दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

डेक्सॉप: निपुण मानव हेरफेर के रोबोटिक हस्तांतरण के लिए एक उपकरण

Created by
  • Haebom

लेखक

हाओ-शू फैंग, ब्रैंडेन रोमेरो, यिचेन ज़ी, आर्थर हू, बो-रुई हुआंग, जुआन अल्वारेज़, मैथ्यू किम, गेब्रियल मार्गोलिस, काव्या अनबारसु, मासायोशी टोमिज़ुका, एडवर्ड एडेलसन, पुलकित अग्रवाल

रूपरेखा

यह शोधपत्र "पेरीऑपरेशन" का परिचय देता है, जो रोबोटिक डेटा संग्रह के लिए एक नवीन प्रतिमान है। पेरीऑपरेशन मानवीय गतिविधियों का पता लगाता और रिकॉर्ड करता है, साथ ही वास्तविक रोबोटों को डेटा हस्तांतरण क्षमता को अधिकतम करता है। इसे प्राप्त करने के लिए, हमने DEXOP विकसित किया, जो एक निष्क्रिय हाथ एक्सोस्केलेटन है जिसे विभिन्न कुशल संचालन कार्यों के लिए समृद्ध संवेदी (दृश्य और स्पर्शनीय) डेटा के संग्रह को अधिकतम करने के लिए डिज़ाइन किया गया है। DEXOP यांत्रिक रूप से मानव उंगलियों को रोबोटिक उंगलियों से जोड़ता है, उपयोगकर्ता को प्रत्यक्ष संपर्क प्रतिक्रिया (प्रोप्रियोसेप्शन के माध्यम से) प्रदान करता है और मानव हाथ की मुद्रा को निष्क्रिय रोबोटिक हाथ में प्रतिबिम्बित करता है, जिससे रोबोट को प्रदर्शित कौशल का अधिकतम हस्तांतरण होता है। बल प्रतिक्रिया और मुद्रा प्रतिबिंब, टेलीऑपरेशन की तुलना में मनुष्यों के लिए अधिक स्वाभाविक कार्य प्रदर्शन को सक्षम बनाते हैं, जिससे गति और सटीकता दोनों में सुधार होता है। हम विभिन्न कुशल, संपर्क-गहन कार्यों में DEXOP का मूल्यांकन करते हैं, और बड़े पैमाने पर उच्च-गुणवत्ता वाले प्रदर्शन डेटा एकत्र करने की इसकी क्षमता का प्रदर्शन करते हैं। DEXOP डेटा से सीखी गई नीतियाँ, टेलीऑपरेशन की तुलना में डेटा संग्रह समय की प्रति इकाई कार्य निष्पादन में उल्लेखनीय रूप से सुधार करती हैं, जिससे DEXOP रोबोट दक्षता में सुधार के लिए एक शक्तिशाली उपकरण बन जाता है।

Takeaways, Limitations

Takeaways:
हमारा प्रस्ताव है कि पेरीऑपरेशन प्रतिमान रोबोटिक डेटा संग्रहण की दक्षता और हस्तांतरणीयता में सुधार कर सकता है।
DEXOP विभिन्न प्रकार के कुशल कार्यों पर उच्च गुणवत्ता वाले डेटा के बड़े पैमाने पर संग्रह को सक्षम बनाता है।
DEXOP के माध्यम से सीखी गई नीतियां दूरस्थ हेरफेर की तुलना में कार्य निष्पादन में सुधार करती हैं।
प्राकृतिक मानवीय गतिविधियों का उपयोग करके रोबोट सीखने के लिए आवश्यक डेटा को प्रभावी ढंग से एकत्रित करने की एक नई विधि प्रस्तुत की गई है।
Limitations:
DEXOP प्रणाली के हार्डवेयर कार्यान्वयन और लागत के विस्तृत विवरण का अभाव।
विभिन्न कार्यों और वातावरणों में सामान्यीकरण प्रदर्शन पर और अधिक शोध की आवश्यकता है।
चूंकि यह एक निष्क्रिय बाह्यकंकाल है, इसलिए बल नियंत्रण में सीमाएं हो सकती हैं।
डेटा संग्रहण प्रक्रिया के दौरान होने वाली मानवीय त्रुटि पर विचार न करना।
👍