रोबोट की मदद से आसानी से आसपास की बाधाओं को करेंगे दूर

ह्यूस्टन (अमेरिका), एएनआइ : आज के दौर में रोबोट की भूमिका कई क्षेत्रों में बढ़ती जा रही है। रोबोट से बड़े से बड़े काम आसानी से हो जाते हैं। लेकिन इन रोबोट में कुछ खामियां भी थी, जिनका हाल ही में शोधकर्ताओं और इंजीनियरों ने समाधान निकाला है। दरअसल, इंसानों की तरह रोबोट पिछली बाधाओं को नहीं देख सकते हैं। जहां वे जा रहे हैं वहां पहुंचने के लिए, उन्हें कभी-कभी थोड़ी सहायता की भी आवश्यकता होती है। एक नए अध्ययन के अनुसार, एक ऐसी तकनीक बनाई गई है, जो लोगों को अपने परिवेश को देखने और नौकरी करने में रोबोट की सहायता करने में सक्षम बनाती है।

इस तकनीक को बायेसियन लर्निंग इन द डार्क-ब्लाइंड नाम दिया गया है। इसके तहत, रोबोटों के लिए गति नियोजन की लंबे समय से चली आ रही समस्या का एक नया समाधान है जो ऐसे वातावरण में काम करते हैं जहां हर समय सब कुछ स्पष्ट रूप से नहीं दिखाई देता है। कंप्यूटर विज्ञानिकों लिडिया कावराकी और वैभव उनहेलकर और राइस के जार्ज आर ब्राउन स्कूल आफ इंजीनियरिंग के सह-मुख्य लेखक कार्लोस क्विंटेंरो-पेनाऔर कान्स्टेंटिनो चामजास के नेतृत्व में सहकर्मी-समीक्षा अध्ययन को इंस्टीट्यूट आफ इलेक्ट्रिकल एंड इलेक्ट्रानिक्स इंजीनियर्स इंटरनेशनल कांफ्रेस आन रोबोटिक्स में प्रस्तुत किया गया था। इस एल्गोरिथम को मुख्य रूप से क्विंटेरो-पेना और चामजास ने विकसित किया है। ये दोनों स्नातक छात्र हैं।

शोध के मुताबिक, मानव को रोबोट की धारणा को बढ़ाने और महत्वपूर्ण रूप से, असुरक्षित गति के निष्पादन को रोकने के लिए लूप में रखता है। ऐसा करने के लिए, उन्होंने बायेसियन इनवर्स रीइन्फोर्समेंट लर्निंग (जिसके द्वारा एक सिस्टम लगातार अपडेट की गई जानकारी और अनुभव से सीखता है) को रोबोट की सहायता के लिए स्थापित गति योजना तकनीकों के साथ जोड़ा, जिसमें उच्च स्तर की स्वतंत्रता (बहुत सारे चलने वाले हिस्से) हैं। इसका परीक्षण करने के लिए राइस लैब ने एक फेंच रोबोट, जिसकी सात जोड़ों वाली एक वाली एक भुजा थी, उसे एक टेबल से एक छोटे सिलेंडर को पकड़कर दूसर टेबल तक ले जाने का निर्देश दिया गया, लेकिन इसके लिए उसे एक बाधा को पार करना था। पेना ने कहा, एक रोबोट के प्रोग्रामर को प्रत्येक बिंदु पर प्रत्येक जोड़ की गति के बारे में विशिष्ट होना चाहिए, खासकर से तब जब बांधाएं मशीन के लक्ष्य को देखने में रुकावटें पैदा करती हैं।

उन्होंने कहा, एक प्रक्षेपवक्र को सामने की ओर प्रोग्रामिंग करने के बजाय, ब्लाइंड कोरियोग्राफ किए गए विकल्पों को परिष्कृत करने के लिए एक मानव मध्य-प्रक्रिया सम्मिलित करता है, या सर्वोत्तम अनुमान - रोबोट के एल्गोरिथ्म द्वारा सुझाए गए। ब्लाइंड हमें मानव के दिमाग में जानकारी लेने और इस उच्च-डिग्री-आफ-फ्रीडम स्पेस में हमारे प्रक्षेपवक्र की गणना करने की अनुमति देता है।

उन्होंने कहा, हम प्रतिक्रिया के एक विशिष्ट तरीके का उपयोग करते हैं जिसे समालोचना कहा जाता है। मूल रूप से यह प्रतिक्रिया का एक द्विआधारी रूप है जहां मानव को प्रक्षेपवक्र के टुकड़ों पर लेबल दिया जाता है। ये लेबल जुड़े हुए हरे बिंदुओं के रूप में दिखाई देते हैं जो संभावित पथों (रास्तों) का प्रतिनिधित्व करते हैं। जैसे ही ब्लाइंड बिंदु से बिंदु की ओर बढ़ता है, मानव पथ को परिष्कृत करने के लिए प्रत्येक आंदोलन को स्वीकृत या अस्वीकार करता है और बाधाओं को यथासंभव कुशलता से टालता है।

उन्होंने आगे कहा, यह लोगों के लिए उपयोग करने के लिए एक आसान इंटरफेस है, क्योंकि हम कह सकते हैं, मुझे यह पसंद है या मुझे वह पसंद नहीं है, और रोबोट इस जानकारी का उपयोग योजना बनाने के लिए करता है। एक बार जब रोबोट को जब आगे बढऩे की स्वीकृत मिल जाती है तो वह अपना काम आसानी से कर सकता है। पेना ने कहा कि सबसे महत्वपूर्ण बात यह है कि गणितीय सूत्रों के साथ मानवीय प्राथमिकताओं का वर्णन करना कठिन है।

वहीं, कावाराकी ने कहा, हमारा मुख्य काम मानवीय प्रथामिकताओं को शामिल करके इंसान और रोबोट के बीच संबंधों को आसान बनाना है। यह काम आश्चर्यजनक रूप से उदाहरण पेश करता है कि कैसे थोड़ा, लेकिन लक्षित मानव हस्तक्षेप रोबोट की क्षमताओं को जटिल कार्यों को सही तरीके से करने के लिए काफी बढ़ा सकता है। उन्होंने कहा, यह दिखाता है कि मानव-रोबोट बातचीत के तरीके, मेरे सहयोगी प्रोफेसर अनहेलकर के शोध का विषय, और मेरी प्रयोगशाला में वर्षों से अग्रणी स्वचालित योजना कैसे विश्वसनीय समाधान प्रदान करने के लिए मिश्रण कर सकते हैं जो मानवीय प्राथमिकताओं का भी सम्मान करते हैं।