Grasp2Vec: सेल्फ लर्निंग कैप्चर के माध्यम से वस्तुओं का प्रतिनिधित्व करना सीखना

आश्चर्यजनक रूप से कम उम्र के लोग पहले से ही अपनी पसंदीदा वस्तुओं को पहचानने और उन्हें लेने में सक्षम हैं, इस तथ्य के बावजूद कि उन्हें विशेष रूप से यह सिखाया नहीं गया है। संज्ञानात्मक क्षमताओं के विकास के अध्ययन के अनुसार, हमारे आसपास की दुनिया की वस्तुओं के साथ बातचीत करने की संभावना ऐसी क्षमताओं के विकास में महत्वपूर्ण भूमिका निभाती है जैसे कि संवेदन और वस्तुओं में हेरफेर - उदाहरण के लिए, लक्षित कब्जा। बाहरी दुनिया के साथ बातचीत करके, लोग अपनी गलतियों को सुधार कर सीख सकते हैं: हम जानते हैं कि हमने क्या किया है और परिणामों से सीखते हैं। रोबोटिक्स में, त्रुटियों के आत्म-सुधार के साथ इस प्रकार के प्रशिक्षण का सक्रिय रूप से अध्ययन किया जाता है, क्योंकि यह रोबोट प्रणालियों को भारी मात्रा में प्रशिक्षण डेटा या मैनुअल समायोजन के बिना सीखने की अनुमति देता है।

हम Google पर, वस्तुओं की दृढ़ता की अवधारणा से प्रेरित होकर, Grasp2Vec प्रणाली की पेशकश करते हैं - वस्तुओं के प्रतिनिधित्व के निर्माण के लिए एक सरल लेकिन प्रभावी एल्गोरिदम। Grasp2Vec एक सहज समझ पर आधारित है कि किसी भी वस्तु को उठाने का प्रयास हमें कुछ जानकारी देगा - यदि रोबोट ऑब्जेक्ट को पकड़ता है और उसे उठाता है, तो ऑब्जेक्ट को कैप्चर करने से पहले इस स्थान पर होना चाहिए। इसके अलावा, रोबोट जानता है कि यदि कब्जा की गई वस्तु उसके कब्जे में है, तो इसका मतलब है कि वह वस्तु अब उस स्थान पर नहीं है जहां वह थी। सेल्फ-लर्निंग के इस रूप का उपयोग करते हुए, रोबोट किसी वस्तु को पहचानने के बाद दृश्य में बदलाव के कारण उसे पहचानना सीख सकता है।

एक्स रोबोटिक्स के साथ हमारे सहयोग के आधार पर, जहां कई रोबोटों को एक साथ इनपुट डेटा स्रोत के रूप में केवल एक कैमरे का उपयोग करके घरेलू वस्तुओं को पकड़ने के लिए प्रशिक्षित किया गया था, हम ऑब्जेक्ट को "अनजाने" कैप्चर करने के लिए रोबोट कैप्चर का उपयोग करते हैं, और यह अनुभव हमें ऑब्जेक्ट का एक समृद्ध विचार प्राप्त करने की अनुमति देता है। यह विचार पहले से ही "जानबूझकर कब्जा" की क्षमता प्राप्त करने के लिए इस्तेमाल किया जा सकता है, जब रोबोट हाथ मांग पर वस्तुओं को उठा सकता है।

एक अवधारणात्मक पुरस्कार समारोह बनाना

सुदृढीकरण सीखने के मंच पर , एक कार्य की सफलता को एक इनाम समारोह के माध्यम से मापा जाता है। पुरस्कारों को अधिकतम करके, रोबोट खरोंच से विभिन्न कैप्चर कौशल सीखते हैं। इनाम समारोह बनाना आसान है जब सफलता को सरल सेंसर रीडिंग से मापा जा सकता है। एक सरल उदाहरण एक बटन है जो किसी इनाम को सीधे रोबोट के इनपुट पर ट्रांसफर करता है।

हालांकि, जब एक सफलता की कसौटी कार्य की अवधारणात्मक समझ पर निर्भर करती है, तो एक इनाम समारोह बनाना बहुत अधिक जटिल होता है। एक उदाहरण में कैप्चर समस्या पर विचार करें जहां रोबोट को कैप्चर में रखी गई वांछित वस्तु की छवि दी गई है। रोबोट द्वारा ऑब्जेक्ट को पकड़ने की कोशिश करने के बाद, यह कैप्चर की सामग्री की जांच करता है। इस कार्य के लिए इनाम समारोह पैटर्न मान्यता के सवाल के जवाब पर निर्भर करता है: क्या वस्तुएं मेल खाती हैं?


बाईं ओर, पकड़ ब्रश को रखती है, और पृष्ठभूमि में कई ऑब्जेक्ट दिखाई देते हैं (एक पीला कप, एक नीला प्लास्टिक ब्लॉक)। दाईं ओर, ग्रिप कप रखती है, और ब्रश पृष्ठभूमि में है। यदि बाईं छवि वांछित परिणाम का प्रतिनिधित्व करती है, तो एक अच्छा इनाम फ़ंक्शन "समझना" होगा कि ये दो तस्वीरें दो अलग-अलग वस्तुओं के अनुरूप हैं।

मान्यता समस्या को हल करने के लिए, हमें एक अवधारणात्मक प्रणाली की आवश्यकता होती है, जो असंरचित छवियों (लोगों द्वारा हस्ताक्षरित नहीं) से वस्तुओं की सार्थक अवधारणाओं को निकालती है, और एक शिक्षक के बिना वस्तुओं की कल्पना करना सीखती है। अनिवार्य रूप से, शिक्षक रहित शिक्षण एल्गोरिदम डेटा के बारे में संरचनात्मक धारणाएं बनाकर काम करते हैं। यह अक्सर माना जाता है कि छवियों को कम आयामों के साथ एक स्थान पर संपीड़ित किया जा सकता है, और पिछले हिस्से से वीडियो फ्रेम की भविष्यवाणी की जा सकती है । हालांकि, डेटा की सामग्री के बारे में अतिरिक्त मान्यताओं के बिना, यह आमतौर पर वस्तुओं के असंबंधित अभ्यावेदन से सीखने के लिए पर्याप्त नहीं है।

क्या होगा यदि हमने डेटा संग्रह के दौरान भौतिक रूप से अलग-अलग वस्तुओं के लिए एक रोबोट का उपयोग किया? रोबोटिक्स वस्तुओं का प्रतिनिधित्व करने का तरीका सीखने का एक उत्कृष्ट अवसर प्रदान करता है, क्योंकि रोबोट उन्हें हेरफेर कर सकते हैं, जो आवश्यक भिन्नता कारक देगा। हमारी पद्धति इस विचार पर आधारित है कि किसी वस्तु को कैप्चर करने से वह दृश्य से हट जाती है। परिणाम 1 है) कब्जा करने से पहले दृश्य की एक छवि, 2) कब्जा करने के बाद दृश्य की एक छवि, और 3) कैप्चर की गई वस्तु का एक अलग दृश्य।


वाम - वस्तुओं पर कब्जा करने के लिए। केंद्र में - कब्जा करने के बाद। दाईं ओर कैप्चर की गई वस्तु है।

यदि हम एक अंतर्निहित फ़ंक्शन पर विचार करते हैं जो छवियों से "वस्तुओं का एक सेट" निकालता है, तो यह निम्नलिखित घटाव संबंध को संरक्षित करना चाहिए:


कब्जा करने से पहले वस्तुओं - कब्जा करने के बाद वस्तुओं = कब्जा कर लिया वस्तु

हम इस समानता को दृढ़प्रतिष्ठ वास्तुकला और एक सरल मीट्रिक लर्निंग एल्गोरिदम के साथ प्राप्त करते हैं। प्रशिक्षण के दौरान, नीचे दिखाया गया आर्किटेक्चर स्थानिक गुणों के घने मानचित्र में कैप्चर करने से पहले और बाद की छवियों को एम्बेड करता है। ये मानचित्र एक औसत संघ के माध्यम से वैक्टर में बदल जाते हैं, और "कब्जा करने से पहले" और "कब्जा करने के बाद" वैक्टर के बीच का अंतर वस्तुओं के एक समूह का प्रतिनिधित्व करता है। इस वेक्टर और इस कथित वस्तु के वेक्टर के संबंधित प्रतिनिधित्व को N- जोड़े के कार्य के माध्यम से बराबर किया जाता है।



प्रशिक्षण के बाद, हमारे मॉडल में स्वाभाविक रूप से दो उपयोगी गुण हैं।

1. वस्तुओं की समानता

वेक्टर एम्बेडिंग के बीच की दूरी का कोसाइन गुणांक हमें वस्तुओं की तुलना करने और यह निर्धारित करने की अनुमति देता है कि क्या वे समान हैं। इसका उपयोग प्रबलित शिक्षण के लिए इनाम समारोह को लागू करने के लिए किया जा सकता है, और रोबोटों को मनुष्यों द्वारा डेटा को चिह्नित किए बिना उदाहरणों के साथ कैप्चर करने का तरीका सीखने की अनुमति देता है।

2. लक्ष्य खोजना

हम दृश्य के स्थानिक नक्शे और वस्तुओं के एम्बेड को छवि स्थान में "वांछित वस्तु" को स्थानीय बनाने के लिए जोड़ सकते हैं। स्थानिक विशेषताओं के नक्शों के तत्व-वार गुणन और वांछित वस्तु के वेक्टर पत्राचार को आगे बढ़ाते हुए, हम स्थानिक मानचित्र पर उन सभी पिक्सल्स को खोज सकते हैं जो लक्ष्य वस्तु के अनुरूप हैं।


दृश्य में ऑब्जेक्ट्स को स्थानीय बनाने के लिए Grasp2Vec इनले का उपयोग करना। ऊपर बाईं ओर टोकरी में वस्तुएं हैं। नीचे बाएँ - कैप्चर की जाने वाली इच्छित वस्तु। लक्ष्य ऑब्जेक्ट के वेक्टर का स्केलर उत्पाद और छवि की स्थानिक विशेषताएं हमें लक्ष्य के छवि के दिए गए अनुभाग की समानता के अनुसार प्रति-पिक्सेल "सक्रियण मानचित्र" (शीर्ष दाएं) प्रदान करती हैं। इस नक्शे का उपयोग लक्ष्य के करीब लाने के लिए किया जा सकता है।

हमारी पद्धति भी तब काम करती है जब कई ऑब्जेक्ट लक्ष्य के अनुरूप होते हैं, या तब भी जब लक्ष्य में कई ऑब्जेक्ट (दो वैक्टर के औसत) होते हैं। उदाहरण के लिए, इस परिदृश्य में, रोबोट दृश्य में कई नारंगी ब्लॉकों की पहचान करता है।


परिणामी "हीट मैप" का उपयोग रोबोट के दृष्टिकोण को लक्ष्य वस्तु (ओं) की योजना बनाने के लिए किया जा सकता है। हम Grasp2Vec से स्थानीयकरण को जोड़ते हैं और हमारे "कुछ भी कैप्चर करें" नीति के साथ उदाहरणों की मान्यता प्राप्त करते हैं, और डेटा संग्रह के दौरान 80% मामलों में और 59% नई वस्तुओं के साथ सफलता प्राप्त करते हैं जो रोबोट ने पहले नहीं झेला है।

निष्कर्ष

हमारे काम में, हमने दिखाया कि कैसे रोबोट ग्रिपर कौशल ऑब्जेक्ट प्रतिनिधित्व को सिखाने के लिए उपयोग किए गए डेटा बना सकते हैं। फिर हम प्रस्तुति प्रशिक्षण का उपयोग अधिक जटिल कौशल प्राप्त करने के लिए कर सकते हैं, जैसे कि एक उदाहरण के अनुसार कैप्चर करना, जबकि हमारे स्वायत्त कैप्चरिंग सिस्टम में शिक्षक के बिना शिक्षण के सभी गुणों को संरक्षित करना।

हमारे काम के अलावा, कई अन्य हालिया कार्यों ने यह भी अध्ययन किया कि किस प्रकार शिक्षक के बिना बातचीत का उपयोग वस्तुओं के अभ्यावेदन, कैप्चरिंग , पुश करने और पर्यावरण में वस्तुओं के साथ अन्य प्रकार के इंटरैक्शन प्राप्त करने के लिए किया जा सकता है। हम खुशी से यह अनुमान लगा रहे हैं कि न केवल मशीन लर्निंग रोबोटिक्स को बेहतर धारणा और नियंत्रण के मामले में क्या दे सकता है, बल्कि यह भी कि रोबोटिक्स नए स्व-शिक्षण प्रतिमानों के संदर्भ में मशीन लर्निंग को क्या दे सकता है।