Field Assessment of Force Torque Sensors for Planetary Rover Navigation

ज़मीन का अहसास: रोबोट बाहरी दुनियाओं पर "चलना" कैसे सीखते हैं

कल्पना कीजिए कि आप एक ऊबड़-खाबड़ कच्ची सड़क पर कार चला रहे हैं। आप सामने के गड्ढों को देख नहीं सकते, लेकिन आप उन्हें महसूस कर सकते हैं। आपकी सीट हिलती है, स्टीयरिंग व्हील कंपन करता है, और आपके टायर कीचड़ में दब जाते हैं। वह अहसास आपकी कार का आपको बताने का तरीका है, "हे, यहाँ ज़मीन नरम है!" या "सावधान, वह पत्थर सख्त है!" मनुष्यों के लिए, यह आसान है; हमारा शरीर सेंसरों से भरा है जो हमें बताते हैं कि हम कैसे चल रहे हैं और हम क्या छू रहे हैं। लेकिन मंगल जैसे दूर स्थित ग्रह पर भेजे गए रोबोट के लिए, चीजें बहुत कठिन हैं। ये रोबोट, जिन्हें रोवर्स कहा जाता है, अंधे खोजकर्ताओं की तरह होते हैं। वे देखने के लिए कैमरों और सोचने के लिए कंप्यूटरों पर भरोसा करते हैं, लेकिन अक्सर उनमें "प्रोपियोसेप्शन" (proprioception) की कमी होती है—यानी शरीर के अंगों के स्थान और दुनिया के साथ उनके संपर्क का आंतरिक बोध।

सुरक्षित रूप से नेविगेट करने के लिए, रोवर्स आमतौर पर एक इनर्शियल मेजरमेंट यूनिट (IMU) का उपयोग करते हैं। एक IMU को अपने उच्च-तकनीकी आंतरिक कान की तरह समझें; यह रोबोट को बताता है कि वह झुक रहा है, हिल रहा है, या तेज़ हो रहा है, लेकिन यह रोबोट को यह नहीं बताता कि उसके पहिए ज़मीन पर कितनी ज़ोर से दबाव डाल रहे हैं। एक अन्य प्रकार का सेंसर है जिसे फोर्स-टॉर्क सेंसर (FTS) कहा जाता है। यदि IMU एक आंतरिक कान है, तो FTS एक अत्यंत संवेदनशील उंगलियों के पोर (fingertip) की तरह है। यह बिल्कुल सटीक रूप से माप सकता है कि कितना बल लगाया जा रहा है और किस दिशा में। वैज्ञानिकों ने लंबे समय से सोचा है: क्या मंगल रोवर को उसके पहियों पर ये "उंगलियां" देने से उसे इलाके को बेहतर समझने, रेत में फंसने से बचने और अधिक आत्मविश्वास से चलने में मदद मिल सकती है? यही वह बड़ा सवाल है जिसका उत्तर खोजने के लिए शोधकर्ताओं ने प्रयास किया।

"उंगलियों" वाले पहियों वाला रोबोट

इस अध्ययन में, शोधकर्ताओं की एक टीम ने MaRTA (Martian Rover Testbed for Autonomy) नामक एक रोबोट को स्पेन के एक अर्ध-रेगिस्तानी इलाके में ले गई जो मंगल या चंद्रमा की सतह जैसा दिखता है। MaRTA छह पहियों वाला रोबोट है, लेकिन एक विशेष बदलाव के साथ: केवल कैमरा और आंतरिक कान होने के बजाय, इसमें छह "उंगलियां" (फोर्स-टॉर्क सेंसर) हैं जो इसके पैरों पर, पहियों के ठीक ऊपर लगी हुई हैं। टीम ने MaRTA को विभिन्न प्रकार की ज़मीन—ढीली मिट्टी, संकुचित रेत, कंकड़ और ठोस चट्टान—पर विभिन्न गति और कोणों पर चलाया। उनका लक्ष्य यह देखना था कि क्या इन "उंगलियों" से प्राप्त डेटा रोबोट को यह समझने में मदद कर सकता है कि वह किस प्रकार की ज़मीन पर चल रहा है और सतह पर उसकी पकड़ कितनी अच्छी है।

क्या रोबोट ज़मीन को "महसूस" कर सकता है?
शोधकर्ताओं ने पाया कि इसका उत्तर निश्चित रूप से "हाँ" है, लेकिन कुछ शर्तों के साथ। जब उन्होंने फोर्स-टॉर्क सेंसर के डेटा का उपयोग कंप्यूटर प्रोग्राम को इलाके को पहचानना सिखाने के लिए किया, तो रोबोट इसमें बहुत कुशल हो गया। वास्तव में, ये सेंसर "कंकड़" और "चट्टान" के बीच अंतर बताने में आश्चर्यजनक रूप से अच्छे थे, एक ऐसा कार्य जहाँ रोबोट का "आंतरिक कान" (IMU) संघर्ष कर रहा था। सेंसर उन सूक्ष्म कंपनों और बलों का पता लगा सकते हैं जो तब होते हैं जब एक पहिया चपटी चट्टान के बजाय कंकड़ के ऊपर से गुजरता है। टीम ने इसे दो अलग-अलग कंप्यूटर "मस्तिष्क" का उपयोग करके परखा: एक सपोर्ट वेक्टर मशीन (SVM) और एक न्यूरल नेटवर्क (NN)।

जब उन्होंने फोर्स-टॉर्क डेटा के साथ न्यूरल नेटवर्क का उपयोग किया, तो रोबोट ने लगभग 96.17% बार इलाके को सही ढंग से पहचाना। यह केवल IMU का उपयोग करने की तुलना में एक बड़ा सुधार था, जो केवल लगभग 79.35% बार ही सही पहचान कर पाता था। इससे भी बेहतर, जब उन्होंने "उंगलियों" (FTS) को "आंतरिक कान" (IMU) के साथ जोड़ा, तो सटीकता बढ़कर 96.76% हो गई। "उंगलियां" विशेष रूप से पेचीदा "कंकड़" वाले इलाके को पहचानने में अच्छी थीं, जो अक्सर अन्य सेंसरों को भ्रमित कर देता था। ऐसा लगता है कि पैरों पर सेंसर होने से रोबोट को पूरे शरीर के हिलने-डुलने को महसूस करने की तुलना में ज़मीन का अधिक विस्तृत "अहसास" मिलता है।

क्या रोबोट अपनी "खिंचाव शक्ति" (pull) को माप सकता है?
टीम ने इन सेंसरों का उपयोग "ड्रॉबार पुल" (drawbar pull) नामक चीज़ को मापने के लिए भी करने की कोशिश की। कल्पना कीजिए कि एक घोड़ा गाड़ी खींच रहा है; ड्रॉबार पुल वह बल है जिसका उपयोग घोड़ा भार खींचने के लिए करता है। एक रोवर के लिए, यह हमें बताता है कि पहियों की पकड़ कितनी है। यदि पहिए रेत में फिसल रहे हैं, तो खिंचाव कम है। यदि वे चट्टान पर पकड़ बना रहे हैं, तो खिंचाव अधिक है। शोधकर्ता उम्मीद कर रहे थे कि वे इस संख्या को सीधे सेंसरों से पढ़ सकेंगे।

हालाँकि, इस प्रयोग का यह हिस्सा बहुत अव्यवस्थित था। ज़मीन ऊबड़-खाबड़ है, रोबोट कंपन करता है, और सेंसरों ने बहुत सारा शोर (noise) पकड़ा। टीम ने पाया कि वे खिंचाव को जानने के लिए केवल एक संख्या नहीं पढ़ सकते थे। इसके बजाय, उन्हें बहुत चतुर होना पड़ा। उन्होंने महसूस किया कि यदि वे रोबोट के पैर की ज्यामिति (geometry) को देखें, तो वे शोर वाले डेटा को फ़िल्टर कर सकते हैं। उन्होंने एक "लीवर लंबाई" (सेंसर से लेकर जहाँ पहिया ज़मीन को छूता है, उस दूरी तक) की गणना की और केवल उन्हीं क्षणों को देखा जब यह लंबाई स्थिर, यानी 10 सेमी और 17.5 सेमी के बीच थी।

जब उन्होंने ऐसा किया, तो उन्हें पैटर्न दिखाई दिए। ढीली, नरम मिट्टी पर बल लगभग 10 N (न्यूटन) था। संकुचित रेत पर, यह लगभग 20 N था। पथरीली ज़मीन पर, आंकड़े बहुत अधिक ऊपर-नीचे हुए। हालाँकि इससे उन्हें खिंचाव का कोई सटीक, तात्कालिक माप नहीं मिला, लेकिन इसने यह संकेत दिया कि डेटा में ऐसे "अच्छे" क्षणों को खोजने का एक तरीका है जहाँ माप विश्वसनीय हो सकता है। लेखकों का सुझाव है कि वास्तव में सटीक रीडिंग प्राप्त करने के लिए, भविष्य के परीक्षणों में बाहरी उपकरण से खिंचाव को मापना होगा ताकि यह देखा जा सके कि क्या उनका गणित वास्तविकता से मेल खाता है।

क्या हमें हर रोवर पर ये सेंसर लगाने चाहिए?
यहाँ सबसे महत्वपूर्ण निष्कर्ष है: शोधकर्ता तर्क देते हैं कि जबकि ये सेंसर रोबोटिक भुजाओं (जैसे कि नमूने उठाने के लिए उपयोग किए जाने वाले) के लिए अद्भुत हैं, वे एक मानक रोवर के पहियों के लिए बहुत महंगे और कठिन हो सकते हैं। चलाने के दौरान होने वाले कंपन डेटा को व्याख्या करने के लिए कठिन बना देते हैं। टीम का सुझाव है कि साधारण ड्राइविंग के लिए, मोटरों में बिजली के प्रवाह को मापने वाले सस्ते सेंसर का उपयोग करना बेहतर हो सकता है (जो यह भी बताता है कि पहिया कितनी मेहनत कर रहा है)।

हालाँकि, एक विशेष मामला है जहाँ ये "उंगलियां" बहुत उपयोगी हैं: यदि रोवर को "व्हील वॉकिंग" (wheel walking) करनी हो। यह कहने का एक शानदार तरीका है कि रोबोट अपने पहियों को उठाता है और बाधाओं के ऊपर कदम रखता है, जैसे कि कोई व्यक्ति चलता है। इस मोड में, पहिये के ऊपर लगे सेंसर यह मापने के लिए एकदम सही हैं कि रोबोट कैसे कदम रख रहा है। इसलिए, जबकि वे मानक ड्राइविंग के लिए सबसे अच्छा विकल्प नहीं हो सकते हैं, वे उस रोबोट के लिए एक गुप्त हथियार हो सकते हैं जिसे बहुत कठिन इलाके पर चढ़ने की आवश्यकता है।

अंत में, पेपर सुझाव देता है कि ये सेंसर इलाके को समझने के लिए एक शक्तिशाली उपकरण हैं, विशेष रूप से अन्य डेटा के साथ मिलकर, लेकिन वे हर चीज़ के लिए जादुई समाधान नहीं हैं। वे सबसे अच्छा काम करते हैं जब रोबोट धीरे और सावधानी से चलता है, और उन्हें स्पष्ट तस्वीर देने के लिए अलग स्थान पर (सीधे व्हील हब में) रखने की आवश्यकता हो सकती है।