Right Model, Right Time: Real-Time Cascaded-Fidelity MPC for Bipedal Walking
यह शोध पत्र द्विपाद चाल (bipedal walking) के लिए एक वास्तविक समय के कैस्केडेड-फिडेलिटी मॉडल प्रेडिक्टिव कंट्रोल फ्रेमवर्क को प्रस्तुत करता है जो गणनात्मक जटिलता को कम करने के लिए निकट क्षितिज (near horizon) के लिए एक विस्तृत होल-बॉडी मॉडल और दूरस्थ क्षितिज (distant horizon) के लिए एक सरलीकृत सिंगल-रिजिड-बॉडी मॉडल को जोड़ता है, जिससे पूर्व-निर्धारित फुटस्टेप स्थानों के बिना जॉइंट टॉर्क को अनुकूलित किया जा सकता है, जैसा कि MuJoCo सिमुलेशन में HyPer-2 रोबोट पर मान्य किया गया 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 कमरे के आर-पार चलना सिखाने की कोशिश कर रहे हैं। ऐसा करने के लिए, रोबोट के मस्तिष्क को लगातार खुद से पूछना होगा: "अगर मैं अभी अपना पैर इस तरह हिलाता हूँ, तो अगले एक सेकंड में मैं कहाँ होऊँगा? और पाँच सेकंड में मैं कहाँ होऊँगा?"
यह मॉडल प्रेडिक्टिव कंट्रोल (MPC) का काम है। यह वैसा ही है जैसे रोबोट वर्तमान का सबसे अच्छा निर्णय लेने के लिए भविष्य की एक मानसिक तस्वीर लेता है।
हालाँकि, इसमें एक पेच है। यदि रोबोट अगले पूरे एक मिनट के लिए अत्यधिक सटीकता के साथ भविष्य की गणना करने की कोशिश करता है, तो उसका मस्तिष्क अभिभूत (overwhelmed) हो जाएगा। यह वैसा ही है जैसे आप अपने जीवन में उठाए जाने वाले हर कदम के लिए एक विशाल, जटिल गणितीय समस्या को हल करने की कोशिश करें; कंप्यूटर अपना पैर उठाने से पहले ही फ्रीज हो जाएगा।
यह शोध पत्र एक चतुर समाधान पेश करता है जिसे "राइट मॉडल, राइट टाइम" (सही मॉडल, सही समय) कहा जाता है। यह कैसे काम करता है, इसके लिए यहाँ सरल उपमाओं का उपयोग किया गया है:
1. "ज़ूम लेंस" रणनीति
रोबोट के प्रेडिक्शन होराइजन (भविष्य देखने की अवधि) को एक कैमरा लेंस की तरह समझें।
- निकट भविष्य (क्लोज-अप): अगले कुछ कदमों के लिए, रोबोट को सब कुछ हाई डेफिनेशन में देखने की आवश्यकता है। उसे सटीक रूप से जानने की जरूरत है कि उसके घुटने, कूल्हे और टखने कैसे हिलेंगे ताकि वह लड़खड़ाने से बच सके। यहाँ यह एक विस्तृत "होल-बॉडी" (पूरे शरीर का) मॉडल उपयोग करता है। यह एक हाई-रिज़ॉल्यूशन फोटो की तरह है जहाँ आप अपनी हर मांसपेशी और जोड़ को देख सकते हैं।
- दूर का भविष्य (वाइड शॉट): दूर के कदमों के लिए, रोबोट को यह जानने की आवश्यकता नहीं है कि हर पेंच का सटीक कोण क्या है। उसे बस यह जानने की आवश्यकता है, "क्या मैं मोटे तौर पर सही जगह पर होऊँगा?" इसलिए, इन बाद के कदमों के लिए, यह एक सरलीकृत "सिंगल-रिजिड-बॉडी" मॉडल पर स्विच हो जाता है। कल्पना कीजिए कि दूर के भविष्य के लिए रोबोट एक साधारण, ठोस ब्लॉक (जैसे एक ईंट) में बदल जाता है। यह कंप्यूटर के लिए गणना करना बहुत आसान है।
भविष्य की ओर देखते समय "हाई-डेफिनिशन कैमरा" से "स्केच आर्टिस्ट" (रेखाचित्र बनाने वाले) में बदलकर, रोबलेट अपने मस्तिष्क की शक्ति की एक बड़ी बचत करता है।
2. "फास्ट-फॉरवर्ड" गणना
शोधकर्ताओं ने इन समस्याओं को तेज़ी से हल करने के लिए एक विशिष्ट गणितीय उपकरण (जिसे SQP कहा जाता है) का उपयोग किया।
- उपमा: कल्पना कीजिए कि आप एक वीडियो गेम खेल रहे हैं। आमतौर पर, आप गेमप्ले के अगले एक घंटे के लिए सही चाल की गणना करने की कोशिश करेंगे। इसमें बहुत समय लगता है। इसके बजाय, यह रोबोट अगले 3 सेकंड के लिए उच्च विवरण के साथ सही चाल की गणना करता है, और फिर अगले एक मिनट के लिए सामान्य पथ का केवल अनुमान लगाता है।
- परिणाम: रोबोट प्रति सेकंड 100 बार (100 Hz) ये गणनाएँ कर सकता है। यह वास्तविक समय में झटकों या गति में बदलाव के प्रति प्रतिक्रिया करने के लिए पर्याप्त तेज़ है, ठीक वैसे ही जैसे एक इंसान चलता है।
3. कोई "स्टेप-बाय-स्टेप" स्क्रिप्ट नहीं
रोबोट चलने वालों के साथ एक आम समस्या यह है कि इंजीनियरों को यह पहले से प्रोग्राम करना पड़ता है कि रोबोट को अपने पैर कहाँ रखने चाहिए (जैसे कि एक डांस रूटीन)।
- नवाचार: इस रोबोट को किसी पूर्व-लिखित डांस स्क्रिप्ट की आवश्यकता नहीं है। इसे एक लक्ष्य गति दी जाती है (जैसे, "0.3 मीटर प्रति सेकंड की गति से चलें") और एक सामान्य योजना दी जाती है कि उसके पैर कब ज़मीन को छूने चाहिए। इसके बाद कंप्यूटर खुद ही यह तय करता है कि उस लक्ष्य को प्राप्त करने के लिए सटीक जोड़ों की गति और बल की आवश्यकता क्या है। यह एक इंसान को यह बताने जैसा है कि, "उस दरवाजे तक चलो," बजाय इसके कि उसे कहें, "बायां पैर 10 सेमी ऊपर उठाएं, 5 सेमी आगे बढ़ें, और उसे नीचे रखें।"
4. टेस्ट ड्राइव
टीम ने इस परीक्षण को HyPer-2 नामक एक रोबोट पर किया, जिसमें 18 चलते हुए हिस्से (जोड़) हैं और इसकी ऊँचाई लगभग 1.1 मीटर है।
- सिमुलेशन: उन्होंने इसे एक वर्चुअल दुनिया (MuJoCo) में चलाया जो भौतिकी (physics) को बहुत सटीक रूप से सिम्युलेट करती है।
- निष्कर्ष: उन्होंने पाया कि एक "पर्याप्त अच्छा" उत्तर पाने के लिए उन्हें केवल एक कदम के प्रति लगभग 3 बार जटिल गणित चलाने की आवश्यकता थी। यदि वे एक "परफेक्ट" उत्तर पाने के लिए इसे अधिक बार चलाने की कोशिश करते, तो इसमें बहुत समय लगता, और रोबोट लड़खड़ा जाता क्योंकि वह बहुत धीरे सोच रहा होता।
- संतुलन: उन्होंने यह भी पाया कि भविष्य को कितनी गहराई से देखने के लिए एक "स्वीट स्पॉट" (इष्टतम बिंदु) है। यदि वे बहुत दूर तक हाई डिटेल में देखते, तो कंप्यूटर धीमा हो जाता। यदि वे बहुत दूर तक "ब्लॉक" मोड में देखते, तो रोबोट अपना संतुलन खो देता। आदर्श संतुलन यह था कि प्रेडिक्शन टाइम के लगभग 60% हिस्से के लिए विस्तृत मॉडल का उपयोग किया जाए।
सारांश
संक्षेप में, यह शोध पत्र दिखाता है कि रोबोट को चलाने के लिए आपको सुपरकंप्यूटर की आवश्यकता नहीं है। आपको बस इस बारे में स्मार्ट होने की आवश्यकता है कि आप सुपरकंप्यूटर की शक्ति का उपयोग कब करें। निकट भविष्य के लिए एक विस्तृत मॉडल और दूर के भविष्य के लिए एक सरल मॉडल का उपयोग करके, रोबोट स्थिर रूप से चल सकता है, तेज़ी से प्रतिक्रिया दे सकता है, और बिना किसी पूर्व-प्रोग्रामित डांस रूटीन के अपने पैरों के प्लेसमेंट को खुद तय कर सकता है।
शोधकर्ताओं ने कंप्यूटर सिमुलेशन में इसे सफलतापूर्वक प्रदर्शित किया है और अब वे वास्तविक रोबोट पर इसका परीक्षण करने की तैयारी कर रहे 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।