روبو ٹکس
الگورتھم روبوٹ کو رکاوٹوں سے بچنے اور جنگل میں بھاگنے کے قابل بناتے ہیں۔
کیلیفورنیا یونیورسٹی - سان ڈیاگو میں محققین کی ایک ٹیم نے الگورتھم کا ایک نیا نظام تیار کیا ہے جو چار پیروں والے روبوٹ کو جنگل میں چلنے اور چلانے کی اجازت دیتا ہے۔ روبوٹ جامد اور حرکت میں آنے والی رکاوٹوں سے گریز کرتے ہوئے مشکل اور پیچیدہ خطوں پر تشریف لے جا سکتے ہیں۔
ٹیم نے ٹیسٹ کیے جہاں ایک روبوٹ کو ریتیلی سطحوں، بجری، گھاس، اور شاخوں اور گرے ہوئے پتوں سے ڈھکی ہوئی گندگی والی پہاڑیوں میں خود مختار اور تیزی سے چال چلانے کے لیے نظام کے ذریعے رہنمائی کی گئی۔ ایک ہی وقت میں، یہ کھمبوں، درختوں، جھاڑیوں، پتھروں، بنچوں اور لوگوں سے ٹکرانے سے بچ سکتا ہے۔ روبوٹ نے مختلف رکاوٹوں سے ٹکرائے بغیر دفتر کی مصروف جگہ پر تشریف لے جانے کی صلاحیت کا بھی مظاہرہ کیا۔
موثر ٹانگوں والے روبوٹس کی تعمیر
نئے نظام کا مطلب ہے کہ محققین تلاش اور بچاؤ کے مشن کے لیے موثر روبوٹس بنانے کے لیے، یا ایسی جگہوں پر معلومات جمع کرنے کے لیے روبوٹ بنانے کے قریب ہیں جن تک پہنچنا مشکل ہے یا انسانوں کے لیے خطرناک ہے۔
کام میں پیش کیا جائے گا 2022 ذہین روبوٹس اور سسٹمز پر بین الاقوامی کانفرنس (IROS) 23 سے 27 اکتوبر تک کیوٹو، جاپان میں۔
یہ نظام روبوٹ کو زیادہ استرتا دیتا ہے کیونکہ اس کے روبوٹ کی نظر کی حس کو پروپریو سیپشن کے ساتھ ملایا جاتا ہے، جو کہ ایک اور سینسنگ طریقہ کار ہے جس میں روبوٹ کی حرکت، سمت، رفتار، مقام اور ٹچ کا احساس شامل ہوتا ہے۔
ٹانگوں والے روبوٹ کو چلنے اور نیویگیٹ کرنے کی تربیت دینے کے زیادہ تر موجودہ طریقوں میں یا تو proprioception یا وژن کا استعمال ہوتا ہے۔ تاہم، وہ دونوں ایک ہی وقت میں استعمال نہیں ہوتے ہیں۔
کمپیوٹر وژن کے ساتھ Proprioception کا امتزاج
Xiaolong Wang UC San Diego Jacobs School of Engineering میں الیکٹریکل اور کمپیوٹر انجینئرنگ کے پروفیسر ہیں۔
"ایک معاملے میں، یہ ایک نابینا روبوٹ کو صرف زمین کو چھونے اور محسوس کر کے چلنے کی تربیت دینے جیسا ہے۔ اور دوسرے میں، روبوٹ صرف نظر کی بنیاد پر اپنی ٹانگوں کی حرکت کا منصوبہ بناتا ہے۔ یہ ایک ہی وقت میں دو چیزیں نہیں سیکھ رہا ہے،" وانگ نے کہا۔ "ہمارے کام میں، ہم کمپیوٹر وژن کے ساتھ proprioception کو یکجا کرتے ہیں تاکہ ٹانگوں والے روبوٹ کو مؤثر طریقے سے اور آسانی سے گھومنے کے قابل بنایا جا سکے — رکاوٹوں سے گریز کرتے ہوئے — مختلف قسم کے چیلنجنگ ماحول میں، نہ صرف اچھی طرح سے بیان کیے گئے ماحول میں۔"
ٹیم کی طرف سے تیار کردہ سسٹم ریئل ٹائم امیجز سے ڈیٹا کو فیوز کرنے کے لیے الگورتھم کے ایک خاص سیٹ پر انحصار کرتا ہے، جو روبوٹ کے سر پر گہرائی والے کیمرے کے ذریعے لیے گئے تھے، جس میں روبوٹ کی ٹانگوں پر موجود سینسرز سے ڈیٹا آتا ہے۔
تاہم، وانگ نے کہا کہ یہ ایک پیچیدہ کام تھا۔
"مسئلہ یہ ہے کہ حقیقی دنیا کے آپریشن کے دوران، کیمرے سے تصاویر حاصل کرنے میں بعض اوقات تھوڑی تاخیر ہوتی ہے لہذا دو مختلف سینسنگ طریقوں سے ڈیٹا ہمیشہ ایک ہی وقت میں نہیں آتا،" انہوں نے وضاحت کی۔
ٹیم نے ان پٹ کے دو سیٹوں کو بے ترتیب بنا کر مماثلت کی نقل کرتے ہوئے اس چیلنج کو حل کیا۔ محققین اس تکنیک کو ملٹی موڈل ڈیلے رینڈمائزیشن کے طور پر کہتے ہیں، اور پھر انہوں نے استعمال شدہ اور بے ترتیب آدانوں کو کمک سیکھنے کی پالیسی کو تربیت دینے کے لیے استعمال کیا۔ اس نقطہ نظر نے روبوٹ کو نیویگیٹ کرتے وقت تیزی سے فیصلے کرنے کے ساتھ ساتھ اپنے ماحول میں ہونے والی تبدیلیوں کا اندازہ لگانے کے قابل بنایا۔ ان صلاحیتوں نے روبوٹ کو مختلف قسم کے خطوں پر تیزی سے رکاوٹوں کو منتقل کرنے اور ان سے نمٹنے کی اجازت دی، یہ سب انسانی آپریٹر کی مدد کے بغیر۔
ٹیم اب ٹانگوں والے روبوٹ کو مزید ورسٹائل بنانے پر غور کرے گی تاکہ وہ اور بھی پیچیدہ خطوں پر کام کر سکیں۔
وانگ نے کہا، "ابھی، ہم ایک روبوٹ کو چلنے، دوڑنے اور رکاوٹوں سے بچنے جیسی آسان حرکتیں کرنے کی تربیت دے سکتے ہیں۔" "ہمارے اگلے اہداف ایک روبوٹ کو اوپر اور نیچے سیڑھیاں چلنے، پتھروں پر چلنے، سمتوں کو تبدیل کرنے اور رکاوٹوں کو عبور کرنے کے قابل بنانا ہیں۔"
