বড় ধরনের সাফল্য! বেইজিং-এর গবেষণা দল বিশ্বের প্রথম 'ফোর্স পজিশন হাইব্রিড কন্ট্রোল অ্যালগরিদম' প্রস্তাব করেছে

সম্প্রতি, চীনের গবেষণা দলগুলি রোবট অ্যালগরিদমের ক্ষেত্রে উল্লেখযোগ্য ভাঙন আবিষ্কার করেছে, যার মধ্যে বিশ্বের প্রথম ‘বল-অবস্থান হাইব্রিড নিয়ন্ত্রণ অ্যালগরিদম’-এর একটি একীভূত তত্ত্ব প্রস্তাব করা হয়েছে। এই অ্যালগরিদমটি বল সেন্সরের উপর নির্ভরশীল নয়, যার ফলে রোবটটি অবস্থান ও বল নিয়ন্ত্রণ উভয়ই একসাথে শিখতে পারে। সংশ্লিষ্ট কাজগুলির সফলতার হার শুধুমাত্র অবস্থান নিয়ন্ত্রণ ব্যবহার করা কৌশলের তুলনায় প্রায় ৩৯.৫% বৃদ্ধি পেয়েছে। আরও উল্লেখযোগ্য হলো যে, এর সংশ্লিষ্ট গবেষণাপত্রগুলি বর্তমানে আন্তর্জাতিক রোবট লার্নিং কনফারেন্সে অসাধারণ গবেষণাপত্র পুরস্কার জিতেছে, যা এই পুরস্কার প্রতিষ্ঠার পর প্রথমবারের মতো চীনের গবেষকদের একটি দল এটি অর্জন করেছে।
বেইজিং জেনারেল আর্টিফিশিয়াল ইন্টেলিজেন্স রিসার্চ ইনস্টিটিউট-এর পরীক্ষামূলক সাইটে, এই নতুন অ্যালগরিদম সহ একটি চার-পায়ের যান্ত্রিক কুকুর সাদা বোর্ড মুছার প্রশিক্ষণ কাজটি সুসংগতভাবে সম্পাদন করছে। গবেষকরা এই ব্যবহারিক পরিস্থিতিটি ব্যবহার করে সাংবাদিকদের কাছে "বল-অবস্থান হাইব্রিড নিয়ন্ত্রণ অ্যালগরিদম"-এর মূল নীতিগুলি এবং উল্লেখযোগ্য সুবিধাগুলি ব্যাখ্যা করেছেন।
বেইজিং জেনারেল আর্টিফিশিয়াল ইন্টেলিজেন্স রিসার্চ ইনস্টিটিউট-এর গবেষক জিয়া বাওশিয়ং: প্রধান ধারার ভিজুয়াল ল্যাঙ্গুয়েজ অ্যাকশন মডেলগুলি আসলে ক্যামেরা দ্বারা তোলা ছবিকে ইনপুট হিসেবে নেয় এবং তারপর ট্রাজেক্টরি ভবিষ্যদ্বাণী করে। এই ট্রাজেক্টরি রোবটকে হোয়াইটবোর্ড মুছতে গিয়ে কঠোরভাবে হোয়াইটবোর্ডের সাথে মিলিয়ে চলতে বাধা দিতে পারে, ফলে এই পরিস্থিতিটি মুছে ফেলা সম্ভব হয় না। ফোর্স-পজিশন মিক্সড কন্ট্রোল মডেলে, আমরা সামর্থ্য মাত্রাটি যতটা সম্ভব পূরণ করার চেষ্টা করি, যার ফলে নির্ভুল অবস্থান নিশ্চিত করার ভিত্তিতে হোয়াইটবোর্ডে চাপ প্রয়োগ করার প্রভাব অর্জন করা যায়, যাতে এটি হোয়াইটবোর্ডের সাথে ঘনিষ্ঠভাবে মিলে যায় এবং তাতে লেখা মুছে ফেলা যায়। অর্থাৎ, আমরা মূল ভিজুয়াল ল্যাঙ্গুয়েজ অ্যাকশন মডেলের সামর্থ্য মাত্রাটি সমতল করার পাশাপাশি সামর্থ্য ও অবস্থান নিয়ন্ত্রণ একসাথে মিশ্রিত করার প্রভাবও অর্জন করেছি।
গবেষকদের মতে, ব্যাপকভাবে ব্যবহৃত ভিজুয়াল ল্যাঙ্গুয়েজ অ্যাকশন মডেলটি প্রায়শই বাস্তব জীবনের অনেক কাজের সাথে মোকাবিলা করতে ব্যর্থ হয়। এর মূল সমস্যা হলো যে, এই কাজগুলোর অধিকাংশই জটিল যোগাযোগ-ভিত্তিক পরিস্থিতি জড়িত করে, যেমন— একটি ব্ল্যাকবোর্ড মুছতে গেলে রোবটিক অ্যার্মটিকে পৃষ্ঠের সাথে আটকে থাকতে হয় এবং উপযুক্ত চাপ বজায় রাখতে হয়; সুইচ ক্যাবিনেটের দরজা খুলতে গেলে অভ্যন্তরীণ পুশ-পুল স্প্রিং গঠনটি সঠিকভাবে বুঝতে হয়; এবং রোবটটিকে শুধুমাত্র "যেখানে যাওয়া দরকার সেখানে যাওয়া এবং যেখানে হাত বাড়ানো দরকার সেখানে হাত বাড়ানো" করলেই হয় না, বরং সেটিকে "কতটুকু বল প্রয়োগ করা উচিত" তা-ও বুঝতে হয়। 'ফোর্স পজিশন হাইব্রিড কন্ট্রোল অ্যালগরিদম'-এর আগে এই সমস্ত কাজ ফোর্স সেন্সরের মাধ্যমে সমাধান করা হতো।
জিয়া বাওশিয়ং, বেইজিং জেনারেল আর্টিফিশিয়াল ইন্টেলিজেন্স রিসার্চ ইনস্টিটিউট-এর গবেষক: বল সেন্সরগুলি আসলে স্থির রোবটিক অ্যার্মে বেশি ব্যবহৃত হয়, যা ইনস্টলেশনকে আরও জটিল এবং ব্যয়বহুল করে তোলে। বল-অবস্থান মিশ্র নিয়ন্ত্রণ মডেলটি ঐসব কাজের সফলতার হার প্রায় ৪০% বৃদ্ধি করেছে যেগুলোতে বলের প্রয়োজন হয়, এটি ঐতিহ্যগত ভিএলএ মডেল (ভিজুয়াল ল্যাঙ্গুয়েজ অ্যাকশন মডেল) এর তুলনায়।