Impedance Control via Generalized Output Regulation

कल्पना कीजिए कि एक रोबोटिक हाथ हाथ मिलाने के लिए आपकी ओर बढ़ रहा है। यदि यह बहुत सख्त है, तो यह आपकी उंगलियों को कुचल सकता है; यदि यह बहुत ढीला है, तो यह गीले नूडल को पकड़ने जैसा महसूस होगा। "कॉम्प्लायंट कंट्रोल" (compliant control) का लक्ष्य यह है कि रोबट बिल्कुल सही महसूस हों—इतने नरम कि वे सुरक्षित हों, लेकिन इतने सुदृढ़ कि काम पूरा कर सकें। यह उन रोबोटों के लिए बहुत महत्वपूर्ण है जो मनुष्यों के साथ काम करते हैं, जैसे कि कारखानों में मदद करने वाले, विकलांग अंगों का पुनर्वास करने वाले, या यहाँ तक कि ऊबड़-खाबड़ जमीन पर चलने वाले। इसे प्राप्त करने के लिए, इंजीनियर अक्सर "एडमिटेंस कंट्रोल" (admittance control) नामक रणनीति का उपयोग करते हैं। इसे एक स्मार्ट अनुवादक की तरह समझें: रोबोट मापता है कि आप उसे कितनी जोर से धकेल रहे हैं (बल/force) और फिर यह तय करता है कि उसे कितना हिलना चाहिए (स्थिति/position) ताकि वह एक वांछित "व्यक्तित्व" से मेल खा सके, जैसे कि एक स्प्रिंग या डैम्पर।

हालाँकि, इसमें एक पेंच है। इस तरह के अनुवादक बनाने का सबसे आम तरीका एक सरल "PD कंट्रोलर" (प्रोपोर्शनल-डेरिवेटिव) का उपयोग करता है, जो मूल रूप से स्थिति को समायोजित करने के लिए एक मानक विधि है। हालाँकि यह ठीक-ठाक काम करता है, लेकिन यह रेडियो को केवल वॉल्यूम नॉब घुमाकर ट्यून करने जैसा है; आप करीब तो पहुँच सकते हैं, लेकिन आप कभी भी सटीक सिग्नल नहीं पा सकेंगे। गणित दिखाता है कि यह सरल विधि केवल वांछित व्यवहार का अनुमान लगा सकती है, उसे पूरी तरह से हासिल नहीं कर सकती, जब तक कि आप कुछ विशिष्ट स्थितियों में बहुत भाग्यशाली न हों। यह एक अंतर छोड़ देता है कि रोबोट क्या सोच रहा है और वह वास्तव में क्या कर रहा है, जिससे रोबोट के व्यवहार में झटके या लक्ष्य चूकने जैसी समस्याएँ हो सकती हैं।

यह शोध पत्र इस अंतर को खोजने के लिए गहराई से अध्ययन करता है। लेखक, हेलियो जैसिंटो क्रूज़ नेटो, विक्टर शिमे और थियागो बोआवेंटुरा, "जनरलाइज्ड आउटपुट रेगुलेशन" (generalized output regulation) नामक एक जटिल गणितीय सिद्धांत का उपयोग करते हैं और इस इम्पीडेंस समस्या को हल करते हैं। वे सिद्ध करते हैं कि यदि आप मानक एडमिटेंस सेटअप का पालन करते हैं, तो वास्तव में कंट्रोल लॉ (control law) लिखने का केवल एक ही विशिष्ट तरीका है जो सटीक अनुपालन (exact compliance) प्राप्त करता है। यह पता चला कि सामान्य PD कंट्रोलर में कुछ महत्वपूर्ण सामग्रियां गायब हैं। वे दिखाते हैं कि इसे एकदम सटीक बनाने के लिए, आपको बल (force) और त्वरण (acceleration) से संबंधित विशिष्ट पद जोड़ने की आवश्यकता है। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने कठोर गणित का उपयोग करके इसे एक अद्वितीय समाधान के रूप में सिद्ध किया। फिर, उन्होंने कंप्यूटर सिमुलेशन चलाकर दिखाया कि उनका नया कंट्रोलर, जिसे वे "एक्जैक्ट कॉम्प्लायंट कंट्रोलर" (ECC) कहते हैं, मानक PD कंट्रोलर की तुलना में काफी बेहतर प्रदर्शन करता है, विशेष रूप से तब जब रोबोट घर्षण (friction) या शोर (noise) का सामना करता है। उन्होंने पाया कि जबकि पुराना तरीका अक्सर चूक जाता है, नया तरीका लक्ष्य को पूरी तरह से हिट करता है, यहाँ तक कि कठिन परिस्थितियों में भी, हालांकि उन्होंने उल्लेख किया है कि इन सिमुलेशन परिणामों की पुष्टि करने के लिए वास्तविक दुनिया का परीक्षण अगला कदम है।

एक आदर्श रोबोटिक हैंडशेक की कहानी

कल्पना कीजिए कि आप एक रोबोट को अपने साथी के साथ नृत्य करना सिखाने की कोशिश कर रहे हैं। रोबोट को अपने साथी की गतिविधियों को महसूस करने और उसके जवाब में धक्का देने या खींचने की सही मात्रा के साथ प्रतिक्रिया देने की आवश्यकता होती है। रोबोटिक्स की दुनिया में, इसे इम्पीडेंस कंट्रोल (impedance control) कहा जाता है। रोबोट एक विशिष्ट स्प्रिंग या डैम्पर की तरह कार्य करना चाहता है: यदि आप उसे धकेलते हैं, तो उसे एक निश्चित मात्रा में हिलना चाहिए, और यदि आप उसे खींचते हैं, तो उसे ठीक उतना ही प्रतिरोध करना चाहिए।

लंबे समय से, इंजीनियर रोबोट को यह नृत्य सिखाने के लिए एक "मानक" विधि का उपयोग करते रहे हैं। वे एक PD कंट्रोलर (प्रोपोशनल-डेरिवेटिव) का उपयोग करते हैं। आप इसे एक ऐसे ड्राइवर की तरह समझ सकते हैं जो केवल यह देखता है कि वे सड़क से कितने दूर हैं और कितनी तेजी से भटक रहे हैं। वे त्रुटि को ठीक करने के लिए स्टीयरिंग घुमाते हैं। यह ठीक-ठाक काम करता है, लेकिन यह एक अनुमान मात्र है। यह एक तीरंदाजी लक्ष्य को मोटे दस्ताने पहनकर हिट करने की कोशिश करने जैसा है; आप करीब तो पहुँच सकते हैं, लेकिन आप हर बार सटीक केंद्र को हिट नहीं कर पाएंगे। शोध पत्र बताता है कि इस मानक दृष्टिकोण में एक मौलिक सीमा है: आप नॉब्स (गेंस) को कितना भी घुमा लें, आप रोब l को उस सटीक स्प्रिंग की तरह व्यवहार करने के लिए मजबूर नहीं कर सकते जिसे आप चाहते हैं, जब तक कि आप एक बहुत ही विशिष्ट, दुर्लभ स्थिति में न हों।

इस पेपर के लेखकों ने एक बड़ा सवाल पूछा: "क्या कोई ऐसा तरीका है जिससे रोबोट हर बार, पूरी तरह से, लक्ष्य के केंद्र को भेद सके?"

इसका उत्तर देने के लिए, उन्होंने जनरलाइज्ड आउटपुट रेगुलेशन नामक एक शक्तिशाली गणितीय उपकरण का उपयोग किया। यदि आप कल्पना करें कि रोबोट का लक्ष्य स्क्रीन पर चलता हुआ एक लक्ष्य है, तो यह सिद्धांत आपको यह समझने में मदद करता है कि आपको क्या इनपुट चाहिए ताकि रोबोट की त्रुटि शून्य रहे, चाहे लक्ष्य कैसे भी चले। उन्होंने महसूस किया कि रोबोट को "बिल्कुल सही" महसूस कराने की समस्या गणितीय रूप से इसी "टारगेट ट्रैकिंग" समस्या के समान है।

गायब सामग्रियां

इस सिद्धांत को लागू करके, लेखकों ने कुछ आश्चर्यजनक खोजा। उन्होंने सिद्ध किया कि केवल एक विशिष्ट कंट्रोल लॉ (रोबोट के लिए निर्देशों का एक विशिष्ट सेट) है जो इस पूर्ण व्यवहार को प्राप्त कर सकता है।

मानक PD कंट्रोलर में दो प्रमुख सामग्रियां गायब हैं:

1. फोर्स फीडबैक (Force Feedback): रोबोट को यह जानने की आवश्यकता है कि वर्तमान में उसे कितनी जोर से धकेला या खींचा जा रहा है।
2. एक्सेलरेशन फीडबैक (Acceleration Feedback): रोबोट को यह जानने की आवश्यकता है कि उसकी गति कितनी तेजी से बदल रही है।

उनके द्वारा विकसित नया कंट्रोल लॉ इन गायब टुकड़ों को जोड़ता है। यह उस ड्राइवर को अपग्रेड करने जैसा है जो केवल सड़क को देखने के बजाय अब एक अत्यंत संवेदनशील सेंसर का उपयोग करता है जो हवा और इंजन के कंपन को तुरंत महसूस कर सकता है। गणित दिखाता है कि इन अतिरिक्त पदों के बिना, आप वह सटीक इम्पीडेंस व्यवहार प्राप्त नहीं कर सकते जिसे आप चाहते हैं। यह पुराने कंट्रोलर को बेहतर तरीके से "ट्यून" करने का मामला नहीं है; पुराना कंट्रोलर संरचनात्मक रूप से उस काम को पूरी तरह से करने में असमर्थ है।

सिमुलेशन में प्रमाण

यह देखने के लिए कि क्या यह नया "एक्जैक्ट कॉम्प्लायंट कंट्रोलर" (ECC) वास्तव में काम करता है, लेखकों ने कंप्यूटर सिमुलेशन चलाए। उन्होंने दो प्रकार के रोबोटों का परीक्षण किया:

• स्टिफ जॉइंट्स (Stiff Joints): ऐसे रोबोट जहाँ मोटर और हाथ मजबूती से जुड़े होते हैं (जैसे एक ठोस धातु की छड़)।
• सॉफ्ट जॉइंट्स (Soft Joints): ऐसे रोबोट जहाँ मोटर और हाथ के बीच एक स्प्रिंग या डैम्पर होता है (जैसे एक रबर बैंड)।

उन्होंने अपने नए ECC की तुलना पुराने मानक PD कंट्रोलर से की। उन्होंने दो परिदृश्यों में परीक्षण किया:

1. परफेक्ट वर्ल्ड (Perfect World): कोई शोर नहीं, कोई घर्षण नहीं, सब कुछ ठीक वैसा ही काम करता है जैसा गणित कहता है।
2. मेसी वर्ल्ड (Messy World): उन्होंने "स्ट्रिबेक फ्रिक्शन" (एक जटिल प्रकार का घर्षण जो तब होता है जब चीजें चलना शुरू करती हैं) और फोर्स सेंसर में रैंडम शोर जोड़ा, जो एक वास्तविक, अपूर्ण वातावरण का अनुकरण करता है।

परिणाम:
परफेक्ट वर्ल्ड में, नया ECC कंट्रोलर त्रुटिहीन था। रोबोट को क्या करना चाहिए था और उसने वास्तव में क्या किया, इसके बीच का अंतर प्रभावी रूप से शून्य था (लगभग $10^{-7}$, जो बहुत कम है)। पुराने PD कंट्रोलर ने गलतियाँ कीं। पुराना कंट्रोलर केवल तभी सही हो सका जब वह एक विशिष्ट फ्रीक्वेंसी पर था जहाँ गणित ने गलती से त्रुटियों को रद्द कर दिया था।

मेसी वर्ल्ड में, नया कंट्रोलर अभी भी बहुत बेहतर प्रदर्शन करता रहा। हालांकि घर्षण और शोर ने इसे पूर्ण होने से थोड़ा कठिन बना दिया, फिर भी ECC, PD कंट्रोलर की तुलना में कहीं अधिक सटीक और मजबूत था। PD कंट्रोलर काफी संघर्ष करता है, विशेष रूप से तब जब वातावरण सख्त हो या रोबोट तेजी से चल रहा हो।

भविष्य के लिए इसका क्या अर्थ है

शोध पत्र निष्कर्ष निकालता है कि यदि आप चाहते हैं कि एक रोबोट दुनिया के साथ पूरी तरह से इंटरैक्ट करे, तो आप केवल पुराने, सरल PD कंट्रोलर पर निर्भर नहीं रह सकते। आपको बल और त्वरण के लिए उन अतिरिक्त पदों को शामिल करने की आवश्यकता है। लेखकों ने दिखाया है कि यह केवल एक "अच्छा विचार" नहीं है; यह सटीक अनुपालन प्राप्त करने के लिए आवश्यक अद्वितीय समाधान है।

उन्होंने यह भी दिखाया कि यह "सॉफ्ट जॉइंट्स" (जिनमें स्प्रिंग होते हैं) के लिए भी काम करता है, जो अपनी सुरक्षा के कारण अधिक लोकप्रिय हो रहे हैं। रोबोट के लक्ष्य पथ (target path) को उत्पन्न करने के लिए एक चतुर तकनीक का उपयोग करके, वे रोबोट के लोड के बारे में हर विवरण जाने बिना भी उसी पूर्ण कंट्रोलर का उपयोग कर सके।

हालांकि ये परिणाम वर्तमान में कंप्यूटर सिमुलेशन पर आधारित हैं, वे एक मजबूत सैद्धांतिक आधार प्रदान करते हैं। लेखक सुझाव देते हैं कि अगला कदम इन कंट्रोलर्स को वास्तविक रोबोटों पर बनाना है ताकि देखा जा सके कि वे वास्तविक दुनिया में कैसे व्यवहार करते हैं। तब तक, यह शोध पत्र हमें एक स्पष्ट मानचित्र देता है: यदि हम चाहते हैं कि रोबोट के बीच की बातचीत वास्तव में मानवीय महसूस हो, तो हमें केवल अनुमान लगाने के बजाय सटीक, गणितीय रूप से सिद्ध रेसिपी का उपयोग करना होगा।