VLA মডেল VLALight ট্রাফিক সিগন্যাল নিয়ন্ত্রণ করে: রাস্তার পাশের ক্যামেরার ভিডিও থেকে সরাসরি এন্ড-টু-এন্ড অ্যাকশন নির্ণয় કરે

ট্রাফিক সিগন্যাল নিয়ন্ত্রণের VLA মডেল কী

VLALight হলো ট্রাফিক সিগন্যাল নিয়ন্ত্রণের জন্য vision-language-action মডেল। লেখক: Pan Zhang, Siqi Lai, Kemu Dong, Hao Liu। প্রবন্ধটি জমা দেওয়া হয় ২৯ সেপ্টেম্বর ২০২৬-এ। এটি রাস্তার পাশের ক্যামেরার বহু-দৃশ্যের ভিডিও ব্যবহার করে প্রান্ত থেকে প্রান্ত পর্যন্ত ট্রাফিক সিগন্যাল নিয়ন্ত্রণের প্রথম VLA মডেল।

মডেলটি সরাসরি ভিজ্যুয়াল পর্যবেক্ষণকে সমন্বিত ট্রাফিক সিগন্যালের কার্যক্রমে রূপান্তর করে। এটি একাধিক লক্ষ্য নিয়ে স্থানিক-কালিক যুক্তি ব্যবহার করে। পাশাপাশি, এটি মোড়ে যৌথ উপলব্ধির ক্ষেত্রে টপোলজিক্যাল বিষয়গুলো বিবেচনায় নেয়।

পদ্ধতিটির মূল বৈশিষ্ট্য:

• প্রান্ত থেকে প্রান্ত পর্যন্ত ইনফারেন্স: ভিজ্যুয়াল পর্যবেক্ষণ ট্রাফিক সিগন্যালের কার্যক্রমে রূপান্তরিত হয়।
• বহু-দৃশ্যের ভিডিও: তথ্য আসে রাস্তার পাশের ক্যামেরা থেকে।
• স্থানিক-কালিক যুক্তি: মডেলটি একাধিক লক্ষ্য বিবেচনায় নেয়।
• টপোলজিক্যাল বিবেচনা: মোড়ে যৌথ উপলব্ধি।

নির্বাচনের মানদণ্ড: VLA পদ্ধতি একটি মডেলেই উপলব্ধি ও নিয়ন্ত্রণকে একত্রিত করে। এটি এমন পদ্ধতি থেকে একে আলাদা করে, যেখানে এই কাজগুলো পৃথক। ভিডিও ও কার্যক্রমের মধ্যে প্রান্ত থেকে প্রান্ত পর্যন্ত সংযোগই প্রধান মানদণ্ড।

VLALight-কে কীভাবে প্রশিক্ষণ দেওয়া হয়: দুটি ধাপ

VLALight-এর প্রশিক্ষণে দুই ধাপের কৌশল রয়েছে। প্রথমে supervised cold-start প্রয়োগ করা হয়। এটি ট্রাফিক পরিস্থিতির ভিজ্যুয়াল উপলব্ধি এবং সিগন্যাল-সংক্রান্ত সিদ্ধান্ত গ্রহণের দক্ষতা গড়ে তোলে। এরপর cooperative agentic reinforcement learning ব্যবহার করা হয়।

দ্বিতীয় ধাপে স্থানীয় নিয়ন্ত্রণ এবং সামগ্রিকভাবে পরিবহন নেটওয়ার্কের কার্যকারিতা যৌথভাবে অপ্টিমাইজ করা হয়। প্রথম ধাপটি দৃশ্য ও সিগন্যাল বোঝার জন্য। দ্বিতীয় ধাপটি স্থানীয় নিয়ন্ত্রণ ও নেটওয়ার্ক অপ্টিমাইজ করে।

নির্বাচনের মানদণ্ড: পদ্ধতিতে নেটওয়ার্ক স্তরে যৌথ অপ্টিমাইজেশন আছে কি না, তা দেখতে হবে। নেটওয়ার্কের প্রেক্ষাপট ছাড়া স্থানীয় সিদ্ধান্তের প্রভাব সীমিত থাকে। দুই ধাপের প্রশিক্ষণ উপলব্ধি শেখা এবং পারস্পরিক সমন্বয় উন্নত করাকে পৃথক করে।

অভিযোজিত যুক্তির মোড ও ইনফারেন্সের খরচ

VLALight দ্রুত ও ধীর যুক্তির অভিযোজিত মোড ব্যবহার করে। গভীরতর যুক্তি কেবল তখনই প্রয়োগ করা হয়, যখন তা নিয়ন্ত্রণের জন্য যথেষ্ট উপকার বয়ে আনে। মডেলটি balanced mode-aware rollouts এবং relative advantage optimization ব্যবহার করে। সিদ্ধান্তের মান ও ইনফারেন্সের খরচের মধ্যে ভারসাম্য খুঁজে নিতে মডেলটি শেখে।

নির্বাচনের মানদণ্ড: সিদ্ধান্তের মান ও ইনফারেন্সের খরচের মধ্যে ভারসাম্য। নিয়ন্ত্রণের উপকারিতার ভিত্তিতে মোডগুলো বদলানো উচিত। সব সময় সর্বোচ্চ গভীরতায় কাজ করলে খরচ বেড়ে যায়।

পরীক্ষায় কী দেখা গেছে

বাস্তব ট্রাফিক প্রবাহের সাতটি ডেটাসেটে পরীক্ষা চালানো হয়েছে। এগুলো তিনটি শহরের নেটওয়ার্ককে অন্তর্ভুক্ত করে। VLALight বেসলাইন পদ্ধতিগুলোকে ছাড়িয়ে গেছে। বেসলাইনগুলোর মধ্যে ছিল ট্রাফিক মডেল, রিইনফোর্সমেন্ট লার্নিং, LLM/VLM।

অ্যাবলেশন গবেষণায় যৌথ উপলব্ধি, নেটওয়ার্ক স্তরের অপ্টিমাইজেশন এবং অভিযোজিত যুক্তির কার্যকারিতা নিশ্চিত হয়েছে। লেখকদের মতে, বাস্তব ভৌত পরিবহন ব্যবস্থা নিয়ন্ত্রণে VLA মডেলের সম্ভাবনা রয়েছে।

নির্বাচনের মানদণ্ড: বেসলাইন পদ্ধতির ধরন এবং অ্যাবলেশন আছে কি না, তা যাচাই করা। পরীক্ষাগুলো বাস্তব ট্রাফিক প্রবাহ ও তিনটি শহরের নেটওয়ার্ককে অন্তর্ভুক্ত করে। প্রতিটি উপাদানের অবদান আলাদাভাবে নিশ্চিত করা উচিত।