AI-based worker guidance in assembly and disassembly operations using multimodal ego/exo-centric data capture and structured task knowledge
यह शोधपत्र एक डेटा-केंद्रित दृष्टिकोण प्रस्तुत करता है जो विशेषज्ञ प्रदर्शनों से संरचित कार्य ज्ञान निकालने के लिए मल्टीमॉडल इगोसेंट्रिक और एक्सोसेंट्रिक वीडियो और नैरेशन का लाभ उठाता है, जिससे असेंबली और डिसअसेंबली संचालन के लिए प्रभावी प्रक्रियात्मक दस्तावेज़ीकरण और संदर्भ-जागरूक मार्गदर्शन सक्षम होता 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
एक कारखाने के फर्श की शांत गूँज में, एक कुशल तकनीशियन एक जटिल मशीन पर काम कर रहा है। वे जानते हैं कि सबसे पहले किस पेंच को ढीला करना है, उलझे हुए केबल को बिना नुकसान पहुँचाए कैसे रूट करना है, और क्या करना है जब कोई हिस्सा गायब हो या घिस गया हो। यह ज्ञान उनके हाथों और उनके मस्तिष्क में रहता है, जो वर्षों के अभ्यास से बना है। दशकों से, इंजीनियरों ने रोबोट को यह काम सिखाने की कोशिश की है, लेकिन मशीनें चीजों को खोलने की इस अव्यवस्थपूर्ण और अप्रत्याशित वास्तविकता के साथ संघर्ष करती हैं। किसी उत्पाद को शून्य से बनाने के विपरीत, जहाँ हर टुकड़ा एक सटीक योजना में फिट बैठता है, किसी पुराने उपकरण को खोलने का अर्थ अक्सर जंग, टूटे हुए क्लिप और समय के साथ अपनी जगह से खिसक गए हिस्सों से निपटना होता है। पारंपरिक स्वचालन (ऑटोमेशन), जो कठोर, पूर्व-निर्धारित गतिविधियों पर निर्भर करता है, अक्सर तब विफल हो जाता है जब दुनिया निर्धारित पटकथा का पालन नहीं करती है। इसे हल करने के लिए, शोधकर्ता एक अलग प्रकार की बुद्धिमत्ता की ओर मुड़ रहे हैं: ऐसे सिस्टम जो मानव विशेषज्ञों को देखते और सुनते हुए सीख सकते हैं, न केवल यह कि वे क्या करते हैं, बल्कि यह भी कि वे ऐसा क्यों करते हैं।
फ्रेनहोफर इंस्टीट्यूट और तकनीकी विश्वविद्यालय बर्लिन के शोधकर्ताओं की एक टीम ने इस विशेषज्ञ ज्ञान को कैप्चर करने और इसे श्रमिकों के लिए एक मार्गदर्शिका में बदलने का एक नया तरीका विकसित किया है। उनका दृष्टिकोण अपशिष्ट विद्युत और इलेक्ट्रॉनिक उपकरणों, जैसे कि पुराने कंप्यूटरों, को अलग करने के कठिन कार्य पर केंद्रित है। एक रोबोट को हर कदम खुद समझने के लिए मजबूर करने के बजाय, यह सिस्टम एक मानव विशेषज्ञ को स्मार्ट चश्मे पहनकर और अपने विचारों को ज़ोर से बोलते हुए कार्य करते हुए रिकॉर्ड करता है। इस सेटअप में दो कैमरों का उपयोग किया जाता है: एक विशेषज्ञ के चश्मे पर लगा होता है ताकि वह देख सके जो वे देख रहे हैं, और एक कमरे में स्थिर कैमरा जो पूरे कार्यक्षेत्र को दिखाता है। जैसे ही विशेषज्ञ काम करता है, वह अपने कार्यों का वर्णन करता है, अपने तर्क को समझाता है, और संभावित गलतियों की ओर इशारा करता है। यह एक समृद्ध रिकॉर्ड बनाता है जो इस बात को जोड़ता है कि आँख क्या देखती है और आवाज़ क्या समझाती है।
शोधकर्ता फिर इस रिकॉर्डिंग को कार्य के एक संरचित मानचित्र (स्ट्रक्चर्ड मैप) में बदलने के लिए उन्नत कंप्यूटर प्रोग्रामों का उपयोग करते हैं। सबसे पहले, सिस्टम बोले गए शब्दों को टेक्स्ट में बदल देता है, और हर वाक्य को उस सटीक क्षण से जोड़ देता है जब वह कहा गया था। एक शक्तिशाली लैंग्वेज मॉडल फिर इस ट्रांसक्रिप्ट को पढ़ता है ताकि काम के तर्क को समझ सके। यह पता लगाता है कि कौन से कदम दूसरों से पहले होने चाहिए, कौन से कदम किसी भी क्रम में किए जा सकते हैं, और कौन से हिस्से स्वतंत्र हैं। परिणाम एक विजुअल फ्लोचार्ट, या 'प्रिसीडेंस ग्राफ' (precedence graph) है, जो कार्यों के सही क्रम को दर्शाता है। यह मानचित्र केवल निर्देशों की सूची नहीं है; यह कदमों के बीच के संबंधों को समझता है। उदाहरण के लिए, यह जानता है कि एक विशिष्ट पेंच तक पहुँचने से पहले एक कवर हटाया जाना चाहिए, लेकिन दो अलग-अलग आंतरिक घटकों को किसी भी क्रम में निकाला जा सकता है।
एक बार जब यह मानचित्र बन जाता है और यह सुनिश्चित करने के लिए एक मानव द्वारा जांचा जाता है कि यह सही है, तो सिस्टम वीडियो में कार्यों को पहचानना सीख जाता है। यह रिकॉर्डिंग को छोटे क्लिप्स में तोड़ देता है, जिनमें से प्रत्येक को किए जा रहे विशिष्ट चरण के रूप में लेबल किया जाता है। यह कंप्यूटर को काम के दृश्य विवरणों को समझने की अनुमति देता है, जैसे कि एक हाथ टूल को कैसे पकड़ता है या एक घटक को कैसे बाहर खींचा जाता है। सिस्टम फिर वास्तविक समय में एक कार्यकर्ता की सहायता करने के लिए तैयार होता है। जैसे ही एक कार्यकर्ता कार्य करता है, सिस्टम उनके वीडियो फीड को देखता है, पहचानता है कि वे क्या कर रहे हैं, और मानचित्र के विरुद्ध उनकी प्रगति की जाँच करता है। यदि कार्यकर्ता सही रास्ते पर है, तो सिस्टम शांत रहता है। यदि वे हिचकिचाते हैं या कोई गलती करते हैं, तो सिस्टम अगले वैध कदम का सुझाव दे सकता है या विशेषज्ञ द्वारा उस सटीक क्रिया को सही ढंग से करने के एक छोटे वीडियो क्लिप को दिखा सकता है।
टीम ने एक वर्कस्टेशन कंप्यूटर के विघटन (disassembly) पर इस पद्धति का परीक्षण किया, जो कई परस्पर क्रिया करने वाले भागों और उपकरणों वाला कार्य है। उन्होंने पाया कि सिस्टम केवल एक विशेषज्ञ प्रदर्शन से ही कार्य की तार्किक संरचना को सफलतापूर्वक निकाल सकता है। जब उन्होंने चार अलग-अलग विशेषज्ञों की रिकॉर्डिंग का उपयोग किया, तो सिस्टम और भी अधिक विश्वसनीय हो गया, जो कार्यों को पहचानने और सही अगले कदमों का सुझाव देने में बेहतर हुआ। अपने परीक्षणों में, सिस्टम ने उच्च सटीकता के साथ चरणों के क्रम और उनके बीच के संबंधों की पहचान की। यह एक कार्यकर्ता को प्रक्रिया के माध्यम से मार्गदर्शन करने में सक्षम था, जो वर्तमान स्थिति के अनुकूल सलाह प्रदान करता था। परिणामों ने दिखाया कि एक एकल उदाहरण के साथ भी, सिस्टम एक उपयोगी मार्गदर्शिका बना सकता है, और अधिक उदाहरण जोड़ने से यह विभिन्न लोगों द्वारा कार्य करने के तरीकों में भिन्नता को संभालने के लिए पर्याप्त मजबूत हो गया।
यह कार्य उन उद्योगों के लिए एक मार्ग प्रशस्त करता है जिन्हें जटिल उत्पादों की मरम्मत, पुनर्चक्रण (recycling) या उन्हें अलग करने की आवश्यकता होती है। कुशल श्रमिकों के अंतर्निहित (tacit) ज्ञान को कैप्चर करके और उसे डिजिटल गाइड में बदलकर, कारखाने कम अनुभवी श्रमिकों को सहायता प्रदान कर सकते हैं, बिना हर एक रोबोटिक मूवमेंट को प्रोग्राम किए। यह सिस्टम मनुष्य को प्रतिस्थापित नहीं करता है; इसके बजाय, यह एक जानकार साथी के रूप में कार्य करता है जो देखता है, समझता है और ज़रूरत पड़ने पर मदद की पेशकश करता है। शोधकर्ताओं का मानना है कि इस दृष्टिकोण का विस्तार रोबोट को ये कार्य सीखने में मदद करने के लिए किया जा सकता है, जिससे मशीनें मानव प्रदर्शन के आधार पर कार्यों के लंबे अनुक्रमों की योजना बना सकेंगी। फिलहाल, ध्यान मानव श्रमिकों को आधुनिक विनिर्माण की जटिलता को नेविगेट करने में मदद करने पर केंद्रित है, यह सुनिश्चित करते हुए कि मूल्यवान कौशल खो न जाएं बल्कि उन्हें भविष्य के लिए साझा और संरक्षित किया जाए।
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।