Learning Control as Enabling Layer for Embodied Intelligence Research explored with Soft Robotic Swimming in diverse Flow Speeds
यह शोध पत्र यह प्रदर्शित करता है कि पारंपरिक PID नियंत्रण को लीनियर रिपिटिटिव लर्निंग एस्टीमेशन स्कीम (PID-LRLES) के साथ संवर्धित करने से विविध प्रवाह गतियों में सॉफ्ट रोबोटिक तैराकी की ट्रैकिंग सटीकता और पुनरावृत्ति में महत्वपूर्ण सुधार होता है, जिससे भविष्य के एम्बॉडीड इंटेलिजेंस अनुसंधान के लिए एक सुदृढ़ सक्षम परत प्रदान होती 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 रोबोटिक मछली नदी में तैरने की कोशिश कर रही है। एक शांत, स्थिर तालाब में, रोबोट के लिए अपनी पूंछ को एक सटीक, लयबद्ध पैटर्न में हिलाना आसान है। लेकिन जैसे ही पानी बहना शुरू होता है, धारा रोबोट के नरम, लचीले शरीर को धकेलती है। यह उसे डगमगा देता है, उसे बहा ले जाता है और उसकी लय बिगाड़ देता है, बिल्कुल वैसा ही जैसे किसी को बगल से धक्का देते हुए एक सीधी रेखा में चलने की कोशिश करना।
श्वैब (Schwab) और उनके सहयोगियों द्वारा लिखा गया यह शोध पत्र, सॉफ्ट रोबोटिक मछलियों के लिए एक नया "दिमाग" पेश करता है जो उन्हें तेज़ बहते पानी में भी ट्रैक पर रहने में मदद करता है। उन्होंने इसे कैसे किया, इसका सरल विवरण यहाँ दिया गया है:
समस्या: "कठोर" दिमाग बनाम "नरम" शरीर
शोधकर्ताओं ने एक रोबटेज मछली बनाई जिसका शरीर सिलिकॉन से बना है, जो एक असली मछली के समान है। इसे नियंत्रित करने के लिए, वे आमतौर पर एक मानक कंप्यूटर प्रोग्राम का उपयोग करते हैं जिसे PID कहा जाता है (इसे एक बुनियादी ऑटोपायलट के रूप में सोचें)।
- स्थिर पानी में: PID ऑटोपायलट बहुत अच्छा काम करता है। यह रोबोट को हिलने का निर्देश देता है, और रोबोट पूरी तरह से हिलता है।
- बहते पानी में: PID ऑटोपायलट भ्रमित हो जाता है। यह रोबोट की गतिविधियों को सुधारने की कोशिश करता है, लेकिन क्योंकि पानी एक दोहराव वाले पैटर्न में पीछे से धक्का दे रहा है (हर बार जब पूंछ हिलती है), रोबोट पीछे छूटने लगता है। यह एक गाने पर नाचने की कोशिश करने जैसा है जबकि कोई लगातार गाने की गति (टेम्पो) बदल रहा हो; डांसर (रोबोट) ताल से बाहर हो जाता है और लड़खड़ाने लगता है। पानी जितना तेज़ बहता है, रोबोट की स्थिति उतनी ही खराब होती जाती है।
समाधान: "याददाश्त" वाला दिमाग (PID-LRLES)
टीम ने रोबोट के दिमाग में एक विशेष "सीखने" वाली परत जोड़ी, जिसे PID-LRLES कहा जाता है। आप इसे रोबोट को पानी की लय के लिए एक अल्पकालिक स्मृति (शॉर्ट-टर्म मेमोरी) देने के रूप में देख सकते हैं।
- यह कैसे काम करता है: केवल अभी होने वाली गलती पर प्रतिक्रिया देने के बजाय (जैसा कि बुनियादी PID करता है), यह नया सिस्टम देखता है कि पिछले कुछ पूंछ के हिलने में क्या हुआ था।
- उपमा: कल्पना कीजिए कि आप एक ट्रेडमिल पर चल रहे हैं जो अचानक तेज़ होने लगती है। एक साधारण चलने वाला व्यक्ति लड़खड़ा जाएगा और खुद को संभालने की कोशिश करेगा। एक "सीखने वाला" चलने वाला व्यक्ति नोटिस करेगा, "ओह, हर बार जब मैं कदम रखता हूँ, तो बेल्ट मुझे थोड़ा पीछे धकेलती है।" इसलिए, अगले कदम पर, वे बेल्ट के हिलने से पहले ही थोड़ा ज़ोर से धक्का देंगे। वे धक्के के पैटर्न को सीख लेते हैं और उसे पहले ही रद्द कर देते हैं।
- परिणाम: रोबोट पानी द्वारा दिए जाने वाले विशिष्ट "धक्के" को सीख जाता है। कुछ ही सेकंडों में (लगभग 10 सेकंड या 12 बार पूंछ हिलने के बाद), यह पानी के धक्के को बेअसर करने के लिए अपनी गतिविधियों को पूरी तरह से समायोजित कर लेता है, जिससे उसकी पूंछ पानी के प्रवाह के बावजूद एक सुचारू, सटीक लय में चलती रहती है।
गुप्त सामग्री: एक "महसूस करने वाला" सेंसर
इस सीखने की प्रक्रिया के काम करने के लिए, रोबोट को यह जानने की आवश्यकता है कि उसका शरीर ठीक कैसे मुड़ रहा है। शोधकर्ताओं ने रोबोट की रीढ़ से सीधे एक नरम, लचीला सेंसर जोड़ा है।
- रूपक: इस सेंसर को अपने शरीर के प्रोपियोसेप्शन (proprioception) की तरह समझें (वह संवेदना जो आपको बताती है कि बिना देखे आपका हाथ कहाँ है)।
- इस सेंसर के बिना, रोबोट केवल अनुमान लगा रहा होता कि पानी उसे कैसे प्रभावित कर रहा है। इस सेंसर के साथ, रोबोट वास्तविक समय में पानी को अपने शरीर पर धक्का देते हुए "महसूस" करता है। यह अहसास "स्मृति" वाले दिमाग को पानी के धक्के के सटीक पैटर्न को सीखने और उसे ठीक करने की अनुमति देता है।
उन्होंने क्या पाया
शोधकर्ताओं ने एक वॉटर टनल में रोबोट का परीक्षण किया, जिसमें पानी की गति को एक शांत पूल से लेकर एक तेज़ धारा (32.6 सेमी/सेकंड तक) तक बढ़ाया गया।
- एक-बार का ट्यूनिंग: उन्होंने स्थिर पानी में रोबोट के नियंत्रणों को सेट किया और फिर कभी भी सेटिंग्स को बदला नहीं। उन्हें हर नई पानी की गति के लिए रोबोट को दोबारा ट्यून करने की आवश्यकता नहीं पड़ी।
- बेहतर सटीकता: "सीखने" वाले दिमाग वाला रोबोट बुनियादी दिमाग वाले रोबोट की तुलना में अपनी आदर्श तैराकी लय के बहुत करीब रहा।
- निरंतरता: बुनियादी रोबोट का प्रदर्शन पानी तेज़ होने के साथ बदतर और अनिश्चित होता गया। सीखने वाला रोबोट, चाहे पानी कितना भी तेज़ हो, स्थिर और विश्वसनीय बना रहा।
यह क्यों महत्वपूर्ण है
इस शोध का मुख्य लक्ष्य केवल एक बेहतर तैरने वाला रोबोट बनाना नहीं था; बल्कि एक विश्वसनीय परीक्षण मंच (टेस्ट प्लेटफॉर्म) बनाना था।
- वैज्ञानिक इन रोबोटों का उपयोग यह अध्ययन करने के लिए करते हैं कि विभिन्न पूंछ के आकार (जैसे प्राचीन विलुप्त मछलियों की पूंछ) तैराकी को कैसे प्रभावित करते हैं।
- यदि रोबोट की तैराकी पानी के कारण डगमगाती और असंगत है, तो वैज्ञानिक यह नहीं बता पाएंगे कि प्रदर्शन में अंतर पूंछ के आकार के कारण है या सिर्फ इसलिए क्योंकि रोबोट का दिन खराब था।
- इस "लर्निंग" कंट्रोल का उपयोग करके, रोबोट की गतिविधियाँ इतनी सुसंगत हो जाती हैं कि वैज्ञानिक विश्वास के साथ कह सकते हैं, "यह पूंछ का आकार बेहतर है क्योंकि यह इसके आकार के कारण है, न कि यादृच्छिक डगमगाहट के कारण।"
संक्षेप में, यह पेपर दिखाता है कि रोबोट को पानी की लय की "याददाश्त" और अपने शरीर का "अहसास" देकर, हम इसे एक असली मछली की तरह स्थिरता और आत्मविश्वास के साथ तैरने में सक्षम बना सकते है, भले ही वह एक तेज़ बहती नदी हो। यह जानवरों के तैरने के तरीके और बेहतर अंडरवॉटर मशीन बनाने के हमारे प्रयासों पर भविष्य के प्रयोगों के लिए एक ठोस आधार तैयार करता है।
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।