Enabling Urgency-aware Robot Swarm Intralogistics using Smart IoT Tags
यह शोध पत्र एक विकेंद्रीकृत रोबोट स्वार्म इंट्रा लॉजिस्टिक्स सिस्टम को प्रस्तुत और मान्य करता है जो आइटम की तात्कालिकता प्रसारित करने के लिए अल्ट्रा-लो-पावर IoT टैग का उपयोग करता है, जिससे रोबट केंद्रीय शेड्यूलिंग के बिना सिस्टम दक्षता बनाए रखते हुए स्वायत्त रूप से समय-संवेदनशील कार्यों को प्राथमिकता दे पाते हैं।
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
एक गोदाम की कल्पना एक विशाल, शांत फैक्ट्री फ्लोर के रूप में नहीं, बल्कि एक हलचल भरे, अराजक डांस फ्लोर के रूप में करें जहाँ सैकड़ों छोटे रोबोट बक्से पकड़ने और उन्हें पहुँचाने की कोशिश कर रहे हैं। रोबोटिक्स की दुनिया में, इसे "स्वार्म" (swarm) कहा जाता है। एक बड़े बॉस रोबोट के हर किसी को निर्देश देने के बजाय, ये स्वार्म मछली के झुंड या पक्षियों के दल की तरह काम करते हैं: प्रत्येक रोबोट अपने सामने जो देखता है उसके आधार पर अपने स्वयं के निर्णय लेता है। यह इसलिए बेहतरीन है क्योंकि यदि एक रोबोट लड़खड़ा जाता है, तो अन्य रोबोट अपना नृत्य जारी रखते हैं, और आपको हर जगह महंगे, निश्चित तारों या कंप्यूटरों की आवश्यकता नहीं होती है। लेकिन इसमें एक पेंच है। अभी, ये रोबोट स्वार्म थोड़े बहुत उन लोगों की भीड़ की तरह हैं जो सेल के लिए भाग रहे हैं; वे आमतौर पर बस जो भी सबसे नज़दीक दिखता है उसे पकड़ लेते हैं। उन्हें वास्तव में यह पता नहीं होता कि वे जो बॉक्स पकड़ रहे हैं वह एक जल्दी खराब होने वाली स्ट्रॉबेरी है जिसे अभी फ्रिज तक पहुँचना है, या एक मज़बूत ईंट है जो कल तक इंतज़ार कर सकती है। वे हर चीज़ के साथ एक जैसा व्यवहार करते हैं।
यह शोध पत्र उस समस्या का समाधान करता है। यह पूछता है: "क्या होगा अगर बक्से खुद चिल्ला सकें, 'मैं ज़रूरी हूँ!'?" शोधकर्ता यह देखना चाहते थे कि क्या वे इन रोबोट स्वार्म को एक तरीका दे सकते हैं जिससे वे बिना किसी केंद्रीय कंप्यूटर के सूक्ष्म प्रबंधन के, समय-संवेदनशील वस्तुओं को समझ सकें। उन्होंने एक ऐसी प्रणाली बनाई जहाँ प्रत्येक बॉक्स वाहक (carrier) के पास एक छोटा, अत्यंत कम-शक्ति वाला स्मार्ट टैग होता है। इन टैग्स को डिजिटल मेगाफोन के रूप में समझें जो पास के किसी भी रोबोट को एक गुप्त नंबर फुसफुसाते हैं: "मैं तात्कालिकता के पैमाने पर 10 में से 9 हूँ!" लक्ष्य यह देखना था कि क्या रोबोट इन फुसफुसाहटों को सुन सकते हैं और दूर होने के बावजूद भी चिल्लाते हुए ज़रूरी बक्सों को पहले पकड़ने का निर्णय ले सकते हैं, जबकि पूरे डांस फ्लोर की गति भी बनी रहे।
स्मार्ट टैग और रोबोट का नृत्य
शोधकर्ताओं ने, जो ब्रिस्टल विश्वविद्यालय में कार्यरत हैं, एक परीक्षण क्षेत्र तैयार किया जो एक मिनी-वेयरहाउस जैसा दिखता था। उन्होंने DOTS (डिस्ट्रीब्यूटेड ऑर्गनाइजेशन एंड ट्रांसपोर्ट सिस्टम) नामक छोटे, गोल रोबोटों का उपयोग किया जो किसी भी दिशा में तेज़ी से घूम सकते हैं। इन रोबोटों को वर्गाकार वाहकों (जो बक्सों का प्रतिनिधित्व करते हैं) को उठाने और उन्हें पिकअप ज़ोन से ड्रॉप-ऑफ ज़ोन तक ले जाने का कार्य सौंपा गया था।
"पुराने तरीके" (बेसलाइन) में, रोबोट "निकटतम पड़ोसी" (nearest neighbor) का खेल खेलते थे। वे बस अपने चारों ओर देखते, सबसे नज़दीकी खाली वाहक को ढूँढते और उसे पकड़ लेते। इससे कोई फर्क नहीं पड़ता था कि उस वाहक में समय-महत्वपूर्ण दवा का शिपमेंट था या पुराने समाचार पत्रों का ढेर।
"नए तरीके" (अर्जेंसी-अवेयर सिस्टम) में, वाहकों को विशेष स्मार्ट IoT टैग लगाए गए थे। ये टैग 0 से 9 तक का एक नंबर प्रसारित करते हैं, जो यह दर्शाता है कि वस्तु कितनी ज़रूरी है। 9 का अर्थ था "मुझे अभी लो, मैं जल्दी खराब होने वाला हूँ!" जबकि 0 का अर्थ था "मैं इंतज़ार कर सकता हूँ।" जब एक रोबोट इधर-उधर घूम रहा होता था, तो वह केवल नज़दीकी बॉक्स को ही नहीं देखता था; वह फुसफुसाहटों को सुनता था। वह बक्सों को स्कोर देने के लिए एक विशेष सूत्र का उपयोग करता था: वह इस बात को जोड़ता था कि बॉक्स कितना करीब है और उसकी तात्कालिकता संख्या कितनी अधिक है। यदि कोई बॉक्स थोड़ा दूर था लेकिन "9!" चिल्ला रहा था, तो रोबोट एक ऐसे बॉक्स को चुनने के बजाय जो "1" फुसफुसा रहा था, उसे चुन सकता था जो अधिक नज़दीक था।
उन्होंने क्या पाया: सही संतुलन (The Sweet Spot)
टीम ने इसका परीक्षण दो तरीकों से किया: पहले सैकड़ों रन के साथ एक कंप्यूटर सिमुलेशन में, और फिर उनके लैब में वास्तविक रोबोटों और वास्तविक टैग्स के साथ।
बड़ी जीत: ज़रूरी वस्तुओं को मदद मिलती है
सबसे रोमांचक परिणाम यह था कि नया सिस्टम वास्तव में काम करता है। जब रोबोटों ने टैग्स को सुना, तो वे प्राथमिकता देने में बहुत बेहतर हो गए। वास्तविक दुनिया के परीक्षणों में, "प्रायोरिटी अलाइनमेंट" (priority alignment)—जो केवल एक फैंसी तरीका है यह कहने का कि "सबसे ज़रूरी वस्तुओं को कितनी बार पहले उठाया गया"—0.41 (आधे से कम बार) से बढ़कर 0.64 (लग लगभग दो-तिहाई बार) हो गया। यह एक बहुत बड़ा सुधार है। रोबोट आखिरकार ज़रूरी वस्तुओं की बात सुन रहे थे।
समझौता: बहुत लालची न बनें
हालाँकि, शोधकर्ताओं ने एक पेचीदा संतुलन पाया। उन्हें एक "वेट" (जिसे कहा जाता है) को ट्यून करना पड़ा ताकि यह तय किया जा सके कि रोबोटों को तात्कालिकता बनाम दूरी पर कितना ध्यान देना चाहिए।
- यदि उन्होंने रोबोटों को तात्कालिकता पर बहुत अधिक ध्यान देने के लिए बनाया (उच्च वेट), तो रोब सहित वे नज़दीकी बक्सों को अनदेखा कर देते और एक ज़रूरी चीज़ के लिए कमरे के दूसरे छोर तक दौड़ जाते। इसने वास्तव में पूरे सिस्टम को थोड़ा धीमा कर दिया क्योंकि रोबोट बहुत अधिक इधर-उधर दौड़ रहे थे।
- यदि उन्होंने रोबोटों को बहुत कम ध्यान देने के लिए बनाया, तो वे वापस केवल नज़दीकी बॉक्स को पकड़ने वाले बन गए।
- "स्वीट स्पॉट" जो उन्होंने पाया, वह था हल्का तात्कालिकता वेटिंग (विशेष रूप से )। इस सेटिंग पर, रोबोट इतने स्मार्ट थे कि वे बिना खुद को थकाए ज़रूरी चीज़ों को पहले पकड़ सकें। भौतिक परीक्षणों में, इस सेटिंग ने कुल वितरित किए गए बक्सों की संख्या (थ्रूपुट केवल 1.2% गिरा, जो कि लगभग कुछ भी नहीं है) को नुकसान पहुँचाए बिना डिलीवरी के क्रम में काफी सुधार किया।
"टेल" छोटी हो जाती है
एक अन्य दिलचस्प खोज "टेल लेटेंसी" (tail latency) के बारे में थी। यह एक फैंसी शब्द है सबसे खराब स्थिति के लिए: सबसे धीमी, सबसे अधिक देरी से पहुँचने वाली वस्तुओं को कितना इंतज़ार करना पड़ा। सिस्टम ने सुझाव दिया कि ज़रूरी वस्तुओं को प्राथमिकता देकर, सबसे खराब देरी कम हो गई। भौतिक परीक्षणों में, सबसे धीमी वस्तुओं को डिलीवर करने में लगने वाला समय 424 सेकंड से घटकर 386 सेकंड हो गया। हालाँकि यह विशिष्ट गिरावट उनके परीक्षणों की कम संख्या के कारण सांख्यिकीय रूप से "सिद्ध" नहीं थी कि यह एक स्थायी नियम है, लेकिन रुझान स्पष्ट था और उनके कंप्यूटर सिमुलेशन में जो उन्होंने देखा उससे मेल खाता था।
बड़े स्वार्म, बेहतर परिणाम
शोधकर्ताओं ने बड़े रोबोट समूहों (20 रोबोट और 40 वाहकों तक) के साथ भी सिमुलेशन चलाया। उन्होंने पाया कि स्वार्म जितना बड़ा होता है, सिस्टम उतना ही बेहतर काम करता है। सबसे बड़े सिमुलेशन में, "टेल लेटेंसी" (सबसे खराब देरी) में 11.8% तक की कमी आई, और प्रायोरिटी अलाइनमेंट में 50% से अधिक का सुधार हुआ। ऐसा लगता है कि जब आपके पास अधिक रोबोट होते हैं, तो वे पूरे वेयरहाउस को बाधित किए बिना "अर्जेंट" डाइवर्जन (ज़रूरी कामों के लिए रास्ता बदलना) को संभाल सकते हैं। ज़रूरी वस्तुओं को प्राथमिकता देने की लागत तब गायब हो जाती है जब टीम बड़ी होती है।
निष्कर्ष
यह शोध पत्र दिखाता है कि आपको रोबोट स्वार्म को यह बताने के लिए एक विशाल केंद्रीय कंप्यूटर की आवश्यकता नहीं है कि कौन से बक्से ज़रूरी हैं। आपको बस बक्सों को एक आवाज़ देनी है। वाहकों (carriers) से इन छोटे, अत्यंत कम-शक्ति वाले स्मार्ट टैग्स को जोड़कर, रोबोट सबसे महत्वपूर्ण वस्तुओं की मदद करने के लिए अपने स्वयं के स्थानीय निर्णय ले सकते हैं।
अध्ययन बताता है कि यह दृष्टिकोण उन गोदामों के लिए एक जीत है जो महंगे, निश्चित ऑटोमेशन का खर्च नहीं उठा सकते। यह सिस्टम को लचीला और विकेंद्रीकृत रखता है लेकिन इसमें "कॉमन सेंस" की एक परत जोड़ देता है ताकि खराब होने वाली वस्तुओं या समय-महत्वपूर्ण शिपमेंट को धीमी गति से चलने वाले इन्वेंट्री के पीछे फंसकर इंतज़ार न करना पड़े। रोबोटों ने एक नए ताल पर नाचना सीख लिया: एक ऐसा ताल जो तात्कालिकता को महत्व देता है, लेकिन इतना भी नहीं कि वे अपने ही पैरों में उलझकर गिर जाएँ।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।