💻 computer science

Intention assimilation control for accurate tracking with variable impedance in teleoperation

यह शोध पत्र एक इंटेंशन एसिमिलेशन कंट्रोल (IAC) रणनीति प्रस्तावित करता है जो टेलीऑपरेशन में परिवर्तनीय इम्पीडेंस के साथ उच्च ट्रैकिंग सटीकता प्राप्त करने के लिए लीडर की लक्षित स्थिति का अनुमान लगाता है, जिससे पारंपरिक सटीकता और सुरक्षा के बीच के समझौते को हल किया जा जाता है और विभिन्न कार्यों में टेली-इम्पीडेंस कंट्रोल से बेहतर प्रदर्शन किया जाता है।

मूल लेखक: Atsushi Takagi, Yanan Li, Hiroaki Gomi, Etienne Burdet

प्रकाशित 2026-05-12

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Atsushi Takagi, Yanan Li, Hiroaki Gomi, Etienne Burdet

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 लंबी, अदृश्य डोरी के माध्यम से एक भीड़ भरे कमरे में अपने एक अनाड़ी दोस्त का मार्गदर्शन करने की कोशिश कर रहे हैं। यह मूल रूप से टेलीऑपरेशन (teleoperation) है: एक इंसान ("लीडर") अपने हाथ को हिलाता है, और एक रोबोट ("फॉलोअर") उन गतिविधियों की नकल करने की कोशिश करता है।

लंबे समय तक, इसे करने का मानक तरीका दोनों को जोड़ने वाले एक बहुत सख्त, कड़े स्प्रिंग का उपयोग करने जैसा था। यदि आप अपना हाथ हिलाते, तो स्प्रिंग तुरंत रोबोट को खींचता।

समस्या: यदि स्प्रिंग बहुत सख्त (उच्च कठोरता/high stiffness) है, तो रोबोट सटीक होता है, लेकिन यदि वह किसी नाजुक चीज़ (जैसे गुब्बारा या कोई व्यक्ति) से टकरा जाता है, तो वह ज़ोर से टकराता है और नुकसान पहुँचाता है। यदि आप सुरक्षित रहने के लिए स्प्रिंग को ढीला (कम कठोरता/low stiffness) कर देते हैं, तो रोबोट सुस्त हो जाता है और आपकी गतिविधियों से पीछे रह जाता है। आपको सुरक्षा या सटीकता में से किसी एक को चुनना पड़ता था।

यह शोध पत्र एक नई विधि पेश करता है जिसे इंटेंशन एसिमिलेशन कंट्रोल (Intention Assimilation Control - IAC) कहा जाता है जो इस दुविधा को हल करती है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग करें:

1. पुराना तरीका: "मेरी वर्तमान स्थिति का पालन करो" (टेली-इम्पीडेंस कंट्रोल)

पुराने तरीके (जिसे TIC कहा जाता है) में, रोबोट को बताया जाता है: "ठीक वहीं की नकल करो जहाँ अभी मेरा हाथ है।"

दोष: यदि रोबमाट "नरम" (कम कठोरता) है ताकि सुरक्षित रहे, तो वह आपकी तेज़ गतिविधियों के साथ तालमेल नहीं बिठा पाता। वह पीछे छूट जाता है। पकड़ बनाने के लिए, रोबोट हिंसक रूप से आगे की ओर झटके लेता है (जैसे कार के पहिए अचानक मुड़ते हैं), जो खतरनाक और गलत है।
परिणाम: या तो आपको रोबोट को सटीक बनाने के लिए अपनी मांसपेशियों को कसकर पकड़ना पड़ता था (उच्च कठोरता), या रोबोट सुस्त और असुरक्षित हो जाता था।

2. नया तरीका: "मेरे लक्ष्य का पालन करो" (इंटेंशन एसिमिलेशन कंट्रोल)

नया तरीका (IAC) बातचीत को बदल देता है। यह कहने के बजाय कि "जहाँ मैं हूँ उसकी नकल करो," रोबोट पूछता है: "तुम कहाँ जाने की कोशिश कर रहे हो?"

जादुई ट्रिक: रोबोट देखता है कि आप अपने कंट्रोलर पर कितना बल (force) लगा रहे हैं। ठीक वैसे ही जैसे एक कुशल नृत्य साथी यह अनुमान लगा सकता है कि आप अगला कदम कहाँ रखने वाले हैं, यह रोबोट आपके लक्ष्य का पूर्वानुमान लगाता है।
उपमा: कल्पना कीजिए कि आप फूलों के एक मैदान में चल रहे हैं।
- पुराना रोबोट: आप उसे बताते हैं, "वहाँ कदम रखो जहाँ मेरा पैर है।" यदि आप तेज़ी से चलते हैं, तो रोबोट फूलों के ऊपर से टकराकर लड़खड़ा जाता है क्योंकि वह आपके वर्तमान पैर की स्थिति को पकड़ने की कोशिश कर रहा है।
- नया रोबोट (IAC): आप उसे बताते हैं, "वहाँ कदम रखो जहाँ मैं अगले पल जाना चाहता हूँ।" रोबोट आपके इरादे को देखता है, उस भविष्य के स्थान तक पहुँचने के लिए एक सुचारू मार्ग की गणना करता है, और वहाँ धीरे से चलता है। भले ही रोबोट "नरम" और कोमल हो, वह जानता है कि उसे कहाँ जाना है क्योंकि वह आपके वर्तमान, पिछड़ते हुए स्थान के बजाय आपके लक्ष्य की ओर बढ़ रहा है।

3. यह एक बड़ी बात क्यों है

शोधकर्ताओं ने इसे दो रोबोटिक भुजाओं (मानव भुजाओं की तरह जिनमें 7 जोड़ होते हैं) के साथ चार अलग-अलग परिदृश्यों में परखा:

मुक्त गति (Free Movement): जब रोबोट हवा में केवल घूम रहा था, तब नई विधि बहुत सटीक थी, भले ही रोबोट को बहुत नरम और कोमल सेट किया गया था। पुराने तरीके में, जब रोबोट पकड़ बनाने की कोशिश करता था, तो वह बेकाबू होकर झटकता था।
गुब्बारा परीक्षण (The Balloon Test): रोबोट को गुब्बारे को फोड़े बिना उसे छूना था।
- पुराना रोबोट (उच्च कठोरता के साथ भी) बहुत अनाड़ी था और उसने गुब्बारा फोड़ दिया।
- नया रोबोट (कम कठोरता के साथ) ने गुब्बारे को धीरे से दबाया और उसे फोड़ा नहीं, जबकि वह मानव के हाथ का पूरी तरह से पालन भी कर रहा था।
पेग-इन-होल (Peg-in-Hole): एक क्लासिक कठिन कार्य जहाँ आपको एक छोटे छेद में पेग (peg) को डालना होता है।
- पुराने रोबोट के साथ, लोग संघर्ष करते थे। रोबोट पेग को संरेखित (align) करने के लिए बहुत सुस्त था, और जब वह फंस जाता था, तो इंसान उसे आसानी से हिला भी नहीं पाता था क्योंकि रोबोट छोटी घूर्णी (rotational) गतिविधियों पर प्रतिक्रिया नहीं दे पाता था।
- नए रोबोट के साथ, लोगों ने कार्य बहुत तेज़ी से और बहुत उच्च सफलता दर के साथ पूरा किया। क्योंकि रोबोट आपके इरादे वाले पथ का पालन कर रहा था, वह पेग को छेद में डालने के लिए इतना कोमल हो सकता था कि वह उसे ज़बरदस्ती न फंसाए।
पॉलिशिंग (Polishing): एक सेटअप में जहाँ इंसान को वह बल महसूस हो सकता था जो रोबोट लगा रहा था (जैसे मेज को पॉलिश करना), नई विधि ने इंसान को चलते-फिरते रोबोट के "कठोरपन" को बदलने की अनुमति दी। रोबोट नरम या सख्त होने के बावजूद सटीक बना रहा।

निष्कर्ष

शोध पत्र का दावा है कि इंटेंशन एसिमिलेशन कंट्रोल एक रोबोट को एक ही समय में सुरक्षित (नरम और कोमल) और सटीक (लक्ष्य को पूरी तरह से हिट करना) होने की अनुमति देता है।

यह इसलिए संभव होता है क्योंकि रोबोट इंसान की वर्तमान हाथ की स्थिति के पीछे भागना बंद कर देता है और इसके बजाय इंसान के इरादतन गंतव्य का पीछा करता है। यह मानव ऑपरेटर को नाजुक वस्तुओं के पास कोमल होने और ज़रूरत पड़ने पर दृढ़ होने की स्वतंत्रता देता है, बिना इस डर के कि रोबोट अपना रास्ता भटक जाएगा या खतरनाक हो जाएगा।

तकनीकी सारांश: सटीक ट्रैकिंग के लिए इंटेंशन एसिमिलेशन कंट्रोल (Intention Assimilation Control - IAC)

1. समस्या विवरण (Problem Statement)

टेलीऑपरेशन सिस्टम आमतौर पर फॉलोअर रोबोट को लीडर की स्थिति की ओर खींचने के लिए स्प्रिंग जैसी बल (force) प्रणाली पर निर्भर करते हैं। यह पारंपरिक दृष्टिकोण एक मौलिक ट्रेड-ऑफ (trade-off) प्रस्तुत करता है:

कम कठोरता (Low Stiffness): नाजुक वस्तुओं या मनुष्यों के साथ संपर्क के दौरान सुरक्षा सुनिश्चित करती है, लेकिन गतिशील गतिविधियों के दौरान ट्रैकिंग सटीकता में कमी आती है।
उच्च कठोरता (High Stiffness): सटीक ट्रैकिंग सुनिश्चित करती है, लेकिन साझा वातावरण में सुरक्षा जोखिम पैदा कर सकती है और जब ऑपरेटर तेजी से इम्पीडेंस (impedance) बदलता है, तो अस्थिरता या "व्हिपलाश" (whiplash) प्रभाव का कारण बन सकती है।

मौजूदा अत्याधुनिक समाधान, जैसे कि टेली-इम्पीडेंस कंट्रोल (TIC), ऑपरेटर की आर्म इम्पीडेंस (EMG या ग्रैस्प फोर्स के माध्यम से) का अनुमान लगाकर और फॉलोअर की इम्पीडेंस को उससे मेल खाने का प्रयास करते हैं। हालाँकि, TIC अभी भी लीडर की वर्तमान स्थिति को लक्ष्य के रूप में ट्रांसमिट करता है। फलस्वरूप, यदि फॉलोअर की इम्पीडेंस कम (compliant) है, तो वह लीडर के प्रक्षेपवक्र (trajectory) को सटीक रूप से ट्रैक नहीं कर सकता, जब तक कि ऑपरेटर उच्च शारीरिक कठोरता (co-contraction) बनाए न रखे, जो थकाऊ और अस्थिर है। इसके विपरीत, यदि फॉलोअर कठोर है, तो यह पर्यावरण को नुकसान पहुँचाने का जोखिम उठाता है।

मुख्य समस्या यह है कि फॉलोअर रोबोट को लीडर की गति को सटीक रूप से ट्रैक करने में सक्षम कैसे बनाया जाए, जबकि ऑपरेटर को ट्रैकिंग प्रदर्शन या सुरक्षा से समझौता किए बिना फॉलोअर की इम्पीडेंस को कम से उच्च स्तर तक स्वतंत्र रूप से नियंत्रित करने की अनुमति दी जा सके।

2. कार्यप्रणाली: इंटेंशन एसिमिलेशन कंट्रोल (IAC)

लेखक इंटेंशन एसिमिलेशन कंट्रोल (IAC) का प्रस्ताव करते हैं, जो एक ऐसी रणनीति है जो ट्रैकिंग सटीकता को फॉलोअर की तात्कालिक इम्पीडेंस से अलग (decouple) कर देती है।

मुख्य अवधारणा (Core Concept)

पारंपरिक तरीकों के विपरीत जो लीडर की वर्तमान स्थिति ( $x_l$ ) को फॉलोअर को भेजते हैं, IAC ऑपरेटर द्वारा लगाए गए बल के आधार पर लीडर की लक्ष्य स्थिति ( $\tau_l$ ) का अनुमान लगाता है और इस अनुमानित लक्ष्य को फॉलोअर को ट्रांसमिट करता है। इसके बाद फॉलोअर लीडर की तात्कालिक अवस्था के बजाय इस आभासी लक्ष्य ( $\tau^*$ ) को ट्रैक करता है।

नियंत्रण वास्तुकला (Control Architecture)

लक्ष्य अनुमान (Target Estimation): फॉलोअर, लीडर रोबोट पर लगाए गए बल का अवलोकन करके ऑपरेटर के इच्छित प्रक्षेपव been (intended trajectory) ( $\tau^*$ ) का अनुमान लगाता है। इसे एक आंतरिक मॉडल का उपयोग करके मॉडल किया जाता है जहाँ लक्ष्य प्रक्षेपवक्र समय का एक फलन (function) होता है (जैसे, स्थिर स्थिति या रैखिक वेग)।
स्टेट ऑब्जर्वेशन (State Observation): विस्तारित स्टेट वेक्टर (extended state vector) का अनुमान लगाने के लिए एक कलमन फ़िल्टर (Kalman filter) का उपयोग किया जाता है, जिसमें रोबोट की स्थिति, वेग, लक्ष्य प्रक्षेपवक्र पैरामीटर और लीडर का कंट्रोल इनपुट शामिल है। ऑब्जर्वर अनुमानित स्टेट और मापी गई स्टेट (स्थिति, वेग और बल) के बीच त्रुटि को कम करता है।
कंट्रोल लॉ (Control Law): फॉलोअर का कंट्रोलर इस प्रकार डिज़ाइन किया गया है:
$u = -L_1(x - \tau^*) - L_2(\dot{x} - \dot{\tau}^*)$
जहाँ $L_1$ और $L_2$ फॉलोअर के स्टिफनेस (stiffness) और डैम्पिंग गेन (damping gains) हैं। क्योंकि लक्ष्य $\tau^*$ वर्तमान स्थिति के बजाय इच्छित प्रक्षेपवक्र का एक अनुमान है, इसलिए अभिसरण (convergence) प्राप्त करने के लिए गेन $L_1$ और $L_2$ को उच्च होने की आवश्यकता नहीं है। उन्हें सुरक्षा के लिए कम सेट किया जा सकता है या गतिशील रूप से बदला जा सकता है।
इम्पीडेंस मॉड्यूलेशन (Impedance Modulation): ऑपरेटर अपनी पावर ग्रैस्प फोर्स (power grasp force) के माध्यम से फॉलोअर की इम्पीडेंस तीव्रता को नियंत्रित करता है, जो आर्म एंडपॉइंट स्टिफनेस के साथ रैखिक रूप से सह-संबंधित है। यह फॉलोअर की कंप्लायंस (compliance) को वास्तविक समय में समायोजित करने की अनुमति देता है।
स्थिरता (Stability): तेजी से स्टिफनेस बढ़ाने (जो इम्पीडेंस कंट्रोल में एक ज्ञात समस्या है) से होने वाली अस्थिरता को रोकने के लिए, स्टिफनेस वृद्धि की दर को क्रोनेंडर और बिल्लार्ड (2016) द्वारा व्युत्पन्न एक शर्त का उपयोग करके सीमित किया जाता है, जिससे यह सुनिश्चित होता है कि तीव्र संक्रमण के दौरान भी सिस्टम स्थिर रहे।

सिस्टम डायनेमिक्स (System Dynamics)

पेपर लीडर और फॉलोअर रोबोट को मानक रिजिड-बॉडी डायनेमिक्स का उपयोग करके मॉडल करता है। फॉलोअर का कंट्रोलर अपनी डायनेमिक्स की भरपाई करता है ताकि लीडर की डायनेमिक्स से मेल खा सके, जिससे प्रभावी रूप से एक "मैच्ड" सिस्टम बनता है जहाँ फॉलोअर लीडर के व्यवहार की नकल करता है यदि कंट्रोल इनपुट समान हों।

3. प्रमुख योगदान (Key Contributions)

नवीन नियंत्रण रणनीति: IAC का परिचय, जो नियंत्रण प्रतिमान (control paradigm) को लीडर की वर्तमान स्थिति को ट्रैक करने से बदलकर ऑपरेटर की मंशा से प्राप्त अनुमानित लक्ष्य स्थिति को ट्रैक करने में बदल देता है।
सटीकता और इम्पीडेंस का अलगाव: यह प्रदर्शित करना कि जब फॉलोअर की इम्पीडेंस कम होती है, तब भी उच्च ट्रैकिंग सटीकता बनाए रखी जा सकती है, जो TIC की सीमाओं को दूर करती है।
प्रायोगिक सत्यापन: चार अलग-अलग प्रायोगिक परिदृश्यों में IAC और TIC के बीच एक व्यापक तुलना:
1. फ्री ट्रैकिंग (Free Tracking): परिवर्तनशील इम्पीडेंस के साथ मल्टी-एक्सिस मूवमेंट।
2. सॉफ्ट इंटरैक्शन (Soft Interaction): सुरक्षा और कंप्लायंस का परीक्षण करने के लिए एक गुब्बारे के साथ इंटरैक्शन।
3. पेग-इन-होल (Peg-in-Hole): एक परिशुद्ध कार्य जिसमें संरेखण (alignment) के लिए उच्च कंप्लायंस और इंसर्शन के लिए सटीक ट्रैकिंग की आवश्यकता होती है।
4. बाइलेटरल पॉलिशिंग (Bilateral Polishing): फोर्स-फीडबैक कार्य जहाँ ऑपरेटर ग्रैस्प फोर्स के माध्यम से इम्पीडेंस को मॉड्युलेट करता है।

4. प्रायोगिक परिणाम (Experimental Results)

अध्ययन में एक 100 ms संचार विलंब (communication delay) के साथ एकतरफा कार्यों के लिए और 0 ms के साथ द्विपक्षीय (bilateral) कार्यों के लिए दो 7-DOF फ्रैंका एमिका (Franka Emika) मैनिपुलेटर्स का उपयोग किया गया।

फ्री ट्रैकिंग:
- TIC: जब इम्पीडेंस 400 N/m से नीचे गिर जाती है, तो ट्रैकिंग त्रुटि तेजी से बढ़ जाती है। कम स्टिफनेस (80 N/m) पर, त्रुटियां 20 सेमी से अधिक हो गईं। उच्च स्टिफनेस के कारण "व्हिपलाश" (तेज त्वरण/मंदन) देखा गया जब ऑपरेटर ने इम्पीडेंस बढ़ाया।
- IAC: पूरे इम्पीडेंस रेंज (80–1320 N/m) में ट्रैकिंग त्रुटि को 10 सेमी से नीचे (लगभग 5 सेमी के आसपास) बनाए रखा। कोई व्हिपलाश नहीं देखा गया।
- मात्रात्मक (Quantitative): IAC ने परीक्षण की गई रेंज में TIC की तुलना में ट्रैकिंग त्रुटि को 2.21 के कारक से कम किया।
गुब्बारे के साथ इंटरैक्शन (Balloon Interaction):
- TIC: उच्च गेन (300 N/m) के साथ भी, फॉलोअर फ्री स्पेस में सटीक रूप से ट्रैक करने में विफल रहा और खराब कंप्लायंस कंट्रोल के कारण संपर्क पर गुब्बारे को फोड़ दिया।
- IAC: कम गेन (60 N/m) के साथ, फॉलोअर ने फ्री स्पेस में लीडर को सटीक रूप से ट्रैक किया और गुब्बारे के साथ कोमलता से इंटरैक्ट किया, जिससे फटने से बचाव हुआ।
पेग-इन-होल (Peg-in-Hole):
- प्रतिभागी: 8 सामान्य उपयोगकर्ता।
- सफलता दर: IAC ने 20 सेकंड के भीतर 88% सफलता दर प्राप्त की, जबकि TIC के लिए यह 50% थी ( $p=0.02$ )।
- पूर्णता समय (Completion Time): IAC के साथ सफल परीक्षणों में काफी कम समय लगा (10.0s बनाम TIC के लिए 17.0s, $p<0.001$ )।
- तंत्र (Mechanism): सुधार मुख्य रूप से इंसर्शन चरण द्वारा संचालित था। IAC ने फॉलोअर के ओरिएंटेशन को लीडर के रोटेशनल एडजस्टमेंट के अनुसार सही ढंग से प्रतिक्रिया करने की अनुमति दी, जिससे उपयोगकर्ताओं को पेग को जाम से बाहर निकालने के लिए "जिगल" (jiggle) करने में मदद मिली। TIC कंप्लायंट होने पर इन रोटेशनल सुधारों को प्रभावी ढंग से ट्रांसमिट करने में विफल रहा।
बाइलेटरल पॉलिशिंग (Bilateral Polishing):
- IAC ने x-y प्लेन पर कम ट्रैकिंग त्रुटि बनाए रखने में सफलता प्राप्त की, भले ही ऑपरेटर ने ग्रैस्प फोर्स के माध्यम से इम्पीडेंस को मॉड्युलेट किया हो।
- फोर्स फीडबैक को दोनों मोडैलिटीज में लीडर तक सटीक रूप से परावर्तित किया गया, जो स्थिर द्विपक्षीय संचालन की पुष्टि करता है।

5. महत्व और दावे (Significance and Claims)

पेपर का दावा है कि IAC एकतरफा और द्विपक्षीय टेलीऑपरेशन के दौरान फॉलोअर की स्थिति और इम्पीडेंस पर अभूतपूर्व स्तर का नियंत्रण प्रदान करता है।

सुरक्षा और सटीकता: IAC पारंपरिक ट्रेड-ऑफ को हल करता है, जिससे ट्रैकिंग सटीकता से समझौता किए बिना सुरक्षित, कम-स्टिफनेस इंटरैक्शन संभव होता है।
उपयोगकर्ता की स्वतंत्रता: ऑपरेटर कार्य की आवश्यकताओं के आधार पर (जैसे, पॉलिशिंग के लिए कम स्टिफनेस, ड्रिलिंग के लिए उच्च) इम्पीडेंस को मॉड्युलेट कर सकते हैं, बिना सटीकता बनाए रखने के लिए शारीरिक रूप से मांसपेशियों के को-कॉन्ट्रैक्शन की आवश्यकता के।
मजबूती (Robustness): विधि संचार विलंब (100 ms पर परीक्षित) के प्रति मजबूत है और स्थिरता के लिए जटिल पैसिविटी एल्गोरिदम की आवश्यकता नहीं है।
व्यावहारिकता: ग्रैस्प फोर्स का उपयोग करके इम्पीडेंस का अनुमान लगाकर, सिस्टम EMG-आधारित विधियों से जुड़ी शोर (noise) और कैलिब्रेशन की कठिनाइयों से बचता है, जिससे यह वास्तविक दुनिया के उपयोग के लिए अधिक व्यावहारिक बन जाता है।

लेखक निष्कर्ष निकालते हैं कि IAC मनुष्यों की गति को सटीक रूप से दोहराने में सक्षम है और साथ ही उपयोगकर्ता को वातावरण के अनुकूल इम्पीडेंस को अनुकूलित करने की स्वतंत्रता देता है, एक ऐसी क्षमता जिसे TIC सुरक्षा या प्रदर्शन से समझौता किए बिना प्राप्त नहीं कर सकता है।