💻 computer science

Coupled Routing and Configuration Optimization for Multi-Viewpoint Robotic Inspection

यह शोध पत्र एक एकीकृत ढांचे को प्रस्तुत करता है जो एक क्लोज्ड-फॉर्म सरोगेट के साथ ग्लोबल सर्च और एक अंतिम ट्रैजेक्टरी सर्टिफिकेशन स्टेप का उपयोग करके मल्टी-व्यूपॉइंट निरीक्षण के लिए विजिटिंग ऑर्डर और रोबोट कॉन्फ़िगरेशन को संयुक्त रूप से अनुकूलित करता है, जिससे समय-इष्टतम, टकराव-मुक्त मार्ग प्राप्त होते हैं जो पारंपरिक मॉड्यूलर पाइपलाइनों से बेहतर प्रदर्शन करते हैं।

मूल लेखक: Minh Nhat Vu, Khang Nguyen, Vu Trung Tran, Vien Ngo

प्रकाशित 2026-06-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Minh Nhat Vu, Khang Nguyen, Vu Trung Tran, Vien Ngo

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 आपके पास एक बहुत ही लचीला रोबोटिक हाथ है (एक मानव हाथ की तरह जिसमें सात जोड़ हैं) जो एक चलती हुई कार्ट पर बैठा है जो बाएं, दाएं, आगे और पीछे खिसक सकती है। इस रोबोट के पास कुल 9 "डिग्री ऑफ फ्रीडम" (हिलने-डुलने के तरीके) हैं। आपका काम इस रोबोट को वस्तुओं के एक ढेर का निरीक्षण करने के लिए प्रोग्राम करना है, जिसमें वह 100 अलग-अलग कोणों (व्यूपॉइंट्स) से तस्वीरें लेगा।

लक्ष्य सरल है: रोबोट को बिना किसी चीज़ से टकराए जितनी जल्दी हो सके सभी 100 तस्वीरें लेने के लिए तैयार करना।

पुराना तरीका: "स्टेप-बाय-स्टेप" रेसिपी

पारंपरिक रूप से, इंजीनियर इस समस्या को दो अलग-अलग, कठोर चरणों में हल करते हैं:

एक पोज़ चुनना: प्रत्येक 100 कोणों के लिए, वे रोबोट को एक विशिष्ट तरीके से खड़े होने के लिए मजबूर करते हैं (एक एकल कॉन्फ़िगरेशन)। वे शायद उस पोज़ को चुनते हैं जो सबसे "मजबूत" या सबसे "संतुलित" दिखता है, यह अनदेखा करते हुए कि रोबोट आगे क्या करने वाला है।
एक मैप बनाना: वे गणना करते हैं कि इन प्रत्येक निश्चित पोज़ के बीच यात्रा करने में कितना समय लगता है।
रास्ता तय करना: अंत में, वे इन बिंदुओं को जोड़ने वाला सबसे छोटा रास्ता खोजने की कोशिश करते हैं।

समस्या: यह एक रोड ट्रिप की योजना बनाने जैसा है जहाँ पहले आप यह तय करते हैं कि हर स्टॉप पर आप किस होटल में रुकेंगे, बिना यह जाने कि उनके बीच ट्रैफिक कैसा रहेगा। यदि आप एक ऐसा होटल चुनते हैं जहाँ पहुँचना पिछले स्टॉप से कठिन है, तो आप समय बर्बाद करते हैं। क्योंकि रोबोट के पास हिलने-डुलने के कई तरीके हैं, इसलिए एक कोण के लिए सबसे अच्छा पोज़ अगले स्टॉप के लिए बहुत बुरा हो सकता है यदि वह अगला स्टॉप बस कुछ इंच दूर किसी अलग दिशा में है। पुराना तरीका बड़ी तस्वीर को नहीं देख पाता।

नया तरीका: "ग्लोबल डांस"

लेखकों ने एक एकीकृत ढांचा (unified framework) प्रस्तावित किया है। रोबोट के पोज़ को पहले से तय करने के बजाय, वे रोबोट को स्टॉप का क्रम और प्रत्येक स्टॉप के लिए सबसे अच्छा पोज़, दोनों एक साथ तय करने देते हैं।

इसे एक डांस कोरियोग्राफर की तरह समझें। बजाय इसके कि डांसर को यह बताया जाए कि, "इस सटीक स्थान पर खड़े हो जाओ, फिर उस सटीक स्थान पर जाओ," कोरियोग्राफर कहता है, "यहाँ संगीत और स्टेज है; अब कम से कम समय में पूरी रूटीन पूरी करने के लिए बेहतरीन मूव्स और बॉडी पोज़िशन का क्रम खुद तय करो।"

उन्होंने इसे कैसे संभव बनाया (जादुई तरकीबें)

9 चलते हुए हिस्सों वाले 100 स्टॉप्स को एक साथ ऑप्टिमाइज़ करना गणितीय रूप से एक दुःस्वप्न है। यह एक रुबिक्स क्यूब को सुलझाने और जग्लिंग करने के बीच तालमेल बिठाने जैसा है। इसे तेज़ बनाने के लिए, लेखकों ने तीन चतुर तरकीबों का उपयोग किया:

"सेल्फ-मोशन" मैप (लचीली कलाई):
किसी भी एक कैमरा एंगल के लिए, रोबोट के पास 3 अतिरिक्त डिग्री ऑफ फ्रीडम होते हैं (वह अपने "कोहनी" को घुमा सकता है या अपने "कार्ट" को स्लाइड कर सकता है जबकि कैमरा अभी भी लक्ष्य की ओर केंद्रित रहता है)। लेखकों ने एक गणितीय सूत्र बनाया है जो इन सभी संभावित स्थितियों को एक साथ वर्णित करता है। एक को चुनने के बजाय, वे प्लानिंग चरण के दौरान पूरे "बादल" (विकल्पों का समूह) को खुला रखते हैं।
"स्पीड लिमिट" अनुमान (शॉर्टकट):
बाधाओं से बचते हुए रोबकार के मूवमेंट के सटीक समय की गणना करना धीमा और भारी काम है। लेखकों ने एक सरलीकृत भौतिकी मॉडल (जैसे एक कार का एक्सीलरेट और ब्रेक लगाना) का उपयोग करके यात्रा के समय का एक तेज़, मोटा अनुमान तैयार किया। यह अनुमान "एडमिसेबल" (admissible) है, जिसका अर्थ है कि यह वास्तविकता से तेज़ समय का अनुमान कभी नहीं लगाएगा; यह हमेशा एक सुरक्षित, थोड़ा रूढ़िवादी अनुमान होगा। यह उन्हें सेकंडों में हजारों रूटों का परीक्षण करने की अनुमति देता है।
"रैंडम की" डिकोडर (सॉर्टर):
कंप्यूटर को सबसे अच्छे रूट की खोज करने में मदद करने के लिए, उन्होंने पूरी समस्या (स्टॉप्स का क्रम + रोबोट के पोज़) को संख्याओं की एक एकल सूची में एनकोड किया। उन्होंने एक "रैंडम की" प्रणाली का उपयोग किया: यदि आपके पास संख्याओं की एक सूची है, तो रोबोट स्टॉप्स के क्रम को तय करने के लिए उन्हें छोटे से बड़े क्रम में सॉर्ट करता है। यह एक स्मार्ट सर्च एल्गोरिदम (जिसे CMA-ES कहा जाता है) को नंबरों को बदलने और तुरंत एक नया, बेहतर रूट और नए रोबोट पोज़ देखने की अनुमति देता है।

अंतिम जाँच: "सेफ्टी सर्टिफिकेट"

एक बार जब कंप्यूटर तेज़ अनुमानों का उपयोग करके सबसे अच्छा रूट ढूंढ लेता है, तो लेखक केवल उस विशिष्ट पथ पर एक अंतिम, भारी-भरकम जाँच चलाते हैं।

वे यह सत्यापित करने के लिए एक सटीक, धीमे और सटीक सिमुलेशन (डायरेक्ट कोलोकेशन) का उपयोग करते हैं कि रोबोट वास्तव में नहीं टकराएगा और उसके मोटर्स नहीं जलेंगे।
दक्षता लाभ (Efficiency Gain): पुराने तरीके में, उन्हें हर संभावित जोड़े (हजारों जाँच) पर यह धीमी, भारी जाँच करनी पड़ती थी। नए तरीके में, वे केवल उस वास्तविक पथ पर ही यह जाँच करते हैं जिसे रोबلاً लेगा (100 स्टॉप्स के लिए 99 जाँच)। यह एक ऐसे कार्य को जो घंटों लेता है, मिनटों में बदल देता है।

परिणाम

टीम ने इसका परीक्षण एक स्लाइडिंग बेस वाले वास्तविक KUKA रोबोटिक आर्म पर किया।

गति: उन्होंने पाया कि उनके द्वारा खोजे गए रूट पुराने "स्टेप-बाय-स्टेप" तरीकों की तुलना में काफी तेज़ थे।
गुणवत्ता: उन्होंने गणितीय रूप से सिद्ध किया कि उनका समाधान सैद्धांतिक रूप से सर्वोत्तम संभव समय के बहुत करीब (सैद्धांतिक पूर्ण समय के 5% के भीतर) है।
सुरक्षा: रोबोट सुचारू रूप से चला और सभी बाधाओं (मेज, दीवारें और स्वयं वस्तुएं) से बचा, जो सिमुलेशन और वास्तविक दुनिया के परीक्षणों दोनों में देखा गया।

सारांश

यह पेपर एक रोबोट को एक बेहतर यात्री बनना सिखाता है। शुरू करने से पहले खुद को एक कठोर योजना में बांधने के बजाय, यह अपने विकल्पों को खुला रखता है, पूरी यात्रा की एक साथ योजना बनाता है, सबसे अच्छा रास्ता खोजने के लिए एक तेज़ "बैक-ऑफ-द-नैपकिन" (त्वरित) गणना का उपयोग करता है, और फिर उस विशिष्ट पथ पर एक अंतिम, कठोर सुरक्षा जाँच करता है। परिणाम यह है कि रोबोट वस्तुओं का निरीक्षण पहले से कहीं अधिक तेज़ी से और कुशलता से करता है।

तकनीकी सारांश: मल्टी-व्यूपॉइंट रोबोटिक निरीक्षण के लिए युग्मित रूटिंग और कॉन्फ़िगरेशन अनुकूलन

समस्या विवरण
यह शोध पत्र उच्च-डिग्री-ऑफ-फ्रीडम (DoF) रोबोटिक प्रणालियों (विशेष रूप से एक 9-DoF मोबाइल मैनिपुलेटर) के लिए समय-इष्टतम, टकराव-मुक्त मार्ग की योजना बनाने की चुनौती को संबोधित करता है, जिन्हें 6-DoF निरीक्षण व्यूपॉइंट्स के एक बड़े सेट पर जाना होता है। फिक्स्ड सीक्वेंस वाले असेंबली कार्यों के विपरीत, निरीक्षण कार्यों में विजिटिंग ऑर्डर (आने का क्रम) को अनुकूलित करने की अनुमति होती है। मुख्य कठिनाई कार्य स्थान (task space/viewpoints) और जॉइंट स्पेस के बीच गैर-रेखीय मैपिंग (nonlinear mapping) में निहित है। पारंपरिक मॉड्यूलर पाइपलाइनों में, रूटिंग होने से पहले प्रत्येक व्यूपॉइंट के लिए एक एकल इनवर्स किनेमैटिक्स (IK) कॉन्फ़िगरेशन निर्धारित कर दिया जाता है। यह डिकपलिंग (decoupling) उप-इष्टतम (suboptimal) है क्योंकि एक व्यूपॉइंट के लिए इष्टतम कॉन्फ़िगरेशन उसके पड़ोसियों के संदर्भ पर निर्भर करता है; दो व्यूपॉइंट जो टास्क स्पेस में पास हैं, वे चुने गए जॉइंट एंगल्स के आधार पर कॉन्फ़िगरेशन स्पेस में दूर हो सकते हैं। फलस्वरूप, मॉड्यूलर दृष्टिकोण अक्सर वैश्विक समय-इष्टतमता (global time-optimality) प्राप्त करने में विफल रहते हैं।

कार्यप्रणाली (Methodology)
लेखक एक एकीकृत ढांचे का प्रस्ताव करते हैं जो क्रमवार चरणों के बजाय एक ही ग्लोबल सर्च के भीतर विजिटिंग ऑर्डर और प्रति-व्यूपॉइंट कॉन्फ़िगरेशन को संयुक्त रूप से अनुकूलित करता है। यह कार्यप्रणाली तीन प्राथमिक घटकों से बनी है:

रिडंडेंसी-पैरामीटराइज्ड इनवर्स किनेमैटिक्स (Redundancy-Parameterized Inverse Kinematics):
प्रत्येक व्यूपॉइंट के लिए एक एकल कॉन्फ़िगरेशन के लिए नॉनलीनियर प्रोग्राम हल करने के बजाय, 9-DoF सिस्टम के 3-डायमेंशनल सेल्फ-मोशन मैनिफोल्ड को क्लोज्ड-फॉर्म में पैरामीटराइज किया गया है। प्रत्येक व्यूपॉइंट की पोज़ (pose) को एक वेक्टर $\gamma_i$ का उपयोग करके निर्मित किया गया है जिसमें लीनियर स्टेज कोऑर्डिनेट्स और आर्म स्विवल एंगल शामिल हैं। यह मैप, $\kappa(v_i, \gamma_i)$ , ऑप्टिमाइज़र को पोज़ बाधाओं का उल्लंघन किए बिना सीधे निरंतर कॉन्फ़िगरेशन स्पेस में खोजने की अनुमति देता है।
क्लोज्ड-फॉर्म ट्रैवल-टाइम सरोगेट (Closed-Form Travel-Time Surrogate):
ग्लोबल सर्च को व्यावहारिक बनाने के लिए, यह ढांचा महंगे ट्रैजेक्टरी ऑप्टिमाइजेशन के स्थान पर रेस्ट-टू-रेस्ट ट्रैवल टाइम के लिए एक क्लोज्ड-फॉर्म एडमिसिबल सरोगेट का उपयोग करता है। लीनियरलाइज्ड डबल-इंटीग्रेटर डायनेमिक्स से व्युत्पन्न, यह सरोगेट दो कॉन्फ़िगरेशन के बीच वास्तविक टॉर्क-लिमिटेड ट्रैवल टाइम का निचला स्तर (lower bound) प्रदान करता है। यह कम्प्यूटेशनल रूप से सस्ता (बीजीय संचालन) है और यह सुनिश्चित करता है कि ऑप्टिमाइज़र एज कॉस्ट (edge costs) का अति-अनुमान न लगाए।
एकीकृत अनुकूलन और परिशोधन (Unified Optimization and Refinement):

ग्लोबल सर्च: विजिटिंग ऑर्डर (रैंडम कीज़ के माध्यम से एनकोडेड) और कॉन्फ़िगरेशन पैरामीटर्स को कोवेरिएंस मैट्रिक्स अडैप्टेशन इवोल्यूशन स्ट्रेटजी (CMA-ES) का उपयोग करके संयुक्त रूप से अनुकूलित किया जाता है। ऑब्जेक्टिव फंक्शन सरोगेट ट्रैवल टाइम्स के योग को कम करता है और टकराव (ऑब्स्टेकल इंटरसेक्शन के स्मूथ LogSumExp एप्रोक्सिमेशन का उपयोग करके) और जॉइंट लिमिट उल्लंघनों के लिए दंड (penalty) लगाता है।
सटीक परिशोधन (Exact Refinement): एक बार जब CMA-ES एक कैंडिडेट रूट पर अभिसरित (converge) हो जाता है, तो चयनित रूट के केवल $M-1$ एड्स (edges) पर डायरेक्ट-कोलोकेशन ट्रैजेक्टरी ऑप्टिमाइजेशन लागू किया जाता है। यह चरण डायनेमिक व्यवहार्यता को प्रमाणित करता है, सटीक टॉर्क सीमाओं को लागू करता है, और सटीक समय की गणना करता है। यह महंगे ट्रैजेक्टरी सोल्व्स की संख्या को क्वाड्रेटिक ( $O(M^2)$ मॉड्यूलर पाइपलाइनों में) से घटाकर लीनियर ( $O(M)$ ) कर देता है।

प्रमुख योगदान

संयुक्त अनुकूलन फॉर्मूलेशन: यह शोध पत्र मल्टी-व्यूपॉइंट निरीक्षण को विजिटिंग ऑर्डर और निरंतर कॉन्फ़िगरेशन मैनिफोल्ड दोनों पर एक एकल अनुकूलन समस्या के रूप में तैयार करता है, जिससे वह डिकपलिंग समाप्त हो जाती है जो मॉड्यूलर पाइपलाइनों को सीमित करती है।
क्लोज्ड-फॉर्म सरोगेट्स के माध्यम से व्यवहार्यता: लेखक प्रदर्शित करते हैं कि क्लोज्ड-फॉर्म, रिडंडेंसी-पैरामीटराइज्ड IK, क्लोज्ड-फॉर्म एडमिसिबल ट्रैवल-टाइम सरोगेट, और एक रैंडम-की एनकोडिंग के माध्यम से इस समस्या को व्यावहारिक बनाया जा सकता है, जो डेरिवेटिव-फ्री ऑप्टिमाइज़र को ऑर्डर और कॉन्फ़िगरेशन को एक साथ खोजने की अनुमति देता है।
दक्षता और प्रमाणन: अंतिम चयनित रूट एड्स पर डायरेक्ट कोलोकेशन लागू करके, यह विधि ट्रैजेक्टरी सोल्व्स को क्वाड्रेटिक से लीनियर जटिलता तक कम करती है। इसके अलावा, ढांचा समाधान की गुणवत्ता का प्रमाण (certificate) प्रदान करता है, जो कंप्यूटेड रूट कॉस्ट और ग्लोबल टाइम-ऑप्टिमम के बीच के अंतर को बांधता है।

प्रायोगिक परिणाम
इस ढांचे को KUKA LBR iiwa R820 को 2-DoF लीनियर स्टेज पर माउंट करके सिमुलेशन और रियल-रोबोट प्रयोगों के माध्यम से मान्य किया गया।

प्रदर्शन: एक मॉड्यूलर बेसलाइन (जो कॉन्फ़िगरेशन को रूटिंग से पहले फिक्स करती है) और एक नैव डिस्टेंस-बेस्ड अप्रोच की तुलना में, प्रस्तावित विधि ने काफी कम एंड-टू-एंड निरीक्षण समय प्राप्त किया। उदाहरण के लिए, 200-व्यूपॉइंट परिदृश्य में, प्रस्तावित विधि ने प्लानिंग समय को ~2529 सेकंड से घटाकर ~25 सेकंड कर दिया और बेसलाइन की तुलना में ट्रैवल टाइम में 1500 सेकंड से अधिक का सुधार किया।
स्केलेबिलिटी: प्रस्तावित विधि के लिए प्लानिंग समय व्यूपॉइंट्स की संख्या के साथ लीनियर रूप से स्केल करता है, जबकि मॉड्यूलर बेसलाइन अपने ऑल-पेयर्स ट्रैजेक्टरी ऑप्टिमाइजेशन की आवश्यकता के कारण क्वाड्रेटिक रूप से स्केल करती है।
ऑप्टिमलिटी गैप: विधि एक प्रमाणित ऑप्टिमलिटी गैप (रिफाइंड रूट कॉस्ट और लोअर बाउंड के बीच का अंतर) प्रदान करती है, जो सबसे बड़े इंस्टेंस (200 व्यूपॉइंट्स) के लिए भी 5% से नीचे रहा।
व्यवहार्यता: सभी जनरेट की गई ट्रैजेक्टरीज ने डायरेक्ट-कोलोकेशन रिफाइनमेंट स्टेप द्वारा सत्यापित डायनेमिक बाधाओं, टॉर्क लिमिट्स और टकराव बचाव आवश्यकताओं को पूरा किया।

महत्व और दावे
शोध पत्र का दावा है कि यह एकीकृत दृष्टिकोण मॉड्यूलर पाइपलाइनों की तुलना में मौलिक रूप से सुधार करता है क्योंकि यह स्वीकार करता है कि किसी व्यूपॉइंट के लिए इष्टतम कॉन्फ़िगरेशन रूट के संदर्भ पर निर्भर करता है। कॉन्फ़िगरेशन चयन को रूटिंग के साथ एकीकृत करके, यह विधि वैश्विक रूप से समय-इष्टतम समाधान प्राप्त करती है जिसे मॉड्यूलर दृष्टिकोण गारंटी नहीं दे सकते। इस ढांचे को जीरो-डिफेक्ट और फ्लेक्सिबल मैन्युफैक्चरिंग प्रतिमानों के लिए एक व्यावहारिक समाधान के रूप में प्रस्तुत किया गया है जहाँ व्यक्तिगत उत्पाद योजनाएं CAD डेटा से स्वचालित रूप से उत्पन्न की जानी चाहिए। लेखक ऑफलाइन प्लानिंग (स्थिर वातावरण) और सरोगेट चरण में कोलिजन चेक के एप्रोक्सिमेशन के संबंध में सीमाओं को नोट करते हैं, जिन्हें अंतिम परिशोधन चरण में ठीक किया जाता है। भविष्य के कार्य में बड़े पैमाने की समस्याओं के लिए उन्नत CMA-ES वेरिएंट और सीखे गए (learned) सरोगेट्स का पता लगाने का सुझाव दिया गया है।