Real-time Estimator of Actuator Control and Health (REACH) on an Eel-Inspired Soft Robot
यह शोध पत्र REACH प्रस्तुत करता है, जो एक वास्तविक समय का एल्गोरिदम है जो विभिन्न तैराकी गतियों और सेंसर विन्यासों में ईल-प्रेरित (eel-inspired) अंतर्जलीय रोबोटों में एक्चुएटर स्वास्थ्य और क्षरण का सटीक अनुमान लगाने के लिए एक सॉफ्ट रोबोट मॉडल, सिग्मा पॉइंट फिल्टर और सांख्यिकीय परिकल्पना परीक्षण का उपयोग 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
सतह के बहुत नीचे, जहाँ सूर्य का प्रकाश फीका पड़ जाता है और दबाव बढ़ता जाता है, स्वायत्त मशीनों को अज्ञात की खोज करने का कार्य सौंपा जाता है। ये पानी के नीचे चलने वाले वाहन, जिन्हें बिना मानवीय मार्गदर्शन के संचालित होने के लिए डिज़ाइन किया गया है, एक अनूठी चुनौती का सामना करते हैं: वे सामग्रियाँ जो उन्हें लचीला और अनुकूलन योग्य बनाती हैं, वही उनकी सबसे कमजोर कड़ी भी हैं। कठोर धातु वाले रोबोटों के विपरीत, सॉफ्ट रोबोट (कोमल रोबोट) लचीले पदार्थों से बने होते हैं जो जीवित प्राणियों की तरह मुड़ और ट्विस्ट हो सकते हैं, जिससे वे तंग जगहों से निकल सकते हैं और शांति से चल सकते हैं। हालाँकि, ये कोमल सामग्रियाँ घिसने, फटने या समय के साथ अपनी शक्ति खो देने के प्रति संवेदनशील होती हैं। यदि एक पानी के नीचे वाला रोबोट यह नहीं बता पाता कि उसकी मांसपेशियाँ विफल हो रही हैं, तो वह रास्ता भटक सकता है या फंस सकता है, और सुरक्षा के लिए वापस लौटने में असमर्थ हो सकता है। इंजीनियरों के लिए महत्वपूर्ण प्रश्न यह है कि इन मशीनों को अपने स्वयं के आंतरिक स्वास्थ्य का बोध कैसे कराया जाए, जिससे वे क्षति का तुरंत पता लगा सकें और जीवित रहने के लिए अपनी गतिविधियों को समायोजित कर सकें।
शोधकर्ताओं ने इस समस्या को हल करने के लिए 'रीच' (REACH) नामक एक नई प्रणाली विकसित की है, जो एक विशिष्ट प्रकार के पानी के नीचे वाले रोबोट के लिए बनाई गई है जो ईल (eel) मछली की तरह तैरने के लिए डिज़ाइन किया गया है। यह रोबोट, जिसे कॉर्नेल यूनिवर्सिटी और कैलिफोर्निया यूनिवर्सिटी सैन डिएगो की एक टीम द्वारा बनाया गया है, ईल की लहरदार गति की नकल करता है, जिसमें पानी से भरे कक्षों की एक श्रृंखला का उपयोग किया जाता है जो उसे आगे बढ़ाने के लिए फैलते और सिकुड़ते हैं। शोधकर्ताओं ने इस रोबोट का एक 'डिजिटल ट्विन' बनाया, जो एक परिष्कृत सिमुलेशन है और यह भविष्यवाणी करता है कि आदर्श स्थितियों में मशीन को कैसे चलना चाहिए। इसके बाद उन्होंने इस रोबोट का एक वास्तविक संस्करण बनाया और इसे एक परीक्षण के रूप में पानी के टैंक में रखा ताकि वे देख सकें कि क्या वे यह पता लगाने के लिए कि कब एक 'एक्चुएटर'—रोबोट की "मांसपेशी"—विफल हो रही है, अपेक्षित गति और वास्तविक गति के बीच के अंतर का उपयोग कर सकते हैं। यह प्रणाली लगातार इस बात की तुलना करके काम करती है कि रोबोट क्या कर रहा है बनाम उसे क्या करना चाहिए, और इसके लिए एक सांख्यिकीय पद्धति का उपयोग करती है जो तरल गतिशीलता (fluid dynamics) और कोमल सामग्रियों की अव्यवस्थित, अप्रत्याशित प्रकृति को संभाल सकती है।
इस प्रणाली को काम करने के योग्य बनाने के लिए, टीम को यह तय करना था कि कौन से सेंसर सबसे अच्छा डेटा प्रदान करेंगे। उन्होंने तीन अलग-अलग प्रकार के मापन उपकरणों का परीक्षण किया: स्थान को ट्रैक करने के लिए एक ग्लोबल पोजिशनिंग सिस्टम (GPS), त्वरण और अभिविन्यास (orientation) को महसूस करने के लिए एक इनर्शियल मेजरमेंट यूनिट (IMU), और सीधे रोबोट के शरीर से जुड़े लचीले बेंड सेंसर (bend sensors)। परिणाम स्पष्ट और आश्चर्यजनक थे। ग्लोबल पोजिशनिंग सिस्टम, जो अक्सर नेविगेशन के लिए मुख्य साधन होता है, इस विशिष्ट कार्य के लिए बेकार साबित हुआ। क्योंकि रोबोट धीरे चलता है और जलीय वातावरण जटिल होता है, इसलिए स्थिति का डेटा अचानक होने वाली विफलताओं पर प्रतिक्रिया करने के लिए बहुत धीमा था। इसके विपरीत, बेंड सेंसर और इनर्शियल मेजरमेंट यूनिट्स ने असाधारण रूप से अच्छा प्रदर्शन किया। बेंड सेंसर, जो यह मापते हैं कि रोबोट का शरीर कितना मुड़ता है, विफलता का लगभग तुरंत पता लगाने में सक्षम थे, जबकि इनर्शियल यूनिट्स, जो यह महसूस करते हैं कि रोबोट कैसे हिलता और मुड़ता है, लगभग उतने ही प्रभावी थे।
शोधकर्ताओं ने यह भी जांचा कि रोबोट को सुरक्षित रखने के लिए वास्तव में कितने सेंसरों की आवश्यकता थी। उन्होंने पाया कि इनर्शियल मेजरमेंट यूनिट्स के लिए, रोबोट पर केवल दो सेंसर लगाना उसकी सभी मांसपेशियों के स्वास्थ्य का सटीक निदान करने के लिए पर्याप्त था। बेंड सेंसर के लिए, जो अधिक स्थानीयकृत होते हैं और केवल उसी हिस्से को "देख" पाते हैं जिससे वे जुड़े होते हैं, रोबोट की स्थिति की पूरी तस्वीर पाने के लिए तीन सेंसरों की आवश्यकता थी। यह अंतर भविष्य के डिजाइनों के लिए अत्यंत महत्वपूर्ण है, क्योंकि बहुत अधिक सेंसर जोड़ने से रोबोट भारी और महंगा हो सकता है, जबकि बहुत कम सेंसर उसे क्षति के प्रति अंधा छोड़ सकते हैं। टीम ने तीन अलग-अलग तैराकी शैलियों के तहत इस प्रणाली का परीक्षण किया: सीधा तैरना, चौड़े मोड़ लेना, और तंग, तीखे मोड़ लेना। हर परिदृश्य में, प्रणाली ने सफलतापूर्वक पहचान लिया कि कब एक मांसपेशी विफल हुई, चाहे रोबोट किसी भी तरह से चल रहा हो।
अंत में, टीम ने इस प्रणाली को कंप्यूटर से बाहर निकाला और एक भौतिक रोबोट मछली के साथ पानी में उतारा। उन्होंने विशिष्ट कक्षों में पानी के प्रवाह को कम करके रोबोट की मांसपेशियों के प्रदर्शन को जानबूझकर कम किया, जो एक फटने या पंप की विफलता का अनुकरण करता है। सिस्टम, बेंड सेंसर के डेटा का उपयोग करते हुए, वास्तविक समय में इन परिवर्तनों का पता लगाने में सक्षम था। हालांकि पहले कुछ सेकंड में अनुमान हमेशा पूरी तरह से सटीक नहीं थे—संभवतः इसलिए क्योंकि पानी के पंपों को शुरू होने में समय लगता है—प्रणाली जल्दी ही स्थिर हो गई और सही ढंग से पहचान लिया कि कौन सी मांसपेशियां क्षतिग्रस्त थीं और किस सीमा तक। यह अध्ययन प्रदर्शित करता है कि एक यथार्थवादी सिमुलेशन को सही सेंसरों के मिश्रण के साथ जोड़कर, सॉफ्ट रोबोट को अपने स्वास्थ्य की निगरानी करने की क्षमता दी जा सकती है, जिससे यह सुनिश्चित होता है कि वे अपने मिशन पूरे कर सकें और घर वापस लौट सकें, भले ही उनके शरीर के कुछ हिस्से विफल होने लगें।
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।