यह सुनिश्चित करना कि रोबोट वास्तविक दुनिया के वातावरण में मनुष्यों के साथ आसानी से सहयोग कर सकें, उनकी बड़े पैमाने पर तैनाती की दिशा में एक महत्वपूर्ण कदम है।जबकि कुछ रोबोटिक सिस्टम पहले से ही मानव एजेंटों के साथ दैनिक रूप से जुड़ रहे हैं, उदाहरण के लिए आंशिक रूप से स्वचालित औद्योगिक और विनिर्माण सुविधाओं में, रोजमर्रा के कार्यों पर मानव-रोबोट सहयोग दुर्लभ बना हुआ है।
कैम्ब्रिज में पाडोवा विश्वविद्यालय और मित्सुबिशी इलेक्ट्रिक रिसर्च लेबोरेटरीज (एमईआरएल) के शोधकर्ताओं ने एक ढांचा विकसित किया है जो मानव-रोबोट सहयोग से जुड़े कार्यों की योजना बनाने में मदद करता है।यह ढाँचा, एक में प्रस्तुत किया गयाकागज़पर पूर्व-प्रकाशितarXivसर्वर, विशेष रूप से उन कार्यों पर ध्यान केंद्रित करता है जिनमें फर्नीचर के टुकड़ों जैसे विभिन्न अंतर्निहित घटकों के साथ जटिल प्रणालियों की सहयोगात्मक असेंबली शामिल होती है।
शोधकर्ताओं ने अपने ढांचे को DECAF कहा, जो फर्नीचर के लिए असतत-घटना आधारित सहयोगात्मक मानव-रोबोट असेंबली फ्रेमवर्क के लिए है।DECAF में विभिन्न अंतर्निहित घटक हैं, जिनमें एक असतत-घटना मार्कोव निर्णय प्रक्रिया (DE-MDP) मॉडल, असेंबली प्रक्रिया का एक HTM विवरण और एक बायेसियन हस्तक्षेप मॉड्यूल शामिल है।
"मानव को एक अनियंत्रित एजेंट के रूप में चित्रित किया गया है, जिसका अर्थ है, उदाहरण के लिए, एजेंट कार्यों के पूर्व-स्थापित अनुक्रम से बंधा नहीं है और इसके बजाय अपनी प्राथमिकताओं के अनुसार कार्य करता है," गिउलिओ जियाकोमुज़ो, माटेओ टेरेरन और उनके सहयोगियों ने अपने में लिखा हैकागज़।"इस बीच,कामयोजनाकार कम से कम समय में संपूर्ण असेंबली कार्य को कुशलतापूर्वक पूरा करने के लिए सहयोगी रोबोट के लिए प्रतिक्रियात्मक रूप से इष्टतम क्रियाओं की गणना करता है।"
नव विकसित ढांचे के साथ, सहयोगात्मक असेंबली प्रक्रिया विभिन्न चरणों में फैली हुई है।सबसे पहले, रोबोट एक कैमरे या अन्य सेंसर के माध्यम से मानव एजेंट द्वारा किए गए कार्यों को देखता है।
इन अवलोकनों के आधार पर, DECAF मॉडल रोबोट के लिए कार्यों की योजना बनाता है जो असेंबली कार्यों को पूरा करने में रोबोट-मानव टीम की दक्षता को अधिकतम करेगा, साथ ही अप्रत्याशित घटनाओं के बाद इन कार्यों को अनुकूलित करेगा।टीम ने गणितीय ढांचे का उपयोग करते हुए फर्नीचर या अन्य वस्तुओं की असेंबली का मॉडल तैयार किया, जिसका उपयोग अक्सर विशिष्ट निर्णय लेने की प्रक्रियाओं को तैयार करने के लिए किया जाता है, जिसे डीई-एमडीपी के रूप में जाना जाता है।
"हम समस्या को डीई-एमडीपी के रूप में औपचारिक रूप देते हैं, एक व्यापक ढांचा जिसमें विभिन्न प्रकार के अतुल्यकालिक व्यवहार, मानव मन में परिवर्तन और स्टोकेस्टिक घटनाओं के रूप में विफलता की वसूली शामिल है," जियाकोमुज़ो, टेरेरान और उनके सहयोगियों ने लिखा।
"हालांकि समस्या को सैद्धांतिक रूप से सभी संभावित कार्यों का एक ग्राफ बनाकर संबोधित किया जा सकता है, ऐसा दृष्टिकोण कम्प्यूटेशनल सीमाओं से बाधित होगा। प्रस्तावित सूत्रीकरण रोबोट के लिए एक इष्टतम नीति प्राप्त करने के लिए सुदृढीकरण सीखने का उपयोग करके एक वैकल्पिक समाधान प्रदान करता है।"
अनिवार्य रूप से, डीई-एमडीपी मॉडल का उपयोग असेंबली कार्य को तोड़ने और इष्टतम कार्यों की पहचान करने के लिए किया जाता है जो रोबोट को मानव एजेंट के साथ मिलकर कुशलतापूर्वक निपटने की अनुमति देगा।DECAF ढांचे का दूसरा घटक, अर्थात् HTM मॉडल, विभिन्न उप-कार्यों के बीच परस्पर निर्भरता को कूटबद्ध करता है, जिससे योजना प्रक्रिया को सुविधाजनक बनाया जा सकता है।
अंत में, टीम ने एक सांख्यिकीय दृष्टिकोण पर आधारित एक मॉड्यूल को एकीकृत किया जिसे बायेसियन हस्तक्षेप के रूप में जाना जाता है, जिसका उपयोग आम तौर पर अधिक जानकारी उपलब्ध होने पर किसी दी गई परिकल्पना के सच होने की संभावना को लगातार अद्यतन करने के लिए किया जाता है।यह मॉड्यूल फ्रेमवर्क को मानव एजेंट के कार्यों की निगरानी करने और मानव एजेंट के इरादों की भविष्यवाणी करने के लिए उनका उपयोग करने की अनुमति देता है।
शोधकर्ताओं ने परीक्षणों की एक श्रृंखला में DECAF का मूल्यांकन किया, और सिमुलेशन और वास्तविक दुनिया की सेटिंग दोनों में चलाया।वास्तविक प्रयोग के लिए, 10 वयस्क प्रतिभागियों को 7-DoF रोबोटिक मैनिपुलेटर (यानी, फ्रेंका एमिका पांडा आर्म) के सहयोग से IKEA से खरीदी गई कुर्सी को इकट्ठा करने के लिए कहा गया था।
टीम द्वारा किए गए प्रारंभिक परीक्षणों के निष्कर्ष अत्यधिक आशाजनक थे।सिमुलेशन में, DECAFरूपरेखामानक नियोजन नीतियों से बेहतर प्रदर्शन करते हुए पाया गया, जबकि वास्तविक दुनिया के प्रयोगों के दौरान यह मानव-रोबोट सहयोग की दक्षता और गुणवत्ता में सुधार करता हुआ दिखाई दिया।
शोधकर्ताओं ने लिखा, "भविष्य में, हम निष्पादन समय से परे अन्य इष्टतम मेट्रिक्स, जैसे मानव सुरक्षा, कार्रवाई सहसंबंध और मानव एर्गोनॉमिक्स को शामिल करने की योजना बना रहे हैं।"
अधिक जानकारी:गिउलिओ जियाकोमुज़ो एट अल, डीईसीएएफ: फर्नीचर असेंबली के लिए एक अलग-घटना आधारित सहयोगात्मक मानव-रोबोट फ्रेमवर्क,arXiv(2024)।डीओआई: 10.48550/arxiv.2408.16125
जर्नल जानकारी: arXiv
© 2024 साइंस एक्स नेटवर्क
उद्धरण:टास्क प्लानिंग फ्रेमवर्क मानव-रोबोट सहयोगी फर्नीचर असेंबली का समर्थन करता है (2024, 17 सितंबर)17 सितंबर 2024 को पुनः प्राप्तhttps://techxplore.com/news/2024-09-task-framework- human-robot-collaborative.html से
यह दस्तावेज कॉपीराइट के अधीन है।निजी अध्ययन या अनुसंधान के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, नहींलिखित अनुमति के बिना भाग को पुन: प्रस्तुत किया जा सकता है।सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।