ক্ষতি থেকে বেঁচে থাকতে শেখা
বাস্তব-বিশ্বের পরিবেশে স্থাপিত রোবোটগুলির একটি স্থায়ী সীমাবদ্ধতা হল তাদের ভঙ্গুরতা। একটি ব্যর্থ অ্যাকচুয়েটর, ক্ষতিগ্রস্ত অঙ্গ বা ভাঙা সেন্সর অন্যথায় কার্যকর মেশিনকে সম্পূর্ণভাবে নিষ্ক্রিয় করে দিতে পারে। নিয়ন্ত্রিত কারখানার সেটিংসে রোবোটগুলিকে দক্ষ করে তোলে কঠোর, উদ্দেশ্য-নির্মিত ডিজাইনগুলি অনুসন্ধান-উদ্ধার কাজকর্ম, সামরিক স্থাপনা বা গ্রহীয় অন্বেষণের অপূর্বতার মুখোমুখি হলে দায়বদ্ধতা হয়ে ওঠে। একটি শীর্ষস্থানীয় রোবোটিক্স প্রতিষ্ঠান থেকে একটি নতুন অধ্যয়ন একটি সম্ভাব্য সমাধান প্রদর্শন করেছে: রোবোটগুলি, যার ভৌত রূপ এবং নিয়ন্ত্রণ সফ্টওয়্যার কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে সহ-বিকশিত হয়েছে, ফলস্বরূপ ডিজাইনগুলি সম্পূর্ণভাবে অক্ষম করা প্রায় অসম্ভব।
Science Robotics-এ প্রকাশিত এই কাজটি বিবর্তনীয় অ্যালগরিদমের একটি রূপান্তর ব্যবহার করে — প্রাকৃতিক নির্বাচন দ্বারা অনুপ্রাণিত গণনামূলক প্রক্রিয়া — রোবোটের ভৌত মরফোলজি এবং এটিকে নিয়ন্ত্রণ করে এমন নিউরাল নেটওয়ার্ক উভয়কে একসাথে অপ্টিমাইজ করতে। ফলাফল শুধুমাত্র ক্ষতি সহ্য করে এমন একটি মেশিন নয়; এটি স্থল থেকে ডিজাইন করা হয়েছে এই অনুমানের সাথে যে ক্ষতি ঘটবে। গবেষকরা যখন অঙ্গ অপসারণ করেছেন, নিউম্যাটিক অ্যাকচুয়েটরগুলিতে ছিদ্র করেছেন এবং সেন্সরগুলি অক্ষম করেছেন, রোবোটটি চলাচল অব্যাহত রাখে এবং নেভিগেশন কাজগুলি সম্পূর্ণ করে, একটি সাফল্যের হার যা প্রচলিত ডিজাইন করা সমতুল্যগুলিকে ব্যাপকভাবে অতিক্রম করে।
বিবর্তনীয় ডিজাইন কীভাবে কাজ করে
প্রক্রিয়াটি এলোমেলোভাবে উত্পন্ন রোবোট ডিজাইনের জনসংখ্যা দিয়ে শুরু হয় — ভার্চুয়াল বডি বিভিন্ন সংখ্যক অঙ্গ, জয়েন্ট কনফিগারেশন, উপকরণ বৈশিষ্ট্য এবং সেন্সর প্লেসমেন্ট সহ — প্রতিটি এলোমেলোভাবে শুরু করা নিয়ন্ত্রণ নেটওয়ার্কের সাথে যুক্ত। এই ভার্চুয়াল রোবোটগুলি একটি সিমুলেট করা শারীরিক পরিবেশে প্রকাশ করা হয় এবং একটি কাজ সম্পূর্ণ করার ক্ষমতায় মূল্যায়ন করা হয়: একটি বাধা কোর্স নেভিগেট করা, একটি পেলোড বহন করা বা একটি আঘাত গ্রহণের পরে সামনের দিকে গতি বজায় রাখা।
সর্বোত্তম পারফরম্যান্স ডিজাইনগুলি নির্বাচন করা হয়, পুনরায় সংমিশ্রণ করা হয় এবং পরবর্তী প্রজন্মতৈরি করার জন্য পরিবর্তিত করা হয় — যেভাবে প্রাকৃতিক নির্বাচন বৈশিষ্ট্যগুলি প্রসারিত করে যা বেঁচে থাকার সুবিধা প্রদান করে। হাজার হাজার সিমুলেট করা প্রজন্মে, এই প্রক্রিয়াটি মানব প্রকৌশলীদের জন্য সত্যিই অবাক করা ডিজাইনে রূপান্তরিত হয়: অসমান শরীরের পরিকল্পনা, রিডানডেন্ট অ্যাকচুয়েটর ব্যবস্থা যা একটি অঙ্গ অপসারণ করার পরে অপরিহার্য মনে হয়, এবং নিয়ন্ত্রণ নেটওয়ার্ক যা বাস্তব সময়ে ব্যর্থ উপাদানের চারপাশে মোটর কমান্ডগুলি রুট করতে শিখেছে।
নতুন অধ্যয়নটিকে স্বতন্ত্র করে তোলে বিবর্তনীয় প্রক্রিয়ার সময় ক্ষতির পরিস্থিতির স্পষ্ট অন্তর্ভুক্তি। সম্পূর্ণ অক্ষত অবস্থার জন্য কর্মক্ষমতা অপ্টিমাইজ করার পরিবর্তে, গবেষকরা সিমুলেশনের সময় পর্যায়ক্রমিক ক্ষতির ইভেন্ট চালু করেছেন — অঙ্গ অপসারণ, সেন্সর হ্রাস, অ্যাকচুয়েটর বিপরীত — এবং মূল্যায়ন করেছেন যে রোবোটগুলি স্বাভাবিক এবং ক্ষতিগ্রস্ত উভয় অবস্থায় কতভাল কর্মক্ষমতা বজায় রাখে। এই দ্বৈত অপ্টিমাইজেশন চাপ শুধুমাত্র পারফরম্যান্স বিবর্তনের চেয়ে গুণগতভাবে ভিন্ন রোবোট শ্রেণী তৈরি করেছে।
শারীরিক রোবোট
সর্বোত্তম-বিবর্তিত ডিজাইনগুলি নরম রোবটিক্স কৌশল ব্যবহার করে তৈরি করা হয়েছিল — নমনীয় পলিমার কাঠামো, আকৃতি-স্মৃতি মিশ্রধাতু এবং নিউমেটিক চেম্বারের সংমিশ্রণ যা কঠোর রোবোটগুলি যেভাবে বিকৃত হতে এবং পুনরুদ্ধার করতে পারে। রোবোটের শরীরের একটি অংশ অপসারণ করা হলে, অবশিষ্ট কাঠামো যান্ত্রিক লোডগুলিকে অবশিষ্ট উপাদানগুলির মধ্যে পুনর্বন্টন করে এমনভাবে যা কঠোর ধাতব চ্যাসিসের জন্য অসম্ভব। একটি এমবেডেড প্রসেসরে চলমান নিয়ন্ত্রণ নেটওয়ার্ক ক্রমাগত সমস্ত শরীর জুড়ে অনুভূত বল এবং অবস্থানগুলি পর্যবেক্ষণ করে এবং মোটর কমান্ডগুলি সামঞ্জস্য করে যতক্ষণ না কাঠামো অবশিষ্ট থাকে।
শারীরিক পরীক্ষায়, গবেষকরা রোবোটের মোট শরীরের ভর 40% পর্যন্ত অপসারণ করেছেন — অঙ্গ কেটে, অ্যাকচুয়েটেড সেগমেন্ট অপসারণ করে, এয়ার চেম্বারে ছিদ্র করে — এবং লক্ষ্য করেছেন যে মেশিনটি চলাচল এবং নেভিগেট অব্যাহত রাখে। এর চাল মূলভাবে পরিবর্তিত হয়েছিল, কখনও কখনও চলার ধরণ থেকে ক্রলিং বা রোলিং গতিতে স্থানান্তরিত হয়, কিন্তু এটি থামেনি। আচরণটি লিপ্ত ছিল না; এটি প্রশিক্ষিত নিউরাল নেটওয়ার্কের নতুন শরীরের কনফিগারেশনগুলিতে সাধারণীকরণ করার ক্ষমতা থেকে উদ্ভূত হয়েছিল।
উচ্চ-ঝুঁকির পরিবেশে প্রয়োগ
বাস্তব-বিশ্বের স্থাপনার জন্য প্রভাবগুলি উল্লেখযোগ্য। অনুসন্ধান-উদ্ধার রোবোটগুলি ধসে পড়া বিল্ডিং পরিবেশে কাজ করে নিয়মিত ধ্বংসাবশেষ প্রভাব, ধারালো প্রান্ত এবং যান্ত্রিক চাপের সম্মুখীন হয় যা প্রচলিত প্ল্যাটফর্মগুলি ক্ষতিগ্রস্ত করে। যুদ্ধ অঞ্চলে মোতায়েন করা সামরিক রোবোটগুলি আরও চরম ক্ষতির পরিস্থিতির সম্মুখীন হয়। গ্রহীয় অন্বেষণ যানবাহনগুলি মাসের পর মাস বা বছরের পর বছর রক্ষণাবেক্ষণ বা মেরামতের সম্ভাবনা ছাড়াই কর্মক্ষমতা বজায় রাখতে হবে।
রোবোট স্থিতিস্থাপকতার জন্য বর্তমান পদ্ধতিগুলি সাধারণত রিডানডেন্ট যান্ত্রিক উপাদানগুলি জড়িত করে — ওজন, খরচ এবং জটিলতা যোগ করে — বা মডুলার ডিজাইনগুলি যা ক্ষতির পরে স্বয়ং-পুনর্গঠন করতে পারে, যার জন্য পরিশীলিত ডকিং প্রক্রিয়া প্রয়োজন এবং ব্যর্থতার পয়েন্ট যোগ করে। বিবর্তিত পদ্ধতিটি এই ট্রেড-অফগুলি এড়িয়ে যায় যান্ত্রিক রিডানডেন্সি স্তরের পরিবর্তে মৌলিক ডিজাইনে স্থিতিস্থাপকতা তৈরি করে।
মর্ফোলজিক্যাল বুদ্ধিমত্তার দিকে
গবেষণা রোবটিক্সে একটি বিস্তৃত দার্শনিক পরিবর্তনকে এগিয়ে নিয়ে যায় যাকে মর্ফোলজিক্যাল গণনা বলা হয় — ধারণা যে বুদ্ধিমত্তা শুধুমাত্র নিয়ন্ত্রণ ব্যবস্থার একটি সম্পত্তি নয় বরং রোবটের ভৌত ফর্ম জুড়ে বিতরণ করা হয়। একটি শরীরের আকৃতি যা স্বাভাবিকভাবে বাহিনীকে পুনর্নির্দেশিত করে, প্রভাবগুলি শোষণ করে এবং চাপের অধীনে কাঠামোগত অখণ্ডতা বজায় রাখে, যে গণনামূলক কাজ অন্যথায় মস্তিষ্ককে পরিচালনা করতে হবে। বিবর্তিত রোবোটগুলি কেবল ভালভাবে নিয়ন্ত্রিত নয়; তারা তাদের মুখোমুখি সমস্যাগুলির জন্য ভালভাবে আকৃতির।
ভবিষ্যতের কাজ আরও জটিল কাজ এবং বৃহত্তর শরীর পরিকল্পনার জন্য বিবর্তিত পদ্ধতিটি প্রসারিত করার উপর ফোকাস করবে, সেইসাথে তদন্ত করবে যে রোবোটগুলি একটি স্থাপনার সময় ক্ষতি সংগৃহীত হয় বাস্তব সময়ে অভিযোজন করতে পারে কিনা — শুধুমাত্র বিবর্তনের সময় প্রত্যাশিত ক্ষতিতে পরিত্রাণ পায় না, বরং বাস্তব সময়ে নতুন ক্ষতিপূরণমূলক কৌশল আবিষ্কার করে। ক্রমবর্ধমান সক্ষম অনবোর্ড এআই-এর সাথে একত্রিত হয়ে, রোবোটগুলির সম্ভাবনা যা সত্যিই বন্ধ করা কঠিন তা কঠিন পরিবেশে স্বায়ত্তশাসিত মেশিনগুলির ব্যবহারিক উপযোগিতার জন্য একটি অর্থবহ অগ্রগতি প্রতিনিধিত্ব করে।
এই নিবন্ধটি New Atlas রিপোর্টিংয়ের উপর ভিত্তি করে। মূল নিবন্ধ পড়ুন।
