MotionDLO: Hybrid Event- and Frame-Based Tracking of Deformable Linear Objects

रोबोटिक्स की दुनिया में, एक मशीन जो देख सकती है और उसे जो करने की आवश्यकता है, उसके बीच एक निरंतर अंतर बना रहता है। रोबोट धातु के बक्सों या कार के पुर्जों जैसी भारी, कठोर वस्तुओं को हिलाने में उत्कृष्ट हैं, लेकिन वे किसी भी नरम, लचीली या अप्रत्याशित वस्तु के साथ संघर्ष करते हैं। कार फैक्ट्री में एक वायर हार्नेस (तारों का समूह), सर्वर रूम में एक केबल, या अस्पताल में एक टांके लगाने वाले धागे के बारे में सोचें। इन वस्तुओं को 'डिफॉर्मेबल लीनियर ऑब्जेक्ट्स' (विकृत रैखिक वस्तुएं) के रूप में जाना जाता है। वे उन तरीकों से मुड़ते, झुकते और उलझते हैं जिन्हें पहले से पूरी तरह से सटीक रूप से अनुमान लगाना असंभव है। उन्हें संचालित करने के लिए, एक रोबोट को उन्हें वास्तविक समय में चलते हुए देखना होगा, और हर सेकंड सैकड़ों बार उनके आकार की अपनी समझ को अपडेट करना होगा। पारंपरिक कैमरे, जो एक मानक फिल्म कैमरे की तरह चित्र लेते हैं, अक्सर इस कार्य के लिए बहुत धीमे होते हैं। जब तक एक मानक कैमरा तेजी से चलते तार की स्पष्ट छवि कैप्चर करता है, तब तक तार पहले ही हिल चुका होता है, जिससे रोबोट के पास एक धुंधली और पुरानी तस्वीर रह जाती है। यह विलंब (लैग) रोबोट को अपने लक्ष्य को चूकने या इससे भी बदतर, वस्तु का पता खो देने का कारण बनता है।

इसे हल करने के लिए, शोधकर्ताओं ने 'इवेंट कैमरा' नामक एक अलग प्रकार के सेंसर का उपयोग करना शुरू कर दिया है। एक मानक कैमरे के विपरीत जो निश्चित अंतराल पर पूर्ण चित्र लेता है, एक इवेंट कैमरा एक तंत्रिका तंत्र (नर्वस सिस्टम) की तरह काम करता है। यह केवल परिवर्तनों की रिपोर्ट करता है। यदि सेंसर का एक पिक्सेल प्रकाश परिवर्तन देखता है, तो वह तुरंत एक संकेत भेजता है। यदि दृश्य स्थिर है, तो सेंसर शांत रहता है। यह कैमरा माइक्रोसेकंड में गति के प्रति प्रतिक्रिया करने में सक्षम बनाता है, जिससे बिना किसी धुंधलेपन के चलते हुए तार की गति को कैप्चर किया जा सकता है। हालाँकि, जबकि ये कैमरे अविश्वसनीय रूप से तेज़ हैं, वे अक्सर यह बताने में कमजोर होते हैं कि कोई वस्तु वास्तव में कहाँ है या वह विस्तार में कैसी दिखती है। वे गति को देखते हैं, लेकिन आकार को परिभाषित करने में उन्हें संघर्ष करना पड़ता है। इंजीनियरों के लिए चुनौती इवेंट कैमरे की बिजली जैसी तेज़ प्रतिक्रिया को मानक कैमरे की सटीक और विस्तृत दृष्टि के साथ जोड़ना थी, ताकि एक ऐसा सिस्टम बनाया जा सके जो नाजुक कार्यों को संभालने के लिए पर्याप्त तेज़ और सटीक दोनों हो।

शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए 'मोशनडीएलओ' (MotionDLO) नामक एक नया सिस्टम विकसित किया है। उनका कार्य इन लचीले तारों और केबलों को ट्रैक करने पर केंद्रित है, यह सुनिश्चित करते हुए कि रोबोट को हर समय वस्तु के प्रत्येक भाग की सटीक जानकारी हो। यह सिस्टम एक साथ दो अलग-अलग "आंखों" का उपयोग करके काम करता है। एक आंख एक मानक उच्च-रिज़ॉल्यूशन कैमरा है जो तार के आकार का स्पष्ट और विस्तृत दृश्य प्राप्त करने के लिए चित्र लेती है। दूसरी आंख इवेंट कैमरा है, जो किसी भी हलचल पर नज़र रखती है। शोधकर्ताओं ने सॉफ्टवेयर को इन दोनों दृश्यों के बीच स्विच करने के लिए डिज़ाइन किया है कि तार क्या कर रहा है। जब तार स्थिर होता है, तो सिस्टम तार के आकार का एक सटीक और विस्तृत मानचित्र बनाने के लिए मानक कैमरे पर निर्भर करता है। जैसे ही तार हिलना शुरू करता है, सिस्टम तुरंत इवेंट कैमरे पर स्विच हो जाता है। चूंकि इवेंट कैमरा बहुत तेज़ी से प्रतिक्रिया करता है, इसलिए यह तार की गति को चलते समय ट्रैक कर सकता है, और हर 12 मिलीसेकंड में तार की स्थिति के बारे में रोबोट की समझ को अपडेट करता है।

इस सिस्टम की श्रेष्ठता इस बात में निहित है कि यह इन दो अलग-अलग सूचना धाराओं को भ्रमित हुए बिना एक साथ कैसे काम करता है। शोधकर्ताओं ने पाया कि यदि वे केवल तेज़ इवेंट कैमरे पर निर्भर रहे, तो रोबोट ट्रैक खो सकता है कि वह किस तार का पीछा कर रहा है, विशेष रूप से यदि दृश्य में कई तार मौजूद हों। यदि वे केवल मानक कैमरे पर निर्भर रहे, तो रोबोट तेज़ गतिविधियों के साथ तालमेल बिठाने में बहुत धीमा होगा। मोशनडीएलओ इसे एक ठोस, सटीक शुरुआती बिंदु स्थापित करने और वस्तु की पहचान की पुष्टि करने के लिए मानक कैमरे का उपयोग करके हल करता है। फिर, जैसे ही वस्तु चलती है, इवेंट कैमरा कमान संभाल लेता है, जो अपडेट का एक निरंतर प्रवाह प्रदान करता है जो रोबोट के ज्ञान को ताज़ा रखता है। सिस्टम इतना स्मार्ट है कि वह जान जाता है कि वस्तु कब रुक गई है और तेज़ गति के दौरान आई किसी भी छोटी त्रुटि को ठीक करने के लिए विस्तृत कैमरे पर वापस स्विच हो जाता है। यह एक निर्बाध लूप बनाता है जहाँ रोबोट वस्तु पर अपनी नज़र नहीं खोता, चाहे वह कितनी भी तेज़ी से चल रही हो।

टीम ने एक वास्तविक औद्योगिक सेटिंग में अपने सिस्टम का परीक्षण किया, जिसमें एक रोबोटिक आर्म का उपयोग करके विभिन्न प्रकार के केबलों और ट्यूबों को पकड़ा और हिलाया गया। उन्होंने तीन विशिष्ट प्रकार की वस्तुओं का उपयोग किया: वायु दबाव के लिए उपयोग किया जाने वाला एक प्लास्टिक ट्यूब, एक शील्डेड संचार केबल, और एक पतला पावर वायर। रोबलेट ने इन वस्तुओं को विभिन्न गतियों में घुमाया, जिसमें बहुत तेज़ गतिविधियाँ भी शामिल थीं जो एक मानक कैमरे को केवल एक धुंधलापन दिखाने पर मजबूर कर देंगी। परिणामों ने दिखाया कि मोशनडीएलओ उल्लेखनीय सटीकता के साथ वस्तुओं को ट्रैक कर सकता है। यहाँ तक कि जब रोबोट ने केबलों को 2,255 मिलीमीटर प्रति सेकंड की गति तक घुमाया, तब भी सिस्टम ने औसतन आधा मिलीमीटर से भी कम की त्रुटि बनाए रखी। सटीकता का यह स्तर महत्वपूर्ण है क्योंकि इसका अर्थ है कि रोबोट तार को नुकसान पहुँचाए बिना या उसे गिराए बिना उसे संचालित कर सकता है। इसके विपरीत, मानक कैमरों या सरल इवेंट-आधारित ट्रैकिंग पर निर्भर अन्य मौजूदा विधियाँ इन स्थितियों में विफल रहीं। वे या तो वस्तु का पता खो देती थीं या ऐसी बड़ी गलतियाँ करती थीं कि रोबोट कार्य पूरा नहीं कर पाता था।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि सिस्टम एक एकल चलते हुए तार का ट्रैक रख सकता है, भले ही वह अन्य स्थिर तारों के साथ उलझा हुआ हो। कई केबलों वाले भीड़भाड़ वाले दृश्य में, अन्य ट्रैकिंग विधियाँ अक्सर भ्रमित हो जाती हैं, यह पहचानने में गलती करती हैं कि कौन सा तार कौन सा है या चलते हुए तार को पूरी तरह से खो देती हैं। हालाँकि, मोशनडीएलओ ने केवल चलते हुए हिस्सों को देखने की इवेंट कैमरे की अनूठी क्षमता का उपयोग किया। चूंकि स्थिर तारों ने इवेंट कैमरे को सक्रिय नहीं किया, इसलिए सिस्टम ने चलते हुए तार को बैकग्राउंड के शोर से अलग किया और उसका निरंतर अनुसरण किया। वस्तु की पहचान को समय के साथ बनाए रखने की यह क्षमता एक बड़ी प्रगति है, क्योंकि यह रोबोट को बिना विचलित हुए या अपना स्थान खोए लंबे समय तक जटिल कार्यों को करने की अनुमति देती है।

शोधकर्ताओं ने यह भी प्रदर्शित किया कि उनका सिस्टम विशिष्ट प्रकार के तारों पर प्रशिक्षण (ट्रेनिंग) की आवश्यकता के बिना काम करता है। कई आधुनिक रोबट विजन सिस्टम को किसी विशिष्ट वस्तु को पहचानने के लिए हजारों घंटों के ट्रेनिंग डेटा की आवश्यकता होती है। यदि रोबोट किसी ऐसे नए प्रकार के केबल का सामना करता है जिसे उसने पहले कभी नहीं देखा है, तो वह अक्सर विफल हो जाता है। मोशनडीएलओ एक "जीरो-शॉट" दृष्टिकोण का उपयोग करके इस समस्या से बचता है। यह एक सामान्य-उद्देश्य वाले मॉडल का उपयोग करता है जो विशिष्ट उदाहरणों को याद करने के बजाय साधारण विवरणों के आधार पर समझ सकता है कि एक तार कैसा दिखता है। इसका मतलब है कि इस सिस्टम को एक नए प्रकार के केबल के साथ कारखाने में तैनात किया जा सकता है और बिना किसी लंबी प्रशिक्षण अवधि के तुरंत काम शुरू किया जा सकता है। यह लचीलापन इस तकनीक को वास्तविक औद्योगिक उपयोग के लिए बहुत व्यावहारिक बनाता है, जहाँ सामग्रियों और उपकरणों के प्रकार अक्सर बदलते रहते हैं।

प्रयोगों में, टीम ने प्रत्येक अपडेट को प्रोसेस करने में लगने वाले समय को मापा। उन्होंने पाया कि दृश्य (मूवमेंट) को देखने से लेकर रोबोट की योजना को अपडेट करने तक की पूरी प्रक्रिया में केवल 12 मिलीसेकंड लगे। यह गति इतनी तेज़ है कि रोबोट वास्तविक समय में प्रतिक्रिया दे सके, जैसे ही तार हिलता है, अपनी पकड़ या पथ को समायोजित करना। सिस्टम ने मोटे प्लास्टिक ट्यूब से लेकर बहुत पतले पावर वायर तक, परीक्षण किए गए सभी तीन प्रकार के केबलों में यह प्रदर्शन बनाए रखा। गति तेज़ होने पर भी सटीकता उच्च बनी रही, जिससे सिद्ध हुआ कि हाइब्रिड दृष्टिकोण ने इवेंट-आधारित सेंसिंग की गति को मानक इमेजिंग की सटीकता के साथ सफलतापूर्वक जोड़ा है।

इस कार्य के निहितार्थ केवल तारों को हिलाने तक ही सीमित नहीं हैं। वास्तविक समय में लचीली वस्तुओं को ट्रैक करने की क्षमता रोबोट को कार्यों की एक विस्तृत श्रृंखला संभालने का मार्ग खोलती है। भविष्य में, इस तकनीक का उपयोग कारों में जटिल वायरिंग हार्नेस की असेंबली को स्वचालित करने, सर्वर रैक में केबल रूट करने, या यहाँ तक कि टांके लगाने जैसे नाजुक चिकित्सा प्रक्रियाओं में सहायता करने के लिए किया जा सकता है। शोधकर्ताओं ने उल्लेख किया कि जबकि वर्तमान में उनका सिस्टम दो आयामों (2D) में काम करता है, अगला कदम गहराई की धारणा (डेप्थ परसेप्शन) जोड़ना होगा ताकि रोबोट वस्तु के पूर्ण त्रि-आयामी (3D) आकार को समझ सके। वे इसे बदलती रोशनी की स्थितियों वाले वातावरण में भी परीक्षण करने की योजना बना रहे हैं, जैसे कि वेल्डिंग या लेजर-कटिंग शॉप में, ताकि यह सुनिश्चित हो सके कि यह सभी औद्योगिक सेटिंग्स में मजबूत बना रहे।

मोशनडीएलओ की सफलता यह दर्शाती है कि रोबोटिक धारणा का भविष्य गति और सटीकता में से किसी एक को चुनने में नहीं, बल्कि विभिन्न तकनीकों की शक्तियों को मिलाने में है। एक इवेंट कैमरे के तीव्र संकेतों को सुनते हुए और एक मानक कैमरे की स्थिर दृष्टि को बनाए रखते हुए, यह सिस्टम उस स्तर का प्रदर्शन प्राप्त करता है जो अकेले उनमें से कोई भी नहीं कर सकता था। यह दृष्टिकोण एक व्यावहारिक समाधान प्रदान करता है, जिसने लंबे समय से लचीली सामग्रियों से जुड़े कार्यों के स्वचालन में बाधा डाली है। जैसे-जैसे कारखानों और घरों में रोबोट अधिक सामान्य होते जा रहे हैं, अप्रत्याशित और नाजुक चीजों को संभालने की क्षमता, भारी भार उठाने की क्षमता जितनी ही महत्वपूर्ण होगी। मोशनडीएलओ उस भविष्य की ओर एक स्पष्ट मार्ग प्रदान करता है, जो दिखाता है कि सही सेंसर और सॉफ्टवेयर के संयोजन के साथ, रोबोट अंततः दुनिया को वैसे ही संभालने में सक्षम हो सकते हैं जैसा कि वह वास्तव में है: अव्यवस्थित, गतिशील और लचीली चीजों से भरी हुई।