रोबोट जो जानते हैं कब कोमल होना है: Apple का MoMo मशीनों को अपनी गति शैली समायोजित करना सिखाता है
एक नया शोध ढांचा एक ही रोबोट को तेजी से, सावधानी से, या बीच में कहीं भी चलना सिखाता है, बिना हर बार इसे फिर से प्रोग्राम किए।
मुख्य बिंदु
- Apple ML Research ने MoMo प्रकाशित किया, एक दो-चरणीय शिक्षण ढांचा जो रोबोट को कार्यों में अपनी गति शैली में भिन्नता लाना सिखाता है।
- सिस्टम को छह वास्तविक-रोबोट हेरफेर कार्यों पर परीक्षण किया गया और प्रत्येक गति की स्थिर, नियंत्रणीय भिन्नताओं का उत्पादन किया।
- एक एकल डायल जैसा इनपुट जिसे "मोशन-मोड कंडीशन" कहा जाता है, ऑपरेटरों को कोई कोड फिर से लिखे बिना रोबोट व्यवहार को स्थानांतरित करने देता है।
- MoMo नकल सीखने का उपयोग करता है, एक प्रशिक्षण विधि जहां रोबोट मनुष्यों द्वारा एक कार्य करने के उदाहरणों का अध्ययन करता है, फिर अंतर्निहित पैटर्न की नकल करता है।
अधिकांश रोबोट हर बार एक ही तरीके से चलते हैं। एक को कच्चे अंडे और ईंट दोनों को उठाने के लिए कहें, और यह समान बल के साथ दोनों को पकड़ेगा, समान गति से, एक ही चाप का पालन करते हुए। यह एक कारखाने में काम करता है जहां हर वस्तु समान है। यह हर जगह विफल हो जाता है।
Apple ML Research ने इस हफ्ते MoMo नामक एक सिस्टम प्रकाशित किया जो इसे ठीक करने का प्रयास करता है। विचार सिद्धांत में सरल है: रोबोट को न केवल क्या करना है सिखाएं, बल्कि यह कैसा महसूस होना चाहिए जबकि ऐसा करता है, और उस "कैसा" को कुछ बनाएं जो आप उड़ते हुए समायोजित कर सकते हैं।
MoMo वास्तव में कैसे काम करता है?
MoMo के दो भाग एक साथ काम कर रहे हैं। पहला, एक टोकनाइजर, जो सॉफ्टवेयर है जो आंदोलन डेटा की एक धारा को छोटे, लेबल किए गए चंक्स में तोड़ता है, जिस तरह ऑटोकरेक्ट भाषण को शब्दों में तोड़ता है। MoMo का टोकनाइजर स्थान (जहां बांह चलती है) और समय (यह कितनी तेजी से चलती है) दोनों में काम करता है, इसलिए यह एक गति की पूरी बनावट को पकड़ता है, केवल इसके समापन बिंदु नहीं।
दूसरा भाग एक ट्रांसफार्मर है, सॉफ्टवेयर का वही वर्ग जो आधुनिक चैटबॉट को शक्ति देता है। यह ट्रांसफार्मर दो इनपुट लेता है: कार्य स्वयं, और एक सतत संख्या एक पैमाने पर जिसे शोधकर्ता "मोशन-मोड कंडीशन" कहते हैं। इसे एक एकल स्लाइडर के रूप में सोचें। इसे एक तरफ धकेलें और रोबोट जानबूझकर और धीरे-धीरे चलता है। इसे दूसरी तरफ धकेलें और रोबोट तेजी से और आत्मविश्वास से चलता है। इस बीच की प्रत्येक स्थिति एक संगत रूप से भिन्न भौतिक शैली का उत्पादन करती है।
आलोचनात्मक रूप से, रोबोट नकल सीखने से इस स्लाइडर व्यवहार को सीखता है, मनुष्यों को कार्य पूरा करते देखता है और भिन्नता के पैटर्न को अवशोषित करता है, केवल औसत परिणाम नहीं। इसका मतलब है कि एक ही प्रशिक्षित मॉडल उस स्पेक्ट्रम के प्रत्येक बिंदु के लिए नए निर्देश लिखे बिना गति की पूरी श्रृंखला को कवर कर सकता है।
यह लैब के बाहर क्यों महत्वपूर्ण है?
वास्तविक दुनिया में, संदर्भ लगातार बदलता है। एक रोबोट अस्पताल की फार्मेसी में दवा संभालने के लिए उसी रोबोट को अलमारियों को फिर से ढेर करने के समान स्पर्श की आवश्यकता होती है। एक मशीन फोन स्क्रीन को इकट्ठा करने के लिए धीमी सटीकता की जरूरत है; एक गोदाम में खाली ट्रे को स्थानांतरित करना तेज हो सकता है। आज, इन तरीकों के बीच स्विच करने का मतलब आमतौर पर मानव इंजीनियरों को सेटिंग्स को समायोजित करने के लिए कदम रखना है। MoMo का दृष्टिकोण रोबोट को एक सरल संकेत प्राप्त करने और अपने आप को अनुकूल करने देगा।
Apple ML Research ने छह वास्तविक-रोबोट हेरफेर कार्यों में ढांचे का परीक्षण किया, वस्तुओं को लेने, रखने और स्थानांतरित करने का हाथों से काम, और रिपोर्ट किया कि मोशन-मोड कंडीशन में भिन्नता सभी में व्यवहार में स्थिर, अनुमानित परिवर्तन का उत्पादन किया।
शोध अभी भी अकादमिक चरण में है। कोई उत्पाद घोषणा पत्र के साथ नहीं आई, और एक लैब डेमो और एक रोबोट के बीच का अंतर जिस पर आप अस्पताल या घर में विश्वास करते हैं वह बड़ा है। लेकिन अंतर्निहित सवाल MoMo उत्तर देता है वह है जिससे पूरा उद्योग जूझ रहा है: क्या एक रोबोट यह जानने का एक पुन: प्रयोज्य अर्थ सीख सकता है कैसे चलना है, हर कार्य में साझा किया जाता है जिसे यह जानता है?
यह कार्य सुझाता है कि उत्तर हां है।
सामान्य प्रश्न
क्या इसका मतलब है कि रोबोट जल्द ही किसी भी स्थिति के अनुकूल होंगे?
अभी नहीं। MoMo दिखाता है कि गति शैली को सीखा जा सकता है और एक एकल इनपुट के साथ नियंत्रित किया जा सकता है, लेकिन सिस्टम को अभी भी प्रत्येक कार्य के लिए मानव-एकत्रित प्रशिक्षण डेटा की आवश्यकता है और ऑपरेटर को मोशन-मोड मूल्य सेट करने की आवश्यकता है। खुले सिरे की स्थितियों में पूर्ण स्वायत्तता एक अनसुलझी समस्या बनी हुई है।
क्या यह तकनीक उपभोक्ता या चिकित्सा रोबोट में दिखाई दे सकती है?
संभवतः समय के साथ। ढांचा किसी भी रोबोट बांह को हेरफेर कार्य करने के लिए सामान्य है, लेकिन शोध पत्र से प्रमाणित चिकित्सा या उपभोक्ता डिवाइस में जाना सुरक्षा परीक्षण और नियामक अनुमोदन के वर्षों का समय लगता है।
