PRISM: Multimodal Terrain Mapping for Rover Navigation in Unstructured Environments

कल्पना कीजिए कि एक रोबोट रोवर एक जंगली, पथरीले परिदृश्य में गाड़ी चलाने की कोशिश कर रहा है जहाँ कोई सड़कें, कोई ट्रैफिक साइन और कोई जीपीएस सिग्नल नहीं हैं जो उसका मार्गदर्शन कर सकें। यह उन रोबोटों के लिए दैनिक चुनौती है जिन्हें मंगल ग्रह या पृथ्वी के गहरे निर्जन स्थानों जैसे स्थानों का पता लगाने के लिए भेजा जाता है। जीवित रहने के लिए, इन रोबोटों को "परिस्थिति जागरूकता" (situational awareness) की आवश्यकता होती है—यह कहने का एक फैंसी तरीका है कि उन्हें ठीक से पता होना चाहिए कि उनके पहियों के नीचे क्या है और आगे क्या है। यदि वे ठोस जमीन के बजाय रेत के नरम पैच को गलती से ठोस समझ लेते हैं, तो वे फंस सकते हैं। यदि वे सोचते हैं कि एक खड़ी पहाड़ी समतल है, तो वे पलट सकते हैं।

आमतौर पर, रोबोट उन कैमरों पर भरोसा करते हैं जो दृश्य प्रकाश (जैसे हमारी आँखें) देखते हैं और गहराई सेंसर जो दूरी मापते हैं (जैसे चमगादड़ का सोनार)। लेकिन जंगल में, केवल एक इंसान की तरह देखना हमेशा पर्याप्त नहीं होता है। कभी-कभी, दो चीजें देखने में बिल्कुल एक जैसी लगती हैं लेकिन स्पर्श या गर्मी के मामले में पूरी तरह से अलग महसूस होती हैं। यहीं पर एक विशेष प्रकार की "सुपर-विज़न" काम आती है: मानक दृष्टि को थर्मल इमेजिंग के साथ जोड़ना। थर्मल कैमरे गर्मी देखते हैं, जो यह प्रकट कर सकता है कि जमीन सूखी रेत है या संकुचित मिट्टी, भले ही वे दिखने में एक ही रंग की क्यों न हों। यह सवाल वैज्ञानिक पूछ रहे हैं: क्या हम रोबतों को इन विभिन्न इंद्रियों को एक साथ जोड़ने के लिए सिखा सकते हैं ताकि वे सबसे अराजक वातावरण में सुरक्षित और स्मार्ट निर्णय ले सकें?

---

पेपर का बड़ा विचार: रोबोट को "गर्मी का अहसास" देना

इस शोध पत्र में, शोधकर्ताओं की एक टीम एक नया सिस्टम पेश करती है जिसे PRISM (RGB, इन्फ्रारेड और स्थानिक मानचित्रण के लिए धारणा) कहा जाता है। PRISM को एक रोबोट रोवर के लिए एक हाई-टेक चश्मे के रूप में समझें जो उसे एक साथ तीन आयामों में दुनिया देखने की अनुमति देता है: रंग, गहराई और गर्मी।

आज के अधिकांश रोबोट ऐसे लोगों की तरह हैं जो आंखों पर पट्टी बांधे हुए हैं और केवल ब्लैक एंड व्हाइट या मानक रंग में देख सकते हैं। वे एक चट्टान देख सकते हैं, लेकिन वे केवल देखकर यह नहीं बता सकते कि वह एक फिसलन भरा, चिकना पत्थर है या एक ऊबड़-खाबड़, खतरनाक बोल्डर। PRISM थर्मल कैमरे को इसमें जोड़कर खेल बदल देता है। यह रोबोट को नाइट-विज़न गॉगल्स देने जैसा है जो शरीर की गर्मी को भी महसूस कर सकते हैं। यह रोबोट को उन इलाकों के बीच अंतर करने की अनुमति देता है जो सामान्य कैमरे के लिए एक जैसे दिखते हैं लेकिन जिनके थर्मल गुण अलग होते हैं। उदाहरण के लिए, ढीली, रेतीली मिट्टी सूरज में संकुचित, सख्त मिट्टी की तुलना में तेजी से गर्म हो सकती है। एक मानक कैमरा दोनों को "भूरा रंग" के रूप में देखता है, लेकिन एक थर्मल कैमरा तापमान में अंतर देखता है, जिससे रोबोट को यह जानने में मदद मिलती है कि कौन सा रास्ता सुरक्षित है।

यह कैसे काम करता है: रोबोट का मस्तिष्क और आंखें

शोधकर्ताओं ने अपने परीक्षण रोबोट, RAT (रोवर ऑटोनॉमी टेस्टबेड) के लिए एक कस्टम "सेंसर सुइट" बनाया। इस सेटअप में एक मानक 3D कैमरा (जो रंग और गहराई देखता है) और एक थर्मल कैमरा शामिल है, जो उन्हें पूरी तरह से संरेखित रखने के लिए एक विशेष 3D-प्रिंटेड बॉक्स में लगा हुआ है।

जादू सॉफ्टवेयर में होता है, विशेष रूप से एक नए AI मॉडल में जिसे वे OmniUnet कहते हैं। आप OmniUnet की कल्पना एक बहुत ही स्मार्ट शेफ के रूप में कर सकते हैं जो सूप का स्वाद चख रहा है। केवल स्वाद (रंग) को चखने के बजाय, शेफ एक ही समय में तापमान (गर्मी) और बनावट (गहराई) को भी महसूस करता है। इन तीन "सामग्रियों" को मिलाकर, AI एक विस्तृत स्थलाकृति मानचित्र (terrain map) बना सकता है। यह केवल यह नहीं कहता कि "वहां जमीन है"; यह कहता है, "वह हिस्सा घास है," "वह हिस्सा एक चट्टान है," और "वह हिस्सा एक खतरनाक झाड़ी है।"

एक बार जब AI इलाके की पहचान कर लेता है, तो सिस्टम एक ट्रावर्सेबिलिटी मैप (पारगम्यता मानचित्र) बनाता है। यह एक वीडियो गेम मैप की तरह है जहां प्रत्येक वर्ग को एक "कठिनाई स्कोर" दिया जाता है।

• बाधाएं (Obstacles): खड़ी चट्टानों या अपरिचित वस्तुओं जैसी चीजों को "अनंत लागत" (infinite cost) स्कोर दिया जाता है, जो रोबोट को बताता है, "यहाँ मत जाओ!"
• पारगम्य (Traversable): सुरक्षित रास्तों को कम स्कोर मिलता है।
• ट्विस्ट: सिस्टम इतना स्मार्ट है कि वह समझ सकता है कि कभी-कभी घास का एक ऊंचा पैच 3D कैमरे को एक ठोस दीवार जैसा दिखता है, लेकिन AI जानता है कि यह केवल घास है और रोबोट को इसके माध्यम से जाने देता है। इसके विपरीत, यह एक ऐसी चट्टान को देख सकता है जो छोटी दिखती है लेकिन वास्तव में चढ़ने के लिए बहुत ऊंची है, और इसे खतरे के रूप में चिह्नित करता है।

वास्तविक दुनिया का परीक्षण: जंगल में ड्राइविंग

यह साबित करने के लिए कि यह केवल कंप्यूटर सिमुलेशन नहीं था, टीम अपने रोबोट को वास्तविक दुनिया में ले गई। उन्होंने इसे दो अलग-अलग जगहों पर टेस्ट किया:

1. बार्डेनास अर्ध-रेगिस्तान (Bardenas Semi-Desert): स्पेन में एक सूखा, पथरीला क्षेत्र जो काफी हद तक मंगल की सतह जैसा दिखता है।
2. LAENTIEC: मैलागा विश्वविद्यालय में एक परीक्षण स्थल जहाँ मिट्टी, बजरी और घास है।

उन्होंने केवल कंप्यूटर पर रोबोट नहीं चलाया; उन्होंने इसे एक भौतिक रोवर पर रखा और इसे स्वायत्त रूप से चलने दिया। रोबोट को अपना नक्शा अपडेट करने और अगला कदम तय करने के लिए हर 5 मीटर पर रुकना पड़ा, और यह सब एक छोटे, ऊर्जा-कुशल कंप्यूटर (Jetson Orin Nano) पर चल रहा है जो एक रोबोट पर फिट होता है, सुपरकंप्यूटर पर नहीं।

उन्होंने क्या पाया

परिणाम उत्साहजनक थे। OmniUnet AI उच्च सटीकता के साथ इलाकों के प्रकारों को सही ढंग से पहचानने में सक्षम था।

• बार्डेनास डेटासेट (मंगल जैसे चट्टान और रेत) पर, सिस्टम ने लगभग 80.37% बार पिक्सेल को सही ढंग से वर्गीकृत किया। यह विशेष रूप से "कॉम्पैक्ट" जमीन (सबसे सुरक्षित प्रकार) को 77.44% सटीकता के साथ पहचानने में अच्छा था।
• LAENTIEC डेटासेट (घास, मिट्टी वाला क्षेत्र) पर, इसने और भी बेहतर प्रदर्शन किया, और 92.85% सटीकता हासिल की।

हालाँकि, पेपर अपनी सीमाओं के बारे में ईमानदार है। सिस्टम को चट्टानों की पहचान करने में थोड़ी अधिक कठिनाई हुई, जिसे बार्डेनास परीक्षणों में केवल 18.40% बार ही सही पहचाना जा सका। लेखक सुझाव देते हैं कि ऐसा इसलिए है क्योंकि चट्टानों के हीट सिग्नेचर सूरज और छाया के आधार पर बहुत भिन्न हो सकते हैं, जिससे उन्हें AI के लिए लगातार पहचानना मुश्किल हो जाता है।

निष्कर्ष

PRISM कोई जादू की छड़ी नहीं है जो हर समस्या को हल कर देती है, लेकिन यह रोबोट नेविगेशन में एक महत्वपूर्ण कदम है। लेखक दिखाते हैं कि थर्मल विज़न को जोड़ने से, रोबोट दुनिया को पहले से कहीं अधिक स्पष्टता से देख सकते हैं, जिससे वे उन सुरक्षित रास्तों और छिपे हुए खतरों के बीच अंतर कर सकते हैं जिन्हें मानक कैमरे मिस कर देते हैं। उन्होंने सफलतापूर्वक प्रदर्शित किया कि यह जटिल प्रणाली छोटे, कम शक्ति वाले कंप्यूटरों पर चल सकती है, जिससे यह सिद्ध होता है कि भविष्य के रोवर बिना किसी इंसान के हर कदम पर मार्गदर्शन के, मंगल या पृथ्वी के कठिन और अनियंत्रित इलाकों में नेविगेट कर सकते हैं। कोड और डेटा जिसका उन्होंने उपयोग किया है, अब अध्ययन के लिए खुला है, जो भविष्य के रोबोटों के लिए उनकी "गर्मी-संवेदी" आंखों से सीखने का मार्ग प्रशस्त करता है।