A Minimum-Energy Control Approach for Redundant Mobile Manipulators in Physical Human-Robot Interaction Applications

यहाँ "A Minimum-Energy Control Approach for Redundant Mobile Manipulators in Physical Human-Robot Interaction Applications" शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र फिजिकल ह्यूमन-रोबोट इंटरेक्शन (pHRI) के दौरान रिडंडेंट मोबाइल मैनिपुलेटर्स (एक मोबाइल बेस पर लगा हुआ रोबोटिक आर्म) को नियंत्रित करने की चुनौती का समाधान करता है।

• संदर्भ: pHRI कार्यों (जैसे, सह-परिवहन या पेग-इन-होल) में, एक मानव ऑपरेटर वर्चुअल एडमिटेंस मॉडल के माध्यम से रोबोट के एंड-इफेक्टर के साथ इंटरैक्ट करता है। रोबोट को मानव द्वारा लगाए गए बलों को वांछित एंड-इफेक्टर वेलोसिटी (वेग) में बदलना होता है।
• मुख्य मुद्दा: मोबाइल मैनिपुलेटर्स में किसी विशिष्ट कार्य के लिए आवश्यक डिग्री ऑफ फ्रीडम (DoF) से अधिक स्वतंत्रता होती है (रिडंडेंसी)। एंड-इफेक्टर वेलोसिटी को जॉइंट वेलोसिटी (आर्म + बेस) में मैप करने के लिए इनवर्स डिफरेंशियल किनेमैटिक्स (IDK) को हल करना गैर-तुच्छ (non-trivial) है।
• मौजूदा विधियों की सीमाएँ:
  • मानक स्यूडोइनवर्स (pseudoinverse) विधियाँ अक्सर ऊर्जा या सुरक्षा के लिए अनुकूलन (optimize) नहीं करती हैं।
  • प्राथमिकता वाले नियंत्रण स्कीमा (जैसे, "मैनिपुलेशन" और "लोकोमोशन" मोडों के बीच स्विच करना) उपयोगकर्ता के हस्तक्षेप या जटिल ह्यूरिस्टिक्स पर निर्भर करते हैं, जिससे संज्ञानात्मक भार (cognitive load), निष्पादन में देरी और उप-इष्टतम ऊर्जा उपयोग होता है।
  • भारी मोबाइल बेस को अनावश्यक रूप से चलाने से सिस्टम की गतिज ऊर्जा (kinetic energy) बढ़ जाती है, जिससे मानव ऑपरेटर के लिए सुरक्षा जोखिम पैदा होता है और इंटरेक्शन की सुगमता कम हो जाती है।

2. कार्यप्रणाली (Methodology)

लेखक एक नियंत्रण रणनीति प्रस्तावित करते हैं जो पूरे-शरीर (whole-body) सिस्टम की कुल गतिज ऊर्जा को कम करने के लिए IDK समस्या को एक प्रतिबंधित अनुकूलन समस्या (constrained optimization problem) के रूप में तैयार करती है।

A. सिस्टम आर्किटेक्चर

• इंटरेक्शन मॉडल: मानव एक वर्चुअल एडमिटेंस मॉडल ($M \dot{v}_d + B v_d = f_h$) के माध्यम से रोबोट के साथ इंटरैक्ट करता है, जो ऑपरेशनल स्पेस में एक वांछित ट्विस्ट $v_d$ उत्पन्न करता है।
• किनेमैटिक संबंध: लक्ष्य जॉइंट वेलोसिटी वेक्टर $\dot{q}_d$ (जिसमें आर्म जॉइंट्स $\dot{q}_a$ और बेस वर्चुअल जॉइंट्स $\dot{q}_b$ शामिल हैं) को खोजना है ताकि $v_d = J(q)\dot{q}_d$ हो सके।

B. प्रस्तावित अनुकूलन दृष्टिकोण

मानक स्यूडोइनवर्स या स्विचिंग लॉजिक के बजाय, लेखक एक अनुकूलन समस्या को परिभाषित करते हैं:

• ऑब्जेक्टिव फंक्शन: सिस्टम की कुल गतिज ऊर्जा ($E_K$) को कम करना:
  $$E_K = \frac{1}{2}\dot{q}_a^T M_a(q_a) \dot{q}_a + \frac{1}{2}\dot{q}_b^T M_b \dot{q}_b$$
  जहाँ $M_a$ और $M_b$ क्रमशः आर्म और मोबाइल बेस के इनर्टिया मैट्रिसेस हैं।
• प्रतिबंध (Constraint): किनेमैटिक बाधा $J(q)\dot{q}_d = v_d$ को संतुष्ट किया जाना चाहिए।
• समाधान: इष्टतम समाधान डायनामिकली कंसिस्टेंट जैकोबियन स्यूडोइनवर्स ($J_M^\dagger$) का उपयोग करके विश्लेषणात्मक रूप से प्राप्त किया जाता है:
  $$\dot{q}^*_d = J_M^\dagger(q) v_d$$
  जहाँ $J_M^\dagger(q) = M(q)^{-1}J(q)^T (J(q)M(q)^{-1}J(q)^T)^{-1}$।
• द्वितीयक कार्य (Secondary Task): रोबोट को पसंदीदा कॉन्फ़िगरेशन से भटकने से रोकने के लिए, एक नुल-स्पेस प्रोजेक्टर (null-space projector) का उपयोग एक द्वितीयक कार्य (वांछित कॉन्फ़िगरेशन $q_{des}$ से दूरी को कम करना) जोड़ने के लिए किया जाता है, जो प्राथमिक ऊर्जा-न्यूनतमकरण उद्देश्य को प्रभावित नहीं करता है।

3. मुख्य योगदान (Key Contributions)

1. ऊर्जा-इष्टतम IDK फॉर्मूलेशन: यह शोध पत्र विशेष रूप से पूरे मोबाइल मैनिपुलेटर सिस्टम की गतिज ऊर्जा को कम करने के लिए डिज़ाइन किए गए IDK समस्या के लिए एक क्लोज्ड-फॉर्म समाधान पेश करता है, न कि केवल जॉइंट वेलोसिटी को कम करने के लिए।
2. स्वचालित बेस समन्वय (Automatic Base Coordination): "स्विच" विधियों के विपरीत, जो मैनुअल मोड परिवर्तन की आवश्यकता होती हैं, यह दृष्टिकोण स्वचालित रूप से आर्म को चलाने और बेस को चलाने के बीच इष्टतम संतुलन निर्धारित करता है। यह स्वाभाविक रूप से सबसे भारी घटक (बेस) की गति को कम करता है ताकि ऊर्जा और सुरक्षा में सुधार हो सके।
3. प्रायोगिक सत्यापन: इस विधि का परीक्षण 27 मानव प्रतिभागियों के साथ एक वास्तविक दुनिया के पेग-इन-होल कार्य पर किया गया है, जिसमें इसकी तुलना दो बेंचमार्क के विरुद्ध की गई है: एक शुद्ध "लोकोमोशन" मोड और एक "स्विच" मोड।

4. प्रायोगिक परिणाम (Experimental Results)

अध्ययन में एक Robotnik RB-KAIROS+ ओमनीडायरेक्शनल बेस पर UR10e कोबोट का उपयोग किया गया। प्रमुख प्रदर्शन मेट्रिक्स में औसत गतिज ऊर्जा ($\bar{E}$), औसत मानव बल ($\bar{F}_h$), निष्पादन समय ($T_f$), और अंतिम विस्थापन त्रुटि ($x_f$) शामिल थे।

• गतिज ऊर्जा में कमी:
  • प्रस्तावित मिनिमम-एनर्जी दृष्टिकोण ने लोकोमोशन दृष्टिकोण की तुलना में कुल संचित गतिज ऊर्जा को 66% कम कर दिया और स्विच दृष्टिकोण के समान ऊर्जा स्तर प्राप्त किया (लोकोमोशन बनाम 69% की कमी)।
  • महत्वपूर्ण रूप से, ऊर्जा प्रोफाइल स्विच दृष्टिकोण की तुलना में अधिक सुचारू (smoother) था, जिसमें कम पीक्स (peaks) थे, जबकि स्विच दृष्टिकोण में लोकोमोशन चरणों के दौरान उच्च ऊर्जा स्पाइक्स देखे गए।
• मानव प्रयास (Human Effort):
  • आवश्यक औसत मानव बल लोकोमोशन दृष्टिकोण की तुलना में 22% और स्विच दृष्टिकोण की तुलना में 41% कम था।
  • लोकोमोशन दृष्टिकोण में अत्यधिक बेस मूवमेंट के कारण सबसे अधिक प्रयास की आवश्यकता पड़ी।
• निष्पादन समय (Execution Time):
  • प्रस्तावित विधि ने सबसे तेज़ निष्पादन समय (मीडियन 28.33s) प्राप्त किया, जो स्विच दृष्टिकोण (37.49s) की तुलना में 24% तेज़ और लोकोमोशन दृष्टिकोण (31.77s) की तुलना में 11% तेज़ था।
  • स्विच दृष्टिकोण मैनुअल मोड स्विचिंग के कारण होने वाली देरी से प्रभावित हुआ।
• सटीकता (Accuracy):
  • मिनिमम-एनर्जी दृष्टिकोण के लिए अंतिम विस्थापन त्रुटि ($x_f$) लोकोमोशन दृष्टिकोण (0.08m बनाम 0.09m) के तुलनीय थी और स्विच दृष्टिकोण (0.28m) की तुलना में काफी बेहतर थी, जो यूजर स्विचिंग के दौरान उप-इष्टतम कॉन्फ़िगरेशन से ग्रस्त था।
• उपयोगकर्ता अनुभव: वेग प्रोफाइल (Velocity profiles) ने दिखाया कि मिनिमम-एनर्जी दृष्टिकोण ने कम अचानक उतार-चढ़ाव के साथ सबसे स्थिर गति प्रदान की, जिससे उपयोगकर्ता का आराम और सुरक्षा बढ़ी।

5. महत्व (Significance)

यह कार्य यह प्रदर्शित करता है कि सहयोगी सेटिंग्स में रेडंडेंट मोबाइल मैनिपुलेटर्स को नियंत्रित करने के लिए गतिज ऊर्जा को कम करना एक अत्यधिक प्रभावी मानदंड है।

• सुरक्षा: भारी मोबाइल बेस की गति को स्वाभाविक रूप से कम करके, यह दृष्टिकोण इंटरेक्शन के दौरान मोमेंटम और संभावित प्रभाव बलों को कम करता है, जिससे सीधे तौर पर मानव सुरक्षा बढ़ती है।
• दक्षता: यह मैनुअल मोड स्विचिंग से जुड़े संज्ञानात्मक भार और समय की देरी को समाप्त करता है, जिसके परिणामस्वरूप तेज़ और सुचारू कार्य पूर्णता होती है।
• स्केलेबिलिटी: क्लोज्ड-फॉर्म समाधान वास्तविक समय गणना सुनिश्चित करता है, जिससे यह गतिशील pHRI परिदृश्यों के लिए उपयुक्त बनता है जहाँ प्रतिक्रिया समय महत्वपूर्ण होता है।

निष्कर्षतः, प्रस्तावित मिनिमम-एनर्जी कंट्रोल अप्रोच सभी मूल्यांकित मेट्रिक्स में मौजूदा बेंचमार्क विधियों से बेहतर प्रदर्शन करती है, जो सुरक्षित और कुशल मानव-रोबोट सहयोग के लिए एक मजबूत समाधान प्रदान करती है।