हम जानते हैं कि कीड़े मानव अर्थ में विशेष रूप से चतुर नहीं होते हैं। हालांकि, अपनी सीमाओं के बावजूद, वे संगठन और अभिविन्यास के अद्भुत कार्य करने में सक्षम होते हैं। यह उन शोधकर्ताओं के लिए प्रेरणा बनता है जो माइक्रोरोबोट्स और हल्के ड्रोन पर काम कर रहे हैं, जो समान प्रतिबंधों का सामना कर रहे हैं।
उदाहरण के लिए, रेगिस्तानी चींटी कैटाग्लिफिस लंबी दूरी पर भोजन की तलाश कर सकती है और फिर सीधे अपने घोंसले में वापस चली जाती है, जिसमें 1 किमी तक की यात्रा हो सकती है।
ले जाने की क्षमता और उपलब्ध शक्ति का अर्थ है कि भारी स्वायत्त प्रणालियों जैसे स्व-ड्राइविंग कारों द्वारा उपयोग किए जाने वाले समाधानों का उपयोग नहीं किया जा सकता है। उदाहरण के लिए, लिडार (“लेजर रडार”) 3 डी मैप बनाने के लिए बहुत अच्छा है, लेकिन वे बहुत भारी और शक्तिशाली हैं।
बीकन और जीपीएस सिग्नल विकल्प हैं, लेकिन वे महंगे सेटअप की आवश्यकता होती है, वे अविश्वसनीय हो सकते हैं, या सीधे असंभव हैं। इसलिए, यह समझना कि चींटियों और मधुमक्खियों जैसे कीड़े सीमित “हार्डवेयर” और ऊर्जा आपूर्ति के साथ दुनिया को कैसे नेविगेट करते हैं, हमें अपने स्वयं के निर्माण के लिए इसे दोहराने में मदद कर सकता है। रोबोट और ड्रोन।
यह जैव-प्रेरित रोबोट का सामान्य विचार है, एक विषय जिस पर हमने ऑक्टोपस, सैलामैंडर, सांप और कुत्ते से प्रेरित रोबोट के साथ आगे चर्चा की।
माइक्रोरोबोट्स का उपयोग क्यों करें?
छोटे रोबोट और ड्रोन बनाने के लिए सस्ता है और एक ही समय में अधिक सतहों को कवर कर सकते हैं। छोटे होने के कारण, वे विवरण में भी अधिक देख सकते हैं, बिना अपने वातावरण के साथ टकराने का जोखिम उठाए।
उदाहरण के लिए, वे एक ग्रीनहाउस के अंदर उड़ सकते हैं और पौधों पर रोग या कीटों के शुरुआती संकेतों के लिए स्कैन कर सकते हैं।
या उन्हें खोज और बचाव मिशनों के लिए तैनात किया जा सकता है, जो बर्बाद या जंगल में लोगों की मदद के लिए जांच कर रहे हैं। ऐसे रोबोटिक “पक्षियों/चींटियों/मधुमक्खियों” के झुंड जल्दी से भूकंप के बाद जीवित लोगों का पता लगा सकते हैं।
एक तरीका दृष्टि का उपयोग करना है, जिसमें कीड़े विशेष रूप से अच्छे होते हैं क्योंकि वे लगभग ओम्नीडायरेक्शनल दृश्य प्रणाली (एक ही समय में सभी दिशाओं में देखने) रखते हैं। हालांकि, यह दृष्टि अपेक्षाकृत कम रिज़ॉल्यूशन की होती है।
कीटों द्वारा दृष्टि का उपयोग करके स्वयं को उन्मुख करने के बारे में सबसे पुराने और स्थापित सिद्धांतों में से एक “स्नैपशॉट मॉडल” है।
विचार यह है कि कीट का मस्तिष्क नियमित रूप से अपने पर्यावरण के स्नैपशॉट लेता है। जब यह “घर” वापस नेविगेट करने की आवश्यकता होती है, तो यह वर्तमान पर्यावरण की तुलना हाल ही में संग्रहीत स्नैपशॉट से करता है।
यह अवधारणा अब अच्छी तरह से समझी जाती है, जितना कि तंत्रिका स्तर पर। इसलिए, इसे रोबोट में tương đối आसानी से दोहराया जा सकता है।
सिद्धांत रूप में, यह विधि अकेले पर्याप्त हो सकती है। लेकिन व्यवहार में, यह कुछ सीमाओं से ग्रस्त है:
यह अच्छी तरह से काम करने के लिए, एक बहुत ही तंग श्रृंखला के स्नैपशॉट की आवश्यकता है, जिसमें एक भी डेटा की कमी से रोबोट को पूरी तरह से खो दिया जा सकता है।
जैसा कि यह कई स्नैपशॉट की आवश्यकता है, यह चींटी के दिमाग और रोबोट की स्मृति दोनों के लिए अभिभूत करने वाला साबित हो सकता है।
ओडोमेट्री जोड़ना
चींटियों और सामान्य रूप से कीटों द्वारा उपयोग की जाने वाली एक और विधि उनकी गति को ट्रैक करना है, जिसे ओडोमेट्री कहा जाता है। यह रोबोटिक्स में भी उपयोग की जाने वाली एक विधि है, लेकिन समस्या यह है कि इसकी सटीकता की कमी। प्रत्येक कदम का अनुमान गति सेंसर (या चींटियों के मामले में विषयगत धारणा) से लगाया जाता है, लेकिन वास्तविक गति को पूरी तरह से प्रतिबिंबित नहीं करता है।
यह ओडोमेट्री आधारित अनुमान की सटीकता में एक प्रगतिशील ड्रिफ्ट का कारण बनता है, जो समय के साथ अधिक अनिश्चित हो जाता है।
दोनों विधियों को मिलाना टीयू डेल्फ्ट, नीदरलैंड्स के शोधकर्ताओं के लिए एक मुख्य अंतर्दृष्टि थी। उन्होंने माइक्रोरोबोट्स की स्वायत्तता बढ़ाने के लिए दृश्य मार्ग के लिए एक वैज्ञानिक पत्र में दृश्य स्नैपशॉट और ओडोमेट्री दोनों को मिलाया।
बेहतर प्रदर्शन
यह रोबोट को नियमित रूप से ओडोमेट्री ड्रिफ्ट को रीसेट करने की अनुमति देता है, जब यह अपने लैंडमार्क स्नैपशॉट में से एक को वापस पाता है।
एक ही समय में, मुख्य रूप से ओडोमेट्री पर निर्भर रहने से माइक्रोरोबोट को बिना अपने मार्ग के लिए लगातार दृश्य संकेतों की जांच किए, बिंदुओं के बीच तेजी से जाने की क्षमता मिलती है।
“हमारी रणनीति के तहत मुख्य अंतर्दृष्टि यह है कि आप स्नैपशॉट को बहुत दूर रख सकते हैं यदि रोबोट ओडोमेट्री के आधार पर स्नैपशॉट के बीच यात्रा करता है।
घर वापसी तब तक काम करेगी जब तक कि रोबोट स्नैपशॉट स्थान के पास पहुंच जाए, अर्थात, जब तक रोबोट की ओडोमेट्री ड्रिफ्ट स्नैपशॉट के कैचमेंट क्षेत्र के भीतर होती है।”
प्रोफेसर गुइडो डी क्रून।
शोध टीम ने अपने नए अभिविन्यास सॉफ्टवेयर का परीक्षण करने के लिए स्नैपशॉट और ओडोमेट्री को मिलाने वाले एल्गोरिदम का उपयोग किया कि कितना कम डेटा एक 56 ग्राम वजनी रोबोट को 100 मीटर पर नेविगेट करने के लिए उपयोग किया जा सकता है।
यहां तक कि बेहतर, सभी छवि प्रसंस्करण एक हल्के मिनी-कंप्यूटर द्वारा किया जा सकता है, जिसे “माइक्रो-कंट्रोलर” कहा जाता है, जो कई सस्ते इलेक्ट्रॉनिक उपकरणों में पाया जा सकता है।
अनुप्रयोग
उद्योग
ऐसे माइक्रोरोबोट और ड्रोन अपनी डेटा प्रोसेसिंग क्षमता में बहुत सीमित होंगे, जिसमें अधिकांश ऑनबोर्ड माइक्रो-कंट्रोलर प्रोसेसिंग पावर नेविगेशन और डेटा संग्रह के प्रबंधन में व्यस्त होगी।
ऐसे ड्रोन का उपयोग गोदामों में इन्वेंट्री को ट्रैक करने या ग्रीनहाउस में फसलों की निगरानी करने के लिए किया जा सकता है। यह उन्हें चलने या उड़ने और तस्वीरें, बार कोड, या आरएफआईडी टैग जैसे डेटा एकत्र करने के लिए मिल सकता है। इस डेटा बिंदु को एक छोटे एसडी कार्ड पर संग्रहीत किया जा सकता है।
इन रिकॉर्डिंग को फिर एक बड़े कंप्यूटर या सर्वर में स्थानांतरित किया जा सकता है जो उन्हें उपयोगी डेटा में परिवर्तित करने के लिए पोस्ट-प्रोसेस कर सकता है।
सैन्य
एक और संभावित अनुप्रयोग क्षेत्र सैन्य प्रौद्योगिकी हो सकता है, विशेष रूप से यूक्रेन में युद्ध द्वारा चित्रित आधुनिक मैदान में ड्रोन के बढ़ते महत्व को देखते हुए।
एक पैदल सैनिक के पैक में फिट होने के लिए पर्याप्त छोटे उड़ने वाले ड्रोन को आगे के लिए टोही के लिए भेजा जा सकता है और आश्रयित सैनिकों को दुश्मन की स्थिति की तस्वीरें वापस ला सकता है।
चूंकि क्षेत्र संभावित रूप से इलेक्ट्रॉनिक युद्ध (ईडब्ल्यू) द्वारा भारी रूप से जाम किया जा सकता है और निरंतर बदलते क्षेत्र में, ड्रोन की स्वायत्त नेविगेशन एक आवश्यकता होगी। हल्के और कम शक्ति की खपत भी संभावित रूप से मुख्य विशेषताएं होंगी। इस शोध में, एक ड्रोन एक सिम्युलेटेड जंगली वातावरण में 300 मीटर के मार्ग को नेविगेट करने में सक्षम था।
ओडोमेट्री और स्नैपशॉट को मिलाने की रणनीति बहुत कुशल है और ओडोमीटर की सटीकता में सुधार करके इसे और अधिक कुशल बनाया जा सकता है। एल्गोरिदम को भी संभावित रूप से अधिक मेमोरी पावर कुशल बनाने के लिए ट्वीक किया जा सकता है।
एक और सुधार रोबोट की टकराव-रोकथाम क्षमताओं में जोड़ना होगा, विशेष रूप से क्योंकि यह पहले से ही एक ओम्नीडायरेक्शनल दृष्टि है।
एक समाधान तब खोजा जाना चाहिए जब रोबोट कुछ तरह से खो जाता है। उदाहरण के लिए, शोधकर्ता प्रस्ताव करते हैं कि “रोबोट कैचमेंट क्षेत्र के आकार का अनुमान ऑनलाइन लगा सकता है और मार्ग खो जाने पर एक खोज प्रक्रिया से लैस हो सकता है“।
यह प्रक्रिया विशेष रूप से छोटे रोबोट के लिए उपयुक्त है जो आमतौर पर नेविगेशन के साथ संघर्ष करते हैं। लेकिन यह बड़े रोबोट पर भी लागू किया जा सकता है, महंगे उपकरण जैसे लिडार की आवश्यकता को कम करने और कम्प्यूटिंग और शक्ति की आवश्यकता को कम करने के प्रयास में।
स्व-ड्राइविंग वाहन जैसे स्व-ड्राइविंग कारें कोने के चारों ओर हो सकती हैं, लेकिन उन्हें विकसित करना तकनीकी नेताओं जैसे गूगल और टेस्ला के लिए भी एक कठिन प्रौद्योगिकी रही है। लेकिन एक क्षेत्र है जो पहले से ही स्वायत्त ड्राइविंग और रोबोटिक्स से क्रांति का अनुभव कर रहा है: लॉजिस्टिक्स।
नॉर्वेजियन ऑटोस्टोर विभिन्न उद्योगों के लिए स्वचालित गोदाम प्रदान करता है, जिनमें फार्मास्यूटिकल्स, कपड़े, किराने, विमानन, लॉजिस्टिक्स या औद्योगिक निर्माता शामिल हैं।
कंपनी के गोदाम स्वायत्त रोबोट पर निर्भर करते हैं जो स्वचालित रूप से पार्सल या उत्पादों की पहचान कर सकते हैं और उन्हें जहां जाने की आवश्यकता है वहां ले जा सकते हैं।
आप उन्हें इस वीडियो में कार्रवाई में देख सकते हैं:
कंपनी तेजी से विस्तार कर रही है, क्योंकि अधिक से अधिक प्रमुख कंपनियां महामारी के बाद अधिक कुशल, लचीले और तेज लॉजिस्टिक प्रणालियों का निर्माण करने के फायदे को महसूस कर रही हैं।
ऑटोस्टोर 50 देशों में सक्रिय है, 58,500 रोबोट 900 अलग-अलग ग्राहकों के लिए संचालित कर रहा है। यह 2017 से राजस्व में 50% की वार्षिक वृद्धि दर से बढ़ रहा है, जो 15% की वार्षिक वृद्धि के अनुमान से 2-3 गुना तेज है। स्वचालित गोदाम बाजार।
जैसे कई यूरोपीय टेक कंपनियां, ऑटोस्टोर बहुत उन्नत समाधान प्रदान करती है जो बड़े पैमाने पर जनता के लिए कुछ हद तक अदृश्य हैं।
अधिकांश गोदाम स्वचालन की ओर बढ़ेंगे। इस क्षेत्र के नेता संभावित रूप से क्षेत्र के विकास से बेहतर प्रदर्शन करेंगे, क्योंकि यह उस प्रदाता पर निर्भर करने के लिए समझ में आता है जो इन समाधानों को बड़े पैमाने पर और सस्ते में तैनात कर सकता है।
जो रोबोट अधिक स्वायत्त और अपना रास्ता खोजने में अधिक कुशल हैं, वे ऑटोस्टोर के लिए एक अवसर और खतरा दोनों हो सकते हैं। वर्तमान में, आपको कंपनी के रोबोटिक समाधान का उपयोग करने के लिए पूरी तरह से एक गोदाम को फिर से डिज़ाइन करने की आवश्यकता है।
भविष्य में, रोबोट बिना वर्तमान में उपयोग की जाने वाली ग्रिड की आवश्यकता के बिना अपना रास्ता खोज सकते हैं, जिससे अपनाया जाना आसान हो जाता है, चल रहे संचालन के लिए कम विघटनकारी और प्रारंभिक निवेश बहुत छोटा हो जाता है, जो कि अभी भी प्रौद्योगिकी के बड़े पैमाने पर अपनाने के मुख्य बाधाएं हैं।
ज़ेब्रा टेक्नोलॉजीज़ ट्रैकिंग लेबल और स्कैनर बनाती है जो “स्मार्ट” फैक्ट्री के प्रत्येक घटक की निगरानी की अनुमति देते हैं। इसमें मोबाइल कंप्यूटर, बार कोड स्कैनर, मशीन दृष्टि, स्थान प्रौद्योगिकी, टैग और आरएफआईडी (रेडियो-फ्रीक्वेंसी आइडेंटिफिकेशन) शामिल हैं।
यह डेटा संग्रह और विश्लेषण का स्तर रोबोटिक्स, विशेष रूप से अधिक मोबाइल और लचीले प्रकार को लागू करने में एक महत्वपूर्ण घटक है असेंबली लाइन से बाहर।
कंपनी ने 2018 से विभिन्न प्रौद्योगिकियों को एक साथ लाने के लिए एक अधिग्रहण पर चली गई है जो आधुनिक गोदामों और कारखानों के “रोबोटीकरण” और डिजिटलीकरण के लिए आवश्यक हैं।
जैसे-जैसे रोबोट ई-कॉमर्स और लॉजिस्टिक्स के केंद्र में आते जा रहे हैं, ज़ेब्रा ट्रैकिंग सिस्टम मांग में आ रहे हैं।
अब तक, यह अभी भी आवश्यक है कि स्थान को कंपनी के रोबोटिक समाधानों का उपयोग करने के लिए पूरी तरह से डिज़ाइन किया जाए।
यदि एक माइक्रोरोबोट जो केवल कुछ दशक ग्राम वजन का है, अब आरएफआईडी टैग स्कैन कर सकता है, तो हम जल्द ही एक फैक्ट्री फ्लोर या गोदाम में सभी गतिविधियों की निरंतर निगरानी को स्वचालित रूप से संभाल सकते हैं, एक मधु-जैसे ड्रोन के झुंड के माध्यम से।
जोनाथन एक पूर्व जैव रसायनज्ञ अनुसंधानकर्ता हैं जिन्होंने जेनेटिक विश्लेषण और नैदानिक परीक्षणों में काम किया है। वह अब एक स्टॉक विश्लेषक और वित्त लेखक हैं जो अपने प्रकाशन 'The Eurasian Century" में नवाचार, बाजार चक्र और भू-राजनीति पर ध्यान केंद्रित करते हैं।
