اہم کامیابی! بیجنگ کی تحقیقاتی ٹیم نے دنیا کا پہلا 'فورس پوزیشن ہائبرڈ کنٹرول الگورتھم' پیش کیا!

حال ہی میں، چینی تحقیقاتی ٹیموں نے روبوٹ الگورتھمز کے شعبے میں اہم کامیابیاں حاصل کی ہیں، جس میں دنیا کا پہلا متحدہ نظریہ "فورس پوزیشن ہائبرڈ کنٹرول الگورتھم" پیش کیا گیا ہے۔ یہ الگورتھم فورس سینسرز پر انحصار نہیں کرتا، جس کی وجہ سے روبوٹ ایک ہی وقت میں پوزیشن اور فورس دونوں کنٹرول سیکھ سکتا ہے۔ متعلقہ کاموں کی کامیابی کی شرح میں، صرف پوزیشن کنٹرول استعمال کرنے والی حکمت عملی کے مقابلے میں تقریباً 39.5 فیصد اضافہ ہوا ہے۔ اس سے بھی زیادہ قابل ذکر یہ ہے کہ اس سے متعلقہ تحقیقی مضامین کو بین الاقوامی روبوٹ لرننگ کانفرنس میں بہترین مقالہ انعام دیا گیا ہے، جو اس انعام کے قائم ہونے کے بعد سے اب تک چینی ماہرین کی ایک ٹیم کو دیا جانے والا پہلا موقع ہے۔
بیجنن جنرل آرٹیفیشل انٹیلی جنس ریسرچ انسٹی ٹیوٹ کے تجرباتی مقام پر، اس نئے الگورتھم سے لیس ایک چار پاؤں والا میکانیکی کُتّا سفید بورڈ صاف کرنے کے تربیتی کام کو منظم طریقے سے انجام دے رہا ہے۔ محققین نے اس عملی منظر نامے کو صحافیوں کو "فورس پوزیشن ہائبرڈ کنٹرول الگورتھم" کے بنیادی اصولوں اور واضح فوائد کی وضاحت کرنے کے لیے استعمال کیا۔
جیا باو شیونگ، ایک محقق بیجنن جنرل آرٹیفیشل انٹیلی جنس ریسرچ انسٹی ٹیوٹ سے: عام وژول لینگویج ایکشن ماڈلز دراصل کیمرے کے ذریعے لی گئی تصاویر کو ان پٹ کے طور پر لیتے ہیں اور پھر ٹریجیکٹری کی پیش گوئی کرتے ہیں۔ یہ ٹریجیکٹری روبوٹ کو وائٹ بورڈ کو صاف کرتے وقت اس کی سختی سے پابندی عائد کرنے سے روک سکتی ہے، جس کی وجہ سے یہ صورتحال صاف نہیں ہو پاتی۔ فورس پوزیشن مکسڈ کنٹرول ماڈل میں، ہم فورس کے بعد کو زیادہ سے زیادہ پُر کرنے کی کوشش کرتے ہیں، تاکہ درست مقام کی بنیاد پر وائٹ بورڈ پر دباؤ ڈالنے کا اثر حاصل کیا جا سکے، اس طرح وہ وائٹ بورڈ سے گہرائی سے چپک جاتا ہے اور اس پر لکھے گئے الفاظ کو مٹا دیتا ہے۔ یعنی ہم نے اصل وژول لینگویج ایکشن ماڈل میں فورس کے بعد کو ہموار کرنے کے ساتھ ساتھ فورس اور پوزیشن کنٹرول کو ایک ساتھ ملانے کا اثر بھی حاصل کر لیا۔
ماہرین کے مطابق، عام طور پر استعمال ہونے والے بصری زبان عمل کے ماڈل اکثر حقیقی زندگی کے بہت سارے کاموں کو سنبھالنے میں ناکام رہتے ہیں۔ اس کا بنیادی مسئلہ یہ ہے کہ ان میں سے زیادہ تر کام پیچیدہ رابطے کے مندرجات کو شامل کرتے ہیں، جیسے سیاہ بورڈ صاف کرتے وقت، روبوٹک بازو کو سطح کے ساتھ چپکے رہنے اور مناسب دباؤ برقرار رکھنے کی ضرورت ہوتی ہے؛ سوئچ کیبنٹ کے دروازے کو اندرونی دھکیل کھینچ سپرنگ کے ڈھانچے کو درست طریقے سے محسوس کرنے کی ضرورت ہوتی ہے؛ اور روبوٹ کو صرف 'جہاں جانا ہو وہاں جانا اور جہاں ہاتھ بڑھانا ہو وہاں ہاتھ بڑھانا' ہی نہیں بلکہ 'یہ بھی سمجھنا ہوتا ہے کہ کتنی طاقت استعمال کرنی ہے'۔ 'فورس پوزیشن ہائبرڈ کنٹرول الگورتھم' سے پہلے، ان تمام چیزوں کو فورس سینسرز کے ذریعے حل کرنا پڑتا تھا۔
جیا باو شیونگ، بیجن جنرل آرٹیفیشل انٹیلی جنس ریسرچ انسٹی ٹیوٹ کے محقق: طاقت کے سینسرز دراصل زیادہ تر مستقل روبوٹک بازوؤں پر لگائے جاتے ہیں، جس کی وجہ سے ان کی انسٹالیشن زیادہ پیچیدہ اور مہنگی ہو جاتی ہے۔ طاقت اور مقام کے مرکب کنٹرول ماڈل نے ان کاموں کے کامیاب ہونے کے امکانات میں تقریباً 40 فیصد اضافہ کر دیا ہے جن میں طاقت کی ضرورت ہوتی ہے، جبکہ روایتی وی ایل اے ماڈل (وژوئل لینگویج ایکشن ماڈل) کے مقابلے میں۔