Evolving Embodied Intelligence: Graph Neural Network--Driven Co-Design of Morphology and Control in Soft Robotics
यह शोध पत्र सॉफ्ट रोबोटिक्स के लिए एक ग्राफ न्यूरल नेटवर्क-संचालित सह-डिज़ाइन फ्रेमवर्क का प्रस्ताव करता है जो विकसित होते रोबोटिक शरीरों के अनुकूल नियंत्रण रणनीतियों को अपनाने की चुनौती को दूर करने के लिए टोपोलॉजी-संगत इनहेरिटेंस (topology-consistent inheritance) और मॉर्फोलॉजी-अवेयर नीतियों का उपयोग करता है, जिससे पारंपरिक तरीकों की तुलना में बेहतर फिटनेस और अनुकूलन क्षमता प्राप्त होती 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 आप एक रोबोट को चलना, गेंद फेंकना या गिरती हुई वस्तु को पकड़ना सिखाने की कोशिश कर रहे हैं। अतीत में, इंजीनियर आमतौर पर पहले रोबोट के शरीर (जिसे "मॉर्फोलॉजी" कहा जाता है) का निर्माण करते थे और फिर उसके मस्तिष्क (जिसे "कंट्रोलर" कहा जाता है) को हिलना-डुलना सिखाने की कोशिश करते थे। लेकिन समस्या यह है: सॉफ्ट रोबोट जेली की तरह होते हैं। वे लचीले, कोमल और आकार बदलने वाले होते हैं। यदि आप रोबोट के शरीर में थोड़ा सा भी बदलाव करते हैं—जैसे एक नया पैर जोड़ना या एक सेंसर हटाना—तो पुराना "मस्तिष्क" पूरी तरह से टूट जाता है। यह एक कार चलाने की कोशिश करने जैसा है जहाँ अचानक स्टीयरिंग व्हील पीछे की सीट पर चला गया हो; ड्राइवर को समझ नहीं आता कि क्या करना है।
यह पेपर इन रोबोटों को डिजाइन करने का एक नया तरीका पेश करता है जिसे "इवॉल्विंग एम्बोडीड इंटेलिजेंस" (Evolving Embodied Intelligence) कहा जाता है। शरीर और मस्तिष्क को अलग-अलग बनाने के बजाय, वे उन्हें एक साथ विकसित करते हैं, ठीक वैसे ही जैसे प्रकृति जानवरों के साथ करती है।
यहाँ उनके समाधान का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:
1. समस्या: "फिक्स्ड ब्लूप्रिंट" का जाल
पारंपरिक रोबोट के मस्तिष्क एक कठोर स्प्रेडशीट की तरह बनाए जाते हैं। वे इनपुट (सेंसर) और आउटपुट (मांसपेशियों) की एक विशिष्ट संख्या की अपेक्षा करते हैं।
- उपमा: कल्पना कीजिए कि एक शेफ के पास 4-सामग्री वाले सूप की रेसिपी लिखी है। यदि आप अचानक उसमें 5वीं सामग्री जोड़ देते हैं या गाजर हटा देते हैं, तो शेफ घबरा जाता है क्योंकि रेसिपी को यह नहीं पता कि इस बदलाव को कैसे संभालना है। उन्हें रेसिपी को फेंकना पड़ता है और शून्य से एक नई रेसिपी लिखनी पड़ती है।
- परिणाम: हर बार जब रोबोट का शरीर उत्परिवर्तित (mutate) होता है (आकार बदलता है), तो वैज्ञानिकों को मस्तिष्क को फिर से शून्य से प्रशिक्षित करना पड़ता है। यह धीमा, महंगा और अक्षम है।
2. समाधान: "सोशल नेटवर्क" वाला मस्तिष्क
लेखक ग्राफ न्यूरल नेटवर्क्स (GATs) का उपयोग करने का प्रस्ताव देते हैं। एक कठोर स्प्रेडशीट के बजाय, वे रोबोट को एक सोशल नेटवर्क या दोस्तों की एक टीम की तरह मानते हैं।
- उपमा: कल्पना कीजिए कि दोस्तों का एक समूह (रोबोट के शरीर के हिस्से) एक घेरे में खड़ा है। प्रत्येक मित्र को अपना स्थान और अपनी संवेदनाओं का पता है। एक बॉस द्वारा सभी को एक साथ आदेश देने के बजाय, वे अपने पड़ोसियों से बात करते हैं।
- यदि घेरे में एक नया मित्र शामिल होता है, तो वे बस अपने बगल वाले लोगों से बात करना शुरू कर देते हैं।
- यदि कोई मित्र चला जाता है, तो बाकी दोस्त बस उस खाली जगह पर बात करना बंद कर देते हैं।
- समूह को किसी नए नियम पुस्तिका की आवश्यकता नहीं होती; वे बस अपनी बातचीत को समायोजित कर लेते हैं।
इस प्रणाली में, रोबोट का शरीर एक ग्राफ (बिंदुओं और रेखाओं का एक मानचित्र) है। "मस्तिष्क" एक ग्राफ अटेंशन नेटवर्क (GAT) है। "अटेंशन" (ध्यान) वाला हिस्सा एक स्पॉटलाइट की तरह है: यह रोबोट को यह समझने में मदद करता है कि अभी किन पड़ोसियों को सुनना सबसे महत्वपूर्ण है।
3. जादुई ट्रिक: "इनहेरिटेंस विद अ ट्विस्ट" (एक मोड़ के साथ विरासत)
इस पेपर की सबसे बड़ी सफलता यह है कि जब शरीर बदलता है, तो वे ज्ञान को पैरेंट रोबोट से उनके "बच्चों" को कैसे हस्तांतरित करते हैं।
- पुराना तरीका: जब एक बच्चा रोबोट एक अलग शरीर के साथ पैदा होता है, तो पैरेंट का मस्तिष्क त्याग दिया जाता है। बच्चे को सब कुछ शून्य से सीखना पड़ता है।
- नया तरीका (मॉर्फोलॉजी-अवेयर इनहेरिटेंस): पैरेंट का मस्तिष्क खुद को नया रूप देने के लिए पर्याप्त स्मार्ट है।
- साझा ज्ञान: मस्तिष्क के "सोचने वाले स्तर" (सूचना को संसाधित करने का तरीका) को पूरी तरह से कॉपी किया जाता है।
- बदलाव के अनुकूल होना: यदि बच्चे रोबोट में एक नया हाथ (एक्टुएटर) है जो पैरेंट के पास नहीं था, तो मस्तिष्क अंदाज़ा लगाता है कि उसका उपयोग कैसे करना है और फिर जल्दी से सीख जाता है। यदि बच्चे ने एक हाथ खो दिया है, तो मस्तिष्क बस उस गायब हिस्से को सिग्नल भेजना बंद कर देता है।
- उपमा: कल्पना कीजिए कि एक मास्टर बढ़ई (पैरेंट) एक प्रशिक्षु (बच्चे) को सिखा रहा है। यदि प्रशिक्षु को एक नया, अजीब औज़ार मिलता है, तो मास्टर उसे नौकरी से नहीं निकालता। इसके बजाय, मास्टर कहता है, "यहाँ लकड़ी के काम का सामान्य दर्शन (साझा मस्तिष्क) है। अब, जो तुम पहले से जानते हो उसके आधार पर इस नए औज़ार का उपयोग करना सीखो।"
4. परिणाम: अधिक मजबूत और स्मार्ट
शोधकर्ताओं ने इसका परीक्षण EvoGym नामक एक सिमुलेशन पर किया, जहाँ रोबोटों को बक्से धकेलने, वस्तुएं फेंकने या चीजें पकड़ने का कार्य दिया गया था।
- परिणाम: "सोशल नेटवर्क" वाले मस्तिष्क (GATs) वाले रोबोटों ने "स्प्रेडशीट" वाले मस्तिष्क (MLPs) वाले रोबोटों की तुलना में तेजी से सीखा और अपने कार्यों में बहुत बेहतर प्रदर्शन किया।
- क्यों? क्योंकि जब शरीर बदला, तो GAT मस्तिष्क क्रैश नहीं हुआ। इसने तुरंत खुद को ढाल लिया। यह अधिक मजबूत था, जैसे एक लचीला पेड़ जो हवा में झुक जाता है, जबकि एक कठोर ओक का पेड़ टूट सकता है।
सारांश
यह पेपर रोबोटों को लचीले विचारक बनाने के बारे में है। रोबोट के शरीर को एक जुड़े हुए नेटवर्क के रूप में देखने के बजाय (जो कि एक कठोर मशीन है), और मस्तिष्क को शरीर बदलने पर अपने "कनेक्शन" को अनुकूलित करने की अनुमति देकर, वैज्ञानिकों ने एक ऐसी प्रणाली बनाई है जहाँ रोबोट अपने शरीर और मस्तिष्क को कुशलतापूर्वक एक साथ विकसित कर सकते हैं। यह एक चौकोर टुकड़े को गोल छेद में जबरदस्ती डालने की कोशिश करने और एक ऐसे आकार बदलने वाले टुकड़े के बीच का अंतर है जो हर छेद में पूरी तरह फिट बैठता है।
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।