External and Internal Impedance for Robot Teams Sharing a Load: Exact Decoupling and Decay Certificates

जब रोबोटों का एक समूह भारी वस्तु उठाने के लिए मिलकर काम करता है, तो वे एक नाजुक संतुलन बनाए रखने की चुनौती का सामना करते हैं। उन्हें वस्तु को एक नए स्थान पर ले जाना होता है और साथ ही अपनी पकड़ इतनी मजबूत रखनी होती है कि वह फिसले नहीं, फिर भी इतनी ढीली होनी चाहिए कि वे उसे कुचल न दें। यदि एक रोबोट बहुत जोर से धक्का देता है और दूसरा खींचता है, तो वस्तु मुड़ सकती है या गिर सकती है, भले ही टीम पूरी तरह से तालमेल में चल रही हो। इस चुनौती को 'कोऑपरेटिव मैनिपुलेशन' (सहकारी हेरफेर) के रूप में जाना जाता है। वर्षों से, इंजीनियरों ने रोबोटों के धकेलने और खींचने के तरीके को नियंत्रित करने के तरीके विकसित किए हैं, जिसमें वस्तु को एक स्प्रिंग की तरह माना जाता है जो गति का विरोध करती है। हालाँकि, जब कई रोबोट जिनके पास चलने वाले पैर या पहिए होते हैं, एक ही भार उठाने की कोशिश करते हैं, तो गणित अविश्वसनीय रूप से जटिल हो जाता है। रोबोटों को अपने कदमों, अपनी भुजाओं की गतिविधियों और वस्तु पर लगाए गए अदृश्य बलों को एक साथ समन्वित करना पड़ता है। यदि नियंत्रण प्रणाली सटीक नहीं है, तो रोबोट आपस में लड़ सकते हैं, जिससे ऊर्जा बर्बाद होती है या भार खतरनाक रूप से खिसक सकता है।

फिनलैंड के टैम्पेरे यूनिवर्सिटी के शोधकर्ताओं ने इस समस्या को हल करने के लिए एक नई विधि विकसित की है, जो रोबोट की टीमों को अभूतपूर्व सटीकता के साथ भारी भार उठाने की अनुमति देती है। उनका कार्य 'इम्पीडेंस' (impedance) नामक एक विशिष्ट प्रकार के नियंत्रण पर केंद्रित है, जो यह निर्धारित करता है कि जब कोई रोबोट किसी चीज़ को छूता है तो वह कैसे प्रतिक्रिया देता है। इस नए ढांचे में, टीम कार्य को दो अलग-अलग कार्यों में विभाजित करती है: वस्तु को दुनिया के माध्यम से ले जाना और उन आंतरिक बलों का प्रबंधन करना जो वस्तु को थामे रखते हैं। शोधकर्ताओं ने गणितीय रूप से सिद्ध किया कि इन दो कार्यों को स्वतंत्र रूप से संभाला जा सकता है, जिसका अर्थ है कि रोबोट वस्तु को उसके पथ से गलती से हिलाए बिना अपनी पकड़ को समायोजित कर सकते हैं। उन्होंने इसे चार मानव आकार के रोबोटों द्वारा एक बड़े एल्युमीनियम बीम को ले जाने के सिमुलेशन के साथ प्रदर्शित किया। सिस्टम ने रोबोटों को बीम को उठाने, चलने और नीचे रखने की अनुमति दी, जबकि उन्होंने आंतरिक बलों को बिल्कुल वहीं रखा जहाँ वे चाहते थे, भले ही रोबोटों की अपनी गति या वस्तु का वजन थोड़ा बदल गया हो।

इस उपलब्धि का मूल एक दो-स्तरीय नियंत्रण प्रणाली है जो एक अत्यधिक कुशल कंडक्टर (संगीत निर्देशक) की तरह कार्य करती है। बाहरी परत रोबोटों को बताती है कि वस्तु को कहाँ जाना चाहिए और वातावरण के विरुद्ध इसे कितनी मजबूती से पकड़ना चाहिए। आंतरिक परत, जो बहुत तेजी से चलती है, उस लक्ष्य को प्राप्त करने के लिए आवश्यक सटीक मांसपेशियों की शक्ति की गणना करती है। इस अध्ययन में एक प्रमुख नवाचार यह है कि सिस्टम "असंगत" अनुरोधों को कैसे संभालता है। कल्पना कीजिए कि यदि टीम का एक रोबлот वस्तु को ऐसी दिशा में खींचने की कोशिश करता है जिसे अन्य रोबोट अपनी शारीरिक सीमाओं के कारण नहीं अपना सकते। पुराने सिस्टम में, यह संघर्ष वस्तु को झटका दे सकता था या रोबोटों को एक-दूसरे के विरुद्ध संघर्ष करने के लिए मजबूर कर सकता था। नई विधि इन विरोधाभासी कमांडों की पहचान करती है और उन्हें होने से पहले ही रद्द कर देती है। यह सुनिश्चित करता है कि पकड़ को कसने के लिए उपयोग किया गया कोई भी बल टीम के भीतर ही रहे, और वह वस्तु को बगल में या ऊपर-नीचे नहीं धकेले जब तक कि वह इच्छित गति न हो।

अपने सिद्धांत का परीक्षण करने के लिए, शोधकर्ताओं ने चार मानवोइड्स (humanoids) का उपयोग करके एक विस्तृत डिजिटल सिमुलेशन बनाया, जिनमें से प्रत्येक का वजन लगभग 81 किलोग्राम था, जो 63 किलोग्राम का एक एल्युमीनियम गर्डर ले जा रहे थे। बीम 2.4 मीटर लंबा था, और रोबोटों को इसके पास चलना, इसे उठाना, कुछ कदम तक ले जाना और इसे नीचे रखना था। सिमुलेशन में यथार्थवादी भौतिकी शामिल थी, जैसे रोबोटों के पैरों और जमीन के बीच घर्षण, और उनके जोड़ों द्वारा गति का विरोध करना। परिणाम आश्चर्यजनक थे। टीम ने बीम को सफलतापूर्वक ले जाने में सफलता प्राप्त की, और पूरी मिशन के दौरान वस्तु अपने इच्छित पथ से केवल 7 मिलीमीटर के भीतर रही। यह स्तर की सटीकता तब भी बनी रही जब शोधकर्ताओं ने जानबूझकर त्रुटियां डालीं, जैसे कि रोबोटों के अपने वजन के आंतरिक मॉडल को थोड़ा गलत बनाना या उनके सेंसरों में रैंडम शोर जोड़ना। सिस्टम इन खामियों को संभालने के लिए पर्याप्त मजबूत था बिना भार गिराए।

एक महत्वपूर्ण खोज यह थी कि रोबोट अपनी पकड़ की ताकत को कैसे प्रबंधित करते हैं। शोधकर्ता यह देखना चाहते थे कि क्या वे बीम को हिलाए बिना उसकी पकड़ को बदल सकते हैं। पिछली विधियों में, पकड़ बदलने से अक्सर वस्तु खिसक जाती थी। इस नई प्रणाली में, जब रोबोटों ने अपनी पकड़ को समायोजित किया, तो बीम 0.2 मिलीमीटर से भी कम चला। इसकी तुलना में, समान पकड़ परिवर्तन प्राप्त करने के लिए पुरानी तकनीकों का उपयोग करने से बीम लगभग 1.9 मिलीमीटर तक हिल गया। यह अंतर उन नाजुक कार्यों के लिए महत्वपूर्ण है जहाँ एक छोटा सा बदलाव भी विनाशकारी हो सकता है। सिस्टम ने एक गणितीय जांच का उपयोग करके इसे हासिल किया ताकि यह सुनिश्चित किया जा सके कि रोबोटों के कमांड निष्पादित होने से पहले भौतिक रूप से संभव हों। यदि कोई कमांड रोबोट को फिसलने या संतुलन खोने का कारण बनता, तो सिस्टम टीम को सुरक्षित रखने के लिए इसे स्वचालित रूप से समायोजित कर देता।

अध्ययन ने यह भी पता लगाया कि टीम कितना भार उठा सकती है। रोबोटों को लगभग 25 किलोग्राम उठाने के लिए रेट किया गया था, लेकिन सिमुलेशन ने दिखाया कि वे 63 किलोग्राम के बीम को सफलतापूर्वक ले जा सकते हैं, जो लगभग 16 किलोग्राम प्रति रोबोट है। जब शोधकर्ताओं ने इस सीमा से अधिक वजन बढ़ाया, तो सिस्टम ने विफलता की सही भविष्यवाणी की। उन मामलों में जहाँ भार बहुत अधिक था, रोबोटों ने अपनी पकड़ खो दी या वे गिर गए, लेकिन सिस्टम ने इन विफलताओं को होने से पहले ही एक "क्षमता अनुमान" (capacity estimate) की गणना करके पहचान लिया। यह अनुमान एक चेतावनी संकेत के रूप में कार्य करता था, जो ऑपरेटरों को बताता था कि टीम वर्तमान रुख और उनके पैरों के घर्षण के आधार पर कितना वजन संभाल सकती है। यह भविष्य कहने वाली क्षमता बताती है कि इस सिस्टम का उपयोग वास्तविक समय में मिशनों की योजना बनाने के लिए किया जा सकता है, यह सुनिश्चित करते हुए कि रोबोट केवल उन्हीं कार्यों को करने का प्रयास करें जिन्हें पूरा करने में वे शारीरिक रूप से सक्षम हैं।

शोधकर्ताओं ने यह भी परीक्षण किया कि जब रोबोटों के भौतिक मॉडल आदर्श नहीं होते हैं तो सिस्टम कैसा व्यवहार करता है। वास्तविक दुनिया में, रोबotong को उनके ब्लूप्रिंट के बिल्कुल समान नहीं बनाया जाता है; उनके जोड़ थोड़े ढीले हो सकते हैं, या उनके वजन का वितरण भिन्न हो सकता है। नया नियंत्रण तरीका बहुत सहनशील साबित हुआ। भले ही शोधकर्ताओं ने बीम के सिम्युलेटेड वजन को 20 प्रतिशत तक बदल दिया या रोबोटों के आंतरिक जड़त्व (inertia) को बदल दिया, टीम भार ले जाने में सफल रही। सिस्टम ने इन त्रुटियों की भरपाई के लिए बलों को स्वचालित रूप से समायोजित किया। यह लचीलापन व्यावहारिक अनुप्रयोगों के लिए महत्वपूर्ण है, क्योंकि इसका अर्थ है कि रोबोटों को एक साथ काम करने के लिए पूरी तरह से कैलिब्रेटेड होने की आवश्यकता नहीं है। वे अपने भौतिक शरीर और जिस वातावरण में वे हैं, उसके वास्तविक स्वरूप के अनुकूल हो सकते हैं।

शोध का एक महत्वपूर्ण हिस्सा यह सत्यापित करना था कि रोबोट फिसलेंगे नहीं। सिस्टम लगातार रोबोटों के पैरों और हाथों पर लगने वाले बलों की निगरानी करता रहता है ताकि यह सुनिश्चित हो सके कि वे सुरक्षित सीमाओं के भीतर रहें। यदि भार एक अकेले रोबोट के पैर के लिए बहुत अधिक हो जाता, तो सिस्टम भार को अन्य रोबोटों में पुनर्वितरित कर देता। सिमुलेशन में, जब रोबोट चले, तो भार उनके पैरों और हाथों के बीच इस तरह से स्थानांतरित हुआ जिससे वे स्थिर रहे। शोधकर्ताओं ने पाया कि सिस्टम जटिल चलने के पैटर्न को संभाल सकता है, जिसमें वे क्षण भी शामिल हैं जब केवल एक पैर जमीन पर होता है। इन एकल-समर्थन चरणों के दौरान, जमीन पर मौजूद रोबलेट को अपने शरीर के पूर्ण वजन और बीम के एक हिस्से को संभालना पड़ता था, और नियंत्रण प्रणाली ने टीम को लड़खड़ाने दिए बिना इस संक्रमण को सुचारू रूप से प्रबंधित किया।

अध्ययन ने यह भी देखा कि बाहरी धक्कों के प्रति रोबोट कैसे प्रतिक्रिया करते हैं। जब एक सिम्युलेटेड बल ने 100 न्यूटन के साथ बीम को बगल से धक्का दिया, तो रोबोटों ने प्रभाव को सोखने के लिए बीम को थोड़ा हिलाकर प्रतिक्रिया दी, ठीक वैसे ही जैसे कोई व्यक्ति धक्का लगने पर झुकता है। गति का परिमाण उनके नियंत्रण सिद्धांत की भविष्यवाणियों से लगभग पूरी तरह मेल खाता था। इसने पुष्टि की कि रोबोट एक एकल, सुसंगत इकाई के रूप में व्यवहार कर रहे थे जिसकी प्रतिक्रिया दुनिया के प्रति पूर्वानुमानित थी। शोधकर्ताओं ने नोट किया कि यदि रोबोटों के जोड़ों में घर्षण होता, तो गति थोड़ी भिन्न होती, लेकिन सिस्टम फिर भी नियंत्रण बनाए रखता। बाहरी बलों को प्रबंधित करने और उनकी भविष्यवाणी करने की यह क्षमता उन रोबोटों के लिए आवश्यक है जो अनस्ट्रक्चर्ड वातावरण में काम करते हैं जहाँ वे दीवारों से टकरा सकते हैं या हवा के झोंकों से प्रभावित हो सकते हैं।

अंतिम विश्लेषण में, यह कार्य प्रदर्शित करता है कि रोबोट की एक टीम को उच्च स्तर की सटीकता और सुरक्षा के साथ नियंत्रित किया जा सकता है, भले ही वे भारी और अजीब भार उठा रहे हों। यह विधि वस्तु को ले जाने के कार्य को उसे थामे रखने के कार्य से अलग करती है, जिससे दोनों का स्वतंत्र नियंत्रण संभव होता है। यह अलगाव रोबोटों को आपस में लड़ने से रोकता है और सुनिश्चित करता है कि पकड़ के समायोजन से अनचाही गति न हो। सिमुलेशन ने दिखाया कि सिस्टम आदर्श मॉडलों से लेकर अपूर्ण मॉडलों तक, और हल्के भार से लेकर रोबोटों की अधिकतम क्षमता के करीब तक, विभिन्न स्थितियों में विश्वसनीय रूप से काम करता है। परिणाम भविष्य के रोबोटों के लिए एक ठोस आधार प्रदान करते हैं जिन्हें कारखानों, निर्माण स्थलों या आपदा क्षेत्रों में मिलकर काम करने की आवश्यकता होगी, जहाँ भारी वस्तुओं को सुरक्षित रूप से ले जाने और संचालित करने की क्षमता आवश्यक है। शोध पुष्टि करता है कि सही गणितीय ढांचे के साथ, रोबोटों की एक टीम एक एकल, बुद्धिमान इकाई के रूप में कार्य कर सकती है, जो जटिल भौतिक कार्यों को उस सहजता के साथ संभालने में सक्षम है जो पहले पहुंच से बाहर थी।