बड़े पैमाने पर 3 डी डेटासेट रोबोट को चीजों को समझने में मदद करता है

पार्टनेट - रोजमर्रा की वस्तुओं का एक नया अर्थ डेटाबेस, जो आसपास के दुनिया के रोबोटों द्वारा समझ की डिग्री को एक नए स्तर पर ले जाता है

डेटाबेस में 24 श्रेणियों की वस्तुओं के कम से कम 26,671 3 डी मॉडल हैं, जिनमें से प्रत्येक विस्तृत तीन आयामी जानकारी से सुसज्जित है।

मानव क्षमताओं में से एक जो हमें अपने आस-पास की दुनिया के लिए इतनी अच्छी तरह से अनुकूलित करने की अनुमति देता है कि पूरी श्रेणियों में एक बार में अलग-अलग चीजों को समझने में सक्षम हो, और फिर कुछ विशिष्ट चीजों से निपटने के लिए इस सामान्यीकृत समझ का उपयोग करें जो हमने पहले सामना नहीं किया है। उदाहरण के लिए, एक दीपक। दुनिया के सभी दीपकों को किसी ने नहीं देखा। लेकिन ज्यादातर मामलों में, जब हम पहली बार एक नए घर में प्रवेश करते हैं, तो हम आसानी से वहां सभी लैंप पा सकते हैं और समझ सकते हैं कि वे कैसे काम करते हैं। बेशक, कभी-कभी हम कुछ बहुत ही अजीब से मिल सकते हैं जो हमें पूछने के लिए प्रेरित करेगा: “वाह, क्या वह दीपक है? और इसे कैसे चालू करें? " लेकिन ज्यादातर मामलों में, हमारे सामान्यीकृत मानसिक दीपक मॉडल हमें बचाता है।

यह हमें मदद करता है कि परिभाषा के अनुसार, अन्य श्रेणियों की वस्तुओं की तरह लैंप में कई सामान्य घटक होते हैं। लैंप में आमतौर पर बल्ब होते हैं। उनके पास आमतौर पर एक लैंपशेड है। उनके पास शायद गिरने से रोकने के लिए एक स्टैंड भी है, फर्श से ऊपर उठने के लिए एक तिपाई और पावर कॉर्ड। यदि आप एक ऐसी वस्तु देखते हैं जिसमें ये सभी चिह्न हैं, तो यह संभवतः एक दीपक है, और जब आप इसे समझते हैं, तो आप इसे कैसे उपयोग करें, इसके बारे में एक शिक्षित अनुमान लगा सकते हैं।

इस स्तर की समझ अक्सर रोबोट को विशेष रूप से बुरी तरह से दी जाती है, जो अप्रिय है, क्योंकि यह एक बहुत ही उपयोगी चीज है। आप यह भी कह सकते हैं कि हम रोबोट को एक असंरचित वातावरण में स्वायत्त रूप से काम करने के लिए तभी भरोसा कर सकते हैं जब वे वर्णित वर्णित स्तर के करीब वस्तुओं को समझ सकते हैं। सीवीपीआर 2019 कंप्यूटर विज़न और पैटर्न मान्यता सम्मेलन में, स्टैनफोर्ड, कैलिफोर्निया विश्वविद्यालय, सैन फ्रांसिस्को और इंटेल के शोधकर्ताओं की एक टीम ने पार्टनेट के निर्माण की घोषणा की, जो रोजमर्रा की तीन आयामी वस्तुओं का एक विशाल डेटाबेस है, भागों में टूट गया और उस स्तर तक वर्णित किया गया है कि वे आशा करते हैं बेस के निर्माता, रोबोट को यह समझने में मदद करेंगे कि दीपक क्या है।


24 श्रेणियों से वस्तुओं के छोटे विवरणों के साथ रूपों के उदाहरण

पार्टनेट शेपनेट का एक सबसेट है, जो 50,000 रोजमर्रा की वस्तुओं का एक बड़ा 3D आधार है। पार्टनेट में 24 श्रेणियों के 26,671 ऑब्जेक्ट्स हैं (उदाहरण के लिए, दरवाजे, टेबल, कुर्सियां, लैंप, माइक्रोवेव, घड़ियां), और प्रत्येक ऑब्जेक्ट को चिह्नित भागों में विभाजित किया गया है। यहाँ दो अलग-अलग लैंप के मामले में यह कैसा दिखता है:


पार्टनेट में वस्तुओं के गुणों को श्रेणी के प्रत्येक के लिए पदानुक्रमित संरचनाओं में विशेषज्ञों द्वारा व्यवस्थित किया जाता है, उदाहरण के लिए, लैंप के लिए। टेम्पलेट में विभिन्न प्रकार की वस्तुएं शामिल हैं, जैसे टेबल लैंप (बाएं) और एक छत लैंप (दाएं)। टेम्पलेट को एक गहरी और व्यापक रूप में डिजाइन किया गया था, जो संरचनात्मक रूप से विभिन्न प्रकार के लैंप को कवर करता था; उसी समय, घटक जो अवधारणा में समान होते हैं, जैसे कि प्रकाश बल्ब या लैंपशेड, विभिन्न प्रकारों में दिखाई देते हैं।

पार्टनेट सभी छोटे विवरणों को चिह्नित करने के लिए एक उत्कृष्ट आधार बनाता है। शेपनेट जैसे डेटाबेस में आमतौर पर केवल "इस तरह की पूरी चीजें लैंप हैं" जैसे बयान होते हैं, और ऐसे डेटाबेस की उपयोगिता सीमित है। पार्टनेट, इसके विपरीत, एक मौलिक स्तर पर लैंप को समझने का एक तरीका प्रदान करता है: वे कौन से भागों से युक्त होते हैं, उनके पास क्या नियंत्रण होता है, आदि। यह न केवल उन लैंपों का पता लगाने में बहुत बेहतर मदद करता है, जो कंप्यूटर को पहले नहीं मिले हैं, बल्कि स्वायत्त प्रणाली को यह अनुमान लगाने की अनुमति देता है कि नए लैंप के साथ उत्पादक रूप से कैसे बातचीत करें।

जैसा कि आप कल्पना कर सकते हैं, पार्टनेट बनाना बहुत समय लेने वाला काम था। लगभग 70 "पेशेवर संकलक" ने 263 585 भागों का वर्णन करते हुए इन 26671 3 डी रूपों में से प्रत्येक में औसतन 8 मिनट का समय बिताया और फिर प्रत्येक विवरण को कम से कम एक अन्य संकलक द्वारा जांचा गया। एकरूपता बनाए रखने के लिए, वस्तुओं के प्रत्येक वर्ग के लिए टेम्पलेट बनाए गए थे, जो कि भागों के सेट को कम से कम करने वाले थे, लेकिन साथ ही यह सुनिश्चित करते हैं कि डेटाबेस वस्तुओं के पूरे वर्ग को निर्धारित करने के लिए आवश्यक सभी चीजों का व्यापक रूप से वर्णन करता है। वस्तुओं के घटक भी श्रेणीबद्ध रूप से व्यवस्थित होते हैं, और छोटे घटक बड़े का हिस्सा होते हैं। यहां बताया गया है कि इसे कैसे चित्रित किया जाता है:



पार्टनेट के बाहर इस डेटा के उपयोगी होने के लिए, रोबोटों को यह सीखने की जरूरत है कि किसी वस्तु के त्रि-आयामी मॉडल को स्वीकार करते हुए स्वतंत्र रूप से कैसे संचालित किया जाए (रोबोट द्वारा बनाया गया) और इसे ऐसे हिस्सों में तोड़ दिया जाए जिन्हें पहचाना जा सकता है और वस्तुओं के मौजूदा मॉडल के साथ जुड़ा हुआ है। यह कई कारणों से करना मुश्किल है: उदाहरण के लिए, आपको बिंदुओं के बादलों से अलग-अलग हिस्सों की पहचान करने में सक्षम होने की आवश्यकता है जो छोटे लेकिन महत्वपूर्ण हो सकते हैं (जैसे कि दराज में हैंडल), और वस्तुओं के कई हिस्से जो देखने में बहुत भिन्न हो सकते हैं। ।

शोधकर्ताओं ने इस क्षेत्र में कुछ प्रगति की है, लेकिन इन मुद्दों पर आगे काम करने की आवश्यकता है। PartNet भी इसमें मदद करेगा, एक डेटा सेट प्रदान करेगा जिसका उपयोग बेहतर एल्गोरिदम विकसित करने के लिए किया जा सकता है। कुछ बिंदु पर, पार्टनेट उन प्रणालियों की नींव का हिस्सा बन सकता है जो पूरी तरह से स्वतंत्र रूप से समान 3 डी मॉडल का निर्माण कर सकते हैं, जैसे कि रोबोट के लिए डेटासेट मानव-इकट्ठे से मानव-पर्यवेक्षण के तहत कंप्यूटर-असेंबल किए जाते हैं। एक अपरिचित और असंरचित पर्यावरण के अर्थ की समझ के ऐसे स्तर पर जाना रोबोट बनाने के लिए महत्वपूर्ण होगा जो वास्तविक दुनिया के लिए अनुकूल हो, जिसका हम इतने लंबे समय से इंतजार कर रहे थे।