“स्पेशियल-एआई” में प्रगति से रोबोट्स को मानवों की तरह भौतिक पर्यावरण की धारणा करने में सक्षम बनाया जा सकता है

एमआईटी के इंजीनियर रोबोट्स को उच्च-स्तरीय आदेशों का पालन करने की क्षमता प्रदान करने के लिए काम कर रहे हैं, जैसे कि किसी व्यक्ति के लिए कोई वस्तु प्राप्त करने के लिए दूसरे कमरे में जाना। इसके लिए, रोबोट्स को अपने भौतिक पर्यावरण को मानवों की तरह धारण करने में सक्षम होने की आवश्यकता होगी।

लुका कार्लोन एमआईटी में एयरोनॉटिक्स और एस्ट्रोनॉटिक्स के सहायक प्रोफेसर हैं।

“दुनिया में कोई भी निर्णय लेने के लिए, आपको अपने आसपास के पर्यावरण का एक मानसिक मॉडल होना चाहिए,” कार्लोन कहते हैं। “यह मानवों के लिए बहुत आसान है। लेकिन रोबोट्स के लिए यह एक दर्दनाक कठिन समस्या है, जहां यह कैमरे से देखे गए पिक्सेल मानों को दुनिया की समझ में बदलने के बारे में है।”

इस चुनौती का सामना करने के लिए, शोधकर्ताओं ने रोबोट्स के लिए मानवों के भौतिक पर्यावरण की धारणा और नेविगेशन के आधार पर एक स्थानिक धारणा का प्रतिनिधित्व मॉडल किया।

3D डायनामिक सीन ग्राफ

नया मॉडल 3D डायनामिक सीन ग्राफ कहलाता है, और यह एक रोबोट को अपने भौतिक पर्यावरण का 3D मानचित्र बनाने में सक्षम बनाता है, जिसमें वस्तुएं और उनके सेमेंटिक लेबल शामिल हैं। रोबोट पर्यावरण में लोगों, कमरों, दीवारों और अन्य संरचनाओं को भी मैप आउट कर सकता है।

मॉडल तब रोबोट को 3D मानचित्र से जानकारी निकालने की अनुमति देता है, जो वस्तुओं, कमरों और लोगों की गति का पता लगाने के लिए उपयोग की जा सकती है।

“यह पर्यावरण का संकुचित प्रतिनिधित्व उपयोगी है क्योंकि यह हमारे रोबोट को जल्दी से निर्णय लेने और अपने मार्ग की योजना बनाने में सक्षम बनाता है,” कार्लोन कहते हैं। “यह मानवों द्वारा किए जाने वाले काम से बहुत दूर नहीं है। यदि आपको अपने घर से एमआईटी तक मार्ग की योजना बनाने की आवश्यकता है, तो आप हर एक स्थिति की योजना नहीं बनाते हैं जिसे आपको लेने की आवश्यकता है। आप सिर्फ सड़कों और लैंडमार्क के स्तर पर सोचते हैं, जो आपको अपने मार्ग की योजना बनाने में मदद करता है।”

कार्लोन के अनुसार, इस मॉडल पर निर्भर रोबोट घरेलू कार्यों से बहुत अधिक कर सकते हैं। वे उच्च-स्तरीय कौशल और कारखानों में लोगों के साथ काम करने में भी सक्षम हो सकते हैं, या आपदा स्थल पर बचे लोगों का पता लगाने में मदद कर सकते हैं।

https://www.youtube.com/watch?time_continue=39&v=SWbofjhyPzI&feature=emb_logo

वर्तमान विधियों बनाम नया मॉडल

रोबोटिक दृष्टि और नेविगेशन के लिए वर्तमान विधियां मुख्य रूप से 3D मानचित्रण पर केंद्रित होती हैं जो रोबोट्स को वास्तविक समय में अपने पर्यावरण का 3D पुनर्निर्माण करने में सक्षम बनाती हैं, या सेमेंटिक सेगमेंटेशन, जो तब होता है जब रोबोट्स पर्यावरण में विशेषताओं को सेमेंटिक वस्तुओं के रूप में वर्गीकृत करते हैं, जैसे कि एक कार बनाम एक साइकिल। सेमेंटिक सेगमेंटेशन अक्सर 2D छवियों पर किया जाता है।

स्थानिक धारणा का विकसित मॉडल पहला है जो वास्तविक समय में पर्यावरण का 3D मानचित्र बनाता है और 3D मानचित्र में वस्तुओं, लोगों और संरचनाओं को लेबल करता है।

इस नए मॉडल को प्राप्त करने के लिए, शोधकर्ताओं ने किमेरा नामक एक ओपन-सोर्स लाइब्रेरी पर भरोसा किया। किमेरा को पहले同 टीम द्वारा विकसित किया गया था ताकि वे एक पर्यावरण का 3D ज्यामितीय मॉडल बना सकें और साथ ही यह भी बता सकें कि वस्तु क्या है, जैसे कि एक कुर्सी बनाम एक डेस्क।

“जैसे कि पौराणिक प्राणी जो विभिन्न जानवरों का मिश्रण है, हम चाहते थे कि किमेरा 3D में मानचित्रण और सेमेंटिक समझ का मिश्रण हो,” कार्लोन कहते हैं।

किमेरा ने रोबोट के कैमरे से छवियों और ऑनबोर्ड सेंसर से जड़त्व माप का उपयोग करके दृश्य को वास्तविक समय में 3D मेश के रूप में पुनर्निर्मित किया। इसके लिए, किमेरा ने एक न्यूरल नेटवर्क का उपयोग किया जिसे लाखों वास्तविक दुनिया की छवियों पर प्रशिक्षित किया गया था। यह तब प्रत्येक पिक्सेल का लेबल भविष्यवाणी कर सकता था और उन्हें 3D में प्रोजेक्ट करने के लिए रे-कास्टिंग का उपयोग कर सकता था।

इस तकनीक का उपयोग करके, रोबोट का पर्यावरण एक त्रि-आयामी जाल में मैप किया जा सकता है, जहां प्रत्येक चेहरा रंग-कोडित होता है, जो वस्तुओं, संरचनाओं या पर्यावरण में लोगों के एक हिस्से के रूप में इसकी पहचान करता है।

3D मेश से 3D डायनामिक “सीन ग्राफ”

चूंकि 3D सेमेंटिक मेश मॉडल को बहुत अधिक गणना शक्ति और समय की आवश्यकता होती है, शोधकर्ताओं ने किमेरा का उपयोग करके 3D डायनामिक “सीन ग्राफ” बनाने वाले अल्गोरिदम विकसित किए।

3D सेमेंटिक मेश को विभिन्न सेमेंटिक परतों में तोड़ दिया जाता है, और रोबोट दृश्य को एक परत के माध्यम से देख सकता है। परतें वस्तुओं और लोगों से लेकर खुले स्थानों और संरचनाओं तक, कमरों, गलियारों, हॉल और पूरे भवनों तक जाती हैं।

यह परतीकरण विधि रोबोट को अपने ध्यान को संकुचित करने की अनुमति देती है, न कि अरबों बिंदुओं और चेहरों का विश्लेषण करने की आवश्यकता है। यह परतीकरण विधि अल्गोरिदम को वास्तविक समय में पर्यावरण में मानवों और उनकी गति को ट्रैक करने की अनुमति भी देती है।

नया मॉडल एक फोटो-वास्तविक सिम्युलेटर में परीक्षण किया गया था जो एक रोबोट को एक कार्यालय पर्यावरण में चलते हुए लोगों के साथ नेविगेट करता है।

“हम मूल रूप से रोबोट्स को मानवों द्वारा उपयोग किए जाने वाले मानसिक मॉडल के समान मानसिक मॉडल प्रदान करने में सक्षम बना रहे हैं,” कार्लोन कहते हैं। “इसका स्व-ड्राइविंग कारों, खोज और बचाव, सहयोगी विनिर्माण और घरेलू रोबोटिक्स सहित कई अनुप्रयोगों पर प्रभाव पड़ सकता है।

कार्लोन के साथ लीड ऑथर और एमआईटी ग्रेजुएट स्टूडेंट एंटोनी रोसिनोल थे।

“हमारा दृष्टिकोण हाल ही में गहरे शिक्षण और समानांतर स्थानीकरण और मानचित्रण पर दशकों के शोध के हाल के अग्रिमों के कारण संभव हुआ है,” रोसिनोल कहते हैं। “इस काम के साथ, हम रोबोटिक्स और बड़े पैमाने पर वर्चुअल और ऑगमेंटेड रियलिटी में महान संभावनाओं के साथ स्थानिक-एआई नामक एक नए युग की ओर कदम बढ़ा रहे हैं।”

शोध को रोबोटिक्स: साइंस एंड सिस्टम्स वर्चुअल कॉन्फ्रेंस में प्रस्तुत किया गया था।