Learning Terrain-Adaptive Humanoid Locomotion on Granular Terrain
यह शोध पत्र 3D रेजिस्टिव फोर्स थ्योरी पर आधारित एक भौतिकी-आधारित ग्रैनुलर कॉन्टैक्ट मॉडल और एक टेरेन-एडेप्टिव सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) फ्रेमवर्क प्रस्तुत करता है जो विविध वास्तविक-विश्व ग्रैनुलर टेरेन पर फुर्तीले ह्यूमनॉइड लोकोमोशन को सक्षम बनाता है, जो इस क्षेत्र में ऐसी क्षमताओं का पहला सफल प्रदर्शन 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
रोबोटों ने लंबे समय से ठोस जमीन पर चलने की कला में महारत हासिल कर ली है, जो मानव की तरह ही सटीकता के साथ कंक्रीट के फुटपाथों और लकड़ी के फर्शों पर चलते हैं। लेकिन यदि आप एक समुद्र तट, बजरी वाले रास्ते, या ढीली मिट्टी के मैदान पर कदम रखें, तो नियम पूरी तरह बदल जाते हैं। सख्त फुटपाथ के विपरीत, जो एक मजबूत, अडिग प्रतिरोध प्रदान करता है, रेत या मिट्टी जैसी ढीली जमीन अप्रत्याशित व्यवहार करती है। यह एक त्वरित कदम के नीचे एक ठोस चट्टान की तरह व्यवहार कर सकती है, या यदि पैर बहुत गहरा धंस जाए तो एक गाढ़े तरल पदार्थ की तरह बह सकती है। इस परिवर्तनशील प्रकृति के कारण यह जानना बेहद कठिन हो जाता है कि रोबोट को कितना बल लगाना चाहिए या बिना धंसे या फिसले संतुलन कैसे बनाए रखना चाहिए। वर्षों से, इंजीनियर मशीनों को इन अस्थिर सतहों पर चलने के लिए प्रशिक्षित करने के लिए संघर्ष करते रहे हैं, और अक्सर सरल मॉडलों पर निर्भर रहे हैं जो जमीन के धंसने पर विफल हो जाते हैं।
शोधकर्ताओं की एक टीम ने अब ह्यूमनॉइड (मानव रूपी) रोबोटों को ढीली, दानेदार सतहों पर चलने के लिए सिखाने का एक नया तरीका विकसित किया है। उनका दृष्टिकोण इस बात के सटीक समझ को जोड़ता है कि पैर रेत और बजरी के साथ कैसे परस्पर क्रिया करते हैं, और एक ऐसी सीखने की विधि का उपयोग करता है जो रोबोट को वास्तविक समय में जमीन की कठोरता को महसूस करने की अनुमति देती है। एक अत्यधिक यथार्थवादी आभासी वातावरण में रोबोट को प्रशिक्षित करके, जो धंसने और फिसलने के भौतिक विज्ञान (फिजिक्स) की नकल करता है, और फिर वास्तविक समुद्र तटों और बजरी के ढेरों पर इसका परीक्षण करके, टीम ने प्रदर्शित किया कि उनका रोबोट नरम जमीन पर चल सकता है, दौड़ सकता है, और यहाँ तक कि कूद भी सकता है, जहाँ पिछले मॉडल विफल हो जाते। यह कार्य रोबोटों को वास्तविक दुनिया के अव्यवस्थित, अनस्ट्रक्चर्ड वातावरण में काम करने की क्षमता देने की दिशा में एक महत्वपूर्ण कदम है।
इस उपलब्धि का मूल आधार यह है कि शोधकर्ताओं ने रोबोट के पैर और जमीन के बीच की परस्पर क्रिया को कैसे मॉडल किया। पारंपरिक तरीके अक्सर जमीन को एक कठोर सतह के रूप में मानते हैं जो बस पैर को रोक देती है, या वे पैर के धंसने की मात्रा का अनुमान लगाने के लिए मोटे अनुमानों का उपयोग करते हैं। हालाँकि, नया सिस्टम एक भौतिकी-आधारित मॉडल का उपयोग करता है जो उस प्रतिरोध की गणना करता है जो जमीन पैर के धंसने पर प्रदान करती है। यह मॉडल इस बात का हिसाब रखता है कि पैर का कोण, गति, और प्रवेश की गहराई, जमीन द्वारा लगाए जाने वाले बल को कैसे बदलती है। अनुमान लगाने के बजाय, सिस्टम इन बलों की गणना सामग्री के भौतिक गुणों के आधार पर करता है, चाहे वह सूखी रेत हो, गीली समुद्री रेत हो, या बेसाल्ट चट्टानें। यह रोबोट को सिमुलेशन में उसी धंसने और फिसलने वाले बल का अनुभव करने की अनुमति देता है जो वह वास्तविकता में महसूस करेगा।
इसे व्यवहार में लाने के लिए, शोधकर्ताओं ने दो चरणों वाली सीखने की प्रक्रिया का उपयोग किया। पहले, उन्होंने सिमुलेशन में एक "शिक्षक" (टीचर) रोबोट को प्रशिक्षित किया जिसके पास जमीन के बारे में सटीक जानकारी थी, जैसे कि इसकी सटीक कठोरता और संरचना। इस शिक्षक ने विभिन्न सतहों पर कुशलतापूर्वक चलना सीखा। फिर, उन्होंने एक "छात्र" (स्टूडेंट) रोबोट को प्रशिक्षित किया जो केवल वही देख सकता था जिसे उसके अपने सेंसर पहचान सकते थे, जैसे कि उसके जोड़ों की गति और उसके शरीर पर लगने वाले बल। छात्र ने केवल इन आंतरिक संकेतों से जमीन की प्रकृति का अनुमान लगाना सीखा, प्रभावी रूप से यह अंदाजा लगाया कि जमीन कैसी है, बस यह महसूस करके कि वह कैसे हिल रही है। एक बार प्रशिक्षित होने के बाद, छात्र रोबॉइड अपनी चाल को तुरंत बदल सकता था, जैसे कि जमीन के नरम होने पर पैरों को ऊंचा उठाना ताकि वे घिसट न सकें, या सतह असमान होने पर अपने कदमों के फैलाव को समायोजित करना।
इस दृष्टिकोण के परिणामों का परीक्षण उच्च-सटीक कंप्यूटर सिमुलेशन और वास्तविक दुनिया के हार्डवेयर प्रयोगों दोनों में किया गया। सिमुलेशन में, रोबोट को बेसाल्ट, सूखी रेत और खसखस (पॉपी सीड्स) सहित विभिन्न प्रकार के दानेदार भूभागों पर रखा गया था, जो एक महीन, ढीली सामग्री के रूप में कार्य करती थी। नए भौतिक मॉडल के साथ प्रशिक्षित रोबोट ने इन सतहों पर सफलतापूर्वक नेविगेट किया, संतुलन बनाए रखा और 2.5 मीटर प्रति सेकंड की गति तक चलने के आदेशों का पालन किया। इसके विपरीत, पुराने, सरल मॉडलों के साथ प्रशिक्षित रोबोट संघर्ष करते दिखे, जो अक्सर नरम सतहों पर गिर जाते थे या आगे बढ़ने में विफल रहते थे। नया सिस्टम न केवल चला बल्कि इसने दौड़ने और कूदने का भी प्रबंधन किया, जो ऐसे कार्य हैं जिनमें सटीक समय और बल अनुप्रयोग की आवश्यकता होती है जो जमीन के व्यवहार की गहरी समझ के बिना प्राप्त करना लगभग असंभव है।
जब टीम ने प्रशिक्षित रोबोट को एक यूनिट्री जी1 (Unitree G1) ह्यूमनॉइड के साथ वास्तविक दुनिया में तैनात किया, तो परिणाम बरकरार रहे। उन्होंने रोबोट का परीक्षण बेसाल्ट क्षेत्र, एक सूखी रेत वाले वॉलीबॉल कोर्ट और एक समुद्र तट पर किया। कठोर बेसाल्ट पर, रोबोट सुचारू रूप से चला। सूखी रेत पर, इसने उच्च गति पर भी अपना संतुलन बनाए रखा, जबकि पुराने मॉडल अपना संतुलन खो देते। शायद सबसे प्रभावशाली बात यह थी कि रोबोट ने यह महसूस करने की क्षमता प्रदर्शित की कि जमीन कब बदल रही है। जैसे ही वह एक कठोर सतह से नरम रेत के पैच पर चला, उसने अपनी चाल को स्वचालित रूप से समायोजित किया, अपने पैरों को ऊंचा उठाया ताकि वे ढीले मटीरियल में न फंसें। यह अनुकूलन बिना किसी पूर्व-निर्धारित निर्देश के हुआ कि विशिष्ट स्थान क्या है; रोबोट ने बस अपनी टांगों के माध्यम से महसूस किए गए बदलते प्रतिरोध के प्रति प्रतिक्रिया दी।
शोधकर्ताओं ने यह भी देखा कि नरम जमीन पर रोबोट की गति अधिक कुशल और सौम्य हो गई। जमीन की कठोरता का अनुमान लगाकर, रोबोट ने यह सीखा कि आगे बढ़ने के लिए बस पर्याप्त बल कैसे लगाया जाए ताकि अत्यधिक रेत न उड़े या उसके जोड़ों पर बहुत अधिक दबाव न पड़े। यह 'कम्प्लायंट' (अनुकूलनशील) व्यवहार, जहाँ रोबोट असमान जमीन के व्यवधान के विरुद्ध लड़ने के बजाय उसे सोख लेता है, चलने के एक अधिक प्राकृतिक और ऊर्जा-कुशल तरीके का सुझाव देता है। यह अध्ययन पुष्टि करता है कि रोबोटों के लिए वास्तव में 'वाइल्ड' (जंगली/प्राकृतिक परिवेश) में काम करने के लिए, उन्हें अपने नीचे की जटिल, परिवर्तनशील जमीन को समझने और उसके अनुकूल होने में सक्षम होना चाहिए, जिससे वे अतीत की कठोर धारणाओं से आगे निकल सकें।
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।