Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives

कल्पना कीजिए एक ऐसी दुनिया की जहाँ रोबोट केवल सख्त स्क्रिप्ट का पालन करने वाली कठोर मशीनें नहीं हैं, बल्कि मददगार साथी हैं जो वास्तव में यह "महसूस" कर सकते हैं कि आपको क्या चाहिए। यह 'ह्यूमन-रोबोट कोलाबोरेशन' (HRC) नामक एक क्षेत्र का मूल है। इसे एक नृत्य की तरह समझें: पुराने दिनों में, रोबोट मुख्य भूमिका में होता था और इंसान को उसके कदमों का पूरी तरह से पालन करना पड़ता था। लेकिन इस नए अंदाज में, इंसान नेतृत्व करता है, और रोबोट उसका अनुसरण करता है, नृत्य को आसान और अधिक आरामदायक बनाने के लिए वास्तविक समय में अपनी चालों को समायोजित करता है। ऐसा करने के लिए, वैज्ञानिक दो मुख्य तरकीबों का उपयोग करते हैं। पहला, वे "डायनेमिक मूवमेंट प्रिमिटिव्स" (Dynamic Movement Primitives) का उपयोग करते हैं, जो एक रोबोट की आंतरिक 'मसल मेमोरी' की तरह है जो उसे एक एकल प्रदर्शन से एक सुचारू पथ सीखने और फिर चलते-चलते उसे अनुकूलित करने की अनुमति देता है। दूसरा, वे "प्रेफरेंस-बेस्ड ऑप्टिमाइज़ेशन" (Preference-Based Optimization) का उपयोग करते हैं, जो मूल रूप से रोबोट के लिए यह सीखने का एक तरीका है कि आपको क्या पसंद है, यह पूछकर कि, "क्या यह पहले से बेहतर था या बदतर?" और आपके उत्तर के आधार पर अपने व्यवहार को ट्यून करना। यह क्यों मायने रखता है? क्योंकि कई नौकरियों में, जैसे बड़ी कार के पुर्जों या फर्नीचर को पेंट करना, इंसान थक जाते हैं और अजीब स्थितियों में रहने से उन्हें दर्द होता है। यदि एक रोबट भारी वस्तु को पकड़ सके और उसे बिल्कुल सही तरीके से घुमा सके ताकि इंसान को कभी भी बहुत ऊपर तक हाथ न उठाना पड़े या बहुत नीचे न झुकना पड़े, तो काम सुरक्षित, तेज़ और बहुत कम थकाऊ होगा।

यह शोध पत्र एक चतुर प्रणाली पेश करता है जिसे इस सपने को हकीकत बनाने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने एक सेटअप बनाया जहाँ एक इंसान स्प्रे कैन पकड़ता है और एक बड़ी, घुमावदार वस्तु को पेंट करता है, जबकि एक रोबोटिक आर्म उस वस्तु को पकड़ता है। लक्ष्य क्या है? रोबोट को वास्तविक समय में वस्तु को घुमाने देना ताकि इंसान का हाथ एक आरामदायक, शिथिल स्थिति में रह सके, बजाय इसके कि इंसान को हर कोने तक पहुँचने के लिए अपने पूरे शरीर को मरोड़ना पड़े।

इसे काम करने के योग्य बनाने के लिए, टीम ने रोबोट की "मसल मेमोरी" (डायनेमिक मूवमेंट प्रिमिटिव्स) को एक लर्निंग लूप (प्रेफरेंस-बेस्ड ऑप्टिमाइज़ेशन) के साथ जोड़ा। यह कैसे काम करता है: रोबोट केवल एक निश्चित पथ की नकल नहीं करता है। इसके बजाय, वह इंसान के हाथ को देखता है। यदि इंसान एक नया स्थान पेंट करने के लिए अपने हाथ को थोड़ा घुमाता है, तो रोबोट उस छोटे से आंदोलन को वस्तु के बड़े घुमाव में बदल देता है। इसका मतलब है कि इंसान बहुत छोटे, आसान कलाई के आंदोलनों से एक बड़ी सतह को पेंट कर सकता है। लेकिन असली बात यह है: हर इंसान अलग होता है। कुछ लोग पसंद करते हैं कि रोबोट तेज़ चले; अन्य इसे धीमा और स्थिर रखना पसंद करते हैं। कुछ को ज़रूरत होती है कि रोबोट वस्तु को अधिक आक्रामक रूप से घुमाए; अन्य इसे सूक्ष्म रखना चाहते हैं। इसे हल करने के लिए, सिस्टम GLISp नामक एक एल्गोरिदम का उपयोग करता है। यह पेंटिंग परीक्षणों की एक श्रृंखला चलाता है जहाँ इंसान विभिन्न सेटिंग्स को आज़माता है। प्रत्येक प्रयास के बाद, इंसान बस कहता है, "यह पहले से बेहतर था," "यह बदतर था," या "यह पहले जैसा ही था।" रोबोट इन सरल प्राथमिकताओं का उपयोग करके गणितीय रूप से उस विशिष्ट व्यक्ति के लिए सटीक सेटिंग्स खोजने का काम करता है।

शोधकर्ताओं ने इसका परीक्षण 15 अलग-अलग लोगों के साथ किया, जिनकी ऊँचाई और कद-काठी अलग-अलग थी, जिन्होंने असली पेंट के बजाय एक गैर-विषाक्त खाद्य रंग का उपयोग करके एक बड़े, घुमावदार पैनल (लगभग 1 वर्ग मीटर आकार का) को पेंट किया। उन्होंने नए एडेप्टिव (अनुकूलनशील) रोबोट की तुलना एक "स्टैटिक" संस्करण से की जहाँ रोबोट वस्तु को स्थिर पकड़ता है। परिणाम उत्साहजनक थे। एडेप्टिव सिस्टम ने सफलतापूर्वक इंसान के हाथ की गति की मात्रा को कम कर दिया। अगों-पीछे की गतिविधियों के लिए, गति की सीमा कुछ प्रतिभागियों के लिए 73% तक कम हो गई, और औसतन, ऊर्ध्वाधर (वर्टिकल) गति की सीमा लगभग 31% गिर गई। दूसरे शब्दों में, इंसान का हाथ एक बहुत छोटे, अधिक आरामदायक दायरे में रहा जबकि रोबोट ने वस्तु को घुमाने का भारी काम किया।

अध्ययन में यह भी पाया गया कि रोबोट व्यक्तिगत जरूरतों के अनुसार ढलना सीख गया। लंबे प्रतिभागियों और छोटे प्रतिभागियों के लिए अलग-अलग "इष्टतम" (ऑप्टिमल) सेटिंग्स थीं, जो साबित करता है कि 'एक ही आकार सबके लिए उपयुक्त' वाला दृष्टिकोण काम नहीं करता। सिस्टम ने गति और प्रतिक्रियाशीलता के बीच संतुलन बनाना भी सीखा; कुछ लोग चाहते थे कि रोबकी तुरंत उनके हाथ के प्रति प्रतिक्रिया दे, जबकि अन्य थोड़ा विलंब पसंद करते थे। प्रतिभागियों ने महसूस किया कि जैसे-जैसे सिस्टम ने उनकी प्राथमिकताओं को सीखा, वे अधिक सहज और संतुष्ट महसूस करने लगे, और जैसे-जैसे रोबोट उनके चाहने के तरीके को बेहतर ढंग से समझने लगा, उनकी रेटिंग बढ़ती गई।

हालाँकि, शोध पत्र सावधानीपूर्वक नोट करता है कि यह अभी तक कोई जादुई समाधान नहीं है। सिस्टम फीडबैक देने के लिए इंसान पर निर्भर करता है, और कुछ मामलों में, रोबोट बहुत तेज़ चला, जिससे इंसान ने उस सेटिंग को खारिज कर दिया। शोधकर्ता सुझाव देते हैं कि भविष्य के संस्करण थकान के लिए स्वचालित रूप से समायोजन कर सकते हैं या कार्य के बिल्कुल शुरुआती हिस्से को संभालने के लिए अधिक वेरिएबल्स शामिल कर सकते हैं। लेकिन मुख्य निष्कर्ष स्पष्ट है: रोबोट को मानवीय फीडबैक से सीखने और हाथ के छोटे आंदोलनों को वस्तु के बड़े घुमावों में बदलने की अनुमति देकर, हम औद्योगिक पेंटिंग को शारीरिक रूप से बहुत कम थकाऊ बना सकते हैं, जिससे एक थका देने वाले काम को एक एर्गोनोमिक साझेदारी में बदला जा सकता है।