A Spiking Neural Architecture for Coordinating Arm and Locomotor Control
यह शोध पत्र पहला एकीकृत स्पाइकिंग न्यूरल आर्किटेक्चर प्रस्तुत करता है जो क्रिया चयन के लिए एक जैविक रूप से आधारित बेसल गैन्ग्लिया मॉडल का उपयोग करके एक पूर्ण-स्तरीय ह्यूमनाइड रोबोट पर द्विपद लोकोमोशन (दो पैरों की चाल) और हाथ के नियंत्रण को समन्वित करता है, जिसे ऊर्जा-कुशल, न्यूरोमॉर्फिक-रेडी नियंत्रण प्रदर्शित करने के लिए नेन्गो (Nengo) और आइजैक सिम (Isaac Sim) में सह-सिमुलेशन के माध्यम से सत्यापित 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 एक रोबोट है जिसे इंसान की तरह व्यवहार करने के लिए बनाया गया है: उसे सड़क पर चलते हुए साथ ही साथ अपने हाथ से एक चित्र भी बनाना है। आमतौर पर, वैज्ञानिक चलने के लिए "दिमाग" और हाथ चलाने के लिए "दिमाग" को दो अलग-अलग, अलग थलग प्रणालियों के रूप में बनाते हैं। वे अपने आप में तो ठीक काम करते हैं, लेकिन वे एक-दूसरे से बात नहीं करते।
यह शोध पत्र एक रोबोट (विशेष रूप से यूनिट्री एच1 (Unitree H1) ह्यूमनॉइड) के लिए एक नया, एकीकृत "दिमाग" पेश करता है जो एक साथ ये दोनों काम कर सकता है, और उनके बीच तुरंत स्विच कर सकता है। सबसे रोमांचक बात क्या है? यह दिमाग पूरी तरह से स्पाइकिंग न्यूरल नेटवर्क (SNNs) से बना है।
यहाँ बताया गया है कि यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:
1. दिमाग: जुगनुओं का एक नेटवर्क
अधिकांश कंप्यूटर दिमाग (जैसे आपके फोन में) बिजली की एक स्थिर धारा की तरह काम करते हैं, जो लगातार गणना करते रहते हैं। यह नया सिस्टम जुगनुओं के झुंड की तरह काम करता है।
- स्पाइकिंग (Spiking): एक निरंतर गूँज के बजाय, न्यूरॉन्स तब तक शांत रहते हैं जब तक उन्हें संदेश भेजने की आवश्यकता नहीं होती, जिसके बाद वे एक छोटा सा विद्युत स्पार्क या "स्पाइक" छोड़ते हैं।
- यह क्यों मायने रखता है: ठीक वैसे ही जैसे जुगनू केवल आवश्यकता होने पर ही चमकते हैं, यह प्रणाली बहुत कम ऊर्जा का उपयोग करती है। इसे भविष्य के विशेष, कम शक्ति वाले हार्डवेयर पर चलाने के लिए पर्याप्त कुशल बनाया गया है।
2. मैनेजर: "ट्रैफिक पुलिस" (बेसल गैन्ग्लिया)
रोबोट को कैसे पता चलता है कि उसे चलना है या चित्र बनाना है? यह मस्तिष्क के एक हिस्से का उपयोग करता है जिसे बेसल गैन्ग्लिया कहा जाता है, जो एक ट्रैफिक पुलिस या स्विचबोर्ड ऑपरेटर की तरह कार्य करता है।
- कार्य: रोबोट के पास दो मुख्य कार्य हैं: "चलना" और "चित्र बनाना।" ट्रैफिक पुलिस स्थिति को देखती है और तय करती है कि किस कार्य को ग्रीन लाइट मिलेगी।
- तंत्र (Mechanism): कल्पना कीजिए कि "चलने" का संकेत और "चित्र बनाने" का संकेत दोनों एक बंद दरवाजे से गुजरने की कोशिश कर रहे हैं। ट्रैफिक पुलिस डिफ़ॉल्ट रूप से दोनों दरवाजों को बंद (निषेध/inhibited) रखती है। जब चलने का समय होता है, तो वह "चलने" वाला दरवाजा खोल देती है और "चित्र बनाने" वाला दरवाजा बंद रखती है। इसे डिस्इनहिबिशन (disinhibition) कहा जाता है।
- परिणाम: रोबोट सहजता से चित्र बनाना बंद कर सकता है, अपने हाथ को सुरक्षित रूप से अंदर खींच सकता है, चलना शुरू कर सकता है, और फिर बिना गिरे या भ्रमित हुए वापस चित्र बनाने पर स्विच कर सकता है।
3. हाथ: "मसल्स मेमोरी" (REACH मॉडल)
हाथ को नियंत्रित करने के लिए, शोधकर्ताओं ने REACH नामक एक मॉडल का उपयोग किया, जो इस बात की नकल करता है कि मानव मस्तिष्क हाथों को कैसे नियंत्रित करता है। उन्होंने दिमाग को तीन विशिष्ट टीमों में विभाजित किया:
- सेंसर टीम (S1): यह टीम महसूस करती है कि हाथ अभी कहाँ है (जैसे आपकी आँखें आपके मस्तिष्क को बताती हैं कि आपका हाथ कहाँ है)।
- प्लानर टीम (M1): यह टीम हाथ को लक्ष्य तक ले जाने के लिए गणित का हिसाब लगाती है। शोध पत्र में एक चतुर तकनीक का उल्लेख है: एक विशाल, जटिल 7-आयामी गणितीय समस्या को एक साथ हल करने के बजाय, उन्होंने इसे तीन छोटी, आसान 5-आयामी समस्याओं में तोड़ दिया (प्रत्येक दिशा के लिए एक: X, Y, Z)। यह एक भारी बॉक्स उठाने जैसा है; इसे एक बड़ी, असंभव लिफ्ट के बजाय तीन छोटे दौरों में ले जाना आसान है।
- स्टेबलाइजर टीम (सेरिबेलम): यह टीम भौतिकी (physics) को संभालती है, जैसे गुरुत्वाकर्षण और संवेग (momentum), यह सुनिश्चित करती है कि हाथ बहुत अधिक न झूल जाए।
4. पैर: "अनुवादक" (ANN से SNN)
रोबोट के चलने वाले हिस्से को मूल रूप से एक मानक आर्टिफिशियल न्यूरल नेटवर्क (ANN) का उपयोग करके प्रशिक्षित किया गया था—एक "सामान्य" कंप्यूटर दिमाग जो चलने में बहुत अच्छा है लेकिन बहुत अधिक शक्ति का उपयोग करता है।
- चुनौती: शोधकर्ताओं को इस "सामान्य" दिमाग को "जुगनू" (स्पाइकिंग) दिमाग में अनुवाद करना था। समस्या यह थी कि मूल दिमाग एक गणितीय फलन (ELU) का उपयोग करता था जो ऋणात्मक संख्याएं उत्पन्न कर सकता था। वास्तविक न्यूरॉन्स (जुगनू) ऋणात्मक रूप से फायर नहीं कर सकते; वे केवल "ऑन" या "ऑफ" हो सकते हैं।
- समाधान: उन्होंने एक हाइब्रिड टीम बनाई। उन्होंने एक समूह का उपयोग "धनात्मक" (positive) गणित को संभालने के लिए किया और दूसरे समूह का उपयोग "ऋणात्मक" (negative) गणित को संभालने के लिए किया, और फिर परिणामों को आपस में जोड़ दिया। इसने उन्हें मूल मस्तिष्क के चलने के कौशल को ऊर्जा-कुशल स्पाइकिंग मस्तिष्क में कॉपी करने की अनुमति दी।
5. टेस्ट ड्राइव
शोधकर्ताओं ने एक सिमुलेशन (एक आभासी दुनिया) में इस प्रणाली का परीक्षण किया जिसमें दो अलग-अलग सॉफ्टवेयर प्रोग्राम आपस में बात कर रहे थे:
- Nengo: "दिमाग" सिम्युलेटर।
- Isaac Sim: "फिजिक्स" सिम्युलेटर (जहाँ रोबोट वास्तव में चलता है और हिलता है)।
उन्होंने क्या देखा?
- रोबोट सफलतापूर्वक एक पथ पर चला।
- रोबोट ने अपने हाथ से संख्या "8" और संख्या "5" सफलतापूर्वक बनाई।
- सबसे महत्वपूर्ण बात यह है कि ट्रैफिक पुलिस ने सफलतापूर्वक रोबोट को चलने से चित्र बनाने और फिर वापस चलने पर स्विच किया। जब रोबोट ने चित्र बनाना शुरू किया, तो "चलने" वाले न्यूरॉन्स शांत हो गए, और "चित्र बनाने" वाले न्यूरॉन्स सक्रिय हो गए।
निचोड़ (The Bottom Line)
यह शोध पत्र दावा करता है कि यह एक पूर्ण आकार के ह्यूमनॉइड रोबोट पर चलने और हाथ की गति दोनों को नियंत्रित करने वाला पहला एकीकृत स्पाइकिंग न्यूरल नेटवर्क है। यह साबित करता है कि आप एक ऐसा रोबोट बना सकते हैं जो एक मानक कंप्यूटर प्रोसेसर के बजाय एक जैविक तंत्रिका तंत्र (स्पाइकिंग) की तरह बने दिमाग का उपयोग करके जटिल कार्यों के बीच स्विच कर सकता है।
उन्होंने क्या नहीं किया (शोध पत्र के अनुसार):
- उन्होंने अभी तक इसे वास्तविक, भौतिक हार्डवेयर पर परीक्षण नहीं किया है (केवल सिमुलेशन में)।
- उन्होंने ऐसा सिस्टम नहीं बनाया जहाँ रोबोट अपने हाथ हिलाते समय खुद को संतुलित करे; उन्हें चित्र बनाते समय रोबोट के कूल्हों को जमीन से "चिपकाकर" रखना पड़ा ताकि वह गिर न जाए।
- उन्होंने असमान जमीन (जैसे सीढ़ियाँ या चट्टानें) पर इसका परीक्षण नहीं किया; चलना केवल समतल सतहों पर ही टेस्ट किया गया था।
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।