शोधकर्ताओं ने नरम रोबोटों को नियंत्रित करने के लिए एक नई विधि विकसित की

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

नरम रोबोटों के लचीले शरीर होते हैं जो किसी भी समय अनगिनत तरीकों से गति कर सकते हैं। गणना के संदर्भ में, यह एक अत्यधिक जटिल “स्टेट प्रतिनिधित्व” है, जो रोबोट के प्रत्येक भाग की गति का वर्णन करता है। इनमें लाखों आयाम हो सकते हैं, जिसका अर्थ है कि जटिल लक्ष्य कार्यों को पूरा करने के लिए रोबोट के लिए सबसे अच्छा तरीका निकालना अधिक कठिन है।

एमआईटी के शोधकर्ता दिसंबर में न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स कॉन्फ्रेंस में एक मॉडल प्रस्तुत करेंगे। यह मॉडल रोबोट, पर्यावरण और अन्य कारकों के भौतिकी पर आधारित एक कॉम्पैक्ट, या “निम्न-आयामी” स्टेट प्रतिनिधित्व सीखने में सक्षम है। मॉडल तब लक्ष्य कार्यों के लिए आंदोलन नियंत्रण और सामग्री डिज़ाइन पैरामीटर को संयुक्त रूप से अनुकूलित करता है।

एंड्रू स्पीलबर्ग कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (सीएसएआईएल) में एक स्नातक छात्र हैं।

“नरम रोबोट अनंत-आयामी प्राणियों के रूप में होते हैं जो किसी भी समय अरबों अलग-अलग तरीकों से मुड़ सकते हैं, लेकिन वास्तव में, नरम वस्तुओं के मुड़ने के प्राकृतिक तरीके होते हैं। हम पाते हैं कि नरम रोबोटों की प्राकृतिक स्थितियों का वर्णन बहुत कॉम्पैक्ट रूप से एक निम्न-आयामी विवरण में किया जा सकता है। हम नरम रोबोटों के नियंत्रण और डिज़ाइन को एक अच्छा विवरण सीखकर अनुकूलित करते हैं जो संभावित स्थितियों का वर्णन करता है।”

सिमुलेशन में, मॉडल ने 2डी और 3डी नरम रोबोटों को लक्ष्य कार्यों को पूरा करने में सक्षम बनाया। कार्यों में विभिन्न दूरियों पर जाना और लक्ष्य स्थानों तक पहुंचना शामिल था। मॉडल ने इन कार्यों को अन्य वर्तमान विधियों की तुलना में तेजी से और अधिक सटीक रूप से पूरा किया। शोधकर्ता अब वास्तविक नरम रोबोटों में मॉडल का उपयोग करना चाहते हैं।

परियोजना पर काम करने वाले अन्य लोगों में सीएसएआईएल के स्नातक छात्र एलन झाओ, ताओ डू और युआनमिंग हू; डैनियल रस, सीएसएआईएल के निदेशक और इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस में एंड्रू और अर्ना विटरबी प्रोफेसर; और वोज़ीच माटुसिक, एमआईटी में इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस में एक एसोसिएट प्रोफेसर और कंप्यूटेशनल फैब्रिकेशन ग्रुप के प्रमुख।

नरम-रोबोटिक्स एक बढ़ता हुआ क्षेत्र है जो उन्नत रोबोटिक्स के बड़े परिदृश्य में बहुत महत्वपूर्ण है। लचीले शरीर जैसी विशेषताएं मानवों के साथ सुरक्षित बातचीत, वस्तु हेरफेर, चपलता और बहुत कुछ में भूमिका निभा सकती हैं।

सिमुलेशन के दौरान, एक “पर्यवेक्षक” रोबोटों के नियंत्रण के लिए जिम्मेदार होता है। एक “पर्यवेक्षक” एक कार्यक्रम है जो रोबोट की गति को देखने के लिए चर गणना करता है ताकि एक कार्य पूरा किया जा सके।

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

मॉडल एक तकनीक का उपयोग करता है जिसे “सामग्री बिंदु विधि (एमपीएम)” कहा जाता है। एमपीएम कंटिन्यूम सामग्रियों जैसे फोम और तरल पदार्थ के कणों के व्यवहार का अनुकरण करता है, और यह एक पृष्ठभूमि ग्रिड से घिरा होता है। तकनीक रोबोट और इसके दृश्य पर्यावरण के कणों को 3डी पिक्सेल, या वोक्सेल में कैप्चर करने में सक्षम है।

कच्चे कण ग्रिड जानकारी को तब एक मशीन-लर्निंग घटक में भेजा जाता है। यह एक छवि को इनपुट करना, इसे निम्न-आयामी प्रतिनिधित्व में संपीड़ित करना और फिर इसे वापस इनपुट छवि में विघटित करना सीखता है।

सीखा हुआ संपीड़ित प्रतिनिधित्व रोबोट के निम्न-आयामी स्टेट प्रतिनिधित्व के रूप में कार्य करता है। संपीड़ित प्रतिनिधित्व एक अनुकूलन चरण में नियंत्रक में वापस लूप होता है, और यह अगले एमपीएम-उत्तेजित चरण में प्रत्येक कण को कैसे गति करना चाहिए, इसके लिए एक गणना की गई क्रिया का आउटपुट करता है।

साथ ही, नियंत्रक प्रत्येक कण की अनुकूलतम कठोरता को समायोजित करने के लिए जानकारी का उपयोग करता है। सामग्री जानकारी 3डी प्रिंटिंग नरम रोबोटों के लिए उपयोग की जा सकती है, क्योंकि प्रत्येक कण स्थान को अलग-अलग कठोरता के साथ मुद्रित किया जा सकता है।

“यह रोबोट डिज़ाइन बनाने की अनुमति देता है जो रोबोट की गति के लिए विशिष्ट कार्यों के लिए प्रासंगिक होंगे,” स्पीलबर्ग कहते हैं। “इन पैरामीटरों को साथ-साथ सीखकर, आप सब कुछ यथासंभव सिंक्रनाइज़ रखते हैं ताकि डिज़ाइन प्रक्रिया आसान हो।”

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