उन्नत एआई के माध्यम से स्पर्श का अनुकरण – क्या यह संभव है?

रोबोट कैमरों, माइक्रोफ़ोन और अन्य सेंसरों से अपने परिवेश की जानकारी लेते हैं। स्पर्श-संवेदन पर भी लंबे समय से शोध हो रहा है। चुनौती यह है कि मशीनें संपर्क, दबाव, तापमान और सतह की बनावट जैसी अलग-अलग विशेषताओं को भरोसेमंद ढंग से पहचान सकें।

स्टीवेंस इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने लेज़र और मशीन लर्निंग से सतह का खुरदरापन मापने की एक विधि प्रस्तुत की है। इसे रूपक के तौर पर मशीनों को «महसूस करना» सिखाना कहा जा सकता है, हालांकि इसमें सतह को छूना आवश्यक नहीं है।

स्पर्श और सतह-संवेदन से रोबोटों को वस्तुएँ पकड़ने, नाज़ुक सामग्री सँभालने और लोगों के साथ काम करने में मदद मिल सकती है। अलग-अलग कार्यों के लिए अलग प्रकार के सेंसर चाहिए; केवल खुरदरापन मापना मानव स्पर्श की सभी क्षमताओं को दोहराना नहीं है।

यदि कोई रोबोट किसी व्यक्ति से टकराने का पता लगा सके और उचित प्रतिक्रिया दे, तो सहयोगी कार्यस्थलों की सुरक्षा बेहतर हो सकती है। ऐसी क्षमता के लिए संपर्क-संवेदन और नियंत्रण प्रणाली चाहिए; यहाँ वर्णित दूरस्थ खुरदरापन मापन उससे अलग तकनीक है।

लेज़र और मशीन लर्निंग से सतह का आकलन

यह अध्ययन¹, Applied Optics में प्रकाशित हुआ। इसमें एकल-फोटॉन की गिनती करने वाले LiDAR और मशीन लर्निंग का उपयोग सतह के खुरदरेपन के आकलन के लिए किया गया। यह क्वांटम विज्ञान की प्रयोगशाला में किया गया प्रकाशीय मापन है, न कि मानव जैसी स्पर्श-अनुभूति का प्रदर्शन।

स्कैनिंग लेज़र से खुरदरापन मापना

रास्टर स्कैनिंग में लेज़र क्रमशः सतह के अलग-अलग बिंदुओं पर डाला जाता है। वापस बिखरे प्रकाश से मिली जानकारी के बदलावों का विश्लेषण सतह की बनावट का अनुमान लगाने में किया जाता है।

मशीन लर्निंग मॉडल

खुरदरी सतह से लौटते प्रकाश में स्पेकल नाम का धब्बेदार पैटर्न बनता है। सामान्य तस्वीरों में यह अवांछित शोर हो सकता है, लेकिन इसके सांख्यिकीय बदलाव सतह के बारे में उपयोगी जानकारी दे सकते हैं।

मॉडल को अलग-अलग खुरदरेपन वाली सतहों के मापन दिए गए। उसने प्रकाशीय संकेतों की विशेषताओं और खुरदरेपन के बीच संबंध सीखकर नए मापों का अनुमान लगाया। यह हर वस्तु की पूरी संरचना या सभी भौतिक गुण स्वतः जान लेने की क्षमता नहीं है।

स्रोत – मैजिकप्लान

सतह से लौटे फोटॉन एकल-मोड फ़ाइबर में एकत्र किए गए और एकल-फोटॉन डिटेक्टर से गिने गए। अलग-अलग स्थानों पर प्राप्त गिनती में बदलावों से खुरदरेपन की जानकारी निकाली गई। यहाँ प्रकाश के कण फोटॉन हैं, प्रोटॉन नहीं।

परीक्षण कैसे किया गया

टीम ने एकल-पिक्सेल, रास्टर-स्कैनिंग LiDAR का उपयोग किया, जिसमें संकीर्ण लेज़र किरण पिकोसेकंड अवधि के पल्स भेजती है।

परीक्षण के लिए 31 औद्योगिक सैंडपेपर नमूने चुने गए। उनकी सतह का खुरदरापन लगभग 1 से 100 माइक्रोमीटर के दायरे में था; यह पूरे सैंडपेपर की मोटाई का दायरा नहीं है।

परीक्षण के परिणाम

प्रयोगों ने दिखाया कि प्रकाशीय संकेतों और मशीन लर्निंग से नमूनों का खुरदरापन अनुमानित किया जा सकता है। शोधकर्ताओं ने प्रशिक्षण और विश्लेषण में सुधार के बाद माइक्रोमीटर स्तर की त्रुटि में कमी बताई। परिणाम नमूनों और खुरदरेपन के दायरे पर निर्भर थे; किसी एक त्रुटि संख्या को हर सतह के लिए निश्चित सटीकता नहीं मानना चाहिए।

यह प्रयोगशाला प्रदर्शन आगे औद्योगिक परीक्षणों का आधार बन सकता है।

संभावित लाभ

बिना संपर्क के मापन से कुछ निरीक्षण प्रक्रियाएँ आसान हो सकती हैं। वास्तविक लागत, गति और विश्वसनीयता का आकलन उपकरण, सामग्री और उत्पादन-परिस्थितियों में परीक्षण के बाद होगा। अध्ययन ने बड़े पैमाने पर लागत बचत या कर्मचारियों की संख्या घटाने का प्रमाण नहीं दिया।

सतह की स्कैनिंग

प्रकाशीय स्कैनिंग से सतह की जानकारी वस्तु को छुए बिना ली जा सकती है। उत्पादन लाइन में उपयोग के लिए स्कैन का समय, मापन दूरी, कंपन और परिवेश के प्रकाश जैसे कारकों का मूल्यांकन करना होगा।

मौजूदा प्रणालियों में एकीकरण

एकल-फोटॉन LiDAR को मशीन लर्निंग के साथ जोड़ना सतह निरीक्षण का एक संभावित रास्ता है। हर मौजूदा LiDAR में केवल सॉफ़्टवेयर बदलकर वही क्षमता नहीं मिल जाएगी; प्रकाश स्रोत, डिटेक्टर और अंशांकन भी महत्वपूर्ण हैं।

गुणवत्ता नियंत्रण

सतह की बनावट का मापन सटीक पुर्जों के गुणवत्ता नियंत्रण में उपयोगी हो सकता है। विमान जैसे सुरक्षा-संवेदनशील क्षेत्रों में इसे स्थापित निरीक्षण मानकों और अन्य दोष-पहचान विधियों के साथ सत्यापित करना आवश्यक होगा।

उन्नत वर्गीकरण

सतह की बनावट से कुछ वस्तुओं को पहचानने या छाँटने में मदद मिल सकती है। फल की कठोरता या पकने की स्थिति जानने के लिए अतिरिक्त सेंसर और विशिष्ट परीक्षण चाहिए; खुरदरापन मापन अकेले यह जानकारी नहीं देता।

शोध दल

स्टीवेंस इंस्टीट्यूट ऑफ टेक्नोलॉजी के Daniel Tafone, Luke McEvoy, Yong Meng Sua और Yu-Ping Huang ने यह शोध किया। दल संस्थान के Center for Quantum Science and Engineering से जुड़ा है।

संभावित अनुप्रयोग

संभावित अनुप्रयोगों में सतह निरीक्षण, विनिर्माण और रोबोटिक वस्तु-पहचान शामिल हैं। वास्तविक समय में सुरक्षा-संवेदनशील निगरानी के लिए अलग सत्यापन आवश्यक है; अध्ययन ने हर प्रकार के पुर्जे में दोष पहचानने की क्षमता प्रदर्शित नहीं की।

स्वास्थ्य देखभाल

त्वचा की सतह के प्रकाशीय मापन पर आगे शोध हो सकता है। लेकिन इस सैंडपेपर-आधारित अध्ययन ने तिलों में मेलेनोमा का निदान नहीं किया और न ही रोगियों में नैदानिक सटीकता सिद्ध की। किसी चिकित्सकीय उपयोग के लिए अलग अध्ययन और मंज़ूरी आवश्यक होगी।

लिडार को उन्नत करें

LiDAR का उपयोग कुछ वाहनों, रोबोटों और स्मार्टफ़ोन में दूरी तथा परिवेश की जानकारी लेने के लिए होता है। हर रोबोट वैक्यूम में LiDAR नहीं होता। शरीर के भीतर माइक्रो-रोबोट चलाना और उपचार पहुँचाना अलग शोध चुनौतियाँ हैं, जिन्हें इस प्रयोग ने हल नहीं किया।

इस शोध से लाभान्वित हो सकने वाली कंपनियां

सतह-संवेदन में प्रगति रोबोटिक्स और औद्योगिक निगरानी कंपनियों के लिए प्रासंगिक हो सकती है। नीचे दिया गया उदाहरण इस व्यापक क्षेत्र से संबंधित है; इससे यह निष्कर्ष नहीं निकलता कि कंपनी ने यही शोध तकनीक अपनाई है।

Samsara 

Samsara (IOT ) सैन फ़्रांसिस्को स्थित कंपनी है, जिसकी स्थापना 2015 में संजीत बिस्वास और जॉन बिकेट ने की थी। यह वाहनों और भौतिक परिचालनों के लिए डेटा-आधारित सेवाएँ देती है, जिनमें एआई डैशकैम, वाहन टेलीमैटिक्स, उपकरण निगरानी और कार्यप्रवाह संबंधी सॉफ़्टवेयर शामिल हैं।

इंटरनेट ऑफ थिंग्स (IoT) में नेटवर्क से जुड़े सेंसर और उपकरण शामिल हैं, जो डेटा एकत्र और संचारित करते हैं। Samsara इस जानकारी का उपयोग संगठनों के परिचालन की निगरानी और प्रबंधन में करती है।

वाहन और उपकरण संबंधी डेटा से स्थान, उपयोग और रखरखाव की ज़रूरतों का पता लगाने में मदद मिल सकती है। कौन-सी जानकारी उपलब्ध होगी, यह लगे सेंसरों और सेवाओं पर निर्भर करता है।

Samsara की वृद्धि उसके ग्राहकों, उत्पादों और प्रतिस्पर्धी बाज़ार पर निर्भर करती है। लेख में दिया गया लगभग 30.433 अरब डॉलर का बाज़ार पूँजीकरण 2024 की ऐतिहासिक स्थिति है। किसी विश्वविद्यालय से जुड़े निवेश प्रबंधक की हिस्सेदारी को पूरे विश्वविद्यालय की औपचारिक शेयर-सिफ़ारिश नहीं मानना चाहिए।

मानव इंद्रियों के अनुकरण के अन्य प्रयास

रोबोटिक स्पर्श के लिए कई रास्ते हैं। दबाव और तापमान सेंसर सीधे संपर्क की जानकारी लेते हैं, जबकि प्रकाशीय तकनीक दूर से सतह की कुछ विशेषताएँ माप सकती है। एल्गोरिदम दोनों प्रकार के सेंसर डेटा का विश्लेषण कर सकते हैं। नीचे अन्य शोध उदाहरण दिए गए हैं।

उच्च-प्रदर्शन सिरेमिक

एक अन्य अध्ययन में लचीली सामग्री के भीतर सिरेमिक कणों का उपयोग संवेदन के लिए किया गया। ऐसी सामग्री दबाव या तापमान से संबंधित विद्युत संकेत दे सकती है।

इस तरह के लचीले सेंसर रोबोटिक त्वचा और कृत्रिम अंगों के लिए उपयोगी हो सकते हैं। किसी प्रयोग में संवेदनशीलता का प्रदर्शन मानव त्वचा की सभी क्षमताओं या व्यापक नैदानिक उपयोग का प्रमाण नहीं है।

कृत्रिम नसें

स्टैनफ़ोर्ड और सियोल नेशनल यूनिवर्सिटी के शोधकर्ताओं ने 2018 में एक कृत्रिम संवेदी तंत्रिका प्रणाली प्रस्तुत की थी। इसमें दबाव सेंसर, संकेतों को पल्स में बदलने वाला रिंग ऑसिलेटर और कृत्रिम सिनैप्स की तरह काम करने वाला ट्रांजिस्टर शामिल था।

प्रणाली ने स्पर्श-संबंधी संकेतों का प्रसंस्करण प्रदर्शित किया। यह जैविक तंत्रिका का पूर्ण विकल्प या सभी रोबोटों के लिए तैयार समाधान नहीं था।

रोबोट स्वेटर

कार्नेगी मेलन विश्वविद्यालय ने 2023 में RobotSweater प्रस्तुत किया, जो मशीन से बुना गया स्पर्श-संवेदी कपड़ा है। इसे घुमावदार और असमान रोबोटिक सतहों के अनुरूप बनाया जा सकता है।

इसमें विद्युत चालक धागों की दो परतों के बीच जालीनुमा परत होती है। दबाव पड़ने पर चालक परतें संपर्क बनाती हैं, जिससे प्रणाली स्पर्श का स्थान और दबाव पहचान सकती है। टीम ने स्पर्श से रोबोट की गति और पकड़ने वाले उपकरण को निर्देशित करने के उदाहरण दिखाए; यह हर परिस्थिति में पूर्ण सुरक्षा की गारंटी नहीं है।

स्पर्श अनुकरण रोबोटों का भविष्य

स्पर्श-संवेदन और सतह मापन रोबोटों को मनुष्यों तथा वस्तुओं के साथ बेहतर ढंग से काम करने में मदद कर सकते हैं। अगला कदम प्रयोगशाला परिणामों को भरोसेमंद उपकरणों में बदलना और वास्तविक कार्यस्थलों में सत्यापित करना है। अपनाने की गति लागत, प्रदर्शन और सुरक्षा आवश्यकताओं पर निर्भर करेगी।

अन्य रोचक रोबोटिक्स प्रोजेक्ट्स के बारे में अब जानें।

अध्ययन संदर्भ:

^{1. Tafone, D., McEvoy, L., Sua, Y. M., & Huang, Y.-P. (2024). Surface roughness metrology with a raster scanning single photon LiDAR. Applied Optics, 63(30), 7917–7922. https://doi.org/10.1364/AO.537404}