी खुलासा किया कि सूचना दिखाने के सभी तरीके समान नहीं हैं। शोधकर्ताओं ने विभिन्न दृश्य शैलियों का प्रयोग किया, जैसे कि पूरी उंगली के लिए एक एकल तीर बनाना बनाम उंगली के प्रत्येक छोटे संवेदी बिंदु के लिए एक अलग तीर बनाना। सिम्युलेटेड दुनिया में, एक एकल, औसत तीर सबसे अच्छा काम करता था, क्योंकि संभवतः बहुत अधिक विवरण दृश्य अव्यवस्था पैदा करते थे जिससे रोबोट भ्रमित हो जाता था। हालाँकि, वास्तविक दुनिया में, स्थिति उलट गई: रोबोट तब सबसे अच्छा प्रदर्शन करते थे जब वे उंगली के प्रत्येक संवेदी बिंदु के लिए व्यक्तिगत तीरों को देख सकते थे। यह सुझाव देता है कि वास्तविक दुनिया का संपर्क सिमुलेशन की तुलना में अधिक सुसंगत और स्थिर है, जिससे रोबोट अतिरिक्त विवरण का लाभ उठा पाता है। मुख्य निष्कर्ष यह है कि यह विधि विभिन्न प्रकार के रोबोट मस्तिष्कों में काम करती है और सरल सिमुलेशन से लेकर जटिल भौतिक वातावरण तक विस्तार करती है।
महत्वपूर्ण रूप से, यह दृष्टिकोण महंगे, भारी सेंसर या जटिल नए सॉफ्टवेयर आर्किटेक्चर की आवश्यकता को समाप्त करता है। शोधकर्ताओं ने प्रदर्शित किया कि संपर्क डेटा को मौजूदा विज़ुअल फीड पर ओवरले करना, स्पर्श को सूचना के एक अलग स्ट्रीम या संख्याओं की सूची के रूप में जोड़ने की तुलना में अधिक प्रभावी तरीका है। स्पर्श को एक दृश्य संकेत के रूप में मानकर, उन्होंने रोबोट को भौतिक समस्याओं को हल करने के लिए अपने मौजूदा दृश्य तर्क कौशल का उपयोग करने की अनुमति दी। यह विधि विभिन्न प्रकार के रोबोट डिजाइनों और कार्य कठिनाइयों में मजबूत साबित हुई, जिसमें सबसे महत्वपूर्ण लाभ उन कार्यों में दिखाई दिए जिनमें कई चरण और बार-बार पकड़ने की प्रक्रिया शामिल थी। यह कार्य सुझाव देता है कि रोबोटिक हेरफेर के भविष्य के लिए शायद रोबोटों के सोचने के बिल्कुल नए तरीके आविष्कार करने की आवश्यकता नहीं है, बल्कि उन्हें वह दिखाने के बेहतर तरीके खोजने की आवश्यकता है जिसे वे पहले से ही देखने में सक्षम हैं।
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।