एक स्मार्टफोन से दूसरे पर स्विच करना आमतौर पर एक सहज प्रक्रिया है। आप अपने खातों और ऐप्स में लॉग इन करते हैं, और प्राथमिकताएँ और संपर्क नए हार्डवेयर पर सिंक हो जाने चाहिए। लेकिन रोबोटिक्स की दुनिया में, पुराने रोबोटिक आर्म को नए मॉडल से बदलने का मतलब अब तक सब कुछ शुरू से सेट करना होता था - अब तक।
इसे ठीक करने के लिए, स्विस इकोल पॉलिटेक्निक फेडेरल डी लॉज़ेन (EPFL) के शोधकर्ताओं की एक टीम ने काइनेमैटिक इंटेलिजेंस नामक एक ढाँचा विकसित किया है, जो रोबोट स्विच करने को स्मार्टफोन स्विच करने जैसा बनाता है। वे अपने सिस्टम का वर्णन हाल ही के Science Robotics पेपर में करते हैं।
वर्षों से, रोबोटिकिस्ट रोबोट को प्रदर्शन से सीखने पर काम कर रहे हैं - कोड की पंक्तियाँ लिखने के बजाय उन्हें दिखाकर नए कौशल सिखाना। विचार यह है कि रोबोट की बाँह को दूर से नियंत्रित या शारीरिक रूप से मार्गदर्शित करके उसे एक कार्य सिखाया जाए जैसे टेबल पोंछना, बक्से रखना, या कार का घटक वेल्ड करना। समस्या यह है कि इनमें से अधिकांश सिखाए गए कौशल उस विशिष्ट रोबोट से बंधे होते हैं जिसके साथ प्रशिक्षण किया गया था।
लेकिन रोबोटिक्स तेज़ी से आगे बढ़ रहा है। "रोबोट के अलग-अलग डिज़ाइन होते हैं, और आजकल नए डिज़ाइन प्रस्तावित किए जा रहे हैं - यह अपनी चुनौतियाँ लाता है," EPFL के रोबोटिकिस्ट और अध्ययन के प्रमुख लेखक Sthithpragya Gupta ने कहा। यदि एक नए रोबोट में थोड़े लंबे लिंक, अलग जॉइंट ओरिएंटेशन, या अधिक जटिल कॉन्फ़िगरेशन है, तो वह सीखा हुआ व्यवहार तुरंत टूट जाता है और नया रोबोट संभवतः फड़फड़ाएगा, जम जाएगा, या दुर्घटनाग्रस्त हो जाएगा यदि वह इसे करने का प्रयास करता है।
"नए डिज़ाइनों के साथ अलग-अलग क्षमताएँ और बाधाएँ आती हैं," EPFL के रोबोटिकिस्ट और अध्ययन के सह-लेखक Durgesh Haribhau Salunkhe ने कहा। "समस्या इन बाधाओं और क्षमताओं के अनुकूल होना है - मनुष्य द्वारा प्रदर्शित क्रियाओं को ईमानदारी से दोहराना।" आज, एक रोबोट बॉडी से दूसरे में छलांग लगाने का मतलब आमतौर पर शुरू से शुरू करना और पूरे सिस्टम को फिर से प्रशिक्षित करना होता है।
जब एक रोबोट किसी कार्य को पूरा करने के लिए अंतरिक्ष में चलता है, तो उसे लगातार गणना करनी होती है कि अपने जॉइंट्स को कैसे मोड़े ताकि उसका एंड-इफ़ेक्टर (हाथ का रोबोटिक समतुल्य) सही पथ पर रहे। रोबोट को एक भौतिक सीमा से टकराने से बचना होता है, या इससे भी बदतर, एक सिंगुलैरिटी से, जो रोबोटिक्स में एक गणितीय खतरा क्षेत्र है: एक भौतिक कॉन्फ़िगरेशन जहाँ रोबोट के जॉइंट इस तरह संरेखित होते हैं कि वह अस्थायी रूप से स्वतंत्रता की एक डिग्री खो देता है। "ऐसी स्थितियों में, रोबोट की गति अस्थिर हो सकती है या [आप] रोबोट का नियंत्रण खो सकते हैं," Gupta ने कहा।
मानवीय शब्दों में, यह मोटे तौर पर कोहनियों को लॉक करने जैसा काम करता है जब वे कुछ भारी धकेलते समय पूरी तरह से सीधी हो जाती हैं, जिससे बाहें एक पल के लिए बगल की गति करने में असमर्थ हो जाती हैं।
एक रोबोट से दूसरे में कौशल स्थानांतरित करना कठिन है क्योंकि अलग-अलग संरचित रोबोटों में आमतौर पर सिंगुलैरिटी की अलग टोपोलॉजी होती है। जब एक रोबोट का एल्गोरिदम आँख बंद करके एक पथ का अनुसरण करता है और एक सिंगुलैरिटी से टकराता है, तो उसके जॉइंट को नियंत्रित करने वाला गणित विफल हो जाएगा। रोबोट अनंत गति पर एक जॉइंट को घुमाने की कोशिश कर सकता है, जिसके परिणामस्वरूप अचानक, असुरक्षित गति हो सकती है। Gupta की टीम ने रोबोटों को उनकी अपनी भौतिक सीमाओं की गहरी, जन्मजात गणितीय जागरूकता देकर इसे हल किया। यह काइनेमैटिक इंटेलिजेंस, जैसा कि वे इसे कहते हैं, एक उपयोगकर्ता को केवल एक बार एक कौशल प्रदर्शित करने देता है, और इसे पूरी तरह से अलग प्रकार के रोबोट द्वारा सुरक्षित रूप से निष्पादित किया जाता है।
और (आश्चर्यजनक रूप से, इन दिनों) काइनेमैटिक इंटेलिजेंस को AI-मुक्त तरीके से बनाया गया था।
परंपरागत रूप से, इंजीनियरों ने सॉफ़्टवेयर फिक्स के माध्यम से सिंगुलैरिटी से निपटा है। उन्होंने उलटे मॉडल बनाए, जटिल गणितीय सूत्र जो रोबोट के एंड-इफ़ेक्टर की लक्ष्य स्थिति से पीछे की ओर काम करते हैं ताकि वहाँ पहुँचने के लिए आवश्यक सभी जॉइंट पोज़िशन का मानचित्रण किया जा सके। फिर, उन्होंने रोबोट को मुसीबत में पड़ने से रोकने के लिए सुरक्षा फ़िल्टर या सुधार लगा दिए।
कुछ नए, डेटा-संचालित AI दृष्टिकोण कम प्रयास और विशेषज्ञता लेते हैं लेकिन प्रशिक्षण चरण के दौरान उपयोग किए जाने वाले प्रत्येक रोबोट तक पहुँच की आवश्यकता होती है। "इसके अलावा, AI की यह संभाव्य या ब्लैक बॉक्स प्रकृति है जिसमें यह कुछ कर सकता है