A Distributed Stereo Visual Feedback Framework for VR- based Telesurgical Robotic Teleoperation: Design and Latency Characterization
यह शोध पत्र वीआर-आधारित टेलीसर्जिकल टेलीऑपरेशन के लिए एक वितरित स्टीरियो विजुअल फीडबैक फ्रेमवर्क को प्रस्तुत और अभिलक्षित करता है, जिससे यह स्पष्ट होता है कि जबकि नेटवर्क ट्रांसमिशन विलंब न्यूनतम है, कुल सिस्टम लेटेंसी (लगभग 78 मिलीसेकंड) का अधिकांश हिस्सा इमेज प्रोसेसिंग और डिस्प्ले रेंडरिंग चरणों से उत्पन्न होता है।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आप एक वीडियो गेम खेलने की कोशिश कर रहे हैं जहाँ आप दुनिया के दूसरे कोने में रखे एक रोबोटिक हाथ को नियंत्रित करते हैं। आप अपना हाथ हिलाते हैं, और रोबोट हिलता है, लेकिन आप केवल वही देख सकते हैं जो रोबोट देख रहा है, वह भी एक स्क्रीन के माध्यम से। यदि स्क्रीन पर दिखने वाला चित्र थोड़ा भी धीमा (लेट) है, तो आपका मस्तिष्क भ्रमित हो जाता है। यह वैसा ही है जैसे चश्मा पहनकर गेंद पकड़ने की कोशिश करना जो आपको गेंद वहीं दिखा रहा है जहाँ वह एक सेकंड पहले थी, न कि जहाँ वह अभी है। यह "टेलीऑपरेशन" (teleoperation) में एक बड़ी समस्या है, जो दूर से रोबोट को नियंत्रित करने का एक तकनीकी शब्द है।
इसे अच्छी तरह से काम करने के लिए, विशेष रूप से सर्जरी जैसे नाजुक कार्यों के लिए, आपको दो चीजों की आवश्यकता होती है: एक स्पष्ट, 3D चित्र (ताकि आप गहराई का अंदाजा लगा सकें, जैसे कि सुई कितनी दूर है) और गति (ताकि चित्र तुरंत अपडेट हो)। वैज्ञानिक इसे "स्टीरियो विजुअल फीडबैक" (stereo visual feedback) और "लो लेटेंसी" (low latency) कहते हैं। यदि देरी बहुत अधिक है, तो ऑपरेटर अनाड़ी महसूस कर सकता है, रोबोट टकरा सकता है, या चिकित्सा सेटिंग में, कोई गलती हो सकती है। बड़ा सवाल जो शोधकर्ता पूछते हैं: "समय कहाँ जा रहा है?" क्या यह इंटरनेट कनेक्शन है जो देरी कर रहा है, या कंप्यूटर को चित्र को प्रोसेस करने में बहुत अधिक समय लग रहा है?
यह शोध पत्र इस रहस्य में गहराई से उतरता है और रोबोट विजन के लिए एक विशेष "टाइम मशीन" बनाता है। शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जहाँ एक तरफ का रोबोट दूसरी तरफ बैठे व्यक्ति को, जो VR हेडसेट पहने हुए है, एक 3D वीडियो फीड भेजता है। उन्होंने केवल कुल समय को नहीं मापा; उन्होंने वीडियो की यात्रा को तीन अलग-अलग चरणों में विभाजित किया, जैसे कि एक रिले रेस में दौड़ने वालों को ट्रैक करना कि कौन सा धावक सबसे धीमा है। उन्होंने पाया कि जबकि इंटरनेट कनेक्शन अविश्वसनीय रूप से तेज़ था—जैसे कि एक बुलेट ट्रेन—वीडियो को प्रोसेस करने वाला कंप्यूटर और VR हेडसेट द्वारा उसे दिखाने की प्रक्रिया असली बाधाएं थीं, जो एक धीमी गति वाले घोंघे की तरह व्यवहार कर रही थीं।
रोबोट की 3D आँखें और VR हेडसेट
शोधकर्ताओं ने एक ऐसा सिस्टम तैयार किया है जो आँखों के एक रिमोट जोड़े की तरह काम करता है। "फॉलोअर" साइड पर (जहाँ रोबोट है), एक विशेष स्टीरियो कैमरा है जो एक साथ दो तस्वीरें लेता है, ठीक वैसे ही जैसे मानव आँखें करती हैं, ताकि 3D प्रभाव पैदा किया जा सके। ये तस्वीरें एक नेटवर्क के माध्यम से "मास्टर" साइड पर भेजी जाती हैं, जहाँ एक मानव ऑपरेटर प्रतीक्षा कर रहा है। मानव एक मेटा क्वेस्ट 3 (Meta Quest 3) VR हेडसेट पहनता है, जो एक हाई-टेक खिड़की की तरह है जो उन्हें ऐसा महसूस कराती है जैसे वे रोबोट के बिल्कुल बगल में खड़े हों।
वीडियो की यात्रा कैमरे से शुरू होती है, एक बीच वाले कंप्यूटर (जो डाक сорти करने वाले पोस्ट ऑफिस की तरह काम करता है) से होकर गुजरती है, मुख्य कंप्यूटर तक पहुँचती है, यूनिटी (Unity) नामक गेम इंजन द्वारा प्रोसेस की जाती है, और अंत में VR हेडसेट के अंदर दिखाई देती है। टीम जानना चाहती थी कि इस यात्रा के प्रत्येक चरण में कितना समय लगा।
समय की रिले रेस
यह पता लगाने के लिए कि समय कहाँ छिपा हुआ था, टीम ने वीडियो की यात्रा को तीन चरणों में विभाजित किया, जैसे कि तीन धावकों वाली एक रिले रेस:
- नेटवर्क रनर (The Network Runner): यह वह समय है जो वीडियो को तारों के माध्यम से यात्रा करने में लगता है।
- यूनिटी रनर (The Unity Runner): यह वह समय है जो कंप्यूटर को वीडियो को अनपैक करने और उसे VR हेडसेट के लिए तैयार करने में लगता है।
- VR रनर (The VR Runner): यह वह समय है जो हेडसेट को आपकी आँखों को चित्र दिखाने में लगता है।
उन्होंने पहले नेटवर्क रनर को मापा। उन्होंने वीडियो के 10,000 फ्रेम भेजे और पाया कि यह बिजली की तरह तेज़ था। औसत समय केवल 5.59 ± 1.04 ms था। यह अविश्वसनीय रूप से तेज़ है! उन्होंने यह भी परीक्षण किया कि क्या बीच वाला "पोस्ट ऑफिस" कंप्यूटर देरी कर रहा है, और इसने 1 मिलीसेकंड से भी कम समय जोड़ा। इससे यह सिद्ध हुआ कि इंटरनेट कनेक्शन स्वयं समस्या नहीं थी; यह पूरे सिस्टम का सबसे तेज़ हिस्सा था।
हालाँकि, जब उन्होंने यूनिटी रनर को देखा, तो दौड़ काफी धीमी हो गई। कंप्यूटर को वीडियो को प्रोसेस करने और उसे VR हेडसेट के लिए तैयार करने में औसतन 40.06 ± 10.12 ms का समय लगा। यह सबसे बड़ा हिस्सा था। अंतिम VR रनर (हेडसेट) ने छवि प्रदर्शित करने में 32.30 ± 0.09 ms का समय लिया।
जब आप तीनों रनर्स को जोड़ते हैं, तो क्षण जब कैमरा कुछ देखता है और उस क्षण जब इंसान उसे VR हेडसेट में देखता है, के बीच का कुल समय 77.95 ± 10.17 ms था।
सबसे बड़ा आश्चर्य: यह इंटरनेट नहीं है!
इस शोध पत्र की सबसे महत्वपूर्ण खोज एक चौंकाने वाला मोड़ है। कई लोग मानते हैं कि यदि आप एक तेज़ रोबोट चाहते हैं, तो आपको बस एक तेज़ इंटरनेट कनेक्शन की आवश्यकता है। लेकिन इस अध्ययन ने दिखाया कि एक सुपर-फास्ट नेटवर्क (5.59 ms वाला हिस्सा) के साथ भी, कुल देरी लगभग 78 मिलीसेकंड थी। क्यों? क्योंकि कंप्यूटर द्वारा वीडियो को प्रोसेस करने और हेडसेट द्वारा उसे दिखाने में अधिकांश समय लग रहा था।
यह एक फेरारी (इंटरनेट) के होने जैसा है जो एक धीमे टोल बूथ (कंप्यूटर प्रोसेसिंग) और एक धीमे ड्राइवर (हेडसेट रेंडरिंग) के कारण लगे ट्रैफिक जाम में फंसी हुई है। चाहे कार कितनी भी तेज़ क्यों न हो, यात्रा लंबी हो जाती है क्योंकि बीच में रुकना पड़ता है। शोधकर्ताओं ने पाया कि नेटवर्क केवल देरी के एक बहुत छोटे हिस्से के लिए जिम्मेदार था। असली "ट्रैफिक जाम" सॉफ्टवेयर और डिस्प्ले हार्डवेयर के अंदर हो रहा था।
क्या यह वास्तव में काम करता है?
यह देखने के लिए कि क्या यह सिस्टम वास्तव में उपयोगी था, शोधकर्ताओं ने चार लोगों को एक गेम खेलने के लिए कहा। गेम एक "पिक-एंड-प्लेस" (pick-and-place) कार्य था: रोबोट का उपयोग करके छोटे ब्लॉकों को एक स्थान से दूसरे स्थान पर ले जाना। उन्होंने इसे VR 3D व्यू के साथ और बिना इसके (एक सामान्य 2D स्क्रीन का उपयोग करके) आज़माया।
परिणाम उत्साहजनक थे। जब प्रतिभागियों ने VR सिस्टम का उपयोग किया, तो उन्होंने कार्य को तेज़ी से पूरा किया (VR के साथ औसतन 373.7 सेकंड बनाम बिना VR के 527.2 सेकंड)। उन्होंने रोबोट को छोटे और अधिक सीधे रास्तों में चलाया और कम ब्लॉक गिराए। प्रत्येक प्रतिभागी ने कहा कि VR संस्करण ने उन्हें गहराई का बेहतर अहसास दिया और यह अधिक सुविधाजनक लगा।
हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह केवल चार लोगों के साथ एक "प्रारंभिक" परीक्षण था। यह सुझाव देता है कि सिस्टम अच्छा काम करता है, लेकिन यह अंतिम प्रमाण नहीं है कि यह सभी के लिए हर स्थिति में काम करेगा। उन्हें इसे घोषित करने से पहले और अधिक लोगों और अधिक कठिन परिस्थितियों के साथ इसका परीक्षण करने की आवश्यकता है।
निष्कर्ष
यह शोध पत्र भविष्य की रोबोट सर्जरी और रिमोट वर्क के लिए एक ठोस आधार बनाता है। यह साबित करता है कि आप इंटरनेट से बहुत कम देरी के साथ एक उच्च-गुणवत्ता वाला 3D वीडियो VR हेडसेट पर भेज सकते हैं। लेकिन यह इंजीनियरों को एक स्पष्ट संदेश भी देता है: यदि आप इन सिस्टमों को तेज़ बनाना चाहते हैं, तो केवल एक तेज़ इंटरनेट केबल न खरीदें। आपको उस सॉफ्टवेयर को ठीक करने की आवश्यकता है जो वीडियो को प्रोसेस करता है और उस हार्डवेयर को जो इसे प्रदर्शित करता है। इंटरनेट तैयार है; अब कंप्यूटरों और हेडसेट्स को इसकी बराबरी करने की ज़रूरत है।
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।