💻 computer science

Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion

यह शोधपत्र AWARE को प्रस्तुत करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) ढांचा है जो व्हील्ड-लेग्ड रोबोटों को उनके हाइब्रिड आकारिकी (hybrid morphology) का स्वाभाविक रूप से लाभ उठाकर विविध उभरती चालों (emergent gaits) और अपवर्तक व्यवहारों को उत्पन्न करने में सक्षम बनाता है, जिससे वे मजबूत, उच्च-गतिशील रिफ्लेक्सिव बाधा निवारण प्राप्त कर सकते हैं।

मूल लेखक: Yongen Zhao (School of Mechanical Engineering, Tianjin University, Tianjin, China, Beijing Zhongguancun Academy, Beijing, China), Zihao Xu (School of Computing, National University of Singapore, Singa

प्रकाशित 2026-04-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yongen Zhao (School of Mechanical Engineering, Tianjin University, Tianjin, China, Beijing Zhongguancun Academy, Beijing, China), Zihao Xu (School of Computing, National University of Singapore, Singapore), Wenzhi Lu (School of Mechanical Engineering, Tianjin University, Tianjin, China), Zhen Chu (DeepRobotics, Hangzhou, China), Ce Hao (School of Computing, National University of Singapore, Singapore, Beijing Zhongguancun Academy, Beijing, China)

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 एक रोबोट है जो आधा कार और आधा कुत्ता है। इसमें समतल जमीन पर सुचारू रूप से और कुशलता से चलने के लिए पहिए हैं, लेकिन इसमें पैर भी हैं जो बाधाओं के ऊपर से कदम रख सकते हैं या कूद सकते हैं। यह "व्हील-लेग्ड" (पहिए और पैरों वाला) रोबोट एक व्यस्त शहर या अव्यवस्थित फैक्ट्री में घूमने के लिए एक बेहतरीन विचार है, लेकिन इसके पास एक पेचीदा समस्या है: अगर कोई चीज़ तेज़ी से इसकी ओर आ रही हो, तो बिना गिरे उसे कैसे रोका जाए या उससे कैसे बचा जाए?

पारंपरिक रोबोट या तो केवल पहियों वाले होते हैं (जो कूद नहीं सकते) या केवल पैरों वाले (जो धीमे होते हैं और बहुत ऊर्जा खर्च करते हैं)। यह शोध पत्र एक नई प्रणाली पेश करता है जिसे AWARE (Adaptive Wheeled-Legged Avoidance and Reflexive Evasion) कहा जाता है, जो इस हाइब्रिड रोबोट को खतरे के प्रति तुरंत प्रतिक्रिया देना सिखाती है, जैसे कि कोई इंसान उड़ती हुई गेंद से बचने के लिए खुद को हटा लेता है।

यहाँ यह शोध पत्र इसे सरल उपमाओं का उपयोग करके समझाता है:

1. समस्या: "दो-मस्तिष्क" की दुविधा

रोबोट को दो अलग-अलग व्यक्तित्वों के रूप में सोचें:

द क्रूज़र (The Cruiser): जब चीजें शांत होती हैं, तो यह एक कार की तरह सुचारू रूप से चलता है। यह कुशल और स्थिर है।
द स्प्रिंटर (The Sprinter): जब खतरा आता है, तो इसे एक दौड़ते हुए कुत्ते की तरह काम करने की आवश्यकता होती है, जो तुरंत कूद सके या झपट्टा मार सके।

समस्या यह है कि ये दोनों मोड बहुत अलग हैं। यदि आप एक कार को कूदने के लिए कहने की कोशिश करेंगे, तो वह टूट जाएगी। यदि आप एक कुत्ते को गाड़ी चलाने के लिए कहेंगे, तो वह अक्षम होगा। पिछले तरीकों ने वास्तविक समय में हर चाल की गणना करने के लिए जटिल गणित का उपयोग करने की कोशिश की, लेकिन वह रोबोट के कंप्यूटर के लिए बहुत धीमा और भारी था।

2. समाधान: एक "ट्रैफिक पुलिस" और दो "विशेषज्ञ"

लेखकों ने इसे हल करने के लिए एक पदानुक्रमित प्रणाली (एक बॉस और दो कर्मचारी) बनाई है:

बॉस (उच्च-स्तरीय नीति - High-Level Policy): यह एक "ट्रैफिक पुलिस" की तरह है। यह बाधा को देखता है (क्या यह तेज़ी से आ रही है? क्या यह करीब है?) और निर्णय लेता है: "क्या हमें बस इसके चारों ओर मुड़ना चाहिए, या हमें घबराहट में बचना चाहिए?"
- यदि खतरा कम है, तो यह रोबोट को निरंतर चलते रहने के लिए कहता है।
- यदि खतरा अधिक है (जैसे चेहरे की ओर फेंटी गई गेंद), तो यह तुरंत रोबोट को "पैनिक मोड" (घबराहट मोड) में बदल देता है।
विशेषज्ञ (निम्न-स्तरीय विशेषज्ञ - Low-Level Experts): रोबोट के पास दो पूर्व-प्रशिक्षित "मांसपेशियों की स्मृति" (न्यूरल नेटवर्क) हैं:
- द स्मूथ ड्राइवर (The Smooth Driver): कोमल मोड़ और चलने के लिए अच्छा है।
- द एजाइल एथलीट (The Agile Athlete): विस्फोटक कूद, आगे की ओर झपट्टा मारने और बगल में बचने के लिए अच्छा है।

"ट्रैफिक पुलिस" बस नियंत्रण चुनने के लिए एक स्विच को घुमाता है। यह निर्णय लेना अविश्वसनीय रूप से तेज़ बनाता है।

3. रोबोट वास्तव में क्या करता है

शोधकर्ताओं ने एक आभासी दुनिया (Isaac Lab) में और फिर M20 नामक एक वास्तविक रोबोट पर इसका परीक्षण किया। उन्होंने इस पर बक्से फेंके, इसे डंडों से छुआ, और यहाँ तक कि इसे किक मारी ताकि खतरे का अनुकरण किया जा सके।

रोबोट ने कुछ अद्भुत, स्वाभाविक चालें सीखीं:

फॉरवर्ड लंज (The Forward Lunge): यदि कोई चीज़ सीधे इसकी ओर आ रही है, तो यह केवल मुड़ता नहीं है; यह शिकार पर हमला करने वाले शार्क की तरह खुद को आगे की ओर लॉन्च करता है।
लेटरल डॉज (The Lateral Dodge): यदि कोई चीज़ बगल से आती है, तो यह बगल में कूद जाता है, लगभग एक मुक्केबाज की तरह जो पंच से बचता है।
ब्रेक लॉक (The Brake Lock): जब यह तेज़ी से चल रहा होता है और अचानक रुकने की आवश्यकता होती है, तो यह अपने पहियों को लॉक करना सीख जाता है (जैसे कार फिसलती है लेकिन नियंत्रित तरीके से) ताकि बिना पलटे तुरंत रुक सके।

4. परिणाम: गति और उत्तरजीविता

शोध पत्र का दावा है कि यह प्रणाली पुराने तरीकों की तुलना में बहुत बेहतर है:

सफलता दर: इसने जटिल गणित या केवल पैर-आधारित कूदने का उपयोग करने वाले अन्य रोबोटों की तुलना में तेज़ी से चलने वाली बाधाओं से अधिक सफलतापूर्वक बचाव किया।
दक्षता: इसने केवल बेतरतीब ढंग से छलांग नहीं लगाई; इसने सबसे कुशल चाल चुनी। कभी-कभी यह लुढ़का, कभी-कभी इसने कदम रखा, और कभी-कभी यह कूदा, स्थिति के आधार पर।
वास्तविक दुनिया का प्रमाण: जब उन्होंने इसे वास्तविक M20 रोबोट पर रखा, तो इसने इसे छेड़ने, किक मारने और फेंके गए बक्सों से टकराने के बावजूद खुद को सुरक्षित रखा। हालाँकि यह पूर्ण नहीं था (सबसे कठिन वास्तविक दुनिया के परीक्षणों में यह लगभग 59% बार सफल रहा), इसने साबित कर दिया कि रोबमा बिना गिरे खतरे के प्रति शारीरिक रूप से प्रतिक्रिया दे सकता है।

संक्षेप में

शोध पत्र दिखाता है कि एक व्हील-लेग्ड रोबोट को "क्रूज़र" और "एथलीट" के बीच निर्णय लेने के लिए एक "ट्रैफिक पुलिस" देकर, रोबोट एक रिफ्लेक्स (प्रतिवर्त क्रिया) की गति और एक जिम्नास्ट की चपलता के साथ तेज़ी से चलने वाले खतरों के प्रति प्रतिक्रिया दे सकता है। यह एक जटिल इंजीनियरिंग समस्या को एक सरल विकल्प में बदल देता है: क्रूज़ करें या बचें? और यह इतनी तेज़ी से करता है कि रोबोट अराजक वातावरण में होने वाली छेड़छाड़ और किक से भी बच सकता है।

यहाँ Zhao et al. के शोध पत्र "Unleashing the Agility of Wheeled-Legged Robots for High-Dynamic Reflexive Obstacle Evasion" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

व्हील्ड-लेग्ड रोबोट पहियों की ऊर्जा दक्षता और पैरों की स्थलीय अनुकूलन क्षमता (terrain adaptability) को जोड़ते हैं, जो उन्हें जटिल वातावरण के लिए आदर्श बनाते हैं। हालाँकि, उच्च-गतिशील प्रतिवर्ती बाधा बचाव (high-dynamic reflexive obstacle evasion - तेज़ गति से आने वाले खतरों से तेजी से बचना) को सक्षम करना एक महत्वपूर्ण चुनौती बनी हुई है, जिसके कारण निम्नलिखित समस्याएँ हैं:

हाइब्रिड मॉर्फोलॉजी (Hybrid Morphology): रोलिंग और स्टेपिंग डायनेमिक्स का जुड़ाव जटिल नियंत्रण समस्याओं को जन्म देता है।
नॉन-होलोनोमिक बाधाएं (Non-holonomic Constraints): पहिए ऐसी बाधाएं उत्पन्न करते हैं जो शुद्ध लेग्ड सिस्टम की तुलना में तात्कालिक दिशा परिवर्तन को सीमित करते हैं।
कंप्यूटेशनल लेटेंसी (Computational Latency): पारंपरिक अनुकूलन-आधारित विधियाँ (जैसे, मॉडल प्रेडिक्टिव कंट्रोल) वास्तविक समय के विस्फोटक युद्धाभ्यास के लिए आवश्यक उच्च-आयामी अवस्था स्थानों (high-dimensional state spaces) और होल-बॉडी किनेमैटिक्स के साथ संघर्ष करती हैं।
मोड कन्फ्यूजन (Mode Confusion): मौजूदा फ्रेमवर्क अक्सर कुशल उच्च-गति रोलिंग और आक्रामक बचाव युद्धाभ्यास के बीच सहजता से संक्रमण करने में विफल रहते हैं, जिससे अस्थिरता या टकराव होता है।

2. कार्यप्रणाली: AWARE फ्रेमवर्क (Methodology: The AWARE Framework)

लेखक AWARE (Adaptive Wheeled-Legged Avoidance and Reflexive Evasion) प्रस्तावित करते हैं, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning - RL) ढांचा है जिसे खतरे के आकलन को लोकोमोशन निष्पादन से अलग करने के लिए डिज़ाइन किया गया है।

A. पदानुक्रमित संरचना (Hierarchical Architecture)

इस प्रणाली में दो अलग-अलग मॉड्यूल शामिल हैं:

उच्च-स्तरीय रक्षात्मक नीति (The Planner - High-Level Evasive Policy):
- इनपुट: रोबोट प्रोप्रियोसेप्शन, बाधा की स्थिति (स्थिति, वेग, त्रिज्या), और एक गणना किया गया रिलेटिव अप्रोचिंग रेट (RAR) ( $\kappa$ ), जो खतरे के स्तर को मापता है।
- कार्य: यह एक वांछित वेग कमांड ( $v_{cmd}$ ) उत्पन्न करता है और स्पष्ट रूप से एक गंबेल-सॉफ्टमैक्स वितरण (Gumbel-Softmax distribution) के माध्यम से एक बचाव मोड का चयन करता है।
- आउटपुट: एक वन-हॉट वेक्टर जो कमांड को दो निम्न-स्तरीय विशेषज्ञों (low-level experts) तक पहुँचाता है।
निम्न-स्तरीय द्वि-मोड लोकोमोशन कंट्रोलर (The Executor - Low-Level Dual-Mode Locomotion Controller):
- विशेषज्ञ 1 ( $\pi_{low}$ ): एक लो-स्पीड ओम्नीडायरेक्शनल नेटवर्क जिसे गैर-आपातकालीन परिदृश्यों में सटीक ट्रैकिंग और सुचारू नेविगेशन के लिए प्रशिक्षित किया गया है। यह स्वाभाविक रूप से रोलिंग, स्टेपिंग और हाइब्रिड चालों (gaits) को विकसित करता है।
- विशेषज्ञ 2 ( $\pi_{high}$ ): एक हाई-डायनेमिक एजाइल नेटवर्क जिसे चरम युद्धाभ्यास (उच्च त्वरण, ब्रेकिंग और जंपिंग) के लिए प्रशिक्षित किया गया है। यह आक्रामक फॉरवर्ड लंज और लेटरल डॉज (पार्श्व बचाव) में विशेषज्ञता रखता है।
- रूटिंग (Routing): उच्च-स्तरीय नीति खतरे के स्तर के आधार पर कमांड को $\pi_{low}$ या $\pi_{high}$ में से किसी एक को निर्धारित रूप से भेजती है।

B. दो-चरणीय प्रशिक्षण प्रतिमान (Two-Stage Training Paradigm)

यह ढांचा Isaac Lab सिम्युलेटर में एक अलग प्रशिक्षण पाइपलाइन का उपयोग करता है:

चरण 1: निम्न-स्तरीय विशेषज्ञों का प्री-ट्रेनिंग:
- $\pi_{low}$ को लो-स्पीड ओम्नीडायरेक्शनल कमांड पर प्रशिक्षित किया जाता है।
- $\pi_{high}$ को अत्यधिक बचाव कार्यों पर प्रशिक्षित किया जाता है, जिसमें उच्च-त्वरण स्टार्ट और तीव्र ब्रेकिंग (डिसिलेरेशन लॉजिक सीखने के लिए ऐतिहासिक कमांड अनुक्रमों का उपयोग करके) शामिल हैं।
चरण 2: उच्च-स्तरीय करिकुलम लर्निंग:
- उच्च-स्तरीय नीति को निम्न-स्तरीय विशेषज्ञों को फ्रीज (frozen) रखते हुए प्रशिक्षित किया जाता है।
- करिकुलम (Curriculum): सफलता दर के आधार पर बाधाओं की गति को क्रमिक रूप से बढ़ाया जाता है।
- रिवॉर्ड फंक्शन (Reward Function): इसे कार्य की सफलता को अधिकतम करने (सुरक्षा मार्जिन के साथ टकराव से बचना) के साथ-साथ फाल्स पॉजिटिव (अनावश्यक बचाव), ट्रैकिंग त्रुटियों और ऊर्जा अक्षमता को दंडित करने के लिए डिज़ाइन किया गया है।

C. सिम-टू-रियल ट्रांसफर (Sim-to-Real Transfer)

भौतिक M20 व्हील्ड-लेग्ड रोबोट पर तैनात करने के लिए, लेखक एक संरचित डोमेन रैंडमाइजेशन (पेपर में तालिका II) का उपयोग करते हैं, जिसमें शामिल हैं:

बाधा की दूरी और वेग।
रोबोट बेस इनिशियलाइजेशन (स्थिति, ओरिएंटेशन)।
एक्चुएटर गेन्स (स्टिफनेस/डैम्पिंग) और बाहरी व्यवधान।
बॉडी पैरामीटर्स (द्रव्यमान, जड़त्व, घर्षण)।

3. मुख्य योगदान (Key Contributions)

उच्च-गतिशील बचाव का निर्धारण: व्हील्ड-लेग्ड रोबोटों के लिए रिफ्लेक्सिव इवेजन की समस्या को परिभाषित किया, जो उच्च गति पर नॉन-होलोनोमिक बाधाओं की अनूठी चुनौती को संबोधित करता है।
पदानुक्रमित पृथक्करण (Hierarchical Decoupling): एक ऐसा ढांचा प्रस्तावित किया जो खतरे-जागरूक निर्णय लेने को द्वि-मोड निष्पादन से अलग करता है, जिससे नेविगेशन और बचाव के बीच "मोड कन्फ्यूजन" प्रभावी रूप से कम हो जाता है।
उभरते व्यवहार (Emergent Behaviors): यह प्रदर्शित किया कि सिस्टम स्वाभाविक रूप से विशिष्ट, व्यवहारिक रूप से अलग चालें सीखता है, जिनमें फॉरवर्ड लंज (रोलिंग-आधारित) और लेटरल डॉज (स्टेपिंग-आधारित) शामिल हैं, जो मानक नेविगेशन चालों से भिन्न हैं।
वास्तविक-विश्व सत्यापन: गतिशील खतरों (डिब्बा फेंकना, छड़ी मारना, मानव लात मारना) का सामना करते हुए भौतिक रोबोट पर सफलतापूर्वक तैनात किया गया।

4. प्रयोगात्मक परिणाम (Experimental Results)

सिमुलेशन परिणाम (Isaac Lab)

प्रदर्शन: AWARE ने अवॉयडेंस सक्सेस रेट (ASR) और अवॉयडेंस मैन्यूवर डिस्टेंस (AMD) में बेसलाइन (REBot और RB-MPC) को काफी पीछे छोड़ दिया, विशेष रूप से कम प्रतिक्रिया समय (<1s) के तहत।
गैट विश्लेषण (Gait Analysis): t-SNE विज़ुअलाइज़ेशन ने पुष्टि की कि सिस्टम लो-स्पीड चालों (स्टेपिंग, रोलिंग, हाइब्रिड) और हाई-स्पीड इवेजन मोड (फॉरवर्ड लंज, लेटरल डॉज) के लिए अलग-अलग क्लस्टर सीखता है।
एब्लेशन अध्ययन (Ablation Studies): द्वि-मोड आर्किटेक्चर को हटाने से गंभीर मोड कन्फ्यूजन और संतुलन विफलता हुई। करिकुलम लर्निंग को हटाने से अभिसरण (convergence) धीमा हो गया।
डायनेमिक मेट्रिक्स: रोलिंग मोड ने स्टेपिंग मोड की तुलना में बेहतर ट्रांजिएंट एस्केप एक्सेलरेशन (TEA) (4.13 m/s²) और टॉर्क-नॉर्मलाइज्ड एक्सेलरेशन (TNA) प्रदर्शित किया, जो सिद्ध करता है कि विस्फोटक शुरुआत के लिए रोलिंग अधिक प्रभावी है।

वास्तविक-विश्व तैनाती (M20 प्लेटफॉर्म)

परिदृश्य: फेंके गए डिब्बे, चुभने वाली छड़ी और विभिन्न कोणों से मानव पैर की लात के विरुद्ध परीक्षण किया गया।
प्रदर्शन: औसतन 59% का ASR और 1.1m का AMD प्राप्त किया।
अवलोकन: रोबोट ने सुचारू नेविगेशन और रिफ्लेक्सिव इवेजन के बीच सफलतापूर्वक स्विच किया। हालांकि सफलता दर सिमुलेशन की तुलना में कम थी (हार्डवेयर सीमाओं और सिम-टू-रियल गैप के कारण), सिस्टम ने मजबूत, वास्तविक समय की प्रतिक्रियात्मक क्षमता प्रदर्शित की।

5. महत्व (Significance)

यह कार्य व्हील्ड-लेग्ड सिस्टम को सघन, अप्रत्याशित, मानव-केंद्रित वातावरण में सुरक्षित रूप से संचालित करने में सक्षम बनाकर रोबोटिक्स में एक महत्वपूर्ण अंतर को पाटता है।

चपलता (Agility): यह सिद्ध करता है कि व्हील्ड-लेग्ड रोबोट अपने हाइब्रिड स्वभाव का लाभ उठाकर ऐसे विस्फोटक युद्धाभ्यास कर सकते हैं जिन्हें शुद्ध व्हील्ड या शुद्ध लेग्ड सिस्टम कुशलतापूर्वक करने में संघर्ष करते हैं।
सुरक्षा: रिफ्लेक्सिव इवेजन को नेविगेशन के साथ एकीकृत करके, यह ढांचा शहरी वितरण या औद्योगिक निरीक्षण जैसे गतिशील सेटिंग्स में मोबाइल रोबोटों को तैनात करने के लिए एक व्यवहार्य मार्ग प्रदान करता है जहाँ तेज़ गति से आने वाली बाधाएं आम हैं।
पद्धतिगत प्रगति: करिकुलम लर्निंग के साथ पदानुक्रमित RL दृष्टिकोण, कम्प्यूटेशनल रूप से महंगे अनुकूलन सॉल्वर पर निर्भर किए बिना जटिल, मल्टी-मोडल लोकोमोशन नीतियों को प्रशिक्षित करने के लिए एक स्केलेबल ब्लूप्रिंट प्रदान करता है।