वॉशिंग्टन : शास्त्रज्ञांनी एक नवीन आर्टिफिशियल इंटेलिजन्स (एआय) प्रणाली विकसित केली आहे, ज्यामुळे अतिरिक्त कॉम्प्युटिंग पॉवरचा वापर न करता रोबोंमधील रिअॅक्शन उशीर (Reaction Delay) १० पटींपेक्षा जास्त कमी झाला आहे.
व्हिजन लँग्वेज अॅक्शन (VLA) मॉडेल्सद्वारे नियंत्रित केले जाणारे अनेक रोबो सध्या अडकत किंवा थांबत काम करतात... उदा. एखादी वस्तू उचलणे, थांबणे, जुळवाजुळव करणे आणि पुन्हा थांबणे. ही समस्या प्रामुख्याने हे मॉडेल्स ज्या पद्धतीने चालवले जातात त्यामुळे निर्माण होते. सूचनांचा एक संच पूर्ण केल्यानंतर रोबोट पुढील सूचनांची गणना करण्यासाठी मॉडेलची वाट पाहतो, ज्यामुळे त्यांच्या हालचालींमध्ये ‘थांबा आणि जा’ असा लयीचा अभाव दिसून येतो. सतत आणि रिअल-टाईम संवादाची किंवा हालचालींची गरज असलेल्या कामांमध्ये VLA-नियंत्रित रोबो वापरण्यासाठी हा रिअॅक्शन लॅग (प्रतिक्रिया देण्यातील उशीर) एक मोठा अडथळा ठरत होता. त्यावर आता हा उपाय शोधण्यात आला आहे.
“VLASH” नावाच्या या नवीन प्रणालीने रोबोचे चालू असलेले काम पूर्ण होत असतानाच त्याच्या पुढील कृतींचे नियोजन करून ही वाट पाहण्याची वेळ पूर्णपणे संपवण्याचा प्रयत्न केला आहे. चाचण्यांदरम्यान, VLASH चा वापर करणाऱ्या रोबोने त्यांची अचूकता पूर्णपणे राखून काही कामे १.५ ते २ पट वेगाने पूर्ण केली. वापरलेल्या संगणक हार्डवेअरनुसार, कमाल रिअॅक्शन लॅटन्सी ११.८ पटींपर्यंत कमी झाली. MIT, Nvidia, कॅलटेक (Caltech), युनिव्हर्सिटी ऑफ कॅलिफोर्निया (बर्कले), युनिव्हर्सिटी ऑफ कॅलिफोर्निया (सॅन दिएगो) आणि चीनमधील त्सिंगुआ युनिव्हर्सिटीच्या संशोधकांनी ‘arXiv’ प्रीप्रिंट सर्व्हरवर अपलोड केलेल्या संशोधनात या प्रणालीचे वर्णन केले आहे. या शरद ऋतूत होणाऱ्या ‘इंटेलिजंट रोबो अँड सिस्टीम्स’ परिषदेत (IROS) हे संशोधन सादर केले जाणार आहे.
या संशोधनाच्या आधीच्या आवृत्तीत ३० पटींपेक्षा जास्त स्पीडअपची नोंद झाली होती. परंतु, संशोधकांनी स्पष्ट केले की, त्या चाचण्यांमध्ये लांबच्या अॅक्शन सीक्वेन्सचा आणि धीम्या हार्डवेअरचा वापर करण्यात आला होता. नवीन प्रयोगांमध्ये अधिक सामान्य अॅक्शन सीक्वेन्स आणि शक्तिशाली GPUs वापरले गेले आहेत. संशोधकांनी ईमेलद्वारे सांगितले की, “११.८ पट वेगाचा हा आकडा अलीकडील व्यावहारिक परिस्थितीचे अधिक चांगले प्रतिनिधित्व करतो.” VLA मॉडेल्स अनेक प्रगत रोबोंच्या ‘मेंदू’सारखे काम करतात. ते कॅमेऱ्यातील चित्रे, मानवी सूचना आणि रोबोच्या सद्यस्थितीची माहिती एकत्र करून त्यांचे रुपांतर प्रत्यक्ष हालचालींमध्ये करतात.
रोबो जेव्हा हालचालींचा एक टप्पा पूर्ण करतो, तेव्हा VLASH त्याच्या सद्यस्थितीचा आणि नियोजित हालचालींचा वापर करून रोबो कुठे थांबेल याचा अंदाज लावते आणि त्या अंदाजित स्थितीवरून पुढील हालचालींचे नियोजन करते. VLASH हे रोबोच्या सभोवतालच्या जगाचा नाही, तर फक्त रोबोच्या स्वतःच्या हालचालींचा अंदाज लावते. संपूर्ण पर्यावरणाचा अंदाज लावण्यासाठी अधिक कॉम्प्युटिंग वेळेची गरज असते, ज्यामुळे त्वरित प्रतिक्रिया देणाऱ्या रोबोसाठी ते कमी उपयुक्त ठरते. भविष्यात या दोन्ही पद्धती एकत्र मिळून काम करू शकतात, असा विश्वास संशोधकांनी व्यक्त केला आहे.