Visible-Reachable Workspace for Perception-Aware Humanoid Design
यह शोध पत्र दृश्य-पहुंच योग्य कार्यक्षेत्र (visible-reachable workspace - VRW) को एक धारणा-जागरूक (perception-aware) डिज़ाइन मीट्रिक के रूप में प्रस्तुत करता है और स्वतंत्र रूप से संचालित कैमरों वाले एक कस्टम 31-DoF मानव सदृश रोबोट (humanoid) के माध्यम से यह प्रदर्शित करता है कि इस प्रकार का जोड़ (articulation), निश्चित-सेंसर वाले डिज़ाइनों की तुलना में दृश्यता योग्य पहुंच का विस्तार करता है और हेरफेर दक्षता में सुधार 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
एक रोबोट के लिए किसी वस्तु को उठाने के लिए, पहले उसके हाथ द्वारा उस तक पहुँचना आवश्यक है। यह सरल ज्यामितीय तथ्य लंबे समय से इंजीनियरों द्वारा एक रोबोट की क्षमता को मापने का मानक रहा है। वे "वर्कस्पेस" (कार्यक्षेत्र), या उस त्रि-आयामी स्थान की गणना करते हैं जहाँ रोबोट का हाथ भौतिक रूप से जा सकता है। हालाँकि, एक ऐसे रोबोट के लिए जो यह देखने के लिए कैमरों पर निर्भर करता है कि वह क्या कर रहा है, पहुँच (reachability) केवल आधी कहानी है। एक लक्ष्य रोबोट के हाथ की पहुँच के भीतर तो पूरी तरह से हो सकता है, फिर भी वह उसकी आँखों के लिए पूरी तरह से अदृश्य हो सकता है क्योंकि रोबोट का शरीर दृश्य को बाधित करता है, या क्योंकि उसके कैमरे गलत दिशा में मुड़े होते हैं। यदि रोबोट उस वस्तु को नहीं देख पाता जिसे वह पकड़ने की कोशिश कर रहा है, तो वह उसे पाने के लिए गति की योजना नहीं बना सकता। यह एक निराशाजनक अंतर पैदा करता है: रोबोट कार्य करने के लिए शारीरिक रूप से सक्षम है, लेकिन उसे देखने के लिए दृष्टिहीन है, जिससे उसे उसे देखने के लिए अपने पूरे शरीर को पुनर्गठित करने में समय और ऊर्जा बर्बाद करनी पड़ती है।
ड्यूक यूनिवर्सिटी के शोधकर्ताओं ने रोबोट को बनाने के तरीके पर पुनर्विचार करके इस अंतर को पाटने का प्रयास किया। उन्होंने रोबोट की क्षमता को मापने का एक नया तरीका पेश किया जिसे "दृश्य-पहुँच योग्य वर्कस्पेस" (visible-reachable workspace) कहा गया। केवल यह पूछने के बजाय कि रोबोट कहाँ तक पहुँच सकता है, उन्होंने यह पूछा कि वह एक ही समय में कहाँ तक पहुँच सकता है और देख सकता है। इस विचार का परीक्षण करने के लिए, उन्होंने एक नया मानव रूपी (humanoid) रोबroट बनाया, 'ड्यूक ह्यूमनॉइड V2', जिसे विशेष रूप से देखने और पहुँचने की समस्या को हल करने के लिए डिज़ाइन किया गया है। अधिकांश रोबोटों के विपरीत जिनमें सिर में स्थिर कैमरे होते हैं, या ऐसे कैमरे जो केवल पूरा सिर घूमने पर चलते हैं, इस रोबोट में एक विशेष गिम्बल (gimbal) पर दो स्वतंत्र कैमरे लगे हैं। ये कैमरे अपने आप बाएँ, दाएँ, ऊपर और नीचे घूम सकते हैं, जो रोबोट के हाथों और धड़ से पूरी तरह अलग हैं। यह डिज़ाइन रोबोट को एक कैमरे से एक वस्तु को देखते हुए दूसरी वस्तु के लिए हाथ बढ़ाने की अनुमति देता है, और वह भी बिना अपने शरीर को हिलाए।
टीम ने अपने नए माप का उपयोग इस कस्टम रोबोट की तुलना कई मौजूदा मानव रूपी मॉडलों से करने के लिए किया। उन्होंने क्षमता में एक महत्वपूर्ण अंतर पाया। ड्यूक ह्यूमनॉइड V2 पर, स्वतंत्र रूप से चलने वाले कैमरों ने रोबोट को उस 97 प्रतिशत स्थान को देखने की अनुमति दी जहाँ उसके हाथ पहुँच सकते थे। इसके विपरीत, जब वही कैमरे एक जगह स्थिर थे, तो रोबोट केवल उस सुलभ स्थान का 38 प्रतिशत देख सका। अन्य मानव रूपी रोबोट, यहाँ तक कि घूमने वाली गर्दन वाले भी, इससे भी खराब प्रदर्शन करते थे। एक स्थिर-सिर वाले रोबोट का सुलभ वर्कस्पेस का केवल 16 प्रतिशत हिस्सा ही दिखाई देता था, जबकि गर्दन वाले रोबोटों ने 48 से 76 प्रतिशत के बीच प्रदर्शन किया। शोधकर्ताओं ने पाया कि केवल अधिक कैमरे जोड़ने से समस्या उतनी अच्छी तरह से हल नहीं हुई जितनी कि मौजूदा कैमरों को स्वतंत्र रूप से चलाने से हुई। रोबोट में दूसरा स्वतंत्र कैमरा जोड़ने से एक साथ दो अलग-अलग क्षेत्रों को देखने की उसकी क्षमता 45 प्रतिशत से बढ़कर 95 प्रतिशत हो गई। तीसरा कैमरा जोड़ने से लगभग कोई अतिरिक्त लाभ नहीं मिला, जिससे संख्या केवल 97 प्रतिशत तक बढ़ी, जो यह सुझाव देता है कि तीन स्थिर आँखों की तुलना में दो अच्छी तरह से रखे गए, चलते हुए नेत्र कहीं अधिक मूल्यवान हैं।
यह सिद्ध करने के लिए कि यह डिज़ाइन वास्तव में रोबोट को बेहतर काम करने में मदद करता है, टीम ने परीक्षणों की एक श्रृंखला चलाई जहाँ रोबोट को अलग-अलग स्थानों पर रखी दो वस्तुओं को खोजने और पकड़ने का कार्य दिया गया। कुछ परिदृश्यों में, वस्तुएं अगल-बगल थीं; कुछ में, एक सामने और एक पीछे थी। उन्होंने चलते हुए कैमरों वाले रोबोट की तुलना उसी रोबोट से की जिसके कैमरे स्थिर थे। परिणाम स्पष्ट थे: चलते हुए कैमरों वाले रोबोट ने कार्य 17 प्रतिशत तेजी से पूरे किए और 19 प्रतिशत कम यांत्रिक ऊर्जा का उपयोग किया। यह बचत प्रक्रिया के हर चरण से आई। चलते हुए आँखों वाले रोबोट ने वस्तुओं को खोजने में कम समय बिताया क्योंकि वह केवल अपने कैमरों को घुमाकर उन्हें ढूंढ सकता था, बजाय इसके कि उसे देखने के लिए इधर-उधर घूमना पड़े या अपना पूरा शरीर घुमाना पड़े। उसने वस्तुओं की ओर बढ़ने में भी कम समय लगाया क्योंकि वह आगे बढ़ने से पहले ही उन्हें दूर से देख सकता था। यहाँ तक कि वस्तुओं को पकड़ने की वास्तविक क्रिया भी तेज थी, क्योंकि रोबोट अपने हाथ के हिलने के दौरान लक्ष्य पर एक आँख बनाए रख सकता था, बिना खुद को पुनः उन्मुख (reorient) किए।
शोधकर्ताओं ने इन निष्कर्षों को कंप्यूटर सिमुलेशन से वास्तविक दुनिया में पहुँचाया, जहाँ रोबमा ने एक भौतिक मेज पर समान कार्यों को सफलतापूर्वक किया। यह अपने सामने मौजूद लक्ष्य को देखते हुए अपने पीछे के लक्ष्य की ओर हाथ बढ़ा सकता था, या वस्तुओं को स्वतंत्र रूप से पकड़े हुए दो लोगों को ट्रैक कर सकता था। जब एक हाथ ने दृश्य को बाधित किया, तो संबंधित कैमरा सक्रिय रूप से उसे खोजता था और जैसे ही वह दृश्यमान होता, उसे पुनः प्राप्त कर लेता था। इन भौतिक प्रदर्शनों ने पुष्टि की कि यह डिज़ाइन सिद्धांत कंप्यूटर मॉडल के बाहर भी काम करता है। अध्ययन बताता है कि रोबोटों के लिए देखने और छूने के कार्यों के लिए वास्तव में प्रभावी होने के लिए, उनके सेंसर का डिज़ाइन उनके अंगों के डिज़ाइन के साथ एकीकृत होना चाहिए। दृश्यता को एक बाधा के रूप में, जो रोबोट के भौतिक स्वरूप को आकार देती है, न कि एक विचार के बाद की चीज़ के रूप में मानकर, इंजीनियर ऐसी मशीनें बना सकते हैं जो अधिक कुशलता से चलती हैं और जटिल कार्यों को अधिक आसानी से करती हैं। टीम ने इस रोबोट के डिज़ाइन और सॉफ्टवेयर को जनता के लिए उपलब्ध करा दिया है, इस उम्मीद में कि अन्य लोग इन अंतर्दृष्टि का उपयोग सक्षम, बोधपूर्ण मशीनों की अगली पीढ़ी बनाने के लिए करेंगे।
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।