किसी भी बाधा के लिए तैयार कम लागत वाला रोबोट

कार्नेगी मेलॉन यूनिवर्सिटी के स्कूल ऑफ कंप्यूटर साइंस और कैलिफोर्निया विश्वविद्यालय, बर्कले के शोधकर्ताओं ने एक रोबोटिक प्रणाली डिजाइन की है जो कम लागत वाले और अपेक्षाकृत छोटे पैरों वाले रोबोट को उसकी ऊंचाई के करीब सीढ़ियां चढ़ने और उतरने में सक्षम बनाती है; पथरीले, फिसलन भरे, असमान, खड़ी और विविध भूभाग को पार करना; अंतरालों के पार चलना; स्केल चट्टानें और किनारे; और यहां तक ​​कि अंधेरे में भी काम करते हैं।

रोबोटिक्स इंस्टीट्यूट में सहायक प्रोफेसर दीपक पाठक ने कहा, "सीढ़ियां चढ़ने और विभिन्न प्रकार के वातावरण को संभालने के लिए छोटे रोबोटों को सशक्त बनाना ऐसे रोबोट विकसित करने के लिए महत्वपूर्ण है जो लोगों के घरों के साथ-साथ खोज और बचाव कार्यों में भी उपयोगी होंगे।" "यह प्रणाली एक मजबूत और अनुकूलनीय रोबोट बनाती है जो रोजमर्रा के कई कार्य कर सकती है।"

टीम ने रोबोट को अपनी गति से चलाया, सार्वजनिक पार्कों में असमान सीढ़ियों और पहाड़ियों पर इसका परीक्षण किया, इसे सीढ़ियों पर चलने वाले पत्थरों और फिसलन वाली सतहों पर चलने के लिए चुनौती दी, और इसे सीढ़ियों पर चढ़ने के लिए कहा, क्योंकि इसकी ऊंचाई एक इंसान के छलांग लगाने के समान होगी। एक बाधा. रोबोट तेजी से अनुकूलन करता है और अपनी दृष्टि और एक छोटे ऑनबोर्ड कंप्यूटर पर भरोसा करके चुनौतीपूर्ण इलाके में महारत हासिल करता है।

शोधकर्ताओं ने रोबोट को एक सिम्युलेटर में इसके 4,000 क्लोनों के साथ प्रशिक्षित किया, जहां उन्होंने चुनौतीपूर्ण इलाके पर चलने और चढ़ने का अभ्यास किया। सिम्युलेटर की गति ने रोबोट को एक ही दिन में छह साल का अनुभव प्राप्त करने की अनुमति दी। सिम्युलेटर ने तंत्रिका नेटवर्क में प्रशिक्षण के दौरान सीखे गए मोटर कौशल को भी संग्रहीत किया, जिसे शोधकर्ताओं ने वास्तविक रोबोट में कॉपी किया। इस दृष्टिकोण के लिए रोबोट की गतिविधियों की किसी हस्त-इंजीनियरिंग की आवश्यकता नहीं थी - पारंपरिक तरीकों से हटकर।

अधिकांश रोबोटिक सिस्टम आसपास के वातावरण का मानचित्र बनाने के लिए कैमरों का उपयोग करते हैं और उस मानचित्र का उपयोग गतिविधियों को निष्पादित करने से पहले योजना बनाने के लिए करते हैं। प्रक्रिया धीमी है और मैपिंग चरण में अंतर्निहित अस्पष्टता, अशुद्धियों या गलत धारणाओं के कारण अक्सर लड़खड़ा सकती है जो बाद की योजना और गतिविधियों को प्रभावित करती है। मैपिंग और प्लानिंग उच्च-स्तरीय नियंत्रण पर केंद्रित प्रणालियों में उपयोगी हैं, लेकिन चुनौतीपूर्ण इलाकों में चलने या दौड़ने जैसी निम्न-स्तरीय कौशल की गतिशील आवश्यकताओं के लिए हमेशा उपयुक्त नहीं होते हैं।

नई प्रणाली मैपिंग और नियोजन चरणों को दरकिनार कर देती है और दृष्टि इनपुट को सीधे रोबोट के नियंत्रण में भेज देती है। रोबोट जो देखता है वह निर्धारित करता है कि वह कैसे चलेगा। यहां तक ​​कि शोधकर्ता भी यह निर्दिष्ट नहीं करते कि पैरों को कैसे चलना चाहिए। यह तकनीक रोबोट को आने वाले इलाके पर तुरंत प्रतिक्रिया करने और प्रभावी ढंग से वहां से गुजरने की अनुमति देती है।

क्योंकि इसमें कोई मैपिंग या योजना शामिल नहीं है और गतिविधियों को मशीन लर्निंग का उपयोग करके प्रशिक्षित किया जाता है, रोबोट स्वयं कम लागत वाला हो सकता है। टीम ने जिस रोबोट का उपयोग किया वह उपलब्ध विकल्पों की तुलना में कम से कम 25 गुना सस्ता था। टीम के एल्गोरिदम में कम लागत वाले रोबोट को अधिक व्यापक रूप से उपलब्ध कराने की क्षमता है।

एससीएस पीएच.डी. अनन्य अग्रवाल ने कहा, "यह प्रणाली रोबोट के मोटरों के लिए आउटपुट कमांड के इनपुट के रूप में सीधे शरीर से दृष्टि और फीडबैक का उपयोग करती है।" मशीन लर्निंग में छात्र। “यह तकनीक सिस्टम को वास्तविक दुनिया में बहुत मजबूत बनाने की अनुमति देती है। यदि यह सीढ़ियों पर फिसल जाए तो ठीक हो सकता है। यह अज्ञात वातावरण में जा सकता है और अनुकूलन कर सकता है।

यह प्रत्यक्ष दृष्टि-से-नियंत्रण पहलू जैविक रूप से प्रेरित है। मनुष्य और जानवर चलने के लिए दृष्टि का उपयोग करते हैं। अपनी आँखें बंद करके दौड़ने या संतुलन बनाने का प्रयास करें। टीम के पिछले शोध से पता चला था कि अंधे रोबोट - बिना कैमरे वाले रोबोट - चुनौतीपूर्ण इलाके पर विजय प्राप्त कर सकते हैं, लेकिन दृष्टि जोड़ने और उस दृष्टि पर भरोसा करने से सिस्टम में काफी सुधार होता है।

टीम ने सिस्टम के अन्य तत्वों के लिए भी प्रकृति पर ध्यान दिया। एक छोटे रोबोट के लिए - इस मामले में, एक फुट से भी कम लंबा - सीढ़ियों या उसकी ऊंचाई के करीब बाधाओं को पार करने के लिए, उसने उस गति को अपनाना सीखा जिसका उपयोग मनुष्य उच्च बाधाओं पर कदम रखने के लिए करते हैं। जब किसी मनुष्य को किसी कगार या बाधा पर चढ़ने के लिए अपना पैर ऊपर उठाना पड़ता है, तो वह अपने पैर को किनारे की ओर ले जाने के लिए अपने कूल्हों का उपयोग करता है, जिसे अपहरण और सम्मिलन कहा जाता है, जिससे उसे अधिक निकासी मिलती है। पाठक की टीम द्वारा डिज़ाइन किया गया रोबोट सिस्टम भी ऐसा ही करता है, जो बाजार में मौजूद कुछ सबसे उन्नत पैरों वाले रोबोटिक सिस्टमों में आने वाली बाधाओं से निपटने के लिए हिप अपहरण का उपयोग करता है।

चार पैरों वाले जानवरों के पिछले पैरों की हरकत ने भी टीम को प्रेरित किया। जब एक बिल्ली बाधाओं के बीच से गुजरती है, तो उसके पिछले पैर पास की आंखों के लाभ के बिना उसके अगले पैरों के समान वस्तुओं से बचते हैं। “चार पैरों वाले जानवरों की याददाश्त उनके पिछले पैरों को आगे के पैरों का पता लगाने में सक्षम बनाती है। हमारा सिस्टम इसी तरह से काम करता है” पाठक ने कहा। सिस्टम की ऑनबोर्ड मेमोरी पीछे के पैरों को यह याद रखने में सक्षम बनाती है कि सामने वाले कैमरे ने क्या देखा और बाधाओं से बचने के लिए पैंतरेबाज़ी की।

पीएचडी आशीष कुमार ने कहा, "चूंकि कोई नक्शा नहीं है, कोई योजना नहीं है, इसलिए हमारा सिस्टम इलाके को याद रखता है और यह सामने वाले पैर को कैसे स्थानांतरित करता है और इसे पीछे के पैर में कैसे स्थानांतरित करता है, यह काम जल्दी और त्रुटिहीन तरीके से करता है।" बर्कले में छात्र.

यह शोध पैरों वाले रोबोटों के सामने आने वाली मौजूदा चुनौतियों को हल करने और उन्हें लोगों के घरों में लाने की दिशा में एक बड़ा कदम हो सकता है। पाठक, बर्कले के प्रोफेसर जितेंद्र मलिक, अग्रवाल और कुमार द्वारा लिखित पेपर "लेग्ड लोकोमोशन इन चैलेंजिंग टेरेन्स यूजिंग एगोसेंट्रिक विजन", न्यूजीलैंड के ऑकलैंड में रोबोट लर्निंग पर आगामी सम्मेलन में प्रस्तुत किया जाएगा।

वीडियो: https://youtu.be/N70CqROzwxI