H-SPAR: Hydrodynamic-aware Simulation for Particle Transport and Autonomous Robots

महासागर कभी स्थिर नहीं होता। एक शांत दिन में भी, पानी जटिल और बदलती धाराओं में चलता है जो इसकी सतह पर तैरने वाली हर चीज़ को अपने साथ बहा ले जाती हैं। हमारे महासागरों के स्वास्थ्य का अध्ययन करने की कोशिश कर रहे वैज्ञानिकों के लिए, ये धाराएं एक उपकरण और एक चुनौती दोनों हैं। वे प्रदूषकों, माइक्रोप्लास्टिक्स और शैवाल (algae) के प्रसार में मदद करती हैं, जिससे वे सेंसरों के लिए दृश्यमान हो जाते हैं, लेकिन वे स्वायत्त रोबोटों को उनके मार्ग से भी भटका देती हैं, जिससे ऊर्जा और समय बर्बाद होता है। पानी में क्या हो रहा है, इसे समझने के लिए, शोधकर्ताओं को ऐसी रोबोटिक नावें भेजने की आवश्यकता होती है जो इन प्रवाहों के बीच नेविगेट कर सकें और साथ ही उन तैरते कणों को ट्रैक कर सकें जिनका उन्हें नमूना (sample) लेना है। कठिनाई इस तथ्य में निहित है कि पानी रोबोट और लक्ष्य कणों दोनों को एक ही समय में चलाता है, लेकिन धारा के सटीक आकार और नाव की गति के आधार पर अक्सर अलग-अलग तरीकों से। यदि किसी रोबोट को इस दोहरे प्रभाव को ध्यान में रखे बिना डिज़ाइन किया जाता है, तो वह मानचित्र पर एक आदर्श ज्यामितीय रेखा का अनुसरण कर सकता है, लेकिन एक छिपे हुए भंवर द्वारा बहा ले जाया जा सकता है, जिससे वह अपने लक्ष्यों को पूरी तरह से चूक सकता है।

यह समस्या एक नए सिमुलेशन टूल H-SPAR द्वारा हल की गई है, जिसे टोरंटो मेट्रोपॉलिटन यूनिवर्सिटी और यूनिवर्सिटी कॉलेज लंदन के शोधकर्ताओं द्वारा विकसित किया गया है। वास्तविक महासागर में हर संभावित परिदृश्य का परीक्षण करने के लिए एक भौतिक रोबोट बनाने के बजाय, टीम ने एक अत्यधिक विस्तृत डिजिटल वातावरण बनाया जहाँ वे देख सकते थे कि एक आभासी नाव और आभासी कण एक आभासी महासागर के साथ कैसे परस्पर क्रिया करते हैं। मुख्य नवाचार यह है कि यह सिम्युलेटर जलधारा को केवल एक पृष्ठभूमि व्यवधान के रूप में नहीं, बल्कि एक साझा बल के रूप में मानता है जो रोबोट की गति और उन कणों के बहाव, दोनों को संचालित करता है जिन्हें वह पकड़ने की कोशिश कर रहा है। पिछले सिस्टम में, इन तत्वों को अक्सर अलग-अलग मॉडल किया जाता था, जिसका अर्थ था कि शोधकर्ता यह नहीं देख पाते थे कि धारा में बदलाव एक साथ नाव के पथ और तैरते मलबे के स्थान को कैसे बदल देगा। H-SPAR उन्हें आपस में जोड़ता है, जिससे वैज्ञानिकों को एक ऐसी दुनिया में नमूना लेने की रणनीतियों का परीक्षण करने की अनुमति मिलती है जो वास्तविक महासागर की तरह बहुत अधिक व्यवहार करती है।

शोधकर्ताओं ने इस उपकरण का उपयोग यह परीक्षण करने के लिए किया कि पानी के चलने पर विभिन्न नेविगेशन रणनीतियाँ कितनी अच्छी तरह काम करती हैं। उन्होंने एक मानक योजना पद्धति की तुलना की, जो केवल दो बिंदुओं के बीच की सबसे छोटी दूरी को देखती है, बनाम अधिक उन्नत तरीकों से जो धारा को ध्यान में रखते हैं। सिमुलेशन में, मानक पद्धति ने मानचित्र पर सबसे छोटी रेखा बनाई, लेकिन जब आभासी नाव ने इसका अनुसरण करने की कोशिश की, तो धारा ने उसे मार्ग से भटका दिया, जिससे प्रवाह से लड़ने के लिए अतिरिक्त ईंधन खर्च करने को मजबूर होना पड़ा। उन्नत प्लानर्स ने, जो धारा की दिशा और गति को पहले से जानते थे, धारा के विरुद्ध जाने के बजाय उसके साथ चलने वाले थोड़े लंबे रास्ते चुने। इसने काफी मात्रा में ऊर्जा बचाई, जिससे योजना चरण के दौरान अपस्ट्रीम प्रवाह से लड़ने की लागत में लगभग 70 प्रतिशत की कमी आई। हालाँकि, सिमुलेशन ने एक महत्वपूर्ण सूक्ष्म अंतर प्रकट किया: जब धारा समय के साथ बदलती है, जैसा कि वास्तविक दुनिया में होता है, तो स्मार्ट प्लानर्स का लाभ घटकर लगभग 42 प्रतिशत रह गया। इससे पता चला कि हालांकि धारा को जानना मदद करता है, लेकिन पानी की बदलती प्रकृति और नाव के स्टीयरिंग की भौतिक सीमाएँ अभी भी एक आदर्श योजना और वास्तविक यात्रा के बीच एक अंतर पैदा करती हैं।

अध्ययन ने यह भी देखा कि स्कैनिंग क्षेत्र के दौरान रोबोट जिस दिशा में चलता है, वह तैरते कणों को पकड़ने की उसकी क्षमता को कैसे प्रभावित करता है। टीम ने विभिन्न स्वीपिंग पैटर्न का परीक्षण किया, जो बिल्कुल वैसे ही है जैसे कोई व्यक्ति घास काटने के लिए मशीन चलाता है, लेकिन यहाँ रोबोट प्रवाह के सापेक्ष अलग-अलग कोणों पर चलता है। उन्होंने पाया कि कणों को पकड़ने के लिए सबसे अच्छा कोण कोई निश्चित नियम नहीं था; यह पूरी तरह से इस पर निर्भर था कि कण कैसे चल रहे थे और रोबोट द्वारा उन्हें पकड़ने की संभावना कितनी थी। कुछ मामलों में, धारा के लंबवत (perpendicular) चलना सबसे अधिक कण पकड़ता था, लेकिन अन्य मामलों में, धारा के साथ चलना अधिक प्रभावी था क्योंकि इससे वह गति बदल जाती थी जिससे पानी रोबोट के सैंपलिंग इनटेक में प्रवेश करता था। सबसे महत्वपूर्ण खोज यह थी कि जो कोण ज्यामितीय रूप से सबसे अधिक कण पकड़ता था, वह हमेशा वह नहीं था जो सफलतापूर्वक उनका नमूना ले पाता था। क्योंकि कण को पकड़ने की रोबोट की क्षमता नाव और कण के बीच के सापेक्ष वेग (relative speed) पर निर्भर करती है, इसलिए एक पथ जो मानचित्र पर कुशल दिखता है, वास्तव में नमूने एकत्र करने में खराब हो सकता है यदि पानी इनटेक के सापेक्ष बहुत तेज़ या बहुत धीमा चल रहा हो।

एक ही, एकीकृत प्रणाली में इन जटिल परिदृश्यों को चलाकर, शोधकर्ताओं ने प्रदर्शित किया कि आप केवल उसके पथ या उसकी सैंपलिंग दर को देखकर एक रोबोट की सफलता का मूल्यांकन नहीं कर सकते। पानी सब कुछ जोड़ता है। एक पथ जो ऊर्जा बचाता है वह लक्ष्य कणों को मिस कर सकता है, और एक पथ जो कई कण पकड़ता है वह बहुत अधिक ईंधन बर्बाद कर सकता है। H-SPAR सिम्युलेटर इन सभी समझौतों (trade-offs) को एक साथ देखने का एक तरीका प्रदान करता है, जो वास्तविक महासागर के लिए मिशनों को डिजाइन करने का एक स्पष्ट चित्र देता है। निष्कर्ष बताते हैं कि भविष्य के रोबोटिक मिशनों को इस समझ के साथ नियोजित करने की आवश्यकता होगी कि पानी कैसे रोबोट और लक्ष्य दोनों को चलाता है, न कि महासागर को केवल एक स्थिर मंच के रूप में देखने की। यह दृष्टिकोण वास्तविक समुद्र के गतिशील, बदलते वास्तविकता के लिए तैयार होने हेतु, एक भी भौतिक रोबोट को डॉक से बाहर भेजने से पहले ही रणनीतियों के अधिक यथार्थवादी परीक्षण की अनुमति देता है।