Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework

दुनिया में चलने वाले रोबोट अपनी आँखों और संतुलन की समझ के बीच एक नाजुक साझेदारी पर निर्भर करते हैं। सुरक्षित रूप से नेविगेट करने के लिए, एक मशीन को यह जानने की आवश्यकता होती है कि वह वास्तव में कहाँ है और उसकी दिशा क्या है, यह एक ऐसा कार्य है जिसे आमतौर पर तालमेल में काम करने वाले दो अलग-अलग सेंसरों द्वारा संभाला जाता है। एक सेंसर, एक लेजर स्कैनर, परिवेश का विस्तृत मानचित्र बनाने के लिए आसपास के वातावरण को स्कैन करता है, जबकि दूसरा, एक कॉम्पैक्ट मोशन ट्रैकर, यह मापता है कि वाहन कैसे त्वरित (accelerate) होता है और मुड़ता है। इन दोनों डेटा स्ट्रीम को एक साथ समझने के लिए, कंप्यूटर को उनके बीच के सटीक भौतिक संबंध को जानना आवश्यक है: वे एक-दूसरे से कितनी दूर स्थित हैं और एक-दूसरे के सापेक्ष उनका कोण बिल्कुल कितना है। यदि यह संबंध थोड़ा भी गलत हुआ, तो रोबोट का आंतरिक मानचित्र भटक जाएगा, और दुनिया के प्रति उसकी समझ बिखर जाएगी।

इंजीनियरों के लिए चुनौती यह है कि जब एक रोबोट बनाया जाता है, तो ये सेंसर शायद ही कभी पूरी तरह से संरेखित (aligned) होते हैं, और सटीक ऑफसेट समय के साथ बदल सकता है। इसे ठीक करने के लिए, रोबोट को एक अंशांकन (कैलिब्रेशन) प्रक्रिया से गुजरना पड़ता है, जो एक प्रकार का स्व-ट्यूनिंग है जहाँ कंप्यूटर यह पता लगाता है कि सेंसर कैसे चलते हैं, उससे सही संरेखण का पता चलता है। जमीनी वाहनों के लिए, जो ज्यादातर समतल सड़क पर आगे बढ़ते हैं और वृत्ताकार घूमते हैं, यह प्रक्रिया ऐतिहासिक रूप से कठिन रही है। यह गति बहुत सरल है, जो कंप्यूटर को पहेली को सुलझाने के लिए बहुत कम संकेत देती है। पिछले समाधानों ने यह मानकर सरलीकरण करने की कोशिश की कि जमीन पूरी तरह से सपाट थी, एक ऐसा नियम जो राजमार्ग पर तो अच्छा काम करता है लेकिन तब पूरी तरह विफल हो जाता है जब कोई वाहन किसी पहाड़ी या ढलान का सामना करता है।

मैगिल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका विकसित किया है, जिससे रोबोट ढलान वाली जमीन पर भी सटीक रूप से खुद को कैलिब्रेट कर सकते हैं। उनका काम, जो हाल ही में प्रकाशित एक अध्ययन में प्रस्तुत किया गया है, सपाट जमीन की कठोर आवश्यकता को हटा देता है, जिससे अंशांकन ढलान वाली सतहों पर भी उतना ही प्रभावी हो जाता है जितना कि समतल सतहों पर। लेजर स्कैनर और मोशन ट्रैकर के बीच के संबंध की व्याख्या करने के तरीके को परिष्कृत करके, नया तरीका यह सुनिश्चित करता है कि रोबोट चाहे शहर की सड़क पर चल रहा हो या ऊबड़-खाबड़ पहाड़ी पर चढ़ रहा हो, वह अपनी स्थिति का सटीक बोध बनाए रख सके।

मुख्य मुद्दा यह है कि जमीनी वाहन कैसे चलते हैं। क्योंकि वे जमीन पर रहने के लिए गुरुत्वाकर्षण द्वारा सीमित होते हैं, वे मुड़ते समय आमतौर पर एक एकल ऊर्ध्वाधर अक्ष (vertical axis) के चारों ओर घूमते हैं। यह सीमित गति कैलिब्रेशन सॉफ्टवेयर के लिए एक 'ब्लाइंड स्पॉट' या अदृश्य क्षेत्र पैदा करती है। जब एक वाहन समतल जमीन पर एक घेरे में घूमता है, तो कंप्यूटर यह आसानी से नहीं बता पाता कि सेंसर ऊर्ध्वाधर दिशा में एक-दूसरे से कितनी दूर हैं, जिससे अनिश्चितता पैदा होती है। इसे ठीक करने के लिए, पुराने तरीकों ने एक गणितीय शॉर्टकट का उपयोग किया: उन्होंने यह मान लिया कि वाहन को नीचे खींचने वाला गुरुत्वाकर्षण बल जमीन से सीधे ऊपर की दिशा में पूरी तरह संरेखित था। यह धारणा केवल सपाट सतहों पर ही सही बैठती है। जैसे ही कोई वाहन ढलान पर जाता है, जमीन झुक जाती है, लेकिन गुरुत्वाकर्षण नहीं। पुरानी धारणा टूट जाती है, और अंशांकन विफल हो जाता है, जिससे अक्सर बहुत गलत परिणाम मिलते हैं।

शोधकर्ताओं ने इस समस्या को हल करने के लिए कंप्यूटर के पालन करने हेतु नियमों का एक नया सेट बनाया, जो जमीन के समतल होने पर निर्भर नहीं है। जमीन के स्तर का अनुमान लगाने के बजाय, नया तरीका ढलान के वास्तविक कोण को मापता है और उस जानकारी का उपयोग संरेखण को ठीक करने के लिए करता है। यह प्रणाली लेजर डेटा का उपयोग करके उस सतह की पहचान करती है जिस पर वाहन चल रहा है और गुरुत्वाकर्षण के खिंचाव के सापेक्ष उस सतह के कोण की गणना करती है। फिर यह इस कोण का उपयोग गणना को सीमित करने के लिए करती है, प्रभावी रूप से कंप्यूटर को बताती है, "जमीन इस विशिष्ट कोण पर झुकी हुई है, इसलिए सेंसर संरेखण को तदनुसार समायोजित करें।" यह दृष्टिकोण सिस्टम को सही स्थिति और ओरिएंटेशन को हल करने की अनुमति देता है, भले ही वाहन एक खड़ी ढलान पर चढ़ रहा हो।

अपने विचार का परीक्षण करने के लिए, टीम ने एक मानक रोबोटिक वाहन का उपयोग किया जो एक लेजर स्कैनर और एक मोशन ट्रैकर से लैस था। उन्होंने रोबोट को कई परीक्षण दौरों में चलाया, जिनमें से कुछ प्रयोगशाला के फर्श पर और कुछ बाहरी ढलानों पर थे। उन्होंने अपने नए तरीके की तुलना मौजूदा, व्यापक रूप से उपयोग की जाने वाली तकनीक से की जो समतल-जमीन की धारणा पर आधारित है। समतल सतहों पर, दोनों तरीकों ने अच्छा प्रदर्शन किया, लेकिन नया दृष्टिकोण निरंतर गति डेटा के प्रसंस्करण के अधिक परिष्कृत तरीके के कारण, निरंतरता में थोड़ा बेहतर प्रदर्शन करता है। वास्तविक अंतर ढलानों पर दिखाई दिया। जब रोबमान ढलानों पर ऊपर-नीचे गया, तो पुराने तरीके ने अनियमित और अविश्वसनीय परिणाम दिए, जो अक्सर एक सही उत्तर तक पहुँचने में विफल रहे। इसके विपरीत, नया तरीका स्थिर रहा, और ढलान की परवाह किए बिना लगातार सही संरेखण खोजने में सफल रहा।

शोधकर्ताओं ने अन्य वाहनों से एकत्र किए गए डेटा से भी सिस्टम का परीक्षण किया, जिसमें एक रग्ड ऑफ-रोड मशीन और एक विश्वविद्यालय परिसर का डेटासेट शामिल था। हर मामले में, नए तरीके ने अधिक विश्वसनीयता प्रदर्शित की। जब टीम ने जानबूझकर सेंसरों के स्थान के बारे में गलत अनुमान के साथ अंशांकन प्रक्रिया शुरू की, तो नया सिस्टम खुद को सुधारने और सही उत्तर खोजने में सक्षम था, जबकि पुराना तरीका उबरने में संघर्ष करता रहा। यह स्व-सुधार की क्षमता वास्तविक दुनिया के अनुप्रयोगों के लिए महत्वपूर्ण है, जहाँ रोबोट के पास हमेशा सटीक प्रारंभिक माप नहीं होते। अध्ययन ने दिखाया कि ढलान का हिसाब रखकर, रोबोट अपने आंतरिक मानचित्र में उच्च स्तर की सटीकता बनाए रख सकता है, जो जटिल, असमान वातावरण में काम करने के लिए आवश्यक है।

हालांकि नया तरीका एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, शोधकर्ता नोट करते हैं कि इसके लिए अभी भी कुछ पूर्व ज्ञान की आवश्यकता है। सिस्टम को शुरू करने से पहले जमीन से मोशन ट्रैकर की भौतिक ऊंचाई जानने की आवश्यकता होती है, जो एक मैन्युअल माप है। इसके अतिरिक्त, ढलान के कोण की गणना करने के लिए, सिस्टम को एक संदर्भ की आवश्यकता होती है कि जब वाहन समतल जमीन पर हो तो गुरुत्वाकर्षण कैसा दिखता है, जो आमतौर पर समतल जमीन पर एक संक्षिप्त अंशांकन रन द्वारा निर्धारित किया जाता है। इन छोटी आवश्यकताओं के बावजूद, झुकी हुई सतहों को संभालने की क्षमता एक बड़ा सुधार है। इसका अर्थ है कि रोबोट अब असमान मिट्टी वाले निर्माण स्थलों से लेकर पहाड़ी इलाकों तक, बिना रास्ता भटके, विविध वातावरणों में तैनात किए जा सकते हैं।

यह कार्य रोबोटिक्स के एक व्यापक रुझान को उजागर करता है: दुनिया के बारे में कठोर धारणाओं से हटकर ऐसे सिस्टम की ओर बढ़ना जो वातावरण की वास्तविकता के अनुकूल हो सकें। यह स्वीकार करके कि जमीन हमेशा समतल नहीं होती है, शोधकर्ताओं ने रोबोट नेविगेशन के लिए एक अधिक मजबूत उपकरण बनाया है। परिणाम बताते हैं कि भविष्य के रोबोट आदर्श स्थितियों पर कम निर्भर होंगे और उस वास्तविक, विविध दुनिया में काम करने में अधिक सक्षम होंगे जहाँ उनकी वास्तव में आवश्यकता है। इस नए तरीके का कोड अन्य शोधकर्ताओं के लिए उपलब्ध कराया गया है, जो क्षेत्र के विकास के साथ आगे के परीक्षण और परिशोधन के लिए आमंत्रित करता है।