वाइल्डएलएमए फ्रेमवर्क के साथ वास्तविक दुनिया के कार्यों को निपटाने के लिए रोबोट नए कौशल सीखते हैं | Infinium-tech
कैलिफ़ोर्निया विश्वविद्यालय, सैन डिएगो के शोधकर्ताओं की एक टीम ने मैनिपुलेटर्स से लैस चौपाए रोबोटों की वास्तविक दुनिया की क्षमताओं को आगे बढ़ाने के उद्देश्य से एक रूपरेखा का अनावरण किया है। जैसा कि आर्क्सिव प्रीप्रिंट सर्वर पर प्रकाशित उनके अध्ययन में बताया गया है, वाइल्डएलएमए नामक ढांचा, गतिशील और असंरचित वातावरण में लोको-हेरफेर कार्यों को करने के लिए रोबोट की क्षमता में सुधार करना चाहता है।
शोध के अनुसार, घरेलू कचरा इकट्ठा करना, विशिष्ट वस्तुओं को पुनः प्राप्त करना और उन्हें निर्दिष्ट स्थानों पर पहुंचाना जैसे कार्यों को रोबोट द्वारा वस्तु हेरफेर के साथ गति के संयोजन से निष्पादित किया जा सकता है। जबकि पहले ऐसे ऑपरेशनों के लिए रोबोटों को प्रशिक्षित करने के लिए नकल सीखने की तकनीकों को नियोजित किया गया है, इन कौशलों को वास्तविक दुनिया के परिदृश्यों में अनुवाद करने में चुनौतियाँ बनी हुई हैं।
टेक एक्सप्लोर के साथ एक साक्षात्कार में, अध्ययन के प्रमुख शोधकर्ता युचेन सॉन्ग ने बताया, “नकल सीखने में तेजी से प्रगति ने रोबोटों को मानव प्रदर्शनों से सीखने में सक्षम बनाया है। हालाँकि, ये प्रणालियाँ अक्सर पृथक, विशिष्ट कौशलों पर ध्यान केंद्रित करती हैं और वे नए वातावरण के अनुकूल होने के लिए संघर्ष करते हैं। सॉन्ग के अनुसार, रूपरेखा को कौशल अधिग्रहण और कार्य विघटन के लिए विज़न-लैंग्वेज मॉडल (वीएलएम) और बड़े भाषा मॉडल (एलएलएम) को नियोजित करके इन कमियों को दूर करने के लिए डिज़ाइन किया गया था।
वाइल्डएलएमए फ्रेमवर्क की मुख्य विशेषताएं
शोधकर्ताओं ने अपने ढांचे के कई नवीन तत्वों पर प्रकाश डाला। प्रदर्शन डेटा के संग्रह को सरल बनाने के लिए एक आभासी वास्तविकता-आधारित टेलीऑपरेशन प्रणाली को नियोजित किया गया था, जो मानव ऑपरेटरों को एक हाथ से रोबोट को नियंत्रित करने में सक्षम बनाता था। इन परिचालनों को सुव्यवस्थित करने के लिए पूर्व-प्रशिक्षित नियंत्रण एल्गोरिदम का उपयोग किया गया था।
इसके अतिरिक्त, एलएलएम को जटिल कार्यों को छोटे, कार्रवाई योग्य चरणों में तोड़ने के लिए एकीकृत किया गया था। सॉन्ग ने कहा, “परिणाम एक रोबोट है जो लंबे, बहु-चरणीय कार्यों को कुशलतापूर्वक और सहजता से निष्पादित करने में सक्षम है।” कार्य निष्पादन के दौरान अनुकूलनशीलता बढ़ाने और लक्ष्य वस्तुओं पर ध्यान केंद्रित करने के लिए ध्यान तंत्र भी शामिल किए गए थे।
प्रदर्शित अनुप्रयोग और भविष्य के लक्ष्य
वास्तविक दुनिया के प्रयोगों के माध्यम से ढांचे की क्षमता का प्रदर्शन किया गया। हॉलवे साफ़ करने, डिलीवरी प्राप्त करने और वस्तुओं को पुन: व्यवस्थित करने जैसे कार्य सफलतापूर्वक किए गए। हालाँकि, सॉन्ग के अनुसार, अप्रत्याशित गड़बड़ी, जैसे व्यक्तियों का हिलना, सिस्टम के प्रदर्शन को प्रभावित कर सकता है। सुलभ, किफायती घरेलू सहायक रोबोट बनाने की दृष्टि से, गतिशील वातावरण में मजबूती बढ़ाने के प्रयास जारी हैं।
Leave a Reply