A behaviour-centric digital twin framework for animal monitoring: from managed enclosures to landscapes

द दशकों से, जानवरों को देखने का हमारा तरीका टुकड़ों का एक खेल रहा है। चिड़ियाघरों, वन्यजीव अभयारण्यों और पुनर्वास केंद्रों में, शोधकर्ता व्यवहार के अवलोकन के लिए निश्चित कैमरों पर निर्भर रहते हैं। कोने में लगा एक कैमरा तालाब का बायां हिस्सा देखता है; एक पोल पर लगा दूसरा कैमरा दायां हिस्सा देखता है। प्रत्येक लेंस दुनिया के एक हिस्से को कैद करता है, लेकिन कोई भी एकल कैमरा पूरी तस्वीर नहीं देख पाता। जब वैज्ञानिक यह समझने की कोशिश करते हैं कि एक जानवर अपने स्थान का उपयोग कैसे करता है, तो उन्हें अक्सर इन बिखरे हुए दृश्यों को हाथ से जोड़ने के लिए मजबूर होना पड़ता है, या इससे भी बुरा, वे एक 'ब्लाइंड स्पॉट' (अंध बिंदु) को ऐसी जगह समझ लेते हैं जिसे जानवर बस पसंद नहीं करता। यह दृष्टिकोण न केवल अधूरा है; यह अक्सर विघटनकारी भी होता है। एक व्यस्त बाड़े में नए कैमरे लगाने के लिए ड्रिलिंग, केबल बिछाने और बार-बार मानवीय उपस्थिति की आवश्यकता होती है, जो अध्ययन किए जा रहे जानवरों को तनाव देता है। आदर्श रूप से, निगरानी प्रणाली को जमीन पर एक भी उपकरण रखने से पहले ही पूर्ण होना चाहिए, और डेटा को जानवर की वास्तविक दुनिया को प्रतिबिंबित करना चाहिए, न कि केवल कैमरे के सीमित दृश्य को।

यहीं से "डिजिटल ट्विन" (डिजिटल जुड़वां) की अवधारणा कहानी में प्रवेश करती है। एक पूर्ण, आभासी प्रतिलिपि की कल्पना करें जो भौतिक स्थान की तरह ही आयामों, बनावट और प्रकाश से बनी हो। इंजीनियरिंग में, इन जुड़वाओं का उपयोग मशीनों के बनने से पहले उनका परीक्षण करने के लिए किया जाता है। पारिस्थितिकी (इकोलॉजी) में, वे वैज्ञानिकों को आबादी को समझने में मदद करने के लिए उभर रहे हैं, लेकिन उनका उपयोग शायद ही कभी व्यक्तिगत जानवरों को उनके दैनिक आवासों में देखने के लिए किया गया है। भारत में एक वन्यजीव बचाव और पुनर्वास केंद्र, वंतारा के शोधकर्ताओं द्वारा विकसित एक नया ढांचा इस अंतर को भरने का लक्ष्य रखता है। उन्होंने एक ऐसी प्रणाली बनाई है जो चिड़ियाघर के बाड़े को एक जीवित, संवादात्मक मानचित्र में बदल देती है। यह प्रणाली केवल वीडियो रिकॉर्ड नहीं करती है; यह त्रि-आयामी स्थान को समझती है, जानता है कि प्रत्येक कैमरा क्या देख सकता है और क्या नहीं, और हर गतिविधि को एक सटीक स्थान में अनुवादित करती है जो जानवर की वास्तविक दुनिया का प्रतिनिधित्व करता है।

शोधकर्ताओं ने इस ढांचे को अपने केंद्र के दो विशिष्ट बाड़ों पर लागू किया: एक अमेरिकन ब्लैक बेयर (अमेरिकी काले भालू) के लिए और दूसरा पिग्मी हिप्पोपोटामस (बौने दरियाई घोड़े) के लिए। ब्लैक बेयर पैडॉक के लिए, जो लगभग 1,000 वर्ग मीटर में फैला है, उन्होंने उपग्रह चित्रों, ड्रोन तस्वीरों और जमीनी सर्वेक्षणों का उपयोग करके एक विस्तृत आभासी प्रतिलिपि बनाई। इस डिजिटल मॉडल में भूभाग, एक तालाब, चट्टानी दीवारें, चढ़ने वाली संरचनाएं और यहाँ तक कि वे विशिष्ट पेड़ और लट्ठे भी शामिल हैं जो दृष्टि को बाधित कर सकते हैं। उन्होंने आभासी कैमरे ठीक उन्हीं स्थानों पर रखे जहाँ वास्तविक कैमरे स्थापित किए गए थे, उनकी ऊंचाई और कोण की नकल करते हुए। इससे पहले कि इस प्रणाली पर वास्तविक डेटा के लिए भरोसा किया जा सके, टीम ने एक कठोर स्व-परीक्षण चलाया। उन्होंने दो आभासी भालुओं के लिए हजारों कृत्रिम, कंप्यूटर-जनित गतियां उत्पन्न कीं, जिससे एक "ग्राउंड ट्रुथ" (वास्तविक स्थिति) तैयार हुई कि जानवर वास्तव में कहाँ होने चाहिए। फिर उन्होंने इन नकली गतियों को अपने डिटेक्शन सिस्टम के माध्यम से डाला ताकि यह देखा जा सके कि क्या सॉफ्टवेयर सटीक रूप से उनकी स्थितियों को पुनः प्राप्त कर सकता है।

इस सिमुलेशन के परिणाम सटीक थे। जब सिस्टम ने एक एकल कैमरे के डेटा को देखा, तो वह एक भालू के स्थान को लगभग 19 सेंटीमीटर के औसत अंतर (median error) के साथ सटीक रूप से निर्धारित कर सका। हालांकि, सिस्टम की असली शक्ति तब सामने आई जब इसने कई कैमरों के दृश्यों को संयोजित किया। अलग-अलग कोणों से डेटा को फ्यूज करके, त्रुटि घटकर केवल 7 सेंटीमीटर रह गई। इस फ्यूजन ने सिस्टम को जानवरों के सक्रिय होने के 94.8% समय को देखने में सक्षम बनाया, जिससे उन "ब्लाइंड स्पॉट्स" को प्रभावी रूप से समाप्त कर दिया गया जो पारंपरिक निगरानी में बाधा डालते हैं। महत्वपूर्ण रूप से, सिस्टम यह भी अंतर कर सका कि एक स्थान वास्तव में खाली है या वह स्थान केवल दृष्टि से ओझल है। पुराने तरीकों में, यदि कोई कैमरा बाड़े के किसी कोने को नहीं देख पाता था, तो सॉफ्टवेयर यह मान लेता था कि जानवर उस कोने से बच रहा है। यह नया ढांचा उन छिपे हुए क्षेत्रों को "अनुपलब्ध" (unobservable) के रूप में चिह्नित करता है, जिससे यह सुनिश्चित होता है कि डेटा उस चीज़ को दर्शाता है जो वास्तव में देखी गई है, न कि उसे जो छूट गई थी।

केवल गतिविधियों को ट्रैक करने से परे, यह ढांचा एक ऐसे स्तर की योजना बनाने की अनुमति देता है जो पहले असंभव था। शोधकर्ताओं ने किसी भी हार्डवेयर को स्थापित करने से पहले ही अपने डिजिटल ट्विन का उपयोग करके कैमरा नेटवर्क का विश्लेषण किया, जो एक व्यस्त, बसे हुए बाड़े में जानवरों को परेशान किए बिना असंभव होता। उन्होंने गणना की कि उनके द्वारा अंततः स्थापित किए गए पांच-कैमरा सेटअप से पैडॉक का 85.1% हिस्सा कम से कम एक कैमरे के लिए दृश्यमान होगा, और 57.4% हिस्सा एक साथ दो या अधिक कैमरों के लिए दृश्यमान होगा। सिस्टम ने पहचाना कि डेन (गुफा) के दरवाजे के पास स्थित एक विशिष्ट कैमरा एक विशेषज्ञ था जो सामान्य क्षेत्र को बहुत कम देखता था, लेकिन प्रवेश द्वार की निगरानी के लिए आवश्यक था। इसने यह भी खुलासा किया कि पूल छोर पर स्थित दूसरा कैमरा, समग्र कवरेज के लिए सबसे महत्वपूर्ण था; यदि वह विफल हो जाता, तो दृश्य क्षेत्र काफी कम हो जाता। इसके अलावा, ट्विन यह भविष्यवाणी कर सकता था कि कब सूरज सीधे लेंसों में चमककर छवि को धुंधला कर देगा। इसने दिखाया कि दक्षिण की ओर मुख वाले कैमरे शीतकालीन संक्रांति के दौरान दिन में दस घंटे तक सूरज की रोशनी से प्रभावित होंगे, एक ऐसी समस्या जिसे कैमरा चालू करने से पहले ही माउंटिंग एंगल को बदलकर या इन्फ्रारेड लाइटिंग का उपयोग करके हल किया जा सकता था।

इस कार्य का अंतिम लक्ष्य प्रत्येक जानवर के लिए पुनर्वास से लेकर मुक्ति तक एक निरंतर कहानी बनाना है। वर्तमान में, एक जानवर के जीवन का अध्ययन अक्सर दो असंबद्ध चरणों में किया जाता है: वह समय जो एक प्रबंधित बाड़े में बिताया जाता है और वह समय जो जंगल में बिताया जाता है। यह ढांचा इन दोनों के बीच एक सेतु प्रस्तावित करता है। वही डिजिटल आर्किटेक्चर जिसका उपयोग चिड़ियाघर में भालू की निगरानी के लिए किया जाता है, उसे उसी भालू की निगरानी के लिए अनुकूलित किया जा सकता है, जिसे बाद में एक विशाल परिदृश्य में छोड़ा गया हो, जहाँ फिक्स्ड सीसीटीवी के बजाय जीपीएस कॉलर और कैमरा ट्रैप का उपयोग किया जाता है। यह वैज्ञानिकों को एक व्यक्ति के व्यवहार का एक एकल, सुसंगत रिकॉर्ड बनाए रखने की अनुमति देगा, यह तुलना करते हुए कि उसने कैद में स्थान का उपयोग कैसे किया और वह जंगल में कैसे नेविगेट करता है। जबकि वर्तमान अध्ययन ने बाड़े की निगरानी की सटीकता पर ध्यान केंद्रित किया, इसका डिज़ाइन इन बड़े, जंगली वातावरणों तक विस्तार करने के लिए बनाया गया है।

शोधकर्ता इस बात पर जोर देते हैं कि उनके निष्कर्ष एक अत्यधिक सटीक सिमुलेशन और पहले से स्थापित कैमरा नेटवर्क के पूर्वव्यापी विश्लेषण पर आधारित हैं। इस विशिष्ट अध्ययन में भालुओं के लाइव, वास्तविक समय के फुटेज पर अभी तक परीक्षण नहीं किया गया है, हालांकि अंतर्निहित डिटेक्शन सॉफ्टवेयर पहले से ही केंद्र के नेटवर्क पर चल रहा है। सिमुलेशन की सफलता यह सिद्ध करती है कि गणितीय और ज्यामितीय आधार ठोस हैं, जिससे त्रुटि का एक ऐसा मार्जिन स्थापित होता है जो व्यवहार विश्लेषण के लिए भरोसेमंद है। डिजाइन और परीक्षण चरण को आभासी दुनिया में ले जाकर, यह ढांचा यह सुनिश्चित करता है कि भौतिक स्थापना पहली बार में ही सही हो, जिससे जानवरों को बार-बार निर्माण के तनाव से बचाया जा सके। यह पशु निगरानी को खंडित, द्वि-आयामी वीडियो क्लिप के संग्रह से बदलकर जीवन के एक एकीकृत, त्रि-आयामी माप में बदल देता है, जहाँ हर कदम का हिसाब रखा जाता है, और हर ब्लाइंड स्पॉट ज्ञात होता है।