Real-Time Nonlinear MPC via Sequential Quadratic Programming with Structure-Exploiting ADMM and Interior-Point Methods for Underactuated Double-Pendulum Swing-Up
यह शोध पत्र "AI Olympics with RealAIGym" प्रतियोगिता के लिए अज्ञात हार्डवेयर पर एक अंडरएक्टुएटेड डबल-पेंडुलम सिस्टम के सुदृढ़ स्विंग-अप और स्थिरीकरण को सफलतापूर्वक प्राप्त करने हेतु सीक्वेंशियल क्वाड्रेटिक प्रोग्रामिंग पर आधारित एक रियल-टाइम नॉनलीन मॉडल प्रिडिक्टिव कंट्रोल रणनीति प्रस्तुत करता है।
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 रोबोट को बैकफ्लिप करना सिखाने की कोशिश कर रहे हैं। आप केवल उसे "कूद जाओ" कहकर छोड़ नहीं सकते और उम्मीद नहीं कर सकते कि वह सफल हो जाएगा; आपको यह पता लगाना होगा कि कितना बल लगाना है, उसे अपने घुटनों को कब सिकोड़ना है, और बिना गिरे कैसे उतरना है। यह रोबोटिक्स कंट्रोल (robotics control) की दुनिया है, एक ऐसा क्षेत्र जो मशीनों को वास्तविक दुनिया में चलने-फिरने के लिए "मसल मेमोरी" देने के लिए समर्पित है। इस चुनौती के केंद्र में एक अवधारणा है जिसे मॉडल प्रेडिक्टिव कंट्रोल (MPC) कहा जाता है। MPC को एक सुपर-एडवांस्ड जीपीएस (GPS) के रूप में समझें। केवल यह देखने के बजाय कि रोबोट अभी कहाँ है, यह जीपीएस लगातार भविष्य की ओर देखता है, अगले सबसे अच्छे कदम को तय करने के लिए एक सेकंड के एक छोटे से हिस्से में हजारों संभावित भविष्य के रास्तों का अनुकरण (simulate) करता है। यह एक शतरंज के खिलाड़ी की तरह है जो केवल एक कदम आगे नहीं सोचता, बल्कि जीत सुनिश्चित करने के लिए पूरे खेल की गणना करता है।
अब, कल्पना कीजिए कि आप जिस रोबोट को नियंत्रित कर रहे हैं वह एक डबल-पेंडुलम (double-pendulum) है—एक छड़ी जिसके अंत में दूसरी छड़ी जुड़ी हुई है, जो स्वतंत्र रूप से झूल रही है। यह प्रणाली विशेष रूप से कठिन है क्योंकि यह अंडरएक्टुएटेड (underactuated) है, जिसका अर्थ है कि इसमें मोटरों की तुलना में चलने वाले पुर्जे अधिक हैं। यह अपने हाथ पर झाड़ू को संतुलित करने की कोशिश करने जैसा है जबकि आपका हाथ एक रस्सी से बंधा हुआ है; आपको इसे सीधा खड़ा करने से पहले ऊर्जा बनाने के लिए इसे जोर-जोर से झूला देना होगा। यह विशिष्ट पहेली "AI ओलंपिक्स विद रियलएआई जिम (RealAIGym)" का केंद्र बिंदु है, एक ऐसी प्रतियोगिता जहाँ टीमों को एक रोबलेट को लटकती हुई स्थिति से खुद को ऊपर उठाने और संतुलित रहने के लिए प्रोग्राम करना होता है, जबकि प्रोग्रामर के लिए रोबोट का सटीक वजन और घर्षण (friction) एक रहस्य होता है।
कैरिडाकिस और चैटज़िलगेरुडिस का शोध पत्र सीक्वेंशियल क्वाड्रेटिक प्रोग्रामिंग (SQP) नामक एक विधि का उपयोग करके इस समस्या का एक चतुर समाधान प्रस्तुत करता है। अनुमान लगाने और जांचने के बजाय, उनका कंट्रोलर एक मास्टर रणनीतिकार की तरह कार्य करता है जो डबल-पेंडुलम को झुलाने की जटिल और डगमगाती समस्या को छोटी, प्रबंधनीय पहेलियों की एक श्रृंखला में तोड़ देता है। हर सूक्ष्म सेकंड में, रोबोट खुद से पूछता है: "यदि मैं अपने मोटर को इस तरह से चलाता हूँ, तो अगले कुछ चरणों में मैं कहाँ रहूँगा?" यह सबसे अच्छे पथ को खोजने के लिए एक सरलीकृत गणितीय समस्या को हल करता है, पहला कदम उठाता है, और फिर तुरंत अगले क्षण के लिए पुनर्गणना करता है। यह इतनी तेज़ी से होता है—एक सेकंड में 100 से अधिक बार—कि रोबोट को ऐसा लगता है जैसे वह वास्तविक समय (real-time) में सोच रहा है।
शोधकर्ताओं ने इस "मस्तिष्क" का परीक्षण दो अलग-अलग संस्करणों पर किया: पेंडुबॉट (Pendubot) (जहाँ मोटर कंधे पर है) और एक्रोबॉट (Acrobot) (जहाँ मोटर कोहनी पर है)। उन्होंने इसे केवल कंप्यूटर सिमुलेशन में ही नहीं परखा; उन्होंने अपने कोड को क्लाउड में एक भौतिक रोबोट पर अपलोड किया और इसे वास्तविक रूप में चलने दिया। परिणाम प्रभावशाली थे। पेंडुबॉट के लिए, रोबोट सफलतापूर्वक ऊपर की ओर झूला और संतुलित रहा, यहाँ तक कि जब किसी ने इसे संतुलन बिगाड़ने के लिए अचानक धक्का दिया, तब भी वह सफल रहा। एक्रोबॉट के लिए, यह धक्कों के बिना 100% सफल रहा, और बाधाओं के दौरान 70% बार सफल रहा।
इस दृष्टिकोण को जो चीज़ अलग बनाती है, वह है इसका "अनजानों" (unknowns) को संभालने का तरीका। रोबोट नहीं जानता था कि उसके अपने हिस्सों का सटीक वजन क्या है या उसके जोड़ों में कितना घर्षण था। फिर भी, लगातार अपनी योजना का पुनर्मूल्यांकन करके और समीकरणों को तेज़ी से हल करने के लिए एक विशेष गणितीय ट्रिक का उपयोग करके, वह ऊपर झूलने के लिए आवश्यक ऊर्जा बनाने और फिर खुद को स्थिर करने में सफल रहा। शोध पत्र सुझाव देता है कि यह विधि वास्तविक दुनिया की अराजकता को संभालने के लिए पर्याप्त मजबूत है, जो यह सिद्ध करता है कि एक मॉडल-आधारित दृष्टिकोण पूरी तरह से ट्रायल-एंड-एरर (trial-and-error) सीखने पर निर्भर अन्य तरीकों के साथ प्रतिस्पर्धा कर सकता है, और कुछ मामलों में उनसे बेहतर प्रदर्शन भी कर सकता है। हालांकि एक्रोबॉट को पूर्ण होने के लिए घर्षण मुआवजे (friction compensation) के साथ थोड़े और सहयोग की आवश्यकता थी, फिर भी समग्र सफलता दिखाती है कि सही गणितीय उपकरणों के साथ, हम सबसे डगमगाते रोबोट को भी सीधा खड़ा होना सिखा सकते हैं।
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।