कलाबाजी के करतब दिखाने वाले रोबोट एक बेहतरीन मार्केटिंग ट्रिक हो सकते हैं, लेकिन आम तौर पर ये डिस्प्ले अत्यधिक कोरियोग्राफ और श्रमसाध्य तरीके से प्रोग्राम किए जाते हैं। अब शोधकर्ताओं ने वास्तविक दुनिया की परिस्थितियों में जटिल, पहले से अनदेखे बाधा पाठ्यक्रमों से निपटने के लिए चार पैरों वाले एआई रोबोट को प्रशिक्षित किया है।
वास्तविक दुनिया की अंतर्निहित जटिलता, रोबोट इसके बारे में सीमित मात्रा में डेटा एकत्र कर सकते हैं और गतिशील गतिविधियों को करने के लिए जिस गति से निर्णय लेने की आवश्यकता होती है, उसके कारण फुर्तीले रोबोट बनाना चुनौतीपूर्ण है।
बोस्टन डायनेमिक्स जैसी कंपनियां नियमित रूप से अपने रोबोटों के सब कुछ करते हुए वीडियो जारी करती रहती हैं parkour सेवा मेरे नृत्य दिनचर्या. लेकिन ये करतब जितने प्रभावशाली हैं, उनमें आम तौर पर इंसानों को हर कदम पर कड़ी मेहनत से प्रोग्रामिंग करना या बार-बार उसी उच्च नियंत्रित वातावरण पर प्रशिक्षण देना शामिल होता है।
यह प्रक्रिया कौशल को वास्तविक दुनिया में स्थानांतरित करने की क्षमता को गंभीर रूप से सीमित कर देती है। लेकिन अब, स्विट्जरलैंड में ईटीएच ज्यूरिख के शोधकर्ताओं ने अपने रोबोट कुत्ते एनीमल को बुनियादी लोकोमोटिव कौशल का एक सेट सिखाने के लिए मशीन लर्निंग का उपयोग किया है, जिसे वह घर के अंदर और बाहर, तेज गति से चुनौतीपूर्ण बाधा पाठ्यक्रमों की एक विस्तृत विविधता से निपटने के लिए एक साथ जोड़ सकता है। प्रति घंटे 4.5 मील तक.
"प्रस्तावित दृष्टिकोण रोबोट को अभूतपूर्व चपलता के साथ आगे बढ़ने की अनुमति देता है," शोध पर एक नए पेपर के लेखकों ने लिखा है विज्ञान रोबोटिक. "यह अब जटिल दृश्यों में विकसित हो सकता है जहां इसे अपने लक्ष्य स्थान की ओर एक गैर-तुच्छ पथ का चयन करते हुए बड़ी बाधाओं पर चढ़ना और कूदना होगा।"
[एम्बेडेड सामग्री]
एक लचीली लेकिन सक्षम प्रणाली बनाने के लिए, शोधकर्ताओं ने समस्या को तीन भागों में विभाजित किया और प्रत्येक को एक तंत्रिका नेटवर्क सौंपा। सबसे पहले, उन्होंने एक धारणा मॉड्यूल बनाया जो कैमरों और लिडार से इनपुट लेता है और उनका उपयोग इलाके और उसमें आने वाली किसी भी बाधा की तस्वीर बनाने के लिए करता है।
उन्होंने इसे एक लोकोमोशन मॉड्यूल के साथ जोड़ा, जिसने कूदने, ऊपर चढ़ने, नीचे चढ़ने और झुकने सहित विभिन्न प्रकार की बाधाओं को पार करने में मदद करने के लिए डिज़ाइन किए गए कौशल की एक सूची सीखी थी। अंत में, उन्होंने इन मॉड्यूलों को एक नेविगेशन मॉड्यूल के साथ विलय कर दिया जो बाधाओं की एक श्रृंखला के माध्यम से एक पाठ्यक्रम को चार्ट कर सकता है और यह तय कर सकता है कि उन्हें दूर करने के लिए कौन से कौशल का उपयोग करना है।
पेपर के लेखकों में से एक, एनवीडिया में इंजीनियर और ईटीएच ज्यूरिख में पीएचडी छात्र निकिता रुडिन ने कहा, "हम अधिकांश रोबोटों के मानक सॉफ्टवेयर को तंत्रिका नेटवर्क से बदल देते हैं।" बोला था न्यू साइंटिस्ट. "यह रोबोट को ऐसे व्यवहार प्राप्त करने की अनुमति देता है जो अन्यथा संभव नहीं थे।"
शोध के सबसे प्रभावशाली पहलुओं में से एक यह तथ्य है कि रोबोट को सिमुलेशन में प्रशिक्षित किया गया था। रोबोटिक्स में एक बड़ी बाधा रोबोटों के लिए सीखने के लिए पर्याप्त वास्तविक दुनिया डेटा एकत्र करना है। सिमुलेशन कर सकते हैं अधिक तेज़ी से डेटा एकत्र करने में सहायता करें कई आभासी रोबोटों को समानांतर में परीक्षणों के माध्यम से और भौतिक रोबोटों की तुलना में कहीं अधिक गति से रखकर।
लेकिन सरल आभासी दुनिया और अत्यधिक जटिल भौतिक दुनिया के बीच अपरिहार्य अंतर के कारण सिमुलेशन में सीखे गए कौशल का वास्तविक दुनिया में अनुवाद करना मुश्किल है। एक ऐसी रोबोटिक प्रणाली का प्रशिक्षण जो घर के अंदर और बाहर दोनों जगह अदृश्य वातावरण में स्वायत्त रूप से काम कर सके, एक बड़ी उपलब्धि है।
प्रशिक्षण प्रक्रिया मानवीय प्रदर्शनों के बजाय पूरी तरह से सुदृढीकरण सीखने-प्रभावी रूप से परीक्षण और त्रुटि-पर निर्भर करती थी, जिससे शोधकर्ताओं को प्रत्येक को मैन्युअल रूप से लेबल करने के बजाय बहुत बड़ी संख्या में यादृच्छिक परिदृश्यों पर एआई मॉडल को प्रशिक्षित करने की अनुमति मिलती थी।
एक और प्रभावशाली विशेषता यह है कि सब कुछ बाहरी कंप्यूटर पर निर्भर होने के बजाय रोबोट में स्थापित चिप्स पर चलता है। और विभिन्न प्रकार के विभिन्न परिदृश्यों से निपटने में सक्षम होने के साथ-साथ, शोधकर्ताओं ने दिखाया कि कोई भी व्यक्ति गिरने या फिसलने से उबरकर बाधा कोर्स पूरा कर सकता है।
शोधकर्ताओं का कहना है कि सिस्टम की गति और अनुकूलन क्षमता से पता चलता है कि इस तरह से प्रशिक्षित रोबोट एक दिन मलबे और ढही हुई इमारतों जैसे अप्रत्याशित, नेविगेट करने में कठिन वातावरण में खोज और बचाव मिशन के लिए इस्तेमाल किए जा सकते हैं।
हालाँकि इस दृष्टिकोण की सीमाएँ हैं। सिस्टम को विशिष्ट प्रकार की बाधाओं से निपटने के लिए प्रशिक्षित किया गया था, भले ही वे आकार और विन्यास में भिन्न हों। इसे अधिक असंरचित वातावरण में काम करने के लिए कौशल के व्यापक पैलेट को विकसित करने के लिए अधिक विविध परिदृश्यों में अधिक प्रशिक्षण की आवश्यकता होगी। और वह प्रशिक्षण जटिल और समय लेने वाला दोनों है।
लेकिन फिर भी शोध इस बात का संकेत है रोबोट तेजी से सक्षम होते जा रहे हैं जटिल, वास्तविक दुनिया के वातावरण में काम करना। इससे पता चलता है कि वे जल्द ही हमारे चारों ओर अधिक दृश्यमान उपस्थिति हो सकते हैं।
छवि क्रेडिट: ETH ज्यूरिख
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/