तकनीकी सारांश: 30-टन के एक्सकेवेटर के लिए IL-ACT

समस्या विवरण

भारी हाइड्रोलिक मशीनरी, विशेष रूप से 30-टन श्रेणी के एक्सकेवेटरों के स्वायत्त नियंत्रण (autonomous control) को युग्मित किनेमैटिक्स (coupled kinematics), एक्चुएशन लैग (actuation lags) और सिस्टम अनिश्चितताओं के कारण महत्वपूर्ण चुनौतियों का सामना करना पड़ता है। जबकि पिछले सिस्टमों ने प्रक्षेपवक्र अनुकूलन (trajectory optimization) और सीखे गए इनवर्स कंट्रोल का प्रदर्शन किया है, अनिश्चित गतिकी और बदलती परिचालन स्थितियों के तहत मजबूत, उच्च-परिशुद्धता ट्रैकिंग प्राप्त करना अभी भी कठिन बना हुआ है। लेखक एक ऐसे मोशन कंट्रोल फ्रेमवर्क की आवश्यकता को संबोधित करते हैं जो ऐसी जटिल मशीनों के लिए गोल-पहुंचने (goal-reaching) और प्रक्षेपवक्र ट्रैकिंग (trajectory tracking) को संभाल सके, जो इमिटेशन लर्निंग (IL) के लाभों और एडेप्टिव कंट्रोल की मजबूती के बीच संतुलन बनाता हो।

कार्यप्रणाली: IL-ACT फ्रेमवर्क

यह शोध पत्र IL-ACT (इमिटेशन लर्निंग विद एडेप्टिव कार्टेशियन ट्रैकिंग) प्रस्तावित करता है, जो चार नियंत्रित जोड़ों (स्विंग, बूम, आर्म और बकेट) वाले 30-टन के हाइड्रोलिक एक्सकेवेटर के लिए डिज़ाइन किया गया एक नवीन मोशन कंट्रोल फ्रेमवर्क है। यह सिस्टम 0.1s के कंट्रोल पीरियड के साथ एक क्लोज्ड लूप में काम करता है और तीन प्राथमिक घटकों से बना है:

1. एंकोर्ड इमिटेशन पॉलिसी (Anchored Imitation Policy)

• आर्किटेक्चर: एक फुली कनेक्टेड न्यूरल नेटवर्क (14 इनपुट, 4 आउटपुट) जिसे ऑपरेटर प्रदर्शन (demonstrations) के माध्यम से बिहेवियर क्लोनिंग द्वारा प्रशिक्षित किया गया है।
• प्रशिक्षण रणनीति: पॉलिसी को टेलीमेट्री कॉर्पस (15 रिकॉर्डिंग तिथियों) पर प्री-ट्रेन किया गया है और ऑफलाइन किनेमैटिक सुपरविजन का उपयोग करके परिष्कृत किया गया है। एक "किनेमैटिक टीचर" कॉन्फ़िगरेशन को पुनर्गठित करता है और बाउंडेड इनवर्स-किनेमैटिक (IK) पोस्चर गाइड्स और कार्टेशियन वेलोसिटी कमांड उत्पन्न करता है।
• एंकरिंग मैकेनिज्म: स्थिरता और ज़ीरो-एक्शन निरंतरता सुनिश्चित करने के लिए, पॉलिसी आउटपुट को वर्तमान स्थिति के लिए नेटवर्क के प्रेडिक्शन और एक "ज़ीरो-एक्शन" एंकर स्टेट (जहाँ लक्ष्य वर्तमान पोज़ के समान है और वेलोसिटी शून्य है) के प्रेडिक्शन के अंतर के रूप में परिभाषित किया गया है। यह सुनिश्चित करता है कि जब सिस्टम लक्ष्य पर हो और कोई गति न हो, तो नाममात्र का कमांड बिल्कुल शून्य हो।
• अवलोकन (Observations): इनपुट वेक्टर में कॉज़ल, फ़िल्टर्ड जॉइंट एंगल्स, टिप पोजीशन, और एक कंडीशनिंग पॉइंट (लक्ष्य या प्रिव्यू पॉइंट) के एरर वेक्टर शामिल हैं।

2. एडेप्टिव कार्टेशियन ट्रैकिंग (Adaptive Cartesian Tracking - ACT)

• फीडबैक करेक्शन: सिस्टम एक कार्टेशियन फीडबैक लूप का उपयोग करता है जो वांछित और मापी गई टिप स्थितियों के बीच त्रुटि (error) की गणना करता है।
• गेन/बायस एस्टीमेशन: एक गेटेड एस्टिमेटर मापे गए जॉइंट रेट्स की तुलना एक नाममात्र प्लांट रिस्पॉन्स प्रेडिक्शन से करता है। यह हाइड्रोलिक अनिश्चितताओं (वाल्व लैग, घर्षण, लोड मॉड्यूलेशन) के कारण होने वाले विचलन की भरपाई के लिए गेन और बायस सुधारों का अनुमान लगाता है।
• एडेप्टेशन लॉजिक: गेन और बायस अनुमानों के अपडेट को उत्तेजना स्तरों (excitation levels) के आधार पर "गेटेड" किया जाता है (ताकि कम-सिग्नल या सैचुरेटेड स्थितियों के दौरान अनुकूलन से बचा जा सके) और इंटरवेंशन फ्लैग्स के आधार पर किया जाता है।
• एकीकरण (Integration): अंतिम कमांड नाममात्र IL आउटपुट, कार्टेशियन फीडबैक वेलोसिटी (डैम्प्ड इनवर्स जैकोबियन के माध्यम से जॉइंट स्पेस में मैप की गई), और अनुमानित बायस/गेन सुधारों का संयोजन है।

3. शेयर्ड कमांड गवर्नर (Shared Command Governor)

• सुरक्षा और व्यवहार्यता: एक स्टॉपिंग-डिस्टेंस गवर्नर उत्पन्न किए गए जॉइंट रेफरेंस को नियंत्रित करता है ताकि यह सुनिश्चित हो सके कि मशीन अपने भौतिक सीमाओं (पोजीशन, वेलोसिटी और एक्सेलरेशन बाउंड्स) के भीतर लक्ष्य तक पहुँचने से पहले रुक सके।
• रेफरेंस एडमिसिबिलिटी: गवर्नर यह सुनिश्चित करता है कि पोजीशन-डिमांड रजिस्टर घोषित एनवेलप के भीतर रहे। यदि गवर्नर एक अमान्य (infeasible) स्थिति का पता लगाता है, तो वह तात्कालिक स्टॉप के बजाय एक फॉलबैक डिकसेलरेशन को ट्रigger करता है।
• एंटी-वाइंडअप: सिस्टम फीडबैक लूप में इंटीग्रल टर्म के लिए एंटी-वाइंडअप इंटीग्रेशन का उपयोग करता है ताकि सैचुरेशन के दौरान प्रदर्शन में गिरावट को रोका जा सके।

मुख्य योगदान

लेखक तीन मुख्य योगदानों की पहचान करते हैं:

1. एंकोर्ड इमिटेशन-पॉलिसी डिज़ाइन: डेटासेट एग्रीगेशन और किनेमैटिक सुपरविजन के माध्यम से परिष्कृत एक समन्वित चार-जॉइंट पॉलिसी, जिसमें स्थिरता सुनिश्चित करने के लिए एक सटीक ज़ीरो-एक्शन एंकर है।
2. कन्स्ट्रेंड रेफरेंस जनरेशन के साथ एडेप्टिव ट्रैकिंग: एक फ्रेमवर्क जो कार्टेशियन फीडबैक और गेटेड गेन/बायस एस्टीमेशन को एक शेयर्ड स्टॉपिंग-डिस्टेंस गवर्नर के साथ जोड़ता है। पेपर एक सैद्धांतिक विश्लेषण प्रदान करता है जो एडेप्टिव स्टेट्स की बाउंडेडनेस और जनरेट किए गए रेफरेंस की एडमिसिबिलिटी को स्थापित करता है, जो गवर्नर की व्यवहार्यता पर निर्भर है।
3. व्यापक तुलनात्मक सिमुलेशन साक्ष्य: हाइड्रोलिक डिस्टर्बेंस (वाल्व लैग, फ्रिक्शन, हिस्टेरेसिस, लोड मॉड्यूलेशन) के साथ एक हाई-फिडेलिटी सिम्केप (Simscape) वातावरण में कई कार्यों (गोल रेगुलेशन, स्पाइरल, फिगर-एट, और राउंडेड-रास्टर ट्रैकिंग) और स्थितियों के तहत व्यापक मूल्यांकन। अध्ययन में ट्यून्ड PID, IL-ओनली, और टीचर+ACT बेसलाइन्स के विरुद्ध तुलना शामिल है, जिसमें कई ट्रेनिंग सीड्स और इनिशियलाइजेशन रणनीतियों का उपयोग किया गया है।

प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन एक हाई-फिडेलिटी सिम्केप वातावरण में किया गया था जो हाइड्रोलिक डिस्टर्बेंस (वाल्व लैग, फ्रिक्शन, हिस्टेरेसिस, लोड मॉड्यूलेशन) के साथ 30-टन के एक्सकेवेटर का अनुकरण करता है।

गोल रेगुलेशन (100 क्रमिक लक्ष्य)

• सफलता दर: नाममात्र और डिस्टर्ब की गई दोनों स्थितियों में IL-ओनली और IL-ACT दोनों ने 100/100 सफलता प्राप्त की, जबकि PID ने नाममात्र में 95/100 और डिस्टर्ब की गई स्थिति में 86/100 प्राप्त किया।
• दक्षता: Teacher+ACT की तुलना में, IL-ACT कम अवधि और कम टर्मिनल एरर के साथ सभी लक्ष्यों को पूरा करता है। विशेष रूप से, IL-ACT Teacher+ACT की तुलना में अवधि को नाममात्र में 7.22% और डिस्टर्ब की गई स्थिति में 12.97% कम करता है।
• सटीकता: नाममात्र और डिस्टर्ब की गई रिस्पॉन्स के तहत, IL-ACT Teacher+ACT की तुलना में औसत टर्मिनल एरर को क्रमशः लगभग 16.16% और 28.39% कम करता है।

प्रक्षेपवक्र ट्रैकिंग (स्पाइरल, फिगर-एट, रास्टर)

• स्पाइरल ट्रैकिंग: IL-ACT ने PID और IL-ओनली दोनों को काफी पीछे छोड़ दिया। हाइड्रोलिक डिस्टर्बेंस की उपस्थिति में, IL-ACT ने 0.05864 mm का कार्टेशियन ट्रैकिंग RMSE प्राप्त किया, जबकि PID के लिए यह 12.48 mm और IL-ओनली के लिए 2.49 mm था।
• सामान्यीकरण (Generalization): तीन ट्रेनिंग सीड्स और दो इनिशियलाइजेशन (टेलीमेट्री बनाम रैंडम) के साथ 88 रन वाले एक विस्तारित अध्ययन में, टेलीमेट्री-इनिशियलाइज्ड IL-ACT ने Teacher+ACT के मुकाबले सभी 24 फिगर-एट और राउंडेड-रास्टर सीड तुलनाओं में RMSE को कम किया।
• लोड और नॉइज़ रोबस्टनेस: अतिरिक्त-लोड स्पाइरल स्थितियों के तहत, टेलीमेट्री-इनिशियलाइज्ड IL-ACT ने Teacher+ACT की तुलना में औसत RMSE को लगभग 29% कम किया। साझा सेंसर-नॉइज़ रियलाइजेशन के तहत, इसने Teacher+ACT की तुलना में 27.67% कम औसत RMSE हासिल किया।
• एस्टिमेटर प्रभाव: गेन/बायस एस्टिमेटर को सक्षम करने से सेंसर-नॉइज़ स्थितियों में फ्रोजन एस्टिमेटर के सापेक्ष औसत RMSE को 22.44% कम कर दिया।

महत्व और दावे

पेपर दावा करता है कि IL-ACT इमिटेशन लर्निंग की डेटा-ड्रिवन दक्षता को एडेप्टिव कंट्रोल थ्योरी की मजबूती के साथ सफलतापूर्वक एकीकृत करता है।

• मजबूती (Robustness): फ्रेमवर्क महत्वपूर्ण हाइड्रोलिक अनिश्चितताओं और बाहरी बाधाओं की उपस्थिति में शुद्ध इमिटेशन लर्निंग (IL-only) और मॉडल-आधारित बेसलाइन्स (PID) की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
• सैद्धांतिक गारंटी: कई ब्लैक-बॉक्स लर्निंग अप्रोच के विपरीत, लेखक एक विश्लेषण प्रदान करते हैं जो यह स्थापित करता है कि एडेप्टिव स्टेट्स और कार्टेशियन फीडबैक कमांड बाउंडेड रहते हैं, और जनरेट किए गए रेफरेंस एडमिसिबल हैं, बशर्ते गवर्नर व्यवहार्य रहे।
• व्यावहारिक प्रयोज्यता: परिणाम बताते हैं कि एक प्री-ट्रेन्ड पॉलिसी को ऑनलाइन एडैप्टेशन और एक सेफ्टी गवर्नर के साथ जोड़ना भारी मशीनरी के स्वायत्त नियंत्रण के लिए एक व्यवहार्य मार्ग है, जो लर्निंग की सैंपल एफिशिएंसी और औद्योगिक संचालन की सुरक्षा आवश्यकताओं के बीच संतुलन प्रदान करता है।

लेखक अपने दायरे के संबंध में विनम्र बने हुए हैं, यह नोट करते हुए कि ये निष्कर्ष केवल मूल्यांकित सिमुलेशन स्थितियों के लिए विशिष्ट हैं, और प्री-ट्रेन्ड वेट्स के प्रभाव विशिष्ट कार्य और इनिशियलाइजेशन के आधार पर मिश्रित हो सकते हैं। यह कार्य स्वायत्त उत्खनन (जैसे टारगेट लोकलाइजेशन, जिसे एक अलग चरण बताया गया है) के सभी पहलुओं को हल करने का दावा नहीं करता है, बल्कि मोशन कंट्रोल और प्रक्षेपवक्र ट्रैकिंग चरणों पर ध्यान केंद्रित करता है।