रोबोट लर्निंग के लिए शोध टीमें अधिक प्राकृतिक ड्यूल-आर्म और हैंड डेटा कैसे एकत्र कर सकती हैं?

कृत्रिम बुद्धिमत्ता प्रणालियाँ अंतःक्रिया से सीखती हैं। किसी रोबोट को उठाना, रखना, जोड़ना, छांटना या औजारों का उपयोग करना सिखाने के लिए, शोधकर्ताओं को ऐसे प्रदर्शन डेटा की आवश्यकता होती है जो न केवल अंतिम परिणाम का वर्णन करे, बल्कि उस परिणाम को उत्पन्न करने वाली गतिविधियों के क्रम को भी दर्शाए।

दो भुजाओं वाले और कुशल संचालन में यह और भी चुनौतीपूर्ण हो जाता है। ऑपरेटर को दोनों भुजाओं का समन्वय करना होता है, जोड़ों की स्थिति को लगातार समायोजित करना होता है, और अक्सर एक ही समय में अलग-अलग उंगलियों को नियंत्रित करना होता है। पारंपरिक नियंत्रक रोबोट को संचालित कर सकते हैं, लेकिन इसके लिए उपयोगकर्ता को स्वाभाविक मानवीय क्रिया को बटन, जॉयस्टिक या अलग-अलग कमांड में बदलना पड़ सकता है। वीडियो घटना को रिकॉर्ड कर सकता है, लेकिन यह सीधे तौर पर जोड़ों के स्तर पर गति का पूरा डेटा प्रदान नहीं करता है।

एक्सोआर्म-7 प्रो पहनने योग्य एक्सोस्केलेटन को मानव भुजाओं की गतिविधियों को सीधे कैप्चर करके और उन्हें रोबोट टेलीऑपरेशन, अनुकरण सीखने, सन्निहित एआई और वीएलए विकास के लिए उच्च-आवृत्ति डेटा में परिवर्तित करके इस कमी को दूर करने के लिए डिज़ाइन किया गया है।

द्विहाथ प्रदर्शन से संबंधित डेटा एकत्र करना कठिन क्यों है?

एकल-हाथ वाले कार्यों में पहले से ही स्थिति, अभिविन्यास, समय और संपर्क शामिल होते हैं। दो हाथों के साथ, डेटा-संग्रह की समस्या अधिक जटिल हो जाती है क्योंकि कार्य के दौरान दोनों पक्षों का समन्वय बनाए रखना आवश्यक होता है।

कुछ सामान्य उदाहरणों पर विचार करें:

• एक हाथ से डिब्बा पकड़े हुए दूसरे हाथ से उसे खोल रही हूँ।
• दो भुजाएँ मिलकर किसी बड़ी वस्तु को उठाती हैं या उसकी स्थिति बदलती हैं।
• एक हाथ किसी पुर्जे को स्थिर रखता है जबकि दूसरा हाथ किसी उपकरण का उपयोग करता है।
• एक वस्तु को एक हाथ से दूसरे हाथ में स्थानांतरित किया जाता है।
• दोनों हाथों से किसी लचीली वस्तु को व्यवस्थित करना या मोड़ना

इन प्रदर्शनों के उपयोगी होने के लिए, सिस्टम को जोड़ों में होने वाले सूक्ष्म परिवर्तनों को कम विलंब के साथ पकड़ने में सक्षम होना चाहिए। साथ ही, यह इतना आरामदायक होना चाहिए कि ऑपरेटर किसी कार्य को कई बार दोहरा सकें और पहनने योग्य उपकरण उनकी स्वाभाविक गति को महत्वपूर्ण रूप से प्रभावित न करे।

एक्सोआर्म-7 प्रो मानव हाथ की गति को कैसे कैप्चर करता है?

एक्सोआर्म-7 प्रो में 14DOF वाला ड्यूल-आर्म कॉन्फ़िगरेशन है, जिसमें प्रत्येक भुजा पर सात निष्क्रिय जोड़ होते हैं। ऑपरेटर के हिलने-डुलने पर, पहनने योग्य संरचना गति का अनुसरण करती है और संबंधित जोड़ों की स्थिति को रिकॉर्ड करती है।

प्रत्येक जोड़ में कंपनी द्वारा विकसित एक एनकोडर मॉड्यूल का उपयोग किया जाता है, जबकि 14-बिट संयुक्त डेटा सटीक स्थिति संबंधी प्रतिक्रिया प्रदान करता है। इससे सिस्टम केवल व्यापक गतियों को रिकॉर्ड करने के बजाय छोटे कोणीय परिवर्तनों का पता लगाने में सक्षम हो जाता है।

टेलीऑपरेशन वर्कफ़्लो के लिए, कैप्चर की गई स्थितियों को रोबोटिक आर्म पर मैप किया जा सकता है ताकि रोबोट ऑपरेटर की गतिविधियों का अनुसरण कर सके। लर्निंग वर्कफ़्लो के लिए, यही गति संबंधी जानकारी एक संरचित मानव-प्रदर्शन डेटासेट का हिस्सा बन सकती है।

क्या यह वास्तविक समय में टेलीऑपरेशन के लिए पर्याप्त तेजी से प्रतिक्रिया दे सकता है?

किसी वस्तु के साथ परस्पर क्रिया करते समय ऑपरेटर को रोबोट की गति को ठीक करने की आवश्यकता होने पर प्रतिक्रियाशीलता अत्यंत आवश्यक है। यदि डेटा बहुत धीमी गति से प्राप्त होता है, तो रोबोट ऑपरेटर से जुड़ाव महसूस नहीं कर सकता है और सूक्ष्म नियंत्रण करना कठिन हो जाता है।

ExoArm-7 Pro 1000 हर्ट्ज़ तक की सैंपलिंग दर और मिलीसेकंड स्तर के कम विलंबता नियंत्रण का समर्थन करता है। यह उच्च-आवृत्ति डेटा स्ट्रीम भुजा की स्थिति में तीव्र परिवर्तनों को संरक्षित करने में मदद करता है और मानव-से-रोबोट गति मानचित्रण को अधिक प्रतिक्रियाशील बनाता है।

डुअल-आईएमयू सेंसिंग जॉइंट एनकोडर्स के अलावा गति और दिशा संबंधी अतिरिक्त जानकारी प्रदान करती है। मानक प्रणाली में एक बैक-माउंटेड आईएमयू और एक बाहरी आईएमयू शामिल हैं, जो ऑपरेटर की गति और दिशा को समझने के लिए अतिरिक्त डेटा प्रदान करते हैं।

क्या पहनने योग्य बाह्य कंकाल ऑपरेटर को प्रतिबंधित करेगा?

मोशन-कैप्चर सिस्टम को उपयोगकर्ता का अनुसरण करना चाहिए, लेकिन उसे कार्य का केंद्र बिंदु नहीं बनना चाहिए। यदि यह बहुत भारी या असुविधाजनक है, तो ऑपरेटर बार-बार प्रदर्शन के दौरान अपनी मुद्रा बदल सकता है, गतिविधियों को छोटा कर सकता है या कम सुसंगत हो सकता है।

एक्सोआर्म-7 प्रो का वजन 2.6 किलोग्राम है और यह हल्के एर्गोनोमिक संरचना का उपयोग करता है। प्रत्येक एनकोडर जॉइंट मॉड्यूल का वजन 70 ग्राम से कम है, जबकि यह 10 N·m तक का भार वहन कर सकता है। समायोज्य यांत्रिक सीमाएं जॉइंट मॉड्यूल को पहनने योग्य संरचना और परिचालन आवश्यकताओं के अनुसार कॉन्फ़िगर करने की अनुमति देती हैं।

यह डिजाइन प्रयोगशालाओं, अनुसंधान केंद्रों और रोबोटिक्स विकास वातावरणों में बार-बार डेटा-संग्रह सत्रों के लिए सिस्टम को अधिक व्यावहारिक बनाता है।

यदि कार्य में उंगलियों के स्तर पर हेरफेर की आवश्यकता हो तो क्या होगा?

भुजाओं की गति किसी रोबोट को वस्तु की ओर निर्देशित कर सकती है, लेकिन यह वर्णन नहीं करती कि उंगलियां किस प्रकार पकड़ बनाती हैं या किसी उपकरण का उपयोग करती हैं। इसलिए, निपुण हाथों से जुड़े कार्यों के लिए गति डेटा की एक अतिरिक्त परत की आवश्यकता होती है।

ExoArm-7 Pro को वैकल्पिक ExoGlove Pro टेलीऑपरेशन डेटा ग्लव्स के साथ जोड़ा जा सकता है। ये ग्लव्स हाथ की पूरी 25DOF स्थिति को पुनर्निर्मित करने के लिए पांच VetraSense सेंसर का उपयोग करते हैं, जिससे आवश्यक सेंसरों की संख्या कम हो जाती है और उंगलियों की गति की विस्तृत जानकारी सुरक्षित रहती है।

प्रत्येक उंगली की नोक 6DOF ट्रैकिंग को सपोर्ट करती है, जिससे सिस्टम स्थिति और दिशा दोनों को रिकॉर्ड कर सकता है। समायोज्य कंपन प्रतिक्रिया का उपयोग टेलीऑपरेशन के दौरान ऑपरेटर को इंटरैक्शन संकेत प्रदान करने के लिए भी किया जा सकता है।

ExoGlove Pro 180 हर्ट्ज़ तक की दर से डेटा आउटपुट करता है और 10 मिलीसेकंड से कम की वायर्ड लेटेंसी को सपोर्ट करता है। इसका SDK और मोशन-रीटारगेटिंग एल्गोरिदम मानव हाथ की मुद्राओं को कई कुशल-हाथ और रोबोटिक प्लेटफार्मों में रूपांतरित करने में मदद करते हैं।

ये दस्ताने विशेष रूप से निम्नलिखित डेटासेट के लिए प्रासंगिक हैं:

• सटीक पकड़
• उपकरण संचालन
• घटक संयोजन
• वस्तु का घूर्णन और पुनर्रचना
• लचीली वस्तुओं का हेरफेर
• हाथ, कलाई और उंगलियों की समन्वित गति

एक्सोग्लोव प्रो अलग से बेचा जाता है और यह मानक एक्सोआर्म-7 प्रो पैकेज में शामिल नहीं है। जिन टीमों को केवल हाथ से संबंधित डेटा की आवश्यकता होती है, वे मानक सिस्टम का उपयोग कर सकती हैं, जबकि निपुणता से काम करने वाले प्रोजेक्ट में इन ग्लव्स को अतिरिक्त सुविधा के रूप में जोड़ा जा सकता है।

यह सिस्टम मौजूदा रोबोट प्लेटफॉर्म में कैसे फिट हो सकता है?

रोबोट-लर्निंग टीमें शायद ही कभी एक जैसे हार्डवेयर और सॉफ्टवेयर स्टैक का उपयोग करती हैं। एक प्रयोगशाला रिसर्च आर्म के साथ काम कर सकती है, दूसरी मोबाइल ड्यूल-आर्म रोबोट के साथ, और तीसरी विशेष रूप से डिज़ाइन किए गए निपुण हाथ के साथ।

ExoArm-7 Pro में एक आधिकारिक SDK और मुफ्त इंटीग्रेशन सपोर्ट शामिल है, जो डेवलपर्स को कैप्चर किए गए डेटा को अपने प्लेटफॉर्म से जोड़ने में मदद करता है। इसका विज़ुअल सॉफ़्टवेयर इंटरफ़ेस Windows, macOS और Linux को सपोर्ट करता है।

कस्टम कंट्रोल हैंडल और एक वैकल्पिक ग्लव एडॉप्टर विभिन्न संचालन विधियों के लिए अतिरिक्त लचीलापन प्रदान करते हैं। हाथ से किए जाने वाले अनुप्रयोगों के लिए, मल्टी-प्लेटफ़ॉर्म SDK समर्थन और मोशन-रीटारगेटिंग एल्गोरिदम मानव गति डेटा को विभिन्न संयुक्त संरचनाओं वाले रोबोटों के अनुकूल बनाने में मदद करते हैं।

इसका मतलब यह है कि टीमें एक्सोआर्म-7 प्रो को एक रोबोट से जुड़े एक बंद सिस्टम के बजाय एक व्यापक टेलीऑपरेशन और डेटा पाइपलाइन के हिस्से के रूप में मान सकती हैं।

एकत्रित आंकड़ों का उपयोग कहाँ किया जा सकता है?

यही वियरेबल वर्कफ़्लो रोबोटिक्स विकास के कई चरणों को सपोर्ट कर सकता है।

वास्तविक समय रोबोट टेलीऑपरेशन

एक ऑपरेटर ऊपरी अंगों की स्वाभाविक गति के माध्यम से दोहरी रोबोटिक भुजाओं को नियंत्रित कर सकता है, जिससे प्रत्येक जोड़ के लिए अलग-अलग जॉयस्टिक कमांड पर निर्भरता कम हो जाती है।

मानव प्रदर्शन संग्रह

शोधकर्ता यह रिकॉर्ड कर सकते हैं कि कोई व्यक्ति किसी कार्य को कैसे करता है, जिसमें दोनों हाथों के बीच समय और समन्वय शामिल है।

अनुकरण अधिगम

बार-बार किए गए प्रदर्शनों को डेटासेट में व्यवस्थित किया जा सकता है जो रोबोट को मानव उदाहरणों से हेरफेर नीतियों को सीखने में मदद करते हैं।

वीएलए डेटासेट विकास

हाथ और वैकल्पिक रूप से हाथ की गति से संबंधित डेटा को अन्य सेंसर इनपुट और कार्य निर्देशों के साथ मिलाकर विजन-लैंग्वेज-एक्शन अनुसंधान पाइपलाइन के हिस्से के रूप में उपयोग किया जा सकता है।

रोबोटिक्स शिक्षा

विश्वविद्यालय और प्रयोगशालाएं इस प्रणाली का उपयोग एक ही विकास मंच के भीतर मोशन रिटारगेटिंग, मानव-रोबोट इंटरैक्शन, टेलीऑपरेशन और अंतर्निहित बुद्धिमत्ता का अध्ययन करने के लिए कर सकते हैं।

सही कॉन्फ़िगरेशन का चयन करना

मानक ExoArm-7 Pro पैकेज में पहनने योग्य एक्सोस्केलेटन, पीठ पर लगा IMU सेंसर और एक बाहरी IMU सेंसर शामिल हैं। यह कॉन्फ़िगरेशन उन टीमों के लिए उपयुक्त है जो दोहरी भुजाओं से गति कैप्चर, रोबोट-आर्म टेलीऑपरेशन और ऊपरी अंगों के प्रदर्शन डेटा पर ध्यान केंद्रित करती हैं।

जिन परियोजनाओं में उंगलियों की गति और पकड़ की विस्तृत जानकारी की आवश्यकता होती है, उनमें वैकल्पिक एक्सोग्लोव प्रो पैकेज जोड़ा जा सकता है, जिसमें दो मोशन-कैप्चर दस्ताने, एक वायरलेस रिसीवर और बैटरी मॉड्यूल, और दो यूएसबी-सी डेटा केबल शामिल हैं।

इन दोनों कॉन्फ़िगरेशन में से किसी एक को चुनना आवश्यक क्रिया रिज़ॉल्यूशन पर निर्भर करता है। हाथ से संबंधित कार्यों के लिए दस्ताने के डेटा की आवश्यकता नहीं हो सकती है, जबकि निपुणता से किए गए कार्यों और हाथ से हाथ तक की पूरी गतिविधियों के प्रदर्शन के लिए दोनों स्तरों को एक साथ कैप्चर करना फायदेमंद होता है।

स्वाभाविक मानवीय क्रियाओं को संरचित प्रशिक्षण डेटा में परिवर्तित करना

कृत्रिम बुद्धिमत्ता में केंद्रीय चुनौती केवल अधिक डेटा एकत्र करना नहीं है। बल्कि यह ऐसा डेटा एकत्र करना है जो सटीक रूप से यह दर्शाता हो कि लोग उपयोगी शारीरिक कार्यों को कैसे करते हैं।

14DOF डुअल-आर्म ट्रैकिंग, हाई-रिज़ॉल्यूशन एनकोडर फीडबैक, 1000 हर्ट्ज़ तक की सैंपलिंग दर, डुअल-IMU सेंसिंग और वैकल्पिक 25DOF हैंड-पोज़ कैप्चर को मिलाकर, ExoArm-7 Pro प्राकृतिक मानव गति से संरचित टेलीऑपरेशन और रोबोट-लर्निंग डेटा तक एक व्यावहारिक मार्ग प्रदान करता है।

दोहरी भुजा वाले रोबोट, कुशल मैनिपुलेटर, अनुकरण-शिक्षण प्रणाली या वीएलए मॉडल बनाने वाली टीमों के लिए, यह पहनने योग्य दृष्टिकोण ऑपरेटरों के लिए प्रदर्शनों को अधिक सहज और उनसे सीखने वाली मशीनों के लिए अधिक जानकारीपूर्ण बना सकता है।