संज्ञानात्मक रोबोटिक्स

संज्ञानात्मक रोबोटिक्स रोबोटिक्स की एक उपशाखा है जो रोबोट को एक प्रसंस्करण वास्तुकला प्रदान करके उसे बुद्धिमान व्यवहार से सुसज्जित करने से संबंधित है, जो उसे एक जटिल दुनिया में जटिल लक्ष्यों के जवाब में कैसे व्यवहार करना है, इसके बारे में सीखने और तर्क करने की अनुमति देती है। इसे मूर्त संज्ञानात्मक विज्ञान और मूर्त अंतर्निहित अनुभूति की इंजीनियरिंग शाखा माना जा सकता है, जिसमें रोबोटिक प्रक्रिया स्वचालन, कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, डीप लर्निंग, ऑप्टिकल कैरेक्टर रिकग्निशन, इमेज प्रोसेसिंग, प्रोसेस माइनिंग, एनालिटिक्स, सॉफ्टवेयर विकास और सिस्टम एकीकरण शामिल हैं। पारंपरिक कृत्रिम बुद्धिमत्ता तकनीकों के विपरीत जो अक्सर पूर्वनिर्धारित प्रतीकात्मक अभ्यावेदन पर निर्भर करती हैं, संज्ञानात्मक रोबोटिक्स भौतिक या आभासी वातावरण के साथ अंतःक्रिया के माध्यम से सीखने और अनुकूलन पर जोर देता है।

मुख्य मुद्दे

पारंपरिक संज्ञानात्मक मॉडलिंग दृष्टिकोणों ने दुनिया को चित्रित करने के साधन के रूप में प्रतीकात्मक कोडिंग योजनाओं को ग्रहण किया है, लेकिन दुनिया को इस प्रकार के प्रतीकात्मक अभ्यावेदन में अनुवाद करना समस्याग्रस्त साबित हुआ है, यदि असंभव नहीं है। धारणा और क्रिया, प्रतीकात्मक अभ्यावेदन की धारणा के साथ, इसलिए संज्ञानात्मक रोबोटिक्स में मुख्य मुद्दे हैं। रोबोट को कच्चे संवेदी डेटा, जैसे दृश्य या श्रवण इनपुट, को संसाधित करना चाहिए और इसे हाथ से कोडित प्रतीकों पर भरोसा किए बिना कार्रवाई योग्य ज्ञान में परिवर्तित करना चाहिए। यह चुनौती उन वास्तुकलाओं को डिजाइन करने के लिए केंद्रीय है जो असंरचित, गतिशील वातावरण में काम कर सकती हैं।

प्रारंभिक बिंदु

संज्ञानात्मक रोबोटिक्स मानव या पशु अनुभूति को रोबोटिक सूचना प्रसंस्करण विकसित करने के लिए एक प्रारंभिक बिंदु के रूप में देखता है, जो अधिक पारंपरिक कृत्रिम बुद्धिमत्ता तकनीकों के विपरीत है। लक्षित रोबोटिक संज्ञानात्मक क्षमताओं में धारणा प्रसंस्करण, ध्यान आवंटन, प्रत्याशा, योजना, जटिल मोटर समन्वय, अन्य एजेंटों के बारे में तर्क, और शायद रोबोट के अपने मानसिक अवस्थाओं के बारे में तर्क भी शामिल हैं। रोबोटिक अनुभूति भौतिक दुनिया (या सिम्युलेटेड संज्ञानात्मक रोबोटिक्स के मामले में एक आभासी दुनिया) में बुद्धिमान एजेंटों के व्यवहार को मूर्त रूप देती है। अंततः, रोबोट को वास्तविक दुनिया में कार्य करने में सक्षम होना चाहिए, जिसके लिए एक सतत लूप में धारणा, निर्णय लेने और मोटर नियंत्रण को एकीकृत करने की आवश्यकता होती है।

सीखने की तकनीकें

मोटर बैबलिंग

मोटर बैबलिंग नामक एक प्रारंभिक रोबोट सीखने की तकनीक में रोबोट द्वारा छद्म-यादृच्छिक जटिल मोटर आंदोलनों को परिणामी दृश्य और/या श्रवण प्रतिक्रिया के साथ सहसंबंधित करना शामिल है, जिससे रोबोट को मोटर आउटपुट के एक पैटर्न को देखते हुए संवेदी प्रतिक्रिया के एक पैटर्न की उम्मीद करना शुरू करने की अनुमति मिलती है। वांछित संवेदी प्रतिक्रिया का उपयोग तब मोटर नियंत्रण संकेत को सूचित करने के लिए किया जा सकता है। ऐसा माना जाता है कि यह उस तरीके के अनुरूप है जिस तरह से एक शिशु वस्तुओं तक पहुंचने या भाषण ध्वनियां उत्पन्न करने के लिए सीखता है। सरल रोबोट प्रणालियों के लिए जहां प्रत्याशित प्रतिक्रिया को मोटर आउटपुट में बदलने के लिए व्युत्क्रम गतिकी का उपयोग संभवतः किया जा सकता है, इस चरण को छोड़ा जा सकता है।

अनुकरण

एक बार जब एक रोबोट वांछित परिणाम उत्पन्न करने के लिए अपने मोटरों का समन्वय कर सकता है, तो अनुकरण द्वारा सीखने की तकनीक का उपयोग किया जा सकता है। रोबोट किसी अन्य एजेंट के प्रदर्शन की निगरानी करता है और फिर उस एजेंट का अनुकरण करने का प्रयास करता है। एक जटिल दृश्य से अनुकरण जानकारी को रोबोट के लिए वांछित मोटर परिणाम में बदलना अक्सर एक चुनौती होती है। अनुकरण संज्ञानात्मक व्यवहार का एक उच्च-स्तरीय रूप है, और यह मूर्त पशु अनुभूति के एक बुनियादी मॉडल में आवश्यक रूप से आवश्यक नहीं है।

ज्ञान अधिग्रहण

एक अधिक जटिल सीखने का दृष्टिकोण स्वायत्त ज्ञान अधिग्रहण है, जहां रोबोट अपने दम पर वातावरण का पता लगाता है, आमतौर पर लक्ष्यों और विश्वासों की एक प्रणाली मानता है। जिज्ञासा एल्गोरिदम, जैसे इंटेलिजेंट एडेप्टिव क्यूरियोसिटी या कैटेगरी-बेस्ड इंट्रिन्सिक मोटिवेशन द्वारा अन्वेषण का एक कुछ अधिक निर्देशित तरीका प्राप्त किया जा सकता है। इन एल्गोरिदम में आम तौर पर संवेदी इनपुट को सीमित संख्या में श्रेणियों में तोड़ना और प्रत्येक को एक भविष्यवाणी प्रणाली (जैसे कृत्रिम तंत्रिका नेटवर्क) सौंपना शामिल है। भविष्यवाणी प्रणाली समय के साथ अपनी भविष्यवाणियों में त्रुटि को ट्रैक करती है; भविष्यवाणी त्रुटि में कमी को सीखना माना जाता है। फिर रोबोट उन श्रेणियों को प्राथमिकता से खोजता है जिनमें यह सबसे तेजी से सीख रहा है।

अन्य वास्तुकलाएं

संज्ञानात्मक रोबोटिक्स में कुछ शोधकर्ताओं ने अपने कार्यक्रमों के आधार के रूप में ACT-R और Soar जैसी वास्तुकलाओं का उपयोग करने का प्रयास किया है। ये अत्यधिक मॉड्यूलर प्रतीक-प्रसंस्करण वास्तुकलाएं सरल और प्रतीकित प्रयोगशाला डेटा के मॉडलिंग में ऑपरेटर प्रदर्शन और मानव प्रदर्शन का अनुकरण करने के लिए उपयोग की गई हैं। विचार इन वास्तुकलाओं को वास्तविक दुनिया के संवेदी इनपुट को संभालने के लिए विस्तारित करना है क्योंकि यह समय के माध्यम से लगातार सामने आता है। जो आवश्यक है वह दुनिया को प्रतीकों और उनके संबंधों के एक सेट में अनुवाद करने का एक तरीका है, जो एक खुली चुनौती बनी हुई है।

यह भी देखें

• कृत्रिम बुद्धिमत्ता
• बुद्धिमान एजेंट
• संज्ञानात्मक वास्तुकला
• संज्ञानात्मक विज्ञान
• साइबरनेटिक्स
• विकासात्मक रोबोटिक्स
• मूर्त संज्ञानात्मक विज्ञान
• एपिजेनेटिक रोबोटिक्स
• विकासवादी रोबोटिक्स
• हाइब्रिड बुद्धिमान प्रणाली
• iCub
• बुद्धिमान नियंत्रण

बाहरी लिंक

• विकिपीडिया: संज्ञानात्मक रोबोटिक्स