Data-Driven Autoregressive Power Prediction for GTernal Robots in the Robotarium
यह शोध पत्र Robotarium में GTernal रोबोट्स के लिए एक हल्का, डेटा-संचालित ऑटोरेग्रेसिव प्रेडिक्टर प्रस्तुत करता है जो मजबूत टेम्पोरल ऑटोकोरिलेशन का लाभ उठाकर उच्च-सटीक, वास्तविक समय की बिजली खपत पूर्वानुमान प्राप्त करता है, जिससे अनदेखे रोबोट्स और व्यवहारों के बीच ज़ीरो-शॉट ट्रांसफर के साथ ऊर्जा-जागरूक मल्टी-रोबोट एल्गोरिदम सक्षम होता 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
कल्पना कीजिए कि आपके पास नन्हे, रिमोट-कंट्रोल रोबोटों का एक बेड़ा है जो "रोबोटेरियम" नामक एक विशाल, हाई-टेक खेल के मैदान में इधर-उधर मंडरा रहे हैं। ये रोबोट ऊर्जावान पिल्लों की तरह हैं; वे दौड़ते हैं, मुड़ते हैं, रुकते हैं और नाचते हैं। लेकिन ठीक एक पिल्ले की तरह, वे थक भी जाते हैं। उनकी "थकान" ही उनकी बैटरी लाइफ है।
बड़ी समस्या वैज्ञानिकों के सामने यह है: हमें यह कैसे पता चलेगा कि एक रोबकॉट की ऊर्जा ठीक कब खत्म होने वाली है?
पुराना तरीका: गति के आधार पर अनुमान लगाना
पहले, इंजीनियर रोबोट की बैटरी ड्रेन (ऊर्जा कम होने) का अनुमान लगाने के लिए एक सरल नियम का उपयोग करते थे: "यदि रोबोट तेज़ चलता है, तो वह अधिक ऊर्जा का उपयोग करता है। यदि वह रुक जाता है, तो वह कम ऊर्जा का उपयोग करता है।"
इसे इस तरह समझें जैसे आप केवल स्पीडोमीटर को देखकर यह अनुमान लगाने की कोशिश कर रहे हों कि एक कार कितना ईंधन खर्च करती है। यह एक अच्छा अनुमान है, लेकिन यह बिखरी हुई वास्तविकता को छोड़ देता है। यह इस बात पर ध्यान नहीं देता कि इंजन गर्म हो रहा है, रेडियो तेज़ बज रहा है, या कार ठंडी सुबह में शुरू होने के लिए संघर्ष कर रही है। रोबोट की दुनिया में, ये "बिखरी हुई वास्तविकताएं" मोटर की गर्मी, वाई-फाई की गड़बड़ी और इलेक्ट्रॉनिक खामियां जैसी चीजें हैं। इस कारण से, पुराना अनुमान लगाने वाला खेल अक्सर गलत साबित होता था, जिससे रोबोट मिशन के बीच में ही अचानक बंद हो जाते थे।
नई खोज: "इको" (गूँज) प्रभाव
इस शोध के लेखकों ने गति के आधार पर अनुमान लगाना बंद करने और रोबोट की "धड़कन" सुनने का निर्णय लिया।
उन्होंने रोबोट की गति के 48,000 क्षणों का डेटा एकत्र किया और एक आश्चर्यजनक बात पाई: एक रोबोट की आज की बिजली खपत लगभग पूरी तरह से इस बात पर निर्भर करती है कि वह एक पल पहले क्या कर रहा था।
कल्पना कीजिए कि आप एक गाना सुन रहे हैं। अभी आप जो स्वर सुन रहे हैं वह रैंडम नहीं है; वह उस स्वर की एक सीधी गूँज (इको) है जो उससे पहले आया था। शोधकर्ताओं ने पाया कि रोबकार की ऊर्जा खपत बिल्कुल उसी गाने की तरह व्यवहार करती है।
- गणित: उन्होंने 0.95 का सहसंबंध (correlation) पाया। सरल शब्दों में कहें तो, इसका मतलब है कि यदि आप जानते हैं कि एक सेकंड पहले रोबोट की बैटरी का उपयोग कितना था, तो आप अगले सेकंड के उपयोग की 95% सटीकता के साथ भविष्यवाणी कर सकते हैं।
- आश्चर्य: रोबोट कितनी तेज़ी से चल रहा है (गति) यह जानना केवल भविष्य की भविष्यवाणी करने में 16% मदद करता था। अतीत की "गूँज" वर्तमान गति की तुलना में 6 गुना अधिक महत्वपूर्ण थी!
समाधान: एक छोटा क्रिस्टल बॉल
इस खोज का उपयोग करने के लिए, उन्होंने एक बहुत छोटा, स्मार्ट कंप्यूटर प्रोग्राम (एक AI मॉडल) बनाया जो एक क्रिस्टल बॉल की तरह काम करता है।
यह पूछने के बजाय कि, "आप कितनी तेज़ जा रहे हैं?", क्रिस्टल बॉल पूछता है, "आप अभी-अभी क्या कर रहे थे?"
- यह बिजली के उपयोग के पिछले कुछ सेकंडों को देखता है।
- यह (सावधानी के तौर पर) गति पर भी एक नज़र डालता है।
- फिर यह अगले सेकंड की बिजली खपत की भविष्यवाणी करता है।
यह मॉडल अविश्वसनीय रूप से हल्का है। यह इतना छोटा है (केवल लगभग 7,000 "न्यूरॉन्स") कि यह रोबोट के अंदर एक साधारण कंप्यूटर चिप पर बिना उसे धीमा किए चल सकता है। वास्तव में, यह रोबोट के अपने नियंत्रण तंत्र से 150 गुना तेज़ है। यह एक ऐसे मौसम विज्ञानी की तरह है जो पलक झपकने से भी तेज़ (224 माइक्रोसेकंड में) बारिश की भविष्यवाणी कर सकता है।
क्या यह अजनबियों पर काम करता है? ("जीरो-शॉट" टेस्ट)
असली परीक्षा तब आई जब वे इस क्रिस्टल बॉल को, जिसे एक विशिष्ट रोबोट पर प्रशिक्षित किया गया था, सात अलग-अलग रोबोटों को दे दिया जिनसे वह कभी मिला नहीं था।
इन नए रोबोटों के मोटर, बैटरी और इलेक्ट्रॉनिक्स थोड़े अलग थे। आमतौर पर, एक मशीन पर प्रशिक्षित मॉडल दूसरी मशीन पर विफल हो जाता है। लेकिन क्योंकि इस मॉडल ने एक विशिष्ट रोबोट के विवरण के बजाय बिजली के उपयोग की लय (रदम) को सीखा था, इसलिए यह पूरी तरह से काम कर गया।
- परिणाम: इसने इन अजनबियों की ऊर्जा खपत की 87% सटीकता के साथ भविष्यवाणी की।
- उपमा: यह एक शेफ को एक विशिष्ट गाय का उपयोग करके एक बेहतरीन स्टेक बनाना सिखाने जैसा है। फिर आप उस शेफ को एक अलग खेत पर भेजते हैं जहाँ अलग गायें हैं, और वह फिर भी एक बेहतरीन स्टेक बना सकता है क्योंकि उसने तकनीक सीखी है, न कि केवल उस विशिष्ट जानवर को।
यह क्यों मायने रखता है?
यह रोबोट झुंडों (swarms) के लिए गेम-चेंजर है।
- कोई सरप्राइज नहीं: रोबोट अब अपने मिशन की योजना इस जानकारी के साथ बना सकते हैं कि उनकी ऊर्जा ठीक कब समाप्त होगी।
- बेहतर सिमुलेशन: रोबोटों को बाहर भेजने से पहले, इंजीनियर कंप्यूटर में मिशन का सिमुलेशन कर सकते हैं ताकि यह देखा जा सके कि क्या रोबोट जीवित रहेंगे, बिना इस चिंता के कि सिमुलेशन ऊर्जा के बारे में गलत होगा।
- रियल-टाइम निर्णय: क्योंकि यह भविष्यवाणी इतनी तेज़ है, रोबोट ऊर्जा बचाने के लिए पलक झपकते ही निर्णय ले सकते हैं, जैसे कि धीमा होना या शॉर्टकट लेना, ताकि वे घर पहुँच सकें।
निष्कर्ष
शोधकर्ताओं ने महसूस किया कि रोबोट की ऊर्जा की भविष्यवाणी करने के लिए, आपको यह नहीं देखना चाहिए कि वह कहाँ जा रहा है; बल्कि यह देखना चाहिए कि वह अभी-अभी कहाँ था। एक छोटा, सुपर-फास्ट AI बनाकर जो इस "ऊर्जा गूँज" को सुनता है, उन्होंने एक ऐसा टूल बनाया है जो रोबोटों को लंबे समय तक जीवित रहने और स्मार्ट तरीके से काम करने में मदद करता है, और साथ ही अपना डेटा साझा करता है ताकि अन्य वैज्ञानिक और भी बेहतर रोबोट बना सकें।
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।