HiCART-OMP: Human-inspired Collision Aware Trace Following Real Time and Online Motion Planner
यह शोध पत्र HiCART-OMP प्रस्तुत करता है, जो एक वास्तविक समय (real-time), ऑनलाइन मोशन प्लानर है जो एंड-इफेक्टर पाथ कन्वर्जेंस को होल-बॉडी ऑब्स्टेकल अवॉयडेंस से अलग करके, रोबोटों को गतिशील, अनस्ट्रक्चर्ड वातावरण में सुरक्षित और कुशलतापूर्वक नेविगेट करने में सक्षम बनाने के लिए मानव-प्रेरित ट्रेस फॉलोइंग को प्रेडिक्टिव मल्टी-ट्रैजेक्टरी रोलआउट के साथ एकीकृत करता 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
रोबोट लंबे समय से कारखानों के फर्श के उस्ताद रहे हैं, जो ऐसे वातावरण में एक ही सटीक, दोहराव वाली गतिविधियों को निष्पादित करते हैं जहाँ कभी बदलाव नहीं होता। लेकिन जैसे-जैसे इंडस्ट्री 4.0 और 5.0 का दृष्टिकोण मशीनों को मनुष्यों के साथ साझा स्थानों में लाता है, उनके जुड़ाव के नियम बदलने चाहिए। एक ऐसी दुनिया में जहाँ इंसान अप्रत्याशित रूप से चलते हैं और वस्तुएं बिना किसी चेतावनी के खिसक जाती हैं, एक रोबोट पहले से लिखे गए स्क्रिप्ट पर भरोसा नहीं कर सकता। उसे एक नए अवरोध को देखने, उसके चारों ओर घूमने के लिए पलक झपकते ही निर्णय लेने और फिर भी अपने गंतव्य तक उसी सटीक ओरिएंटेशन (अभिविन्यास) के साथ पहुँचने में सक्षम होना चाहिए, जिसकी आवश्यकता किसी कप को उठाने या पेंच कसने के लिए होती है। इसके लिए एक नाजुक संतुलन की आवश्यकता है: रोबेंट इतना प्रतिक्रियाशील होना चाहिए कि वह अचानक हुई हलचल से बच सके, फिर भी इतना स्मार्ट हो कि एक ऐसा रास्ता बना सके जो किसी डेड एंड (बंद गली) में न फंस जाए। वर्षों से, इंजीनियर एक ऐसी विधि खोजने के लिए संघर्ष कर रहे हैं जो रिफ्लेक्स (प्रतिवर्त) की गति और मानचित्र की दूरदर्शिता को जोड़ सके, जिससे अक्सर सुरक्षा और दक्षता के बीच चुनाव करना पड़ता है।
पिशा (Pisa) स्थित स्कुओला सुपेरियोर सान'अना (Scuola Superiore Sant'Anna) के शोधकर्ताओं की एक टीम ने इस सटीक समस्या को हल करने के लिए डिज़ाइन किया गया एक नया सिस्टम विकसित किया है। वे इसे HiCART-OMP कहते हैं, एक मोशन प्लानर जो एक रोबोटिक आर्म को वास्तविक समय में जटिल और बदलते परिवेश में नेविगेट करने की अनुमति देता है। उनके काम के पीछे का मूल विचार आश्चर्यजनक रूप से मानवीय है। जब कोई व्यक्ति भरी हुई शेल्फ से किसी वस्तु की ओर हाथ बढ़ाता है, तो वह अपने हाथ से वस्तु तक एक एकल, कठोर रेखा की गणना नहीं करता है। इसके बजाय, वह पथ का एक सामान्य विचार बनाता है, और फिर जैसे-जैसे वह आगे बढ़ता है, वह अपने हाथ को लगातार समायोजित करता है, एक कॉफी मग या किताबों के ढेर के चारों ओर घूमता है और साथ ही अपनी नज़र लक्ष्य पर बनाए रखता है। शोधकर्ताओं ने इस सहज व्यवहार को एक गणितीय ढांचे में अनुवादित किया है जो एक रोबोट के एंड-इफेक्टर (एंड-इफेक्टर—हाथ के सिरे पर लगा उपकरण) को एक लचीले पथ के साथ निर्देशित करता है जो दुनिया बदलने पर खुद को नया आकार देता है।
यह प्रणाली पहले अंतरिक्ष में एक सीधी रेखा खींचकर काम करती है जहाँ रोबोट का हाथ वर्तमान में है और जहाँ उसे पहुँचना है। यह रेखा कोई कठोर ट्रैक नहीं बल्कि कई छोटे बिंदुओं से बना एक जीवंत पथ है। जैसे-जैसे रोबोट चलता है, एक बाहरी कैमरा वातावरण का स्कैन करता है और जो कुछ भी वह देखता है उसका एक डिजिटल मानचित्र बनाता है, जिसमें स्थिर फर्नीचर और चलते हुए लोग भी शामिल हैं। यदि सिस्टम पथ के पास कोई अवरोध पहचानता है, तो यह एक आभासी प्रतिकर्षण बल (virtual repulsive force) लागू करता है जो पथ के बिंदुओं को खतरे से दूर धकेलता है, जिससे मार्ग खतरे के चारों ओर मुड़ जाता है। महत्वपूर्ण रूप से, रोबोट के हाथ को इस मुड़ने वाली रेखा का अनुसरण करने के लिए निर्देशित किया जाता है, जबकि रोबोट के बाकी शरीर को टकराव से बचने के लिए नियमों के एक अलग सेट का उपयोग करके नियंत्रित किया जाता है। यह अलगाव हाथ को पथ पर बने रहने की अनुमति देता है, भले ही रोबोट के जोड़ अपने स्वयं के हाथ या आस-पास की वस्तुओं से टकराने से बचने के लिए मुड़ें और घूमें।
इस दृष्टिकोण को जो बात अलग बनाती है, वह है इसका भविष्य की योजना बनाना। जबकि कई रिएक्टिव सिस्टम केवल अगले तत्काल कदम को देखते हैं, HiCART-OMP लगातार कई भविष्य की संभावनाओं का अनुकरण (simulate) करता है। यह वर्तमान मार्ग से निकलने वाले कई वैकल्पिक पथों को उत्पन्न करता है, और प्रत्येक का परीक्षण करता है कि कौन सा सबसे सुरक्षित और तेज़ तरीके से लक्ष्य तक ले जाएगा। यह विकल्पों का मूल्यांकन पथ की लंबाई, अवरोधों से निकटता और क्या रोबoret के जोड़ अपनी भौतिक सीमाओं के करीब हैं, इस आधार पर करता है। यदि इनमें से कोई वैकल्पिक पथ वर्तमान पथ से बेहतर दिखता है, तो सिस्टम सहजता से उस पर स्विच कर जाता है। यह भविष्योन्मुखी क्षमता रोबोट को स्थानीय डेड एंड (बंद गलियों) में फंसने से बचाती है, जो सरल प्रणालियों के लिए एक सामान्य विफलता बिंदु है जो शायद रोबोट को एक कोने में धकेल देती है और उसे बाहर निकलने में असमर्थ छोड़ देती है।
शोधकर्ताओं ने कंप्यूटर सिमुलेशन और वास्तविक रोबोटों, जिनमें फ्रैंका एमिका (Franka Emika) का सात-जोड़ वाला आर्म और डूसन (Doosan) का छह-जोड़ वाला आर्म शामिल है, दोनों में अपने तरीके का परीक्षण किया। उन्होंने अपने सिस्टम को कठिन परिदृश्यों में अन्य अत्याधुनिक प्लानर्स के विरुद्ध खड़ा किया, जैसे कि शेल्फ के बीच संकीर्ण अंतराल से गुजरना या कार्यक्षेत्र में घूमती वस्तुओं से बचना। स्थिर वातावरण में, जहाँ बाधाएं बहुत अधिक थीं, नया प्लानर हर बार लक्ष्य तक पहुँचने में सफल रहा, और अन्य तरीकों से बेहतर प्रदर्शन किया जो अक्सर फंस जाते थे या खुद से टकरा जाते थे। गतिशील वातावरण में जहाँ वस्तुएं घूम रही थीं, सिस्टम ने लगभग 86 प्रतिशत की सफलता दर हासिल की, जो इसके प्रतिस्पर्धियों से काफी अधिक है। जबकि अन्य सिस्टम अक्सर इसलिए विफल हो जाते थे क्योंकि वे अवरोधों के पास बहुत देर तक हिचकिचाते थे या रास्ता खोजने की कोशिश में समय गंवा देते थे, HiCART-OMP ने एक तरल आत्मविश्वास के साथ काम किया, और अक्सर अन्य की तुलना में लगभग तीन सेकंड कम समय में कार्य पूरा किया।
इस प्रदर्शन की कुंजी यह है कि सिस्टम रोबोट की गति और सुरक्षा को कैसे संभालता है। शोधकर्ताओं ने एक विशेष नियंत्रण तंत्र डिज़ाइन किया है जो ब्रेक की तरह काम करता है, जो स्वचालित रूप रूप से रोबोट को अवरोध के करीब आने पर धीमा कर देता है। यह सुनिश्चित करता है कि भले ही रोबोट को किसी चलती वस्तु के बहुत करीब से गुजरना पड़े, वह एक जोखिम भरी दौड़ के बजाय एक नियंत्रित और सौम्य दृष्टिकोण के साथ ऐसा करे। इसके अलावा, सिस्टम पहले हाथ को सही स्थान पर पहुँचाने को प्राथमिकता देता है, और केवल तभी हाथ के सटीक कोण (एंगल) पर ध्यान केंद्रित करता है जब वह लक्ष्य के पास सुरक्षित रूप से पहुँच जाता है। यह रोबोट को यात्रा के दौरान लचीला और फुर्तीला होने की अनुमति देता है, और केवल तभी एक कठोर अंतिम मुद्रा (pose) में लॉक होता है जब यह सुरक्षित होता है।
परिणाम बताते हैं कि मनुष्यों के तरीके से योजना बनाने और अपनी गतिविधियों को समायोजित करने की नकल करके, रोबोट अनस्ट्रक्चर्ड (अव्यवस्थित) स्थानों में अधिक सुरक्षित और कुशलता से काम कर सकते हैं। इस प्रणाली को कमरे में मौजूद वस्तुओं के पूर्व ज्ञान की आवश्यकता नहीं है; यह कैमरा डेटा का उपयोग करके शून्य से दुनिया की अपनी समझ बनाता है, और प्रति सेकंड साठ बार अपना मानचित्र अपडेट करता है। यह इसे बदलावों के होते ही उन पर प्रतिक्रिया करने की अनुमति देता है, जिससे यह उन वातावरणों के लिए उपयुक्त हो जाता है जहाँ मनुष्य और मशीनें साथ मिलकर काम करते हैं। हालाँकि परीक्षण नियंत्रित सेटिंग्स में किए गए थे, लेकिन प्रति सेकंड एक हजार बार की गति से सुचारू, टकराव-मुक्त गति उत्पन्न करने की क्षमता वास्तविक दुनिया में रोबोट को वास्तव में अनुकूल साथी बनाने की दिशा में एक महत्वपूर्ण कदम 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।