शोधकर्ताओं ने सॉफ्ट रोबोट को नियंत्रित करने के लिए नई विधि विकसित की

से शोधकर्ताओं मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी लक्ष्य कार्यों को करने के लिए सॉफ्ट रोबोटों को बेहतर ढंग से नियंत्रित करने और डिज़ाइन करने का एक तरीका निकाला है। सॉफ्ट-रोबोटिक्स में यह लंबे समय से एक लक्ष्य रहा है और यह एक बड़ी उपलब्धि है। 

सॉफ्ट रोबोट में लचीले शरीर होते हैं जो किसी भी समय अनंत तरीकों से चलने में सक्षम होते हैं। गणना के संबंध में, यह रोबोट के प्रत्येक भाग की गतिविधियों का वर्णन करने वाला एक अत्यधिक जटिल "राज्य प्रतिनिधित्व" है। इनमें संभवतः लाखों आयाम हो सकते हैं, जिसका अर्थ है कि रोबोट के लिए जटिल लक्ष्य कार्यों को पूरा करने के सर्वोत्तम तरीके की गणना करना अधिक कठिन है।

एमआईटी के शोधकर्ता दिसंबर में तंत्रिका सूचना प्रसंस्करण प्रणाली पर सम्मेलन में एक मॉडल प्रस्तुत करेंगे। मॉडल एक कॉम्पैक्ट, या "निम्न-आयामी" राज्य प्रतिनिधित्व सीखने में सक्षम है जो रोबोट की भौतिकी, पर्यावरण और अन्य कारकों पर आधारित है। इसके बाद मॉडल आंदोलन नियंत्रण के साथ-साथ सामग्री डिजाइन मापदंडों को सह-अनुकूलित करने में सक्षम होता है, फिर इन्हें विशिष्ट कार्यों के लिए लक्षित किया जाता है। 

एंड्रयू स्पीलबर्ग कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (CSAIL) में स्नातक छात्र हैं। 

“नरम रोबोट अनंत-आयामी प्राणी हैं जो किसी भी समय अरबों अलग-अलग तरीकों से झुकते हैं, लेकिन वास्तव में, ऐसे प्राकृतिक तरीके हैं जिनसे नरम वस्तुओं के झुकने की संभावना होती है। हमने पाया कि सॉफ्ट रोबोट की प्राकृतिक अवस्थाओं को निम्न-आयामी विवरण में बहुत संक्षिप्त रूप से वर्णित किया जा सकता है। हम संभावित स्थितियों का अच्छा विवरण सीखकर सॉफ्ट रोबोट के नियंत्रण और डिज़ाइन को अनुकूलित करते हैं।

हुए सिमुलेशन में, मॉडल ने 2डी और 3डी सॉफ्ट रोबोट को लक्ष्य कार्यों को पूरा करने में सक्षम बनाया। कार्यों में विभिन्न दूरियाँ तय करना और लक्ष्य स्थानों तक पहुँचना शामिल था। मॉडल अन्य मौजूदा तरीकों की तुलना में इन्हें तेजी से और अधिक सटीकता से करने में सक्षम था। शोधकर्ता अब इस मॉडल का उपयोग वास्तविक सॉफ्ट रोबोट में करना चाहते हैं। 

परियोजना पर काम करने वाले अन्य व्यक्तियों में CSAIL स्नातक छात्र, एलन झाओ, ताओ डू और युआनमिंग हू शामिल हैं; डैनियल रुस, सीएसएआईएल के निदेशक और इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान के एंड्रयू और एर्ना विटर्बी प्रोफेसर; और वोज्शिएक माटुसिक, इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान में एमआईटी के एसोसिएट प्रोफेसर और कम्प्यूटेशनल फैब्रिकेशन ग्रुप के प्रमुख हैं। 

सॉफ्ट-रोबोटिक्स एक बढ़ता हुआ क्षेत्र है जो उन्नत रोबोटिक्स के बड़े दायरे में बेहद महत्वपूर्ण है। लचीले शरीर जैसी विशेषताएं मनुष्यों के साथ सुरक्षित बातचीत, वस्तु हेरफेर, गतिशीलता और बहुत कुछ में भूमिका निभा सकती हैं। 

सिमुलेशन के दौरान, एक "पर्यवेक्षक" रोबोट के नियंत्रण के लिए जिम्मेदार होता है। एक "ऑब्जर्वर" एक प्रोग्राम है जो वेरिएबल्स की गणना करता है जो किसी कार्य को पूरा करने के लिए सॉफ्ट रोबोट के चलने के तरीके को देखता है। 

अंततः, शोधकर्ताओं ने एक नई "लर्निंग-इन-द-लूप ऑप्टिमाइज़ेशन" पद्धति विकसित की। सभी अनुकूलित पैरामीटर एकल फीडबैक लूप के दौरान सीखे जाते हैं जो कई सिमुलेशन पर होता है। साथ ही, विधि राज्य प्रतिनिधित्व सीखती है। 

मॉडल "सामग्री बिंदु विधि (एमपीएम)" नामक तकनीक का उपयोग करता है। एक एमपीएम फोम और तरल पदार्थ जैसे सातत्य सामग्री के कणों के व्यवहार का अनुकरण करता है, और यह एक पृष्ठभूमि ग्रिड से घिरा हुआ है। यह तकनीक रोबोट और उसके अवलोकन योग्य वातावरण के कणों को 3डी पिक्सल या वोक्सल्स में कैद करने में सक्षम है। 

कच्चे कण ग्रिड की जानकारी फिर मशीन-लर्निंग घटक को भेजी जाती है। यह एक छवि को इनपुट करना, उसे निम्न-आयामी प्रतिनिधित्व में संपीड़ित करना और फिर उसे वापस इनपुट छवि में विघटित करना सीखता है। 

सीखा हुआ संपीड़ित प्रतिनिधित्व रोबोट के निम्न-आयामी राज्य प्रतिनिधित्व के रूप में कार्य करता है। संपीड़ित अभ्यावेदन एक अनुकूलन चरण में नियंत्रक में वापस चला जाता है, और यह एक गणना की गई कार्रवाई को आउटपुट करता है कि प्रत्येक कण को ​​अगले एमपीएम-उत्तेजित चरण में कैसे आगे बढ़ना चाहिए। 

उसी समय, नियंत्रक प्रत्येक कण की इष्टतम कठोरता को समायोजित करने के लिए जानकारी का उपयोग करता है। सामग्री की जानकारी का उपयोग 3डी-प्रिंटिंग सॉफ्ट रोबोट के लिए किया जा सकता है, क्योंकि प्रत्येक कण स्थान को अलग-अलग कठोरता के साथ मुद्रित किया जा सकता है। 

स्पीलबर्ग कहते हैं, "यह रोबोट की गतियों के अनुरूप रोबोट डिज़ाइन बनाने की अनुमति देता है जो विशिष्ट कार्यों के लिए प्रासंगिक होंगे।" "इन मापदंडों को एक साथ सीखकर, आप उस डिज़ाइन प्रक्रिया को आसान बनाने के लिए जितना संभव हो सके सब कुछ सिंक्रनाइज़ रखते हैं।"

शोधकर्ताओं को उम्मीद है कि वे अंततः सिमुलेशन से लेकर निर्माण तक डिजाइन तैयार करने में सक्षम होंगे।