⚡ electrical engineering

Human-Robot Shared Control for Humanized End-Effector Teleoperation

यह शोध पत्र रोबोटिक टेलीऑपरेशन के लिए एक वास्तविक समय (real-time) साझा नियंत्रण ढांचे को प्रस्तुत करता है जो दो-तिहाई शक्ति नियम (two-thirds power law) को एकीकृत करके मानव-समान एंड-इफेक्टर प्रक्षेपवक्रों (trajectories) को बढ़ाता है, जिसके परिणामस्वरूप कार्य पूरा करने के समय से समझौता किए बिना प्राकृतिक मानव गति के प्रति महत्वपूर्ण रूप से बेहतर काइनेमैटिक अनुपालन और सुचारू गति प्राप्त होती है।

मूल लेखक: Batool Ibrahim, Imad H. Elhajj, Daniel Asmar, Rawan El Hakim

प्रकाशित 2026-06-24

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Batool Ibrahim, Imad H. Elhajj, Daniel Asmar, Rawan El Hakim

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 वीडियो गेम खेल रहे हैं जहाँ आप एक जॉयस्टिक का उपयोग करके एक रोबोटिक हाथ को नियंत्रित करते हैं। आमतौर पर, जब आप जॉयस्टिक हिलाते हैं, तो रोबोट ठीक वैसे ही चलता है जैसा आप उसे बताते हैं, तुरंत। लेकिन यहाँ एक समस्या है: इंसान रोबोट की तरह नहीं चलते। जब हम एक वृत्त (circle) बनाते हैं या कोई अक्षर लिखते हैं, तो हमारे हाथ स्वाभाविक रूप से तब धीमे हो जाते हैं जब हम किसी तीखे मोड़ पर होते हैं और सीधी रेखा में चलते समय तेज हो जाते हैं। यह एक जैविक नियम है जिसे "टू-थर्ड्स पावर लॉ" (Two-Thirds Power Law) कहा जाता है।

जब आप एक रोबोट को टेलीऑपरेट करते हैं, तो आपके जॉयस्टिक इनपुट अक्सर इस नियम की अनदेखी करते हैं। रोबोट उतनी ही गति से तीखा मोड़ काटने की कोशिश कर सकता है जितनी गति से वह सीधी रेखा में चलता है, जिससे उसकी गति कठोर, झटकेदार और "अप्राकृतिक" दिखाई देती है।

बड़ा विचार: एक "स्मार्ट को-पायलट"
शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो एक स्मार्ट को-पायलट की तरह काम करता है। वे रोबोट से नियंत्रण छीनना नहीं चाहते थे; वे वास्तव में मानव के कमांड को वास्तविक समय में पॉलिश करना चाहते थे।

इसे इस तरह सोचिए: आप एक कार चला रहे हैं, और आप एक मोड़ लेना चाहते हैं। आप स्टीयरिंग घुमाते हैं (आपका कमांड), लेकिन आपकी कार में एक "स्मार्ट सस्पेंशन" है जो मोड़ की तीव्रता के आधार पर अपने आप गति को समायोजित करता है। आप अभी भी तय करते हैं कि कहाँ जाना है, लेकिन आपकी कार यह सुनिश्चित करती है कि आप वहाँ कितनी सुचारू रूप से पहुँचते हैं, बिल्कुल वैसे ही जैसे एक मानव ड्राइवर करता है।

यह कैसे काम करता है (जादुई ट्रिक)
यह सिस्टम एक गणितीय नियम (टू-थर्ड्स पावर लॉ) का उपयोग करता है जो यह अनुमान लगाता है कि एक मानव हाथ को कैसे चलना चाहिए।

आगे देखना: सिस्टम आपके जॉयस्टिक इनपुट को देखता है और आपके पथ की "वक्रता" (curvature) का अनुमान लगाता है। यह पूछता है, "क्या उपयोगकर्ता जल्द ही एक तीखा मोड़ लेने वाला है?"
समायोजन: यदि आप तीखा मोड़ लेने वाले हैं, तो सिस्टम स्वचालित रूप से रोबोट की गति धीमी कर देता है। यदि आप एक सीधी रेखा में चल रहे हैं, तो यह रोबोट को तेज होने देता है।
परिणाम: रोबोट आपके इच्छित पथ का पूरी तरह से पालन करता है, लेकिन जिस गति से वह चलता है, वह मानव हाथ की प्राकृतिक लय की नकल करने के लिए बदल जाती है।

प्रयोग: को-पायलट का परीक्षण
टीम ने इसका परीक्षण एक वास्तविक 6-आर्म वाले रोबोट (एक Dobot CR10) पर एक जॉयस्टिक के माध्यम से किया। उन्होंने एक इंसान को वृत्त, फिगर-एट (figure-eights) और टेढ़ी-मेढ़ी रेखाओं जैसे विभिन्न आकार बनाने के लिए कहा। उन्होंने दो परिदृश्यों की तुलना की:

परिदृश्य A (पुराना तरीका): रोबोट ठीक वैसा ही चलता है जैसा जॉयस्टिक कहता है, बिना किसी समायोजन के।
परिदृश्य B (नया तरीका): नया तरीका वक्र के आधार पर गति को समायोजित करने के लिए "स्मार्ट को-पायलट" का उपयोग करता है।

उन्होंने क्या पाया
परिणाम ऐसे थे जैसे नृत्य करने का एक अधिक सहज और प्राकृतिक तरीका मिल गया हो:

अधिक मानव-समान: उन्होंने मापा कि रोबोट की गति "टू-थर्ड्स पावर लॉ" से कितनी करीब थी। नए तरीके ने पूर्ण मानव-समान गति पैटर्न से 39.7% अधिक निकटता प्राप्त की। यह ऐसा था जैसे रोबोट ने गति के साथ "साँस लेना" सीख लिया हो।
अधिक सुचारू सवारी: उन्होंने रोबोट के जोड़ों की "झटकेदारपन" (jerkiness) को मापा (कि बल में अचानक कितना परिवर्तन हुआ)। नए तरीके ने इस झटकेदारपन को लगभग 34% कम कर दिया। कल्पना कीजिए कि आप एक ऊबड़-खाबड़ सड़क पर गाड़ी चला रहे हैं; नया सिस्टम इस अहसास को बदल देता है कि आप गड्ढों से टकराने के बजाय चिकनी सड़क पर फिसल रहे हैं।
वही गति, बेहतर अनुभव: महत्वपूर्ण रूप से, रोबोट ने कार्यों को पूरा करने में अधिक समय नहीं लिया। आकृतियों को बनाने में लगने वाला समय दोनों परिदृश्यों में लगभग समान था। रोबोट धीमा नहीं हुआ; वह बस अधिक सुचारू हो गया।

यह क्यों महत्वपूर्ण है
यह शोध पत्र तर्क देता है कि जब रोबोट इंसानों की तरह चलते हैं, तो लोग उन पर अधिक भरोसा करते हैं और उन्हें काम करने में आसान पाते हैं। रोबोट के मस्तिष्क में इस "मानव-समान" परत को जोड़कर, शोधकर्ताओं ने रोबोट को एक कठोर मशीन के बजाय एक प्राकृतिक साथी जैसा महसूस कराया, और वह भी बिना मानव से स्टीयरिंग व्हील छीने।

संक्षेप में: उन्होंने रोबोट को इंसान की तरह गाड़ी चलाना सिखाया, इंसान को रोबोट की तरह चलाने के लिए मजबूर करके नहीं, बल्कि यह सुनिश्चित करके कि रोबोट का "स्मार्ट सस्पेंशन" मोड़ों और उतार-चढ़ाव को स्वाभाविक रूप से संभाल ले।

तकनीकी सारांश: मानवीकृत एंड-इफ़ेक्टर टेलीऑपरेशन के लिए मानव-रोबोट साझा नियंत्रण

समस्या विवरण
जैसे-जैसे रोबोटों को साझा मानव वातावरण में तैनात किया जा रहा है, प्रभावी मानव-रोबोट संपर्क (HRI) महत्वपूर्ण हो गया है। शोध इंगित करता है कि मानवोचित गुण (anthropomorphism)—अर्थात मानव जैसे लक्षणों का समावेश—उपयोगकर्ता के विश्वास, सुरक्षा और कार्य प्रदर्शन को बढ़ाता है। हालांकि, रोबोटिक आर्म टेलीऑपरेशन में, इंटरफेस (जैसे जॉयस्टिक) के माध्यम से मानव ऑपरेटर द्वारा नियंत्रित गतियाँ अक्सर प्राकृतिक मानव किनेमैटिक विशेषताओं की कमी दर्शाती हैं। यह विचलन अप्रत्यक्ष संपर्क, टास्क-स्पेस बेमेल और संचार विलंब के कारण उत्पन्न होता है। यह कार्य जिस मुख्य चुनौती को संबोधित करता है, वह यह है कि ऑपरेटर के इच्छित नियंत्रण इनपुट को सख्ती से सुरक्षित रखते हुए वास्तविक समय में मानव-समान गति कैसे प्राप्त की जाए।

कार्यप्रणाली
लेखक एक वास्तविक समय के साझा नियंत्रण ढांचे (shared control framework) का प्रस्ताव करते हैं जिसे ऑपरेटर के इरादे को ओवरराइड किए बिना एंड-इफ़ेक्टर प्रक्षेपवक्र (trajectories) को मानवीकृत करने के लिए डिज़ाइन किया गया है। यह प्रणाली एक 6-डिग्री-ऑफ-फ्रीडम Dobot CR10 रोबोटिक आर्म पर संचालित होती है और टू-थर्ड्स पावर लॉ (Two-Thirds Power Law) का उपयोग करती है, जो एक जैविक सिद्धांत है जिसके अनुसार स्पर्शरेखीय वेग ( $v$ ), प्रक्षेपवक्र वक्रता ( $C$ ) के घनमूल के व्युत्क्रमानुपाती होता है, जिसे $v(t) = k \cdot C(t)^{-1/3}$ के रूप में व्यक्त किया जाता है।

आर्किटेक्चर तीन प्राथमिक चरणों से बना है:

कर्वेचर लुकअहेड (Curvature Lookahead): सिस्टम उपयोगकर्ता के वेग कमांड ( $V_i$ ) प्राप्त करता है और इच्छित पथ की अपेक्षित वक्रता ( $\hat{C}_i$ ) का अनुमान लगाता है। यह उपयोगकर्ता के वेग के संख्यात्मक विभेदन (numerical differentiation) के माध्यम से त्वरण का अनुमान लगाकर और शोर को कम करने के लिए एक्सपोनेंशियल मूविंग एवरेज (EMA) फिल्टरिंग के माध्यम से प्राप्त किया जाता है। वक्रता की गणना वेग और त्वरण वेक्टर के क्रॉस-प्रोडक्ट का उपयोग करके की जाती है।
साझा नियंत्रण मॉड्यूलेशन (Shared Control Modulation): कच्चे उपयोगकर्ता वेग के निष्पादन के बजाय, नियंत्रक एक "मानवीकृत" वेग कमांड ( $v_h$ ) उत्पन्न करता है। ढांचा पावर लॉ में मानक गेन फैक्टर ( $k$ ) को उपयोगकर्ता के तात्कालिक इनपुट वेग ( $|V_i(t)|$ ) के परिमाण से बदल देता है। यह सुनिश्चित करता है कि ऑपरेटर गति और दिशा पर पूर्ण नियंत्रण अधिकार बनाए रखता है, जबकि सिस्टम उस किनेमैटिक संबंध को लागू करता है जहाँ उच्च-वक्रता (तीखे) मोड़ों में वेग कम हो जाता है और कम-वक्रता (सुचारू) खंडों में बढ़ जाता है।
निष्पादन (Execution): मॉड्यूलेटेड वेग सिग्नल को रोबोट हार्डवेयर विशिष्टताओं के अनुसार स्केल किया जाता है और रोबोटिक आर्म को चलाने के लिए जैकोबियन मैट्रिक्स के डैम्प्ड स्यूडोइनवर्स (damped pseudoinverse) के माध्यम से जॉइंट वेलोसिटी में परिवर्तित किया जाता है।

प्रमुख योगदान

वास्तविक समय साझा नियंत्रण ढांचा: यह पेपर एक नवीन आर्किटेक्चर पेश करता है जो टेलीऑपरेशन में मानव हाथ की गति के किनेमैटिक मॉडल को एकीकृत करता है, जो ऑपरेटर के इरादे और जैविक गति बाधाओं के बीच संतुलन बनाता है।
ऑपरेटर इरादे का संरक्षण: उन पिछले साझा नियंत्रण विधियों के विपरीत जो बाधा निवारण या पूर्व-निर्धारित कौशल प्रिमिटिव पर ध्यान केंद्रित करती हैं, यह दृष्टिकोण मानव-समान किनेमैटिक प्रोफाइल को लागू करते हुए मनमाना गति निष्पादन की अनुमति देता है।
मानव-समान गति के लिए डेटा-संचालित मॉडल के बजाय यह विधि विश्लेणात्मक टू-थर्ड्स पावर लॉ पर निर्भर करती है, जिससे प्रदर्शन संग्रह या निरंतर पुनर्र्शिक्ण की आवश्यकता समाप्त हो जाती है।
ओपन-सोर्स कार्यान्वयन: लेखकों ने मानवोचित टेलीऑपरेशन में आगे के अनुसंधान को सुगम बनाने के लिए कोड जारी किया है।

प्रायोगिक परिणाम
इस ढांचे को प्लेनर प्रक्षेपवक्रों (दीर्घवृत्त, आकृति-आठ, साइनुसोइडल पथ और मनमाने पथों) वाले वास्तविक दुनिया के प्रयोगों के माध्यम से मान्य किया गया था। प्रदर्शन का मूल्यांकन तीन मेट्रिक्स का उपयोग करके पारंपरिक प्रत्यक्ष टेलीऑपरेशन के विरुद्ध किया गया था:

मानव-समानता (Human-Likeness): इसे अनुमानित पावर-लॉ एक्सपोनेंट ( $\beta$ ) के सैद्धांतिक मान $-1/3$ से विचलन द्वारा मापा गया। प्रस्तावित विधि ने इस विचलन को औसतन 39.7% कम कर दिया, जिसमें 80% मोशन पैटर्न ने सांख्यिकीय रूप से महत्वपूर्ण सुधार दिखाया।
गति की सुगमता (Motion Smoothness): इसे पीक और RMS टॉर्क रेट द्वारा मापा गया। प्रस्तावित विधि ने गति की सुगमता में लगभग 34% सुधार (RMS टॉर्क रेट में कमी) प्राप्त किया, जिसमें 80% पैटर्न ने महत्वपूर्ण वृद्धि दिखाई।
कार्य प्रदर्शन: कार्य पूरा होने का समय पारंपरिक टेलीऑपरेशन के तुलनीय रहा ( $\pm 2\%$ के भीतर), जो यह दर्शाता है कि गति के स्मूथिंग ने कार्य दक्षता से समझौता नहीं किया।

महत्व और दावे
पेपर का दावा है कि टेलीऑपरेशन में मानव-समान किनेमैटिक सिद्धांतों को शामिल करने से रोबोटिक गतिविधियों की "मानव-समानता" में उल्लेखनीय वृद्धि होती है और गति की सुगमता में सुधार होता है, जो HRI में विश्वास और सहजता बनाने के लिए महत्वपूर्ण हैं। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण ऑपरेटर के नियंत्रण अधिकार या कार्य पूरा करने के समय से समझौता किए बिना ये सुधार प्राप्त करता है। वे इस कार्य को अधिक सहज और सुपाठ्य रोबोट व्यवहार की ओर एक कदम के रूप में देखते हैं, और उल्लेख करते हैं कि भविष्य के कार्य इन सिद्धांतों को 3D गतियों तक विस्तारित करने और व्यक्तिपरक उपयोगकर्ता मूल्यांकन को शामिल करने का लक्ष्य रखेंगे। अध्ययन स्वीकार करता है कि हालांकि परिणाम आशाजनक हैं, व्यावहारिक प्रणाली बाधाओं और मानव इनपुट परिवर्तनशीलता के कारण अनुमानित एक्सपोनेंट सैद्धांतिक मान के साथ पूरी तरह से अभिसरित (converge) नहीं हुए।

इसी तरह के और पेपर