যেকোন বাধার জন্য প্রস্তুত একটি কম দামের রোবট

কার্নেগি মেলন ইউনিভার্সিটির স্কুল অফ কম্পিউটার সায়েন্স এবং ইউনিভার্সিটি অফ ক্যালিফোর্নিয়া, বার্কলে-এর গবেষকরা একটি রোবোটিক সিস্টেম ডিজাইন করেছেন যা একটি কম খরচে এবং অপেক্ষাকৃত ছোট পায়ের রোবটকে তার উচ্চতার প্রায় সিঁড়ি বেয়ে উঠতে এবং নামতে সক্ষম করে; পাথুরে, পিচ্ছিল, অমসৃণ, খাড়া এবং বৈচিত্রময় ভূখণ্ড অতিক্রম করুন; ফাঁক জুড়ে হাঁটা; স্কেল শিলা এবং curbs; এবং এমনকি অন্ধকারে কাজ করে।

"ছোট রোবটকে সিঁড়ি বেয়ে ওঠার জন্য এবং বিভিন্ন পরিবেশ পরিচালনা করার জন্য ক্ষমতায়ন করা রোবট তৈরির জন্য অত্যন্ত গুরুত্বপূর্ণ যা মানুষের বাড়িতে এবং সেইসাথে অনুসন্ধান ও উদ্ধার অভিযানে কার্যকর হবে," বলেছেন দীপক পাঠক, রোবোটিক্স ইনস্টিটিউটের একজন সহকারী অধ্যাপক৷ "এই সিস্টেমটি একটি শক্তিশালী এবং অভিযোজিত রোবট তৈরি করে যা অনেক দৈনন্দিন কাজ সম্পাদন করতে পারে।"

দলটি রোবটটিকে তার গতির মধ্যে দিয়েছিল, এটিকে পাবলিক পার্কের অমসৃণ সিঁড়ি এবং পাহাড়ের ধারে পরীক্ষা করে, এটিকে ধাপের পাথর এবং পিচ্ছিল পৃষ্ঠের উপর দিয়ে হাঁটতে চ্যালেঞ্জ করে এবং এটিকে সিঁড়ি বেয়ে উঠতে বলে যে এটির উচ্চতা একজন মানুষের লাফানোর মতো হবে। একটি বাধা রোবটটি দ্রুত অভিযোজিত হয় এবং এর দৃষ্টিভঙ্গি এবং একটি ছোট অনবোর্ড কম্পিউটারের উপর নির্ভর করে চ্যালেঞ্জিং ভূখণ্ডে দক্ষতা অর্জন করে।

গবেষকরা রোবটটিকে একটি সিমুলেটরে এর 4,000 ক্লোন দিয়ে প্রশিক্ষণ দিয়েছিলেন, যেখানে তারা চ্যালেঞ্জিং ভূখণ্ডে হাঁটা এবং আরোহণের অনুশীলন করেছিলেন। সিমুলেটরের গতি রোবটটিকে এক দিনে ছয় বছরের অভিজ্ঞতা অর্জন করতে দেয়। সিমুলেটরটি একটি নিউরাল নেটওয়ার্কে প্রশিক্ষণের সময় শেখা মোটর দক্ষতাও সংরক্ষণ করে যা গবেষকরা আসল রোবটে অনুলিপি করেছিলেন। এই পদ্ধতির জন্য রোবটের গতিবিধির কোনো হ্যান্ড-ইঞ্জিনিয়ারিং-এর প্রয়োজন ছিল না - প্রথাগত পদ্ধতি থেকে প্রস্থান।

বেশিরভাগ রোবোটিক সিস্টেম আশেপাশের পরিবেশের একটি মানচিত্র তৈরি করতে ক্যামেরা ব্যবহার করে এবং সেগুলি কার্যকর করার আগে আন্দোলনের পরিকল্পনা করতে সেই মানচিত্রটি ব্যবহার করে। প্রক্রিয়াটি ধীর এবং ম্যাপিং পর্যায়ে অন্তর্নিহিত অস্পষ্টতা, ভুলতা বা ভুল ধারণার কারণে প্রায়ই স্থবির হয়ে যেতে পারে যা পরবর্তী পরিকল্পনা এবং আন্দোলনকে প্রভাবিত করে। ম্যাপিং এবং পরিকল্পনা উচ্চ-স্তরের নিয়ন্ত্রণের উপর দৃষ্টি নিবদ্ধ করা সিস্টেমগুলিতে উপযোগী কিন্তু চ্যালেঞ্জিং ভূখণ্ডে হাঁটা বা দৌড়ানোর মতো নিম্ন-স্তরের দক্ষতার গতিশীল প্রয়োজনীয়তার জন্য সবসময় উপযুক্ত নয়।

নতুন সিস্টেম ম্যাপিং এবং পরিকল্পনার পর্যায়গুলিকে বাইপাস করে এবং রোবটের নিয়ন্ত্রণে দৃষ্টি ইনপুটগুলিকে সরাসরি রুট করে। রোবট যা দেখে তা নির্ধারণ করে যে এটি কীভাবে চলে। এমনকি গবেষকরা নির্দিষ্ট করে দেননি কিভাবে পা নড়াচড়া করা উচিত। এই কৌশলটি রোবটকে দ্রুত আগত ভূখণ্ডে প্রতিক্রিয়া জানাতে এবং কার্যকরভাবে এর মধ্য দিয়ে যেতে দেয়।

যেহেতু কোনো ম্যাপিং বা পরিকল্পনা জড়িত নেই এবং মেশিন লার্নিং ব্যবহার করে গতিবিধি প্রশিক্ষিত হয়, রোবট নিজেই কম খরচে হতে পারে। দলটি যে রোবটটি ব্যবহার করেছিল তা উপলব্ধ বিকল্পগুলির চেয়ে কমপক্ষে 25 গুণ সস্তা ছিল। দলের অ্যালগরিদম কম খরচে রোবটগুলিকে আরও ব্যাপকভাবে উপলব্ধ করার সম্ভাবনা রয়েছে৷

"এই সিস্টেমটি রোবটের মোটরগুলিতে আউটপুট কমান্ডের ইনপুট হিসাবে সরাসরি শরীর থেকে দৃষ্টি এবং প্রতিক্রিয়া ব্যবহার করে," বলেছেন অনন্য আগারওয়াল, একজন এসসিএস পিএইচডি। মেশিন লার্নিং ছাত্র. "এই কৌশলটি সিস্টেমটিকে বাস্তব জগতে খুব শক্তিশালী হতে দেয়। যদি এটি সিঁড়িতে পিছলে যায় তবে এটি পুনরুদ্ধার করতে পারে। এটি অজানা পরিবেশে যেতে পারে এবং মানিয়ে নিতে পারে।"

এই সরাসরি দৃষ্টি-থেকে-নিয়ন্ত্রণের দিকটি জৈবিকভাবে অনুপ্রাণিত। মানুষ এবং প্রাণীরা নড়াচড়া করার জন্য দৃষ্টি ব্যবহার করে। চোখ বন্ধ করে দৌড়ানোর বা ভারসাম্য বজায় রাখার চেষ্টা করুন। দলের পূর্ববর্তী গবেষণায় দেখা গেছে যে অন্ধ রোবট - ক্যামেরা ছাড়া রোবট - চ্যালেঞ্জিং ভূখণ্ড জয় করতে পারে, তবে দৃষ্টি যোগ করা এবং সেই দৃষ্টিভঙ্গির উপর নির্ভর করা সিস্টেমটিকে ব্যাপকভাবে উন্নত করে।

দলটি সিস্টেমের অন্যান্য উপাদানগুলির জন্য প্রকৃতির দিকেও তাকিয়েছিল। একটি ছোট রোবটের জন্য - এক ফুটের চেয়েও কম লম্বা, এই ক্ষেত্রে - সিঁড়ি বা প্রতিবন্ধকতাগুলি প্রায় তার উচ্চতা মাপতে, এটি এমন আন্দোলন গ্রহণ করতে শিখেছে যা মানুষ উচ্চ বাধা অতিক্রম করতে ব্যবহার করে। যখন একজন মানুষকে একটি প্রান্ত বা বাধা মাপতে তার পা উঁচুতে তুলতে হয়, তখন এটি তার নিতম্ব ব্যবহার করে তার পাকে পাশে নিয়ে যায়, যাকে অপহরণ এবং অ্যাডাকশন বলা হয়, এটি আরও ছাড়পত্র দেয়। পাঠকের ডিজাইন করা রোবট সিস্টেমটি একই কাজ করে, নিতম্ব অপহরণ ব্যবহার করে এমন বাধাগুলি মোকাবেলা করে যা বাজারে সবচেয়ে উন্নত পায়ের রোবোটিক সিস্টেমগুলির মধ্যে কয়েকটিকে নিয়ে যায়৷

চার পায়ের প্রাণীদের পিছনের পায়ের নড়াচড়াও দলটিকে অনুপ্রাণিত করেছিল। যখন একটি বিড়াল বাধা অতিক্রম করে, তখন তার পিছনের পাগুলি তার সামনের পাগুলির মতো একই জিনিসগুলিকে এড়িয়ে যায়, কাছাকাছি কোনও চোখের সুবিধা ছাড়াই। “চার পায়ের প্রাণীদের একটি স্মৃতি থাকে যা তাদের পিছনের পা সামনের পা ট্র্যাক করতে সক্ষম করে। আমাদের সিস্টেম একইভাবে কাজ করে” পাঠক বলেন। সিস্টেমের অনবোর্ড মেমরি পিছনের পাগুলিকে সামনের ক্যামেরা কী দেখেছিল তা মনে রাখতে সক্ষম করে এবং বাধা এড়াতে কৌশল চালায়।

“যেহেতু কোনো মানচিত্র নেই, কোনো পরিকল্পনা নেই, তাই আমাদের সিস্টেম ভূখণ্ডের কথা মনে রাখে এবং কীভাবে এটি সামনের পায়ে স্থানান্তরিত হয় এবং এটিকে পেছনের পায়ে অনুবাদ করে, তাই দ্রুত এবং ত্রুটিহীনভাবে করে,” বলেছেন আশিস কুমার একজন পিএইচডি। বার্কলে ছাত্র।

গবেষণাটি পায়ের রোবটগুলির মুখোমুখি বিদ্যমান চ্যালেঞ্জগুলি সমাধানের দিকে একটি বড় পদক্ষেপ হতে পারে এবং সেগুলিকে মানুষের বাড়িতে নিয়ে আসতে পারে৷ পাঠক, বার্কলে প্রফেসর জিতেন্দ্র মালিক, আগরওয়াল এবং কুমারের লেখা "অহংকেন্দ্রিক দৃষ্টি ব্যবহার করে চ্যালেঞ্জিং ভূখণ্ডে লেগড লোকোমোশন" পেপারটি নিউজিল্যান্ডের অকল্যান্ডে রোবট শিক্ষার আসন্ন সম্মেলনে উপস্থাপন করা হবে।

ভিডিও: https://youtu.be/N70CqROzwxI