सामाजिक रोबोटों के लिए जैव-प्रेरित गति अनुकरण: एक वास्तविक समय की ट्राजेक्टरी जनरेशन और नियंत्रण दृष्टिकोण

सहायक रोबोटिक प्लेटफ़ॉर्म्स ने हाल ही में विभिन्न स्वास्थ्य देखभाल अनुप्रयोगों में लोकप्रियता प्राप्त की है, और उनका उपयोग सामाजिक सेटिंग्स में शिक्षा, पर्यटन और निर्माण जैसे क्षेत्रों में बढ़ गया है। ये सामाजिक रोबोट, जो अक्सर जैव-प्रेरित मानवाकार प्रणालियों के रूप में होते हैं, एक-एक संवाद के माध्यम से महत्वपूर्ण मनोवैज्ञानिक और शारीरिक लाभ प्रदान करते हैं। सामाजिक रोबोटिक प्लेटफ़ॉर्म्स और मनुष्यों के बीच इंटरैक्शन को अनुकूलित करने के लिए, इन रोबोटों का वास्तविक समय में मानव गति को पहचानना और अनुकरण करना महत्वपूर्ण है। यह शोध एक गति पूर्वानुमान मॉडल प्रस्तुत करता है, जिसे कॉन्वोल्यूशनल न्यूरेल नेटवर्क (CNNs) का उपयोग करके विकसित किया गया है ताकि प्रारंभिक स्थिति में गति के प्रकार को कुशलता से निर्धारित किया जा सके। पहचान लेने के बाद, रोबोट के समकक्ष प्रतिक्रियाएं इसके जॉइंट्स को विशिष्ट ट्राजेक्टरी के साथ स्थानांतरित करके क्रियान्वित की जाती हैं, जो समय-संरेखण के माध्यम से निकाली गई हैं और पूर्व-चुने गए गति पुस्तकालय में सहेजी जाती हैं। इस अध्ययन में, हमने एक मल्टी-एक्सियल रोबोटिक आर्म विकसित किया है जिसे मानव के मूवमेंट्स का अनुकरण करने के लिए गति पहचान मॉडल के साथ एकीकृत किया गया है। रोबोटिक आर्म पहचान की गई मानव गति के आधार पर संबंधित इंटरैक्शन के लिए पूर्व-चुने गए ट्राजेक्टरी का पालन करता है। रोबोटिक प्रणाली की गैर-रेखीयताएँ और क्रॉस-कपल्ड डायनेमिक्स को संबोधित करने के लिए, हमने सटीक गति ट्रैकिंग के लिए एक नियंत्रण रणनीति लागू की। यह एकीकृत प्रणाली सुनिश्चित करती है कि रोबोटिक आर्म उपयुक्त नियंत्रित परिणाम प्राप्त कर सकता है, इस प्रकार इस प्रकार के इंटरैक्टिव रोबोटिक सिस्टम के प्रभावी जैव-प्रेरित गति अनुकरण में प्राप्यत्व को मान्य करती है।