Optimal Excitation Trajectories for System Identification of Underwater Vehicles

सतह के नीचे गहराई में, जहाँ सूर्य का प्रकाश फीका पड़ जाता है और दबाव बढ़ जाता है, पानी के नीचे चलने वाले वाहनों को मानवता के कुछ सबसे नाजुक और खतरनाक कार्यों के लिए तैनात किया जाता है। पुराने तेल रिगों का निरीक्षण करने और जहाजों के मलबे का मानचित्रण करने से लेकर, मूंगा चट्टानों (कोरल रीफ) की निगरानी करने और पानी के नीचे के केबलों के रखरखाव तक, ये मशीनें वैज्ञानिकों और इंजीनियरों की उन आँखों और हाथों के रूप में कार्य करती हैं जो एक ऐसे वातावरण में काम करती हैं जो मानव जीवन के लिए प्रतिकूल है। इन रोबोटों के प्रभावी ढंग से संचालन के लिए, उन्हें सटीकता और पूर्वानुमान के साथ चलने में सक्षम होना चाहिए। हालाँकि, महासागर एक तरल, परिवर्तनशील माध्यम है जो जटिल तरीकों से गति का विरोध करता है। इसे सुरक्षित रूप से नेविगेट करने के लिए, एक वाहन को अपने स्वयं के भौतिक विज्ञान का एक सटीक आंतरिक मानचित्र चाहिए—एक गणितीय समझ कि वह अपने थ्रस्टर्स के प्रति कैसे प्रतिक्रिया देता है, पानी उसे कैसे धकेलता है, और उसका वजन और उत्प्लावकता (buoyancy) कैसे परस्पर क्रिया करते हैं। इस सटीक मॉडल के बिना, एक रोबोट अपने मार्ग से भटक सकता है, अपनी स्थिति बनाए रखने में विफल हो सकता है, या किसी महत्वपूर्ण पैंतरेबाज़ी का गलत अनुमान लगा सकता है। चुनौती इस मॉडल को बनाने में निहित है: वाहन का व्यवहार उसके कार्गो, उसके सेंसर और यहाँ तक कि विशिष्ट जल स्थितियों के आधार पर बदल जाता है, जिससे पूर्व-निर्धारित अनुमान अविश्वसनीय हो जाते हैं।

इसे हल करने के लिए, न्यूयॉर्क यूनिवर्सिटी अबू धाबी के शोधकर्ताओं ने पानी के नीचे के रोबोटों को उनके बारे में सिखाने का एक नया तरीका विकसित किया है। विशाल औद्योगिक टैंकों में महंगे, समय लेने वाले परीक्षणों या जटिल कंप्यूटर सिमुलेशन पर निर्भर रहने के बजाय, जो अक्सर लक्ष्य से चूक जाते हैं, टीम ने एक ऐसी विधि डिजाइन की जहाँ रोब manera के अपने ही गतिशील रहस्यों को उजागर करने के लिए एक विशिष्ट, सावधानीपूर्वक तैयार की गई गतिविधियों की श्रृंखला निष्पादित करता है। यह विश्लेषण करके कि रोबोट इन विशिष्ट गतियों के प्रति कैसे प्रतिक्रिया करता है, टीम उन सटीक भौतिक गुणों की गणना कर सकती है जो इसकी गति को नियंत्रित करते हैं। इस प्रक्रिया को 'सिस्टम आइडेंटिफिकेशन' (system identification) कहा जाता है, जो रोबोट को अपने स्वयं के व्यवहार का एक व्यक्तिगत मॉडल बनाने की अनुमति देता है, जिसका उपयोग फिर इसे अधिक सटीकता से नियंत्रित करने या उच्च विश्वास के साथ इसकी भविष्य की स्थिति का अनुमान लगाने के लिए किया जा सकता है।

इस नए दृष्टिकोण का मूल तत्व स्वयं गति का डिज़ाइन है। अतीत में, इंजीनियर अक्सर पानी के नीचे के वाहनों का परीक्षण सरल, दोहराव वाली गतियों का उपयोग करके करते थे, जैसे कि एक सीधी रेखा में आगे-पीछे जाना या एक घेरे में घूमना। जबकि ये बुनियादी परीक्षण कुछ डेटा प्रदान करते हैं, वे अक्सर तीन आयामों (3D) में एक वाहन के चलने के जटिल, युग्मित (coupled) स्वभाव को पकड़ने में विफल रहते हैं। जब एक रोबोट मुड़ता है, तो वह केवल घूमता नहीं है; वह बगल की ओर भी खिसक सकता है या पानी के भौतिकी के कारण अपनी गहराई थोड़ी बदल सकता है। सरल परीक्षण अक्सर इन सूक्ष्म अंतःक्रियाओं को छोड़ देते हैं। शोधकर्ताओं ने महसूस किया कि एक पूर्ण चित्र प्राप्त करने के लिए, रोबोट को अधिक परिष्कृत तरीके से "उत्तेजित" (excited) करने की आवश्यकता थी—एक ऐसी गतियों की श्रृंखला जो बिना विफलता के बिंदु तक पहुंचे, उसके भौतिक तंत्र के हर हिस्से को पर्याप्त रूप से तनाव दे सके ताकि उसका वास्तविक स्वरूप प्रकट हो सके।

इसे प्राप्त करने के लिए, टीम ने 'बेज़ियर कर्व्स' (Bézier curves) नामक एक गणितीय उपकरण का सहारा लिया। कल्पना कीजिए कि एक लचीला तार जिसे एक डिजाइनर कुछ विशिष्ट बिंदुओं को खींचकर आकार दे सकता है; उन बिंदुओं के बीच का वक्र एक सुचारू, अनुमानित पथ का अनुसरण करता है। शोधकर्ताओं ने इस अवधारणा का उपयोग एक प्रक्षेपवक्र (trajectory), या एक पथ, डिजाइन करने के लिए किया जिसे रोबोट को अपनाना था। इन नियंत्रण बिंदुओं की स्थिति को समायोजित करके, वे एक सुचारू, निरंतर गति बना सकते थे जो गारंटी के साथ सुरक्षित सीमाओं के भीतर रहती है, जैसे कि परीक्षण टैंक की दीवारों से न टकराना या मोटरों की गति सीमा से बाहर न जाना। इस पद्धति ने पुरानी तकनीकों की तुलना में एक लचीलापन प्रदान किया, जिससे वे एक ऐसा पथ तैयार कर सके जो केवल एक साधारण लूप नहीं था, बल्कि एक जटिल, बहु-चरणीय यात्रा थी जिसे विशेष रूप से रोबोट के भौतिकी की जांच करने के लिए डिज़ाइन किया गया था।

इसके बाद शोधकर्ताओं ने एक अनुकूलन समस्या (optimization problem) स्थापित की, जो अनिवार्य रूप रूप से कंप्यूटर से सबसे अच्छे नियंत्रण बिंदुओं के सेट को खोजने के लिए पूछती है जो सबसे अधिक सूचनात्मक डेटा उत्पन्न करेगा। लक्ष्य एक ऐसा पथ बनाना था जो रोबोट की गतिविधियों को यथासंभव विशिष्ट और मापने योग्य बनाए, यह सुनिश्चित करते हुए कि एकत्र किया गया डेटा वाहन के भौतिक मापदंडों को उच्च सटीकता के साथ हल करने के लिए उपयोग किया जा सके। उन्होंने इस अनुकूलन पर सख्त सुरक्षा नियम लागू किए: रोबोट को धीरे से शुरू और समाप्त करना था, प्रयोगशाला के पानी के टैंक के आयामों के भीतर रहना था, और उन गतियों पर चलना था जिन्हें उसके मोटर वास्तव में प्राप्त कर सकते हैं। परिणामी प्रक्षेपवक्र 280 सेकंड की एक यात्रा थी जिसे पांच अलग-अलग खंडों में विभाजित किया गया था। पहले चार खंडों में, रोबोट को एक समय में एक प्रकार की गति पर ध्यान केंद्रित करने के लिए निर्देशित किया गया था—आगे बढ़ना, बगल में जाना, ऊपर उठना और मुड़ना—जबकि अन्य गतिविधियों को न्यूनतम रखा गया था। अंतिम खंड में, सभी बाधाओं को हटा दिया गया, जिससे रोबोट को एक साथ सभी दिशाओं में स्वतंत्र रूप से घूमने की अनुमति मिली। इस संरचना ने यह सुनिश्चित किया कि शोधकर्ता पहले रोबोट के बुनियादी, स्वतंत्र व्यवहारों की पहचान कर सकें और फिर उन अधिक जटिल अंतःक्रियाओं को कैप्चर कर सकें जो सभी गतियाँ एक साथ होने पर होती हैं।

टीम ने इस कार्यप्रणाली का परीक्षण एक 'वीडियोरे डिफेंडर' (VideoRay Defender) का उपयोग करके किया, जो सात थ्रस्टर्स से लैस एक छोटा, टॉरपीडो के आकार का पानी के नीचे का वाहन है। उन्होंने रोबोट को 6.3 मीटर लंबा, 3.7 मीटर चौड़ा और 1.8 मीटर गहरा प्रयोगशाला जल टैंक में रखा। रोबोट की स्थिति को अत्यधिक सटीकता के साथ ट्रैक करने के लिए, उन्होंने टैंक के नीचे विशेष दृश्य मार्करों वाला एक बोर्ड रखा और रोबोट पर नीचे की ओर देखने वाले कैमरे का उपयोग किया। जैसे ही रोबोट अनुकूलित पथ का पालन कर रहा था, टीम ने उसकी स्थिति, गति और उसके मोटरों को भेजे गए कमांड को रिकॉर्ड किया। फिर उन्होंने इन डेटा का उपयोग रोबोट के गतिशील मापदंडों, जैसे कि उसका द्रव्यमान, पानी उसकी गति का कितना विरोध करता है, और उसका वजन कैसे वितरित है, की गणना करने के लिए किया।

परिणाम आश्चर्यजनक थे। जब शोधकर्ताओं ने एक पूरी तरह से अलग पथ पर रोबोट के चलने की भविष्यवाणी करने के लिए नए मॉडल का उपयोग किया, तो भविष्यवाणियाँ वास्तविक मापों के साथ उल्लेखनीय सटीकता से मेल खाती थीं। मॉडल ने विभिन्न युद्धाभ्यासों में रोबोट की गति और दिशा का सफलतापूर्वक पूर्वानुमान लगाया, जिसमें सुचारू, पूर्व-नियोजित पथ और यहाँ तक कि एक मानव ऑपरेटर द्वारा जॉयस्टिक के माध्यम से दिए गए अचानक, झटकेदार मूवमेंट भी शामिल थे। एकमात्र क्षेत्र जहाँ मॉडल ने मामूली विसंगति दिखाई, वह था टर्निंग मोशन या 'यॉ' (yaw), जिसे शोधकर्ताओं ने रोबोट को सतह से जोड़ने वाले भौतिक टेदर (तनाव रस्सी) के कारण बताया, जिसने अप्रत्याशित खिंचाव और प्रतिरोध जोड़ा। इसके बावजूद, समग्र प्रदर्शन ने प्रदर्शित किया कि पहचाना गया मॉडल वाहन के व्यवहार को विश्वसनीय रूप से कैप्चर कर सकता है।

यह कार्य पानी के नीचे के रोबोटों को अधिक स्वायत्त और विश्वसनीय बनाने की दिशा में एक महत्वपूर्ण कदम है। एक वाहन के अपने भौतिकी को समझने के लिए अनुमान और सामान्य परीक्षण के बजाय एक संरचित, डेटा-संचालित दृष्टिकोण का उपयोग करके, शोधकर्ताओं ने एक उपकरण प्रदान किया है जिसे किसी भी मॉड्यूलर पानी के नीचे के वाहन पर लागू किया जा सकता है। क्योंकि यह विधि रोबोट के अपने सेंसर और एक मानक नियंत्रक पर निर्भर करती है, इसलिए इसे विभिन्न पेलोड ले जाने वाले या विभिन्न वातावरणों में काम करने वाले वाहनों के लिए आसानी से अनुकूलित किया जा सकता है। टीम इस कार्य को गति के पूर्ण छह डिग्री (six degrees of freedom) को शामिल करने के लिए विस्तारित करने की कल्पना करती है, जिसमें रोलिंग और पिचिंग गतियाँ भी शामिल हैं जिन्हें इस अध्ययन में सरल बनाया गया था, और अंततः इन मॉडलों का खुले समुद्र में परीक्षण करना चाहती है। अंततः, यह दृष्टिकोण यह सुनिश्चित करने का एक तरीका प्रदान करता है कि हमारे महासागरों की खोज करने वाली मशीनें केवल आदेशों का पालन ही नहीं कर रही हैं, बल्कि वास्तव में यह समझती हैं कि वे पानी के माध्यम से कैसे चलती हैं।