MIT रोबोट विज़न और टच पर जेंगा रेलींग सीखता है

मशीन लर्निंग के लिए एक विशेष दृष्टिकोण रोबोट को यह जानने में मदद कर सकता है कि फोन को कैसे इकट्ठा किया जाए और असेंबली लाइन पर अन्य छोटे भागों के साथ काम किया जाए।

3rd MIT बिल्डिंग के बेसमेंट में, रोबोट ध्यान से अपनी अगली चाल को दर्शाता है। वह ब्लॉक से टॉवर को धीरे से खींचता है, खींच के लिए सबसे उपयुक्त ब्लॉक की तलाश करता है, ताकि पूरे टॉवर को नष्ट न करें। तो जेंगा का उनका एकान्त, धीमा लेकिन आश्चर्यजनक रूप से गतिशील खेल हो जाता है।

MIT के इंजीनियरों द्वारा विकसित किया गया यह रोबोट एक सॉफ्ट पिन, एक ब्रेसलेट के साथ एक प्रेशर सेंसर और एक बाहरी कैमरा से लैस है - और वे इसका उपयोग पूरे टॉवर और इसके अलग-अलग ब्लॉकों को देखने और महसूस करने के लिए करते हैं।

जबकि रोबोट धीरे से ब्लॉक पर दबाता है, कंप्यूटर कैमरे और ब्रेसलेट से दृश्य और स्पर्श प्रतिक्रिया को मानता है, पिछले चालों के साथ माप की तुलना करता है। वह इन चालों के संभावित परिणामों की भी गणना करता है - विशेष रूप से, क्या टॉवर के विशिष्ट विन्यास को देखते हुए और एक निश्चित आकार के बल के आवेदन के साथ, एक निश्चित ब्लॉक को सफलतापूर्वक निकालना संभव होगा। फिर, वास्तविक समय में, रोबोट "सीखता है" कि क्या ब्लॉक पर दबाव डालना जारी रखना आवश्यक है, या टॉवर को गिरने से रोकने के लिए किसी नए पर स्विच करना आवश्यक है या नहीं।

"जेंगा" खेलने वाले रोबोट का विस्तृत विवरण जनवरी में साइंस रोबोटिक्स जर्नल में प्रकाशित हुआ था। अल्बर्टो रोड्रिग्ज, एसोसिएट प्रोफेसर, कैरियर केंद्र एमआईटी इंजीनियरिंग विभाग के वाल्टर हेनरी गेल का कहना है कि रोबोट कुछ ऐसी चीज़ों को प्रदर्शित करता है, जो पिछले सिस्टम को विकसित करते समय हासिल करना मुश्किल था: किसी कार्य को पूरा करने के लिए जल्दी से सबसे अच्छा तरीका सीखने की क्षमता, न केवल दृश्य डेटा से, जो दृष्टिकोण अक्सर रोबोटिक्स में उपयोग किया जाता है, बल्कि स्पर्श, शारीरिक भी। बातचीत।

“अधिक तार्किक रूप से भरे हुए कार्यों या खेलों के विपरीत, उदाहरण के लिए, शतरंज या जाने के लिए, Dzhenga को खेलने के लिए आपको अच्छे शारीरिक कौशल की आवश्यकता होती है - जांच, खींचने, जगह और ब्लॉक को संरेखित करने के लिए। रोड्रिगेज कहते हैं, यह समझने के लिए कि आपको किस तरह से और कब ब्लॉक्स को स्थानांतरित करना है, आपको इंटरएक्टिव धारणा और हेरफेर की आवश्यकता है। - इस तरह के कार्य को अनुकरण करना बहुत मुश्किल है, इसलिए रोबोट को वास्तविक दुनिया में सीखना होगा, असली जेंगा टॉवर के साथ बातचीत करना। मुख्य कठिनाई वस्तुओं और भौतिकी पर लागू सामान्य ज्ञान का उपयोग करते हुए अपेक्षाकृत कम संख्या में प्रयोगों से सीखने की आवश्यकता है। ”

उनका कहना है कि उनके द्वारा विकसित की गई स्पर्शनीय सीखने की प्रणाली का उपयोग जेंगा के अलावा अन्य कार्यों के लिए किया जा सकता है, विशेष रूप से उन लोगों को सावधानीपूर्वक शारीरिक संपर्क की आवश्यकता होती है, जैसे कि पुनरावर्तनीय कचरे को छांटना या उपभोक्ता उत्पादों को इकट्ठा करना।

रॉड्रिग्ज कहते हैं, "टेलीफोन के लिए असेंबली लाइन पर, लगभग हर कदम पर आपको यह महसूस करने की जरूरत है कि वह हिस्सा ठीक है या पेंच कस गया है - यह सब स्पर्श और शक्ति संवेदनाओं से होता है। "इस तरह के कार्यों के शैक्षिक मॉडल आज इस तकनीक के सबसे स्वादिष्ट खंड हैं।"

काम के मुख्य लेखक एमआईटी स्नातक छात्र नीमा फासली हैं। टीम में यह भी शामिल है: मिकेल ओलेर, जियाजुन वू, झेंग वू और जोशुआ टेनेनबूम, एमआईटी में संज्ञानात्मक विज्ञान और मस्तिष्क अनुसंधान के प्रोफेसर।

धक्का मारना

खेल में "जेंगा", जिसका स्वाहिली में अर्थ "निर्माण" होता है, 54 आयताकार ब्लॉकों को प्रत्येक 3 ब्लॉकों की 18 परतों में रखा जाता है, ताकि आसन्न परतों में ब्लॉक एक दूसरे के लंबवत स्थित हों। खेल का लक्ष्य ब्लॉकों को सावधानीपूर्वक निकालना और उन्हें टॉवर के ऊपर रखना है, एक नए स्तर का निर्माण करना है ताकि टॉवर गिर न जाए।

जेंगा खेलने के लिए एक रोबोट को प्रोग्राम करने के लिए, पारंपरिक मशीन लर्निंग (एमओ) योजनाओं में हर उस चीज का वर्णन करना होगा जो तब हो सकती है जब एक ब्लॉक, एक रोबोट और एक टॉवर बातचीत करते हैं - ये काफी महंगी गणनाएं हैं जिन्हें प्राप्त करने के लिए हजारों या यहां तक ​​कि हजारों प्रयासों के प्रसंस्करण डेटा की आवश्यकता होती है। इकाई।

इसके बजाय, रॉड्रिग्ज और सहकर्मियों ने एक तरीका खोजना शुरू कर दिया, डेटा का उपयोग करने के दृष्टिकोण से अधिक कुशल, रोबोट के लिए "संज्ञानात्मक" खेल खेलना सीखना था, जो मानव संज्ञानात्मक क्षमताओं से प्रेरित था और हम खुद इस खेल को कैसे देख सकते थे।

टीम ने कार्य के लिए उद्योग के लिए एबीबी आईआरबी 120 रोबोटिक ग्रिप मानक को अनुकूलित किया, और फिर कैप्चर के लिए सुलभ जगह में जेंगा टॉवर स्थापित किया, और प्रशिक्षण अवधि शुरू हुई। सबसे पहले, रोबोट ने यादृच्छिक ब्लॉकों और उस ब्लॉक पर जगह का चयन किया जहां इसे दबाया जाना आवश्यक था। फिर उसने थोड़ा प्रयास किया, ब्लॉक को टॉवर से बाहर निचोड़ने की कोशिश की।

प्रत्येक प्रयास के दौरान, कंप्यूटर ने इसके साथ जुड़े दृश्य और स्पर्श माप को रिकॉर्ड किया, और नोट किया कि क्या यह सफल था।

इस तरह के प्रयासों के हजारों के संचालन के बजाय (तब टॉवर को कई बार बहाल किया जाना चाहिए), रोबोट को केवल 300 द्वारा प्रशिक्षित किया गया। इसी तरह के माप और परिणामों के प्रयास को समूहीकृत किया गया, जो ब्लॉकों के व्यवहार के कुछ पहलुओं को दर्शाता है। उदाहरण के लिए, डेटा का एक समूह एक ब्लॉक को स्थानांतरित करने के प्रयासों का संकेत दे सकता है जो आंदोलन का विरोध करता है, दूसरा - एक ब्लॉक के साथ काम करना जो आसानी से चले गए, और तीसरा - प्रयास जो टॉवर के गिरने का कारण बना। प्रत्येक डेटा समूह के लिए, रोबोट ने एक सरल मॉडल विकसित किया, जो अपने वर्तमान दृश्य और स्पर्श माप के आधार पर ब्लॉक के व्यवहार की भविष्यवाणी करता है।

फाजेली का कहना है कि इस तरह की ग्रुपिंग तकनीक गंभीरता से उस क्षमता को बढ़ाती है जिसके साथ रोबोट इस खेल को सीखता है, और प्राकृतिक तरीके से प्रेरित था जिसमें लोग वस्तुओं के समान व्यवहार को समूह बनाते हैं। "रोबोट डेटा क्लस्टर का निर्माण करता है और फिर मॉडल को सीखने के बजाय इन सभी समूहों में से प्रत्येक के लिए मॉडल सीखता है, सिद्धांत में सब कुछ हो सकता है।"

ढेर इकट्ठा करना

शोधकर्ताओं ने म्यूजिको सिम्युलेटर का उपयोग करके गेम के कंप्यूटर सिमुलेशन में उन्नत एमओ एल्गोरिदम के साथ तुलना करके अपने दृष्टिकोण का परीक्षण किया। सिमुलेटर में प्राप्त डेटा वैज्ञानिकों को यह समझने की अनुमति देता है कि वास्तविक दुनिया में एक रोबोट कैसे सीखेगा।

"हम इन एल्गोरिदम को उसी डेटा के साथ प्रदान करते हैं जो हमारे सिस्टम को यह देखने के लिए मिलता है कि वे समान स्तर पर जेंगा खेलना कैसे सीख सकते हैं," ओलर कहते हैं। "हमारे दृष्टिकोण की तुलना में, गेम को महारत हासिल करने के लिए इन एल्गोरिदम को टावरों की संख्या के साथ खेलना पड़ता था, जो हमारे पास की तुलना में अधिक परिमाण के कई आदेश थे।"

टीम इस बात में रुचि रखती है कि क्या मॉस्को क्षेत्र के लिए उनका दृष्टिकोण मानव खिलाड़ियों के साथ प्रतिस्पर्धा कर सकता है, और स्वयंसेवकों के साथ कई अनौपचारिक प्रतियोगिताओं का आयोजन किया।

"हमने देखा कि एक आदमी गिरने से पहले कितने ब्लॉक टॉवर से बाहर निकल सकता है, और यह अंतर इतना बड़ा नहीं है," ओलर कहते हैं।

हालाँकि, वहाँ वास्तव में रोबोट और मनुष्यों को गड्ढे करने का एक तरीका है, अगर शोधकर्ता चाहते हैं। शारीरिक बातचीत के अलावा, "जेंगा" खेलने के लिए आपको एक उपयुक्त ब्लॉक निकालने की रणनीति की आवश्यकता होती है, ताकि आपके प्रतिद्वंद्वी के लिए टॉवर को छोड़ने के बिना अगले ब्लॉक को बाहर निकालना मुश्किल हो।

अब तक, टीम "जेंगा" जीतने वाले रोबोट को बनाने में इतनी दिलचस्पी नहीं रखती है, यह अन्य क्षेत्रों में अपने नए कौशल का उपयोग करने में अधिक व्यस्त है।

रोड्रिगेज कहते हैं, "कई कार्य हैं जो हम अपने हाथों से करते हैं, जहां" इसे सही तरीके से करने "की भावना को ताकत और स्पर्शपूर्ण संकेतों की भाषा में व्यक्त किया जा सकता है।" "इस तरह के कार्यों के लिए हमारा दृष्टिकोण समान हो सकता है।"