ரோபோட் தோல்வியின் வேறு ஒரு வகை
சுய இயக்க மொபைல் ரோபோட்டுகள் பெரும்பாலும் வழிசெலுத்தல் துல்லியம், உணர்தல் தரம், மற்றும் இயந்திர நம்பகத்தன்மை ஆகியவற்றின் அடிப்படையில் விவாதிக்கப்படுகின்றன. மூல உரை வேறொரு பிரச்சினையை சுட்டிக்காட்டுகிறது: பல தனித்தனியாக நிலைத்திருக்கும் துணை-அமைப்புகள் மாறும், கணிக்க முடியாத சூழல்களில் செயல்பட கட்டாயப்படுத்தப்படும்போது உருவாகும் கணிப்பொறி நிலையற்ற தன்மை. களஞ்சியங்கள், மருத்துவமனைகள், மற்றும் ஷாப்பிங் மையங்களில், சவால் எப்போதும் ரோபோட் நகர முடியாதது அல்ல. மென்பொருள் அடுக்கு அதிக சுமை அடையலாம், முடிவெடுக்க முடியாமல் போகலாம், அல்லது உள்புறமாக முரண்பாடாக மாறலாம் என்பதுதான் பிரச்சினை.
மூலத்தில் விவரிக்கப்பட்ட முன்மொழிவு ஆராய்ச்சியாளர் Zhengis Tileubay அவர்களிடமிருந்து வருகிறது. அவர்கள் வாதிடுவது, சுய இயக்க மொபைல் ரோபோட் செயல்பாடுகளுக்கு கணிக்கத்தன்மை மட்டும் போதுமானதல்ல என்பதாகும். முன்பு முன்மொழியப்பட்ட முன்னுரிமை-அடிப்படையிலான கட்டமைப்பு யார் முடிவெடுக்கிறார், எந்த கட்டுப்பாடுகளின் கீழ் என்பதைக் தெளிவுபடுத்தலாம்; ஆனால் கட்டமைப்பு தெளிவு உண்மை நேரத்தில் நிலையான நடத்தையை உறுதி செய்யாது. மூலத்தில் கூறப்படுவது போல, அழுத்தம் அதிகரிக்கும் போது ரோபோட் இன்னும் உறைந்து போகலாம், நடத்தைகளுக்கு இடையில் ஆட்டச்சலிப்பு செய்யலாம், அல்லது ஏற்றுக்கொள்ளக்கூடிய முடிவு தாமதத்தை மீறலாம்.
நிலையற்ற தன்மை எங்கிருந்து வருகிறது
இந்த கட்டுரை பரிச்சயமான நவீன ரோபோட்டிக்ஸ் அடுக்கைக் குறிப்பிடுகிறது: localization அல்லது SLAM, global மற்றும் local planners, behavior trees, recovery routines, மற்றும் learned policies. ஒவ்வொரு module-மும் தனக்குத்தானே நிலையானதாக இருக்கலாம். பிரச்சினை integration நேரத்தில் உருவாகிறது, குறிப்பாக சூழல் மேலும் குழப்பமாக மாறும் போது. திடீர் தடையொன்று, அடர்த்தியான மனித போக்குவரத்து, sensor noise, map inconsistencies, அல்லது முரண்படும் recovery scenarios ஆகியவை அனைத்தும் அமைப்பை overload நோக்கி தள்ளலாம்.
மூலத்தின் படி, இதை ஒரே algorithm-இல் உள்ள குறைபாடாக புரிந்துகொள்வது சிறந்தது அல்ல. அதற்கு பதிலாக, இது ஒரு emergent systems problem. planners அதிக nodes-ஐ விரிவாக்கும் போது, obstacle maps மேலும் அடர்த்தியாகும் போது, மற்றும் behavior trees அடிக்கடி மாறும் போது, ரோபோட்டின் கணிப்பொறி சுமை அதிகரிக்கிறது. அமைப்பு அதன் முடிவு சுழற்சியில் determinism-ஐ இழக்கலாம், மேலும் latency ரோபோட் நிலையான முறையில் பதிலளிக்காத அளவுக்கு வளரலாம்.
கணிக்கத்தன்மையிலிருந்து ஒழுங்குபடுத்தலுக்கு
முன்மொழியப்பட்ட தீர்வு இரண்டு dynamic, real-time parameters அடிப்படையிலான phase regulator ஆகும். இதை oscillation அல்லது deadlock ஏற்படும் முன் meta-level-இல் தலையிட வடிவமைக்கப்பட்ட control layer ஆக மூல உரை விவரிக்கிறது. ஆராய்ச்சியாளரின் framing-இல், முக்கிய தருணம் என்பது வெளிப்புற சூழல் அழுத்தமும் உள்புற நடத்தை வேறுபாடும் ஒரே நேரத்தில் அதிகரிக்கும் போது. அந்த சேர்க்கை நிலையற்ற தன்மையை வேகப்படுத்தி, platform-ஐ கணிப்பொறி divergence நோக்கி தள்ள முடியும்.
இந்த அழுத்தங்களை மூல உரை external task gradient மற்றும் control stack-உள்ளே உள்ள internal conflict என குறிப்பிடுகிறது. முழுமையான தோல்வி ஏற்படும் வரை காத்திருப்பதற்குப் பதிலாக, regulator அமைப்பின் phase-ஐ கண்காணித்து, முன்பே செயல்பட்டு, robot-ன் search capability-யை கைவிடாமல் complexity growth-ஐ கட்டுப்படுத்தும். இலக்கு இயந்திரம் நகர்வதை மட்டும் உறுதி செய்வது அல்ல; அதை ஏற்றுக்கொள்ளக்கூடிய timing மற்றும் stability bounds-க்குள் முடிவெடுக்க வைத்திருக்க வேண்டும் என்பதுதான்.
