SAC-enhanced iterative learning control with two-layer barrier mapping for nonlinear MIMO systems with asymmetric input constraints

रोबोटिक्स और स्वचालित मशीनों की दुनिया में, एक ऐसी मशीन जो एक बार चलती है और एक ऐसी मशीन जो हजारों बार एक ही कार्य को दोहराती है, के बीच एक स्पष्ट अंतर होता है। जब एक रोबोटिक हाथ कार के फ्रेम को वेल्ड करने के लिए या एक प्रिंटर को पूर्ण सटीकता के साथ प्लास्टिक की परतें बिछाने के लिए काम करता है, तो वह एक ही गति को बार-बार करता है। इंजीनियर लंबे समय से जानते हैं कि यदि कोई मशीन अपने पहले प्रयास में एक छोटी सी गलती करती है, तो वह अगली बार इसे सही करने के लिए उस त्रुटि से सीख सकती है। यह दृष्टिकोण, जिसे इटरेटिव लर्निंग (पुनरावृत्ति शिक्षण) कहा जाता है, प्रत्येक पुनरावृत्ति को एक सबक के रूप में मानता है, जिससे सिस्टम को अपनी गतिविधियों को तब तक परिष्कृत करने की अनुमति मिलती है जब तक कि पथ सुचारू और सटीक न हो जाए। हालांकि, वास्तविक दुनिया की मशीनें पूर्ण नहीं होती हैं। उन्हें अप्रत्याशित झटकों, बदलते भार और उनके मोटरों के जोर लगाने की भौतिक सीमाओं का सामना करना पड़ता है। यदि कोई मशीन किसी त्रुटि को सुधारने के लिए बहुत अधिक बल लगाकर प्रयास करती है, तो वह एक भौतिक बाधा से टकरा सकती है, जिससे स्वयं को या उत्पाद को नुकसान पहुँच सकता है। चुनौती मशीन को अपनी गलतियों से सीखने के लिए प्रशिक्षित करने में है, जबकि उसे अपनी भौतिक सीमाओं का सख्ती से पालन करना चाहिए, विशेष रूप से तब जब वातावरण एक प्रयास से दूसरे प्रयास में अप्रत्याशित रूप से बदल जाता है।

जियांगनान यूनिवर्सिटी और यूनिवर्सिटी ऑफ ज़ीलोना गोरा के शोधकर्ताओं की एक टीम ने जटिल मशीनों के लिए इस विशिष्ट समस्या को हल करने के लिए एक नई विधि विकसित की है जिसमें कई चलते हुए भाग होते हैं। उन्होंने एक नियंत्रण प्रणाली बनाई है जो एक पारंपरिक शिक्षण एल्गोरिदम को एक आधुनिक कृत्रिम बुद्धिमत्ता तकनीक, जिसे सॉफ्ट एक्टर-क्रिटिक कहा जाता है, के साथ जोड़ती है। यह हाइब्रिड सिस्टम उन मशीनों के लिए डिज़ाइन किया गया है जिन्हें कार्य दोहराना होता है लेकिन उन्हें दो कठिन स्थितियों का सामना करना पड़ता है: वातावरण हर बार कार्य करने पर थोड़ा बदल जाता है, और मशीन की बल लगाने की सख्त, असमान सीमाएँ होती हैं। कई वास्तविक परिदृश्यों में, एक मशीन को एक निश्चित शक्ति के साथ आगे बढ़ने की अनुमति हो सकती है लेकिन अलग सीमा के साथ पीछे खींचा जा सकता है, या विभिन्न दिशाओं के लिए अलग-अलग सीमाएँ हो सकती हैं। शोधकर्ताओं का लक्ष्य यह सुनिश्चित करना था कि मशीन बिना कभी भी अपनी सुरक्षा सीमाओं का उल्लंघन किए प्रभावी ढंग से सीख सके, भले ही शिक्षण प्रक्रिया स्वयं एक ऐसा कदम सुझाने का प्रयास करे जो बहुत अधिक शक्तिशाली हो।

उनके समाधान का मुख्य हिस्सा एक दो-चरणीय सुरक्षा जाँच है, जिसे वे एक 'डबल-लेयर बैरियर' (दोहरी-परत अवरोध) के रूप में वर्णित करते हैं। कल्पना कीजिए कि एक मशीन ने अभी-अभी एक कार्य पूरा किया है और अगले कार्य की तैयारी कर रही है। सबसे पहले, सिस्टम पिछले रन की त्रुटियों के आधार पर एक नया, बेहतर गति योजना (मूवमेंट प्लान) की गणना करता है। इस योजना को भविष्य के उपयोग के लिए सहेजने से पहले, यह पहले सुरक्षा स्तर से गुजरती है। यह परत एक फिल्टर की तरह कार्य करती है जो यह सुनिश्चित करती है कि गति की संग्रहीत स्मृति सुरक्षित सीमाओं के भीतर रहे, जिससे मशीन ऐसी कमांड को "याद करने" से बच सके जो निष्पादित करना असंभव या खतरनाक हो। फिर, जैसे ही मशीन वास्तव में कार्य करती है, उसे कृत्रिम बुद्धिमत्ता घटक से एक अतिरिक्त, वास्तविक समय का समायोजन प्राप्त होता है। यह एआई एक स्मार्ट क्षतिपूर्तक (कंपनसेटर) के रूप में कार्य करता है, जो हवा या घर्षण जैसे अप्रत्याशित व्यवधानों को महसूस करता है और सूक्ष्म, तीव्र सुधार करता है। हालांकि, ये सुधार मशीन को उसकी सीमाओं की ओर धकेल सकते हैं। इसलिए, मोटर तक पहुँचने से ठीक पहले सिग्नल एक दूसरे सुरक्षा स्तर से गुजरता है। यह दूसरा फिल्टर यह सुनिश्चित करता है कि मशीन को भेजी जाने वाली अंतिम कमांड, एआई के सुझाव या बाहरी व्यवधान कितना भी मजबूत क्यों न हो, कभी भी उसकी भौतिक क्षमताओं से अधिक न हो।

इस दृष्टिकोण का परीक्षण करने के लिए, शोधकर्ताओं ने एक जटिल यांत्रिक प्रणाली का अनुकरण किया जिसमें स्प्रिंग्स और डैम्पर्स से जुड़े दो द्रव्यमान (मास) शामिल थे, जो यह समझने के लिए एक सामान्य मॉडल है कि जुड़े हुए भाग एक साथ कैसे चलते हैं। उन्होंने सिस्टम को एक विशिष्ट पथ का अनुसरण करने के लिए प्रोग्राम किया और साथ ही इसमें यादृच्छिक, गैर-दोहराव वाले व्यवधानों को डाला जो प्रत्येक एकल परीक्षण के साथ बदलते रहे। उन्होंने अपनी नई विधि की तुलना कई मौजूदा तकनीकों के साथ की, जिसमें मानक लर्निंग कंट्रोलर और बाधाओं को संभालने वाली अन्य उन्नत विधियाँ शामिल थीं। परिणामों ने दिखाया कि उनकी दो-परत वाली अवरोध प्रणाली अन्य सभी से काफी बेहतर प्रदर्शन करती है। अंतिम परीक्षणों के ऊपर, नई विधि ने अगली सर्वश्रेष्ठ वैकल्पिक विधि की तुलना में औसत ट्रैकिंग त्रुटि को आधे से अधिक कम कर दिया। महत्वपूर्ण रूप से, जबकि अन्य विधियों ने कभी-कभी ऐसी गतियाँ सुझाईं जो मशीन की सुरक्षा सीमाओं का उल्लंघन करतीं, नए सिस्टम ने शून्य उल्लंघन का एक आदर्श रिकॉर्ड बनाए रखा। संग्रहीत शिक्षण कमांड और मशीन पर लगाए गए वास्तविक बल पूरे प्रयोग के दौरान सख्ती से सुरक्षित क्षेत्र के भीतर रहे।

अध्ययन में इस बात का विस्तृत विवरण भी शामिल था कि सिस्टम के प्रत्येक भाग ने सफलता में कैसे योगदान दिया। विशिष्ट घटकों को बंद करके, शोधकर्ताओं ने सिद्ध किया कि पहला सुरक्षा स्तर मशीन की स्मृति को सुरक्षित रखने के लिए आवश्यक था, जबकि दूसरा स्तर यह सुनिश्चित करने के लिए आवश्यक था कि वास्तविक भौतिक गतियाँ सुरक्षित रहें जब एआई समायोजन कर रहा हो। दोनों परतों के एक साथ काम किए बिना, सिस्टम या तो खतरनाक कमांड संग्रहीत करने का जोखिम उठाता या नियमों को तोड़े बिना आवश्यक सुधार करने में विफल रहता। कृत्रिम बुद्धिमत्ता घटक ने यादृच्छिक व्यवधानों का विरोध करने वाले सुधार उत्पन्न करना सफलतापूर्वक सीखा, जिससे उन्हें प्रभावी रूप से रद्द किया जा सका। शोधकर्ताओं ने पाया कि सिस्टम की सीखने और अनुकूलन करने की क्षमता केवल एक सिमुलेशन आर्टिफैक्ट नहीं थी, बल्कि एक कठोर गणितीय विश्लेषण से प्राप्त एक मजबूत परिणाम थी जो गारंटी देता है कि मशीन त्रुटि की एक अनुमानित सीमा के भीतर रहेगी। यह कार्य यह प्रदर्शित करता है कि ऐसी मशीनें बनाना संभव है जो अत्यधिक अनुकूलन योग्य और सख्त सुरक्षित दोनों हों, जो कभी भी अपनी भौतिक सीमाओं को पार किए बिना जटिल, बदलते परिवेश से सीख सकें।