روبو ٹکس
محققین نے نرم روبوٹ کو کنٹرول کرنے کا نیا طریقہ تیار کیا۔
تحقیق کار میساچوسٹس انسٹی ٹیوٹ آف ٹیکنالوجی کے نے ہدف کے کاموں کو انجام دینے کے لیے نرم روبوٹس کو بہتر طریقے سے کنٹرول کرنے اور ڈیزائن کرنے کا ایک طریقہ تلاش کیا ہے۔ یہ ایک طویل عرصے سے سافٹ روبوٹکس میں ایک مقصد رہا ہے، اور یہ ایک بڑی کامیابی ہے۔
نرم روبوٹس میں لچکدار جسم ہوتے ہیں جو کسی بھی وقت لاتعداد طریقوں سے حرکت کرنے کی صلاحیت رکھتے ہیں۔ حساب کے حوالے سے، یہ ایک انتہائی پیچیدہ "ریاست کی نمائندگی" ہے، جو روبوٹ کے ہر حصے کی حرکت کو بیان کرتی ہے۔ ان میں ممکنہ طور پر لاکھوں جہتیں ہوسکتی ہیں، جس کا مطلب ہے کہ روبوٹ کے لیے پیچیدہ ہدف کے کاموں کو مکمل کرنے کے لیے بہترین طریقہ کا حساب لگانا زیادہ مشکل ہے۔
MIT محققین دسمبر میں نیورل انفارمیشن پروسیسنگ سسٹمز پر کانفرنس میں ایک ماڈل پیش کریں گے۔ ماڈل ایک کمپیکٹ، یا "کم جہتی" ریاست کی نمائندگی سیکھنے کے قابل ہے جو روبوٹ کی طبیعیات، ماحولیات اور دیگر عوامل پر مبنی ہے۔ اس کے بعد ماڈل موومنٹ کنٹرول کے ساتھ ساتھ میٹریل ڈیزائن کے پیرامیٹرز کو بھی بہتر بنانے کے قابل ہو جاتا ہے، اس کے بعد ان کا مقصد مخصوص کام ہوتے ہیں۔
اینڈریو سپیلبرگ کمپیوٹر سائنس اینڈ آرٹیفیشل انٹیلی جنس لیبارٹری (CSAIL) میں گریجویٹ طالب علم ہے۔
"نرم روبوٹ لامحدود جہتی مخلوق ہیں جو کسی بھی لمحے ایک ارب مختلف طریقوں سے جھکتی ہیں، لیکن حقیقت میں، نرم اشیاء کے جھکنے کے قدرتی طریقے ہیں۔ ہم نرم روبوٹ کی قدرتی ریاستوں کو ایک کم جہتی وضاحت میں بہت واضح طور پر بیان کیا جا سکتا ہے. ہم ممکنہ ریاستوں کی اچھی تفصیل سیکھ کر نرم روبوٹس کے کنٹرول اور ڈیزائن کو بہتر بناتے ہیں۔"
جو سمیولیشن ہوا ان میں، ماڈل نے 2D اور 3D نرم روبوٹ کو ہدف کے کاموں کو مکمل کرنے کے قابل بنایا۔ کاموں میں مختلف فاصلے کو منتقل کرنا اور ہدف کے مقامات تک پہنچنا شامل تھا۔ یہ ماڈل دیگر موجودہ طریقوں سے زیادہ تیز اور درست طریقے سے کرنے کے قابل تھا۔ محققین اب ماڈل کو حقیقی نرم روبوٹس میں استعمال کرنا چاہتے ہیں۔
اس پروجیکٹ پر کام کرنے والے دیگر افراد میں CSAIL کے گریجویٹ طلباء، ایلن ژاؤ، تاؤ ڈو، اور یوآن منگ ہو؛ ڈینیئل روس، CSAIl کے ڈائریکٹر اور اینڈریو اور ایرنا ویٹربی پروفیسر الیکٹریکل انجینئرنگ اور کمپیوٹر سائنس؛ اور Wojciech Matusik، الیکٹریکل انجینئرنگ اور کمپیوٹر سائنس میں MIT کے ایسوسی ایٹ پروفیسر اور کمپیوٹیشنل فیبریکیشن گروپ کے سربراہ۔
سافٹ روبوٹکس ایک بڑھتا ہوا میدان ہے جو کہ جدید روبوٹکس کے وسیع دائرہ کار میں انتہائی اہم ہے۔ لچکدار جسم جیسی خصوصیات انسانوں کے ساتھ محفوظ تعامل، آبجیکٹ کی ہیرا پھیری، چالبازی اور بہت کچھ میں کردار ادا کر سکتی ہیں۔
نقالی کے دوران، ایک "مبصر" روبوٹ کے کنٹرول کے لیے ذمہ دار ہوتا ہے۔ ایک "مبصر" ایک ایسا پروگرام ہے جو متغیرات کی گنتی کرتا ہے جو دیکھتا ہے کہ کس طرح نرم روبوٹ کسی کام کو مکمل کرنے کے لیے حرکت کر رہا ہے۔
بالآخر، محققین نے ایک نیا "سیکھنے میں-لوپ کی اصلاح" کا طریقہ تیار کیا۔ تمام اصلاح شدہ پیرامیٹرز ایک ہی فیڈ بیک لوپ کے دوران سیکھے جاتے ہیں جو متعدد سمولیشنز پر ہوتا ہے۔ ایک ہی وقت میں، طریقہ ریاست کی نمائندگی سیکھتا ہے.
ماڈل ایک تکنیک کا استعمال کرتا ہے جسے "مٹیریل پوائنٹ میتھڈ (MPM) کہا جاتا ہے۔ ایک MPM مسلسل مواد کے ذرات جیسے جھاگوں اور مائعات کے رویے کی تقلید کرتا ہے، اور یہ پس منظر کے گرڈ سے گھرا ہوا ہے۔ یہ تکنیک روبوٹ کے ذرات اور اس کے قابل مشاہدہ ماحول کو 3D پکسلز یا ووکسلز میں قید کرنے کے قابل ہے۔
اس کے بعد خام ذرہ گرڈ کی معلومات مشین لرننگ جزو کو بھیجی جاتی ہے۔ یہ ایک تصویر کو داخل کرنا سیکھتا ہے، اسے کم جہتی نمائندگی میں کمپریس کرنا، اور پھر اسے دوبارہ ان پٹ امیج میں ڈیکمپریس کرنا سیکھتا ہے۔
سیکھی ہوئی کمپریسڈ نمائندگی روبوٹ کی کم جہتی ریاست کی نمائندگی کے طور پر کام کرتی ہے۔ کمپریسڈ نمائندگی ایک اصلاح کے مرحلے میں کنٹرولر میں واپس لوٹ جاتی ہے، اور یہ ایک حسابی عمل کو آؤٹ پٹ کرتی ہے کہ ہر ذرہ کو اگلے MPM-حوصلہ افزائی قدم میں کس طرح منتقل ہونا چاہئے۔
ایک ہی وقت میں، کنٹرولر ہر ذرہ کی زیادہ سے زیادہ سختی کو ایڈجسٹ کرنے کے لیے معلومات کا استعمال کرتا ہے۔ مادی معلومات کو تھری ڈی پرنٹنگ نرم روبوٹس کے لیے استعمال کیا جا سکتا ہے، کیونکہ ہر ذرہ جگہ کو مختلف سختی کے ساتھ پرنٹ کیا جا سکتا ہے۔
اسپیلبرگ کا کہنا ہے کہ "یہ روبوٹ کے ڈیزائن بنانے کی اجازت دیتا ہے جو روبوٹ کی حرکات کے مطابق ہوں گے جو مخصوص کاموں سے متعلق ہوں گے۔" "ان پیرامیٹرز کو ایک ساتھ سیکھ کر، آپ اس ڈیزائن کے عمل کو آسان بنانے کے لیے ہر چیز کو زیادہ سے زیادہ مطابقت پذیر رکھتے ہیں۔"
محققین کو امید ہے کہ وہ آخر کار تخروپن سے لے کر من گھڑت تک ڈیزائن کے قابل ہو جائیں گے۔
