چین روبوٹ کو بلیوں کی طرح کودنے کی تربیت دیتا ہے تاکہ وہ کشودرگرہ دریافت کر سکے۔

بلیوں کی مڑنے اور اترنے کی صلاحیت سے متاثر ہو کر، ہاربن انسٹی ٹیوٹ آف ٹیکنالوجی (چین) کی ایک تحقیقی ٹیم نے کمک سیکھنے (RL) - مصنوعی ذہانت کی ایک قسم (AI) - کا استعمال کیا تاکہ روبوٹ کو تربیت دی جائے کہ وہ کشودرگرہ پر کھردری، کم کشش ثقل والی سطحوں پر چھلانگ لگاتے وقت ہوا میں اپنی کرنسی کو ایڈجسٹ کریں۔

چین کی ایک تحقیقی ٹیم نے چار ٹانگوں والے روبوٹ کو تربیت دی کہ وہ اپنی کرنسی کو ایڈجسٹ کرے اور بلی کی طرح زمین پر سیارچے کی سطح پر حرکت کرے۔ (تصویر: ایس سی ایم پی)

روایتی نظاموں کے برعکس جو خصوصی لیکن بھاری اسٹیبلائزیشن ہارڈویئر پر انحصار کرتے ہیں، روبوٹ اپنی چار ٹانگوں کو مربوط حرکت میں منتقل کرنے کے لیے "ماڈل فری" کنٹرول سسٹم کا استعمال کرتا ہے۔ یہ روبوٹ کو اپنے جھکاؤ کو ایڈجسٹ کرنے اور وسط ہوا میں سفر کی سمت کو دوبارہ ترتیب دینے کی اجازت دیتا ہے، محققین جرنل آف آسٹروناٹکس میں رپورٹ کرتے ہیں۔

یہ تحقیق کشودرگرہ پر چلتے وقت روبوٹ جمپنگ کے ساتھ ایک اہم چیلنج سے نمٹتی ہے، جہاں ماحول کی کشش ثقل کم ہوتی ہے اور یہاں تک کہ ٹانگوں کی قوتوں میں تھوڑا سا عدم توازن بھی روبوٹ کو بے قابو گھومنے، ناکامی سے اترنے، یا مکمل طور پر سطح سے اچھالنے کا سبب بن سکتا ہے۔

ٹیم نے رپورٹ میں کہا، "کشودرگرہ کے کم کشش ثقل کے ماحول میں، روبوٹ ہر چھلانگ کے دوران طویل عرصے تک آزاد گرنے کا تجربہ کرتے ہیں۔ چھلانگ کی وجہ سے ہونے والے انحراف کو ایڈجسٹ کرنے، محفوظ لینڈنگ کو یقینی بنانے یا حرکت کی سمت کو ایڈجسٹ کرنے کے لیے گردش کے زاویے کو تبدیل کرنے کے لیے اس وقت کو استعمال کرنا ضروری ہے۔" ٹیم نے رپورٹ میں کہا۔

ٹیم نے مزید کہا کہ "ایک مائیکرو گریویٹی سمولیشن پلیٹ فارم کو ڈیزائن اور بنایا گیا تھا تاکہ اس جمپنگ طریقہ کار کی مؤثریت کو ایک کواڈروپڈ روبوٹ پروٹوٹائپ پر تجربات کے ذریعے جانچ سکے۔"

کشودرگرہ نظام شمسی کی تشکیل کی باقیات ہیں اور اس کی اصلیت کو سمجھنے کی کلید رکھتے ہیں۔ وہ پلاٹینم اور دیگر نایاب دھاتوں جیسے وسائل سے بھی مالا مال ہیں، جو مستقبل میں خلائی تلاش اور صنعتی استعمال میں مدد دے سکتے ہیں۔

کشودرگرہ کی سطح پر چیلنجز

اب تک، یورپ، جاپان اور امریکہ میں خلائی ایجنسیوں نے نمونے حاصل کرنے کے لیے کامیابی سے خلائی جہاز کو کشودرگرہ پر اتارا ہے، لیکن کسی نے بھی ایسے روور تعینات نہیں کیے ہیں جو طویل مدتی سطح کی کھوج کے قابل ہوں۔

چاند اور مریخ پر استعمال ہونے والے روایتی پہیوں والے روورز، جیسے کہ چاند اور مریخ پر استعمال ہوتے ہیں، کو کشودرگرہ کے ماحول میں چیلنجوں کا سامنا کرنا پڑتا ہے کیونکہ کمزور کشش ثقل، عام طور پر زمین کا چند ہزارواں حصہ، پہیوں کو مؤثر طریقے سے چلانے کے لیے کافی کرشن فراہم نہیں کرتا ہے۔

ان حدود کو دور کرنے کے لیے، سائنسدانوں نے مستقبل کے مشنوں کے لیے جمپنگ روبوٹس کے استعمال کی تجویز پیش کی ہے، لیکن یہ چیلنجوں کا ایک نیا مجموعہ پیش کرتا ہے۔

ہر بار جب یہ چھلانگ لگاتا ہے، روبوٹ تقریباً 10 سیکنڈ یا اس سے زیادہ وقت تک ہوا میں رہتا ہے، ٹانگوں کی غیر متوازن قوتوں کے لیے روبوٹ بے قابو ہو کر گھومنے کا سبب بنتا ہے یا یہاں تک کہ سطح سے اچھال کر خلا میں چلا جاتا ہے۔

ہاربن ٹیم نے روبوٹ کو ورچوئل سمولیشن میں تربیت دینے کے لیے RL کا استعمال کیا۔ سات گھنٹوں کے دوران، AI نے اپنی تجرباتی غلطیوں سے سیکھا اور مستحکم طور پر لینڈ کرنے کے لیے اپنی حرکات کو بہتر کیا۔ روبوٹ کے AI سسٹم نے اپنی سمت بندی کو ایڈجسٹ کرنے کی صلاحیت کا مظاہرہ کیا، بشمول پچ (آگے یا پیچھے کی طرف جھکنا)، جھکاؤ (ایک طرف جھکاؤ) اور یاو (گھومنے کا زاویہ)، صرف چند سیکنڈوں میں۔

مثال کے طور پر، جب 140 ڈگری تک ایک بڑے جھکاؤ پر آگے بڑھایا جاتا ہے، تو روبوٹ 8 سیکنڈ کے اندر اپنی کرنسی کو مستحکم کر سکتا ہے۔ یہ حرکت کی سمت تبدیل کرنے کے لیے وسط ہوا میں 90 ڈگری تک بھی گھوم سکتا ہے۔

روبوٹ کو کمک سیکھنے کے طریقوں کا استعمال کرتے ہوئے تربیت دی جاتی ہے۔ (تصویر: ایس سی ایم پی)

نظام کی تاثیر کو درست کرنے کے لیے، محققین نے ایک مائیکرو گریوٹی سمولیشن پلیٹ فارم بنایا جو روبوٹ کو تقریباً بغیر رگڑ والی سطح پر "تیرنے" کی اجازت دیتا ہے۔

ٹیم نے کہا کہ اگرچہ دو جہتی حرکت تک محدود ہے، لیکن تجربات نے نظام کی تاثیر کی تصدیق کی اور نقالی کے نتائج کو تقویت دی۔

مزید برآں، سائنسدانوں نے پایا کہ اس عمل کے لیے روبوٹ سے بہت کم کمپیوٹنگ پاور کی ضرورت ہوتی ہے۔ نظام کا ہلکا پھلکا اور توانائی سے بھرپور ڈیزائن اسے خاص طور پر گہری خلائی ریسرچ مشنوں کے لیے موزوں بناتا ہے۔

مستقبل میں، اس نظام میں سائنسی تلاش سے لے کر کشودرگرہ پر وسائل کی کان کنی تک وسیع پیمانے پر اطلاقات ہوسکتے ہیں۔ تاہم، تحقیقی ٹیم نے کہا کہ متنوع خطوں اور ماحول کے مطابق AI کی صلاحیت کو بہتر بنانے کے لیے مزید تحقیق کی ضرورت ہے۔

ہوا یو (ماخذ: SCMP)

ماخذ