𝗘𝘅𝗽𝗹𝗮𝗶𝗻𝗮𝗯𝗹𝗲 𝗖𝗮𝘂𝘀𝗮𝗹 𝗥𝗟 𝗳𝗼𝗿 𝗦𝗼𝗳𝘁 𝗥𝗼𝗯𝗼𝘁𝗶𝗰𝘀 𝗠𝗮𝗶𝗻𝘁𝗲𝗻𝗮𝗻𝗰𝗲

સોફ્ટ રોબોટ્સ મેન્ટેનન્સમાં અનોખી સમસ્યાઓ રજૂ કરે છે. રિજિડ (કઠોર) રોબોટ્સથી વિપરીત, તેઓ મટીરીયલ ફેટીગ (material fatigue), સેન્સર ડ્રિફ્ટ અને એક્ટ્યુએટર હિસ્ટરિસિસનો સામનો કરે છે.

પરંપરાગત AI અહીં નિષ્ફળ જાય છે કારણ કે તે સહસંબંધો (correlations) પર આધાર રાખે છે. સોફ્ટ રોબોટિક્સમાં, એક ચેમ્બરમાં નાની સમસ્યા અન્ય ચેમ્બરોમાં નિષ્ફળતાઓની સાંકળ (cascade of failures) લાવી શકે છે. તમારે માત્ર પેટર્ન જ નહીં, પણ કારણ અને અસર (cause and effect) સમજવાની જરૂર છે.

આ સમસ્યાના ઉકેલ માટે મેં Explainable Causal Reinforcement Learning (ECRL) વિકસાવ્યું છે. આ સિસ્ટમ ત્રણ વસ્તુઓ કરે છે:

• Causal Discovery: તે શીખે છે કે દબાણ (pressure) અને સ્ટ્રેઈન (strain) જેવા સેન્સર રીડિંગ્સ કેવી રીતે નિષ્ફળતા તરફ દોરી જાય છે. • Causal Inference: તે કાઉન્ટરફેક્ચ્યુઅલ (counterfactual) પ્રશ્નોના જવાબ આપે છે. તે પૂછે છે, "જો આપણે દબાણ 10% ઘટાડીએ તો શું થાય?" • Causal Policy Optimization: તે એવા કાર્યો શીખે છે જે રોબોટના ભૌતિક માળખાનું સન્માન કરે છે.

સૌથી મોટો પડકાર રિયલ-ટાઇમ મર્યાદાઓ છે. સોફ્ટ રોબોટ્સ મિલિસેકન્ડના સમયગાળામાં કામ કરે છે. જો નિર્ણય લેવામાં વધુ સમય લાગે, તો રોબોટ તૂટી શકે છે.

આને હેન્ડલ કરવા માટે મેં બે-સ્તરીય (two-tier) આર્કિટેક્ચર બનાવ્યું છે:

  • A Fast Policy: આ તાત્કાલિક, રિયલ-ટાઇમ નિર્ણયો સંભાળે છે.
  • A Causal Corrector: આ બેકગ્રાઉન્ડમાં ચાલે છે જેથી તપાસી શકાય કે ઝડપી નિર્ણય સુરક્ષિત છે કે નહીં.

મારા પરીક્ષણોમાં આ સિસ્ટમ દ્વારા અનપ્લાન્ડ ડાઉનટાઇમમાં 73% નો ઘટાડો થયો છે. 'બ્લેક-બોક્સ' ભૂલ આપવાને બદલે, સિસ્ટમ તેના કાર્યો માટે સ્પષ્ટ કારણો આપે છે. ઉદાહરણ તરીકે:

"વધારે દબાણને કારણે ચેમ્બર 2 માં સ્ટ્રેઈન પેદા થયો, જેનાથી માઇક્રો-ડેલેમિનેશન (micro-delamination) થયું. પીક પ્રેશર ઘટાડવાથી નિષ્ફળતામાં વિલંબ થશે."

આ માનવ ટેકનિશિયનોને AI પર વિશ્વાસ રાખવા અને ચોકસાઈ સાથે કામ કરવા દે છે.

શીખેલા પાઠ:

  • રિયલ-વર્લ્ડ ડેટા બચાવવા માટે પ્રારંભિક તાલીમ માટે સિમ્યુલેશનનો ઉપયોગ કરો.
  • કોઝલ ચેક્સને 2ms થી નીચે રાખવા માટે લાઇટવેઇટ નેટવર્કનો ઉપયોગ કરો.
  • એડેપ્ટિવ એક્સપ્લેનેશન (adaptive explanations) લાગુ કરો. પ્રોસેસિંગ પાવર બચાવવા માટે જ્યારે નિષ્ફળતાની શક્યતા હોય ત્યારે જ ઊંડાણપૂર્વક વિગતો આપો.

Source: https://dev.to/rikinptl/explainable-causal-reinforcement-learning-for-bio-inspired-soft-robotics-maintenance-under-57d8

Optional learning community: https://t.me/GyaanSetuAi