रोबोटिक्स और भौतिक एआई
नया तरीका मनुष्यों को रोबोटों को उनका परिवेश “देखने” में मदद करने में सक्षम बनाता है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
राइस विश्वविद्यालय के इंजीनियरों की एक टीम ने एक नए तरीके का विकास किया है जो मानवों को रोबोटों को उनके आसपास के वातावरण को देखने और विभिन्न कार्यों को पूरा करने में मदद करने के लिए सक्षम बनाता है।
इस नई रणनीति को बेयसियन लर्निंग इन द डार्क (BLIND) कहा जाता है, जो रोबोटों के लिए गति योजना की समस्या का एक नया समाधान है जो कभी-कभी दृष्टि से छिपे हिस्सों वाले वातावरण में संचालित होते हैं।
इस अध्ययन का नेतृत्व कंप्यूटर वैज्ञानिक लिडी कवराकी और वैभव उन्हेलकर ने किया था और इसे राइस के जॉर्ज आर ब्राउन स्कूल ऑफ इंजीनियरिंग के कार्लोस क्विंटेरो-पेना और कॉन्स्टेंटिनोस चमज़ास ने सह-नेतृत्व किया था। इसे इंस्टीट्यूट ऑफ इलेक्ट्रिकल एंड इलेक्ट्रॉनिक्स इंजीनियर्स के इंटरनेशनल कॉन्फ्रेंस ऑन रोबोटिक्स एंड ऑटोमेशन में प्रस्तुत किया गया था।
मानव लूप में
अध्ययन के अनुसार, एल्गोरिदम एक मानव को लूप में रखता है ताकि “रोबोट की धारणा को बढ़ाने और, महत्वपूर्ण रूप से, असुरक्षित गति के निष्पादन को रोकने” में मदद मिल सके।
टीम ने बेयसियन इनवर्स रीनफोर्समेंट लर्निंग को स्थापित गति योजना तकनीकों के साथ मिलाया ताकि रोबोटों को बहुत सारे गतिशील हिस्सों के साथ मदद मिल सके।
ब्लाइंड का परीक्षण करने के लिए, सात जोड़ों वाली भुजा वाले एक रोबोट को एक मेज़ से छोटा बेलन उठाकर दूसरी मेज़ पर रखने का काम दिया गया था। हालांकि, रोबोट को पहले एक बाधा के पास से आगे बढ़ना था।
“यदि आपके पास अधिक जोड़ हैं, तो रोबोट को निर्देश देना जटिल है,” क्विंटेरो-पेना ने कहा। “यदि आप एक मानव को निर्देश दे रहे हैं, तो आप बस कह सकते हैं, ‘अपना हाथ उठाओ।'”
हालांकि, एक रोबोट को ऐसे कार्यक्रमों की आवश्यकता होती है जो उसके पथ के हर बिंदु पर प्रत्येक जोड़ की गति के बारे में स्पष्ट निर्देश देते हैं और यह और भी महत्वपूर्ण हो जाता है जब उनकी “दृष्टि” को बाधित करने वाले बाधाएं होती हैं।
बाधाओं के चारों ओर “देखना” सीखना
ब्लाइंड पहले से एक गति-पथ को प्रोग्राम नहीं करता है। इसके बजाय, यह मानव को मध्य-प्रक्रिया में डालता है ताकि रोबोट के एल्गोरिदम द्वारा सुझाए गए समन्वित गति-विकल्पों को परिष्कृत किया जा सके।
“ब्लाइंड हमें मानव के सिर में जानकारी लेने और इस उच्च-डिग्री ऑफ फ्रीडम स्पेस में हमारे गति-पथों की गणना करने की अनुमति देता है,” क्विंटेरो-पेना ने कहा। “हम एक विशिष्ट प्रकार की प्रतिक्रिया का उपयोग करते हैं जिसे आलोचना कहा जाता है, मूल रूप से द्विआधारी प्रतिक्रिया का एक रूप जिसमें मानव को गति-पथ के हिस्सों पर लेबल दिए जाते हैं।”
लेबल जुड़े हुए हरे डॉट के रूप में दिखाई देते हैं, जो संभावित पथों का प्रतिनिधित्व करते हैं। जैसे ही ब्लाइंड एक डॉट से दूसरे डॉट पर जाता है, मानव प्रत्येक गति को स्वीकृत या अस्वीकार करता है, पथ को परिष्कृत करता है और बाधाओं से बचता है।
“यह लोगों के लिए उपयोग करने के लिए एक आसान इंटरफेस है, क्योंकि हम कह सकते हैं, ‘मुझे यह पसंद है’ या ‘मुझे यह पसंद नहीं है,’ और रोबोट इस जानकारी का उपयोग अपनी योजना बनाने के लिए करता है,” चमज़ास ने कहा। रोबोट अपनी गतिविधियों के लिए पुरस्कृत होने के बाद अपना कार्य कर सकता है।
“यहां सबसे महत्वपूर्ण बात यह है कि मानव प्राथमिकताएं एक गणितीय सूत्र के साथ वर्णन करना मुश्किल है,” क्विंटेरो-पेना ने कहा। “हमारा काम मानवीय प्राथमिकताओं को शामिल करके मानव-रोबोट संबंधों को सरल बनाता है। यही कारण है कि मुझे लगता है कि अनुप्रयोग इस काम से सबसे अधिक लाभ उठाएंगे।”
कवराकी ने नासा के मानवाकार रोबोट रोबोनॉट के लिए उन्नत प्रोग्रामिंग पर काम किया है, जो अंतर्राष्ट्रीय अंतरिक्ष स्टेशन पर है।
“यह काम सुंदर रूप से दिखाता है कि एक छोटा, लेकिन लक्षित, मानवीय हस्तक्षेप रोबोटों की क्षमताओं को जटिल कार्यों को निष्पादित करने में कैसे बढ़ा सकता है जो वातावरण में होते हैं जहां कुछ हिस्से पूरी तरह से रोबोट के लिए अज्ञात होते हैं लेकिन मानव के लिए ज्ञात होते हैं,” कवराकी ने कहा।
“यह दिखाता है कि मानव-रोबोट इंटरैक्शन के लिए तरीके, मेरे सहयोगी प्रोफेसर उन्हेलकर के शोध का विषय, और स्वचालित योजना जो मेरी प्रयोगशाला में वर्षों के अग्रणी कार्य से विकसित हुई है, विश्वसनीय समाधानों को वितरित करने के लिए मिल सकते हैं जो मानव प्राथमिकताओं का भी सम्मान करते हैं।”
