Toward Context-Aware Exoskeleton Assistance: Integrating Computer Vision Payload Estimation with a Multi-Metric Optimization Space
यह शोध पत्र एक संदर्भ-जागरूक बैक-सपोर्ट एक्सोस्केलेटन प्रणाली प्रस्तुत करता है जो कंप्यूटर विज़न-आधारित पेलोड अनुमान मॉडल को जनसंख्या-व्युत्पन्न मल्टी-मेट्रिक अनुकूलन ढांचे के साथ एकीकृत करता है ताकि भविष्य कहनेवाला, अनुकूल सहायता सक्षम की जा सके जो उपयोगकर्ता की असुविधा को बढ़ाए बिना मांसपेशियों की सक्रियता को महत्वपूर्ण रूप से कम करती है और ऑफलोडिंग में सुधार करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
निर्माण स्थलों, गोदामों और कारखानों जैसे हलचल भरे वातावरण में, श्रमिक अक्सर भारी वस्तुओं को उठाते हैं, एक ऐसा कार्य जो मानव पीठ पर अत्यधिक दबाव डालता है। वर्षों से, इंजीनियरों ने श्रमिकों की मदद के लिए 'बैक-सपोर्ट एक्सोस्केलेटन' नामक पहनने योग्य उपकरण विकसित किए हैं। ये मशीनें बाहरी मांसपेशियों की तरह काम करती हैं, जो उठाने में सहायता करने के लिए मोटरों का उपयोग करती हैं, जिसका लक्ष्य थकान को कम करना और चोट को रोकना है। हालांकि, एक महत्वपूर्ण समस्या ने अब तक उनकी प्रभावशीलता को सीमित कर दिया है: इनमें से अधिकांश उपकरण एक निश्चित सेटिंग पर संचालित होते हैं। वे इस बात की परवाह किए बिना सहायता की समान मात्रा प्रदान करते हैं कि श्रमिक एक हल्का बॉक्स उठा रहा है या एक भारी क्रेट। यह "एक ही आकार सबके लिए" (वन-साइज़-फिट्स-ऑल) वाला दृष्टिकोण प्रतिकूल हो सकता है; हल्के भार के लिए बहुत अधिक सहायता देना अजीब और असु nyaman महसूस करा सकता है, जबकि भारी भार के लिए बहुत कम सहायता करना श्रमिक की सुरक्षा करने में विफल रहता है। वैज्ञानिकों के लिए चुनौती एक ऐसी प्रणाली बनाने की थी जो श्रमिक के वस्तु को छूने से पहले ही उसके वजन को महसूस कर सके और तुरंत सहायता को समायोजित कर सके, जिससे प्रयास को भार के अनुरूप बनाया जा सके।
शोधकर्ताओं की एक टीम ने इस समस्या को हल करने की दिशा में एक बड़ा कदम उठाया है, जिसमें उन्होंने एक एक्सोस्केलेटन को यह "देखने" और समझने के लिए प्रशिक्षित किया है कि श्रमिक क्या उठाने वाला है। उठाने की प्रक्रिया शुरू होने और फिर प्रतिक्रिया देने के बजाय, यह नया सिस्टम दूरी से किसी वस्तु के वजन का अनुमान लगाने के लिए एक कैमरे और उन्नत आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करता है। वस्तु और उसके कंटेनर की दृश्य उपस्थिति का विश्लेषण करके, उपकरण लिफ्टिंग चक्र शुरू होने से पहले ही भार का अनुमान लगा लेता है। यह भविष्य कहने वाली क्षमता (प्रेडिक्टिव एबिलिटी) एक्सोस्केलेटन को यह सुनिश्चित करने की अनुमति देती है कि जैसे ही लिफ्ट शुरू हो, वह आवश्यक सहायता की सटीक मात्रा के साथ तैयार रहे, जिससे उस देरी को समाप्त किया जा सके जो अक्सर वर्तमान तकनीक में देखी जाती है। शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण मानव स्वयंसेवकों के साथ किया ताकि यह देखा जा सके कि क्या यह उपकरण को असहज या दखल देने वाला बनाए बिना मांसपेशियों के तनाव को कम कर सकता है।
इस स्मार्ट सिस्टम को बनाने के लिए, टीम को सबसे पहले यह समझने की आवश्यकता थी कि डिवाइस द्वारा दी जाने वाली सहायता और व्यक्ति द्वारा उठाए जा रहे वजन के बीच का जटिल संबंध क्या है। उन्होंने बारह स्वस्थ स्वयंसेवकों के साथ प्रयोग किए, जिन्होंने एक्सोस्केलेटन पहनकर विभिन्न भारों के साथ उठाने के कार्य किए। शोधकर्ताओं ने स्वयंसेवकों की पीठ और पैरों की मांसपेशियों की विद्युत गतिविधि को मापा, उनसे पूछा कि उन्हें डिवाइस कितना असहज लगा, और विभिन्न स्तरों की सहायता के लिए उनकी पसंद को रिकॉर्ड किया। उन्होंने पाया कि आदर्श सहायता एक सीधी रेखा नहीं है; यह वजन के आधार पर गैर-रैखिक (नॉन-लीनियर) तरीके से बदलती है। हल्के भार के लिए, प्राकृतिक गति में बाधा डाले बिना थोड़ी सहायता सबसे अच्छी होती है, लेकिन भारी भार के लिए, पीठ को वास्तव में बचाने के लिए मजबूत सहायता की आवश्यकता होती है। महत्वपूर्ण रूप से, उन्होंने पाया कि एक एकल, स्थिर स्तर की सहायता सभी स्थितियों के लिए कभी भी पूर्ण नहीं हो सकती। एक सेटिंग जो भारी बॉक्स के लिए बेहतरीन महसूस होती थी, वह हल्के बॉक्स के लिए प्रतिबंधात्मक महसूस होती थी, और इसके विपरीत भी। इसने पुष्टि की कि वास्तव में प्रभावी होने के लिए डिवाइस को गतिशील रूप से अनुकूलित होना चाहिए।
सहायता के इष्टतम स्तरों की इस समझ के साथ, शोधकर्ताओं ने एक्सोस्केलेटन की "आंखों" के रूप में कार्य करने के लिए एक कंप्यूटर विजन पाइपलाइन विकसित की। यह सिस्टम वातावरण की छवियां कैप्चर करने के लिए डिवाइस के कूल्हे (हिप) पर लगे एक कैमरे का उपयोग करता है। जब कोई श्रमिक किसी बॉक्स के पास आता है, तो सॉफ्टवेयर वस्तु की पहचान करता है और एक परिष्कृत डीप लर्निंग मॉडल का उपयोग करके यह अनुमान लगाता है कि वह हल्का, मध्यम या भारी है। टीम ने इस कार्य के लिए दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल का परीक्षण किया। एक मानक, तेज़ प्रसंस्करण वाला मॉडल था, जबकि दूसरा एक अधिक उन्नत सिस्टम था जो संदर्भ और गहराई को समझने की क्षमता के लिए जाना जाता है। उन्नत मॉडल कहीं अधिक बेहतर साबित हुआ। यह एक पारभासी (ट्रांसलूसेंट) बॉक्स को देख सकता था, उसके अंदर की वस्तुओं को पहचान सकता था, और फर्श पर लगी टेप या बॉक्स के ऊपर रखे कागजों जैसे बैकग्राउंड के शोर से वस्तु को अलग कर सकता था। इसने वास्तविक समय में वजन की श्रेणी का सफलतापूर्वक अनुमान लगाया, और इसकी सटीकता अस्सी प्रतिशत से अधिक रही। इस उच्च स्तर की सटीकता का अर्थ था कि डिवाइस झुकने से पहले ही सही सहायता स्तर का निर्णय ले सकता था।
इस भविष्य कहने वाले (प्रेडिक्टिव) सिस्टम को एक गतिशील वातावरण में परखने के लिए शोध का अंतिम चरण आयोजित किया गया। बारह नए स्वयंसेवकों ने एक कोर्स में चलते हुए, एक्सोस्केलेटन पहनकर विभिन्न भारों के बक्से उठाए। शोधकर्ताओं ने तीन परिदृश्यों की तुलना की: बिना किसी डिवाइस के उठाना, निश्चित स्तर की सहायता के साथ उठाना, और नया एडेप्टिव सिस्टम जिसके साथ उठाना (जो कैमरा देखकर अपना सपोर्ट बदल देता है)। परिणाम स्पष्ट थे। एडेप्टिव सिस्टम ने फिक्स्ड सेटिंग्स की तुलना में पीठ की मांसपेशियों की पीक एक्टिवेशन (चरम सक्रियता) को बीस प्रतिशत से अधिक कम कर दिया। इसने मांसपेशियों के प्रयास में औसत कमी को आठ प्रतिशत से अधिक सुधार दिया। शायद सबसे महत्वपूर्ण बात यह है कि इस बढ़ी हुई सुरक्षा के लिए आराम से समझौता नहीं किया गया। स्वयंसेवकों ने एडेप्टिव सिस्टम के साथ अधिक असहजता महसूस नहीं की, और वास्तव में कई लोगों ने इसे पसंद किया क्योंकि यह उनके विशिष्ट कार्य के प्रति अधिक स्वाभाविक और प्रतिक्रियाशील महसूस हुआ।
अध्ययन ने यह भी रेखांकित किया कि यह भविष्य कहने वाला दृष्टिकोण इतना महत्वपूर्ण क्यों है। पिछले सिस्टमों में, डिवाइस अक्सर तब तक प्रतीक्षा करता था जब तक कि श्रमिक भार उठाने की प्रक्रिया शुरू नहीं कर देता था, जिससे उसे पता चलता था कि भार कितना भारी है। उस समय तक, पीठ की मांसपेशियों पर सबसे तीव्र तनाव पहले ही आ चुका होता था। भार का पहले से अनुमान लगाकर, नया सिस्टम यह सुनिश्चित करता है कि सहायता ठीक उसी समय उपलब्ध हो जब उसकी आवश्यकता हो, यानी गति की शुरुआत में ही। शोधकर्ताओं ने नोट किया कि हालांकि यह सिस्टम स्पष्ट बक्सों के साथ उनके नियंत्रित लैब सेटिंग में बहुत अच्छा काम करता था, लेकिन वास्तविक औद्योगिक उपयोग के लिए चुनौतियां बनी हुई हैं। उदाहरण के लिए, बिना विजुअल संकेतों के अपारदर्शी (ओपेक) या अनियमित आकार की वस्तुओं के वजन का अनुमान लगाना अभी भी कठिन है। हालांकि, इसका 'प्रूफ ऑफ कॉन्सेप्ट' ठोस है: मानव आराम की स्पष्ट समझ और परिवेश को देखने व अनुमान लगाने की क्षमता को जोड़कर, पहनने योग्य रोबोट साधारण, स्थिर उपकरणों से आगे बढ़कर बुद्धिमान साथी बन सकते हैं जो सक्रिय रूप से मानव स्वास्थ्य की रक्षा करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।