शोधकर्ता ने इंटरएक्टिव साइबर-फिजिकल ह्यूमन (iCPH) प्लेटफॉर्म की कल्पना की

टोक्यो विज्ञान विश्वविद्यालय के प्रोफेसर ईइची योशिडा ने इंटरएक्टिव साइबर-फिजिकल ह्यूमन (iCPH) की एक दिलचस्प अवधारणा प्रस्तुत की है।

मानव स्वाभाविक रूप से विभिन्न जटिल कार्य कर सकते हैं, जैसे कि बैठना और वस्तुओं को उठाना। हालांकि, इन गतिविधियों में विभिन्न आंदोलन शामिल होते हैं और कई संपर्कों की आवश्यकता होती है, जो रोबोटों के लिए मुश्किल साबित हो सकते हैं। iCPH इस समस्या का समाधान करने में मदद कर सकता है।

मानव-जैसी प्रणालियों को समझना और उत्पन्न करना

यह नया प्लेटफ़ॉर्म मानव-जैसी प्रणालियों को समझने और उत्पन्न करने में मदद कर सकता है जो विभिन्न संपर्क-समृद्ध पूरे शरीर की गतिविधियों का उपयोग करती हैं।

यह कार्य फ्रंटियर्स इन रोबोटिक्स एंड एआई में प्रकाशित किया गया था।

“जैसा कि नाम से पता चलता है, iCPH भौतिक और साइबर तत्वों को मानव गतिविधियों को कैप्चर करने के लिए जोड़ती है,” प्रोफेसर योशिडा कहते हैं। “जबकि एक मानवनुमा रोबोट मानव के शारीरिक जुड़वां के रूप में कार्य करता है, एक डिजिटल जुड़वां साइबरस्पेस में एक सिम्युलेटेड मानव या रोबोट के रूप में अस्तित्व में है। बाद वाला मांसपेशियों और रोबोटिक विश्लेषण जैसी तकनीकों के माध्यम से मॉडल किया जाता है। दोनों जुड़वां एक दूसरे को पूरक करते हैं।”

प्रोफेसर योशिडा इस फ्रेमवर्क के साथ कई प्रश्नों का समाधान करते हैं, जैसे:

• मानवनुमा रोबोट मानव धारणा को कैसे अनुकरण कर सकते हैं?
• रोबोट मानव व्यवहार को कैसे सीख और अनुकरण कर सकते हैं?
• रोबोट मानवों के साथ कैसे चिकनी और प्राकृतिक रूप से बातचीत कर सकते हैं?

iCPH फ्रेमवर्क

iCPH फ्रेमवर्क का पहला भाग मानव गतिविधि को मापने के लिए विभिन्न शरीर के अंगों की गति को मात्रा में परिवर्तित करता है। यह मानव द्वारा किए गए संपर्कों की श्रृंखला को भी रिकॉर्ड करता है।

यह फ्रेमवर्क विभिन्न गतिविधियों का सामान्य विवरण करने के लिए डифरेंशियल समीकरणों के माध्यम से संचालित होता है, साथ ही संपर्क गतिविधि नेटवर्क का उत्पादन करता है। एक मानवनुमा रोबोट तब इस नेटवर्क पर कार्य कर सकता है।

जब डिजिटल जुड़वां की बात आती है, तो यह मॉडल-आधारित और मशीन लर्निंग दृष्टिकोणों के माध्यम से नेटवर्क सीखता है। ये दोनों विश्लेषणात्मक ग्रेडिएंट गणना विधि द्वारा जुड़े हुए हैं, और निरंतर सीखने से रोबोट सिमुलेशन को संपर्क अनुक्रम को करने के लिए सिखाने में मदद मिलती है।

iCPH का तीसरा भाग संपर्क गतिविधि नेटवर्क को डेटा वृद्धि के माध्यम से समृद्ध करता है, जिसके बाद वेक्टर क्वांटाइजेशन तकनीक का उपयोग किया जाता है। यह तकनीक संपर्क गतिविधि की भाषा को व्यक्त करने वाले प्रतीकों को निकालने में मदद करती है, जो अनुभवहीन स्थितियों में संपर्क गतिविधि को उत्पन्न करने में सक्षम बनाती है।

इसका अर्थ है कि रोबोट मानवों के साथ बातचीत करते हुए चिकनी गतिविधियों और कई संपर्कों का उपयोग करके अज्ञात वातावरण का अन्वेषण कर सकते हैं।

प्रोफेसर योशिडा iCPH के लिए तीन चुनौतियों का प्रस्ताव करते हैं जो सामान्य विवरणकों, निरंतर सीखने और संपर्क गतिविधि के प्रतीकीकरण से संबंधित हैं। iCPH को वास्तविक बनाने के लिए, यह इन चुनौतियों का समाधान करना होगा।

“iCPH से डेटा को सार्वजनिक किया जाएगा और वास्तविक जीवन की समस्याओं को हल करने के लिए तैनात किया जाएगा, जो सामाजिक और औद्योगिक मुद्दों को हल करने में मदद करेगा। मानवनुमा रोबोट मानवों को कई कार्यों से मुक्त कर सकते हैं जो भारी बोझ और उनकी सुरक्षा में सुधार कर सकते हैं, जैसे कि भारी वस्तुओं को उठाना और खतरनाक वातावरण में काम करना,” प्रोफेसर योशिडा कहते हैं। “iCPH मानवों द्वारा किए गए कार्यों की निगरानी करने और कार्य से संबंधित बीमारियों को रोकने में मदद कर सकता है। अंत में, मानवनुमा रोबोट अपने डिजिटल जुड़वां के माध्यम से मानवों द्वारा दूरस्थ रूप से नियंत्रित किए जा सकते हैं, जो उन्हें बड़े उपकरण स्थापना और वस्तु परिवहन को करने की अनुमति देगा।”