हॉकिंग बॉट: 5 कदम

2024 लेखक: John Day | [email protected]. अंतिम बार संशोधित: 2024-01-30 09:22

हॉकिंग बॉट एक लेगो MINDSTORMS EV3 प्रोजेक्ट है जो स्वर्गीय स्टीफन हॉकिंग से प्रेरित है। स्टीफन हॉकिंग का सेंस ऑफ ह्यूमर अच्छा था इसलिए मुझे यकीन है कि उन्होंने इस प्रोजेक्ट को मंजूरी दे दी होगी। हॉकिंग बॉट बाधाओं के आसपास अपना रास्ता नेविगेट कर सकता है और आंदोलनों का जवाब दे सकता है और फिर स्टीफन हॉकिंग के प्रसिद्ध साउंडबाइट्स में से एक का उच्चारण करता है और चलती वस्तु की दिशा में आगे बढ़ता है। यह अल्ट्रासोनिक सेंसर का उपयोग करता है जो एक व्यापक सिर आंदोलन के साथ अपने पर्यावरण को स्कैन कर रहा है।

चरण 1: अपना हॉकिंग बॉट बनाएं

अल्ट्रासोनिक सेंसर (उसकी आंखें) के अपवाद के साथ सभी आवश्यक टुकड़े मूल EV3 लेगो MINDSTORMS सेट में हैं जिन्हें अलग से खरीदना पड़ता है।

चरण 2:

हॉकिंग बॉट के लिए कोड सभी अजगर 3 में लिखा गया है। हॉकिंग बॉट पर डेबियन लिनक्स वातावरण में अजगर को चलाने के लिए बूट करने योग्य छवि फ़ाइल को ev3dev वेबसाइट से डाउनलोड किया जा सकता है। हॉकिंग बॉट को चलाने के लिए कोड यहां से डाउनलोड किया जा सकता है। सभी कोड एक वर्ग फ़ाइल में समाहित हैं ताकि आप मौजूदा विधियों का उपयोग कर सकें या यदि आप चाहें तो उन्हें संशोधित भी कर सकते हैं।

कृपया इस वीडियो को विस्तृत निर्देशों के साथ देखें कि अपने रोबोट पर डेबियन लिनक्स और पायथन 3 कैसे सेट करें। यद्यपि यह विशेष रूप से मैक सेटअप के लिए है, फिर भी यह प्रक्रिया की सामान्य समझ प्राप्त करने के लिए उपयोगी होगा। यह काम प्रगति में है। अल्ट्रासोनिक सेंसर कई बार अविश्वसनीय होता है और इसके लिए 'आउटलेर्स' का पता लगाने के लिए स्मार्ट कोड की आवश्यकता होती है। मैं कोड को अधिक कुशल और कम त्रुटि-प्रवण बनाने के लिए दूसरों से योगदान देखना चाहता हूं।

चरण 3: अपना खुद का हॉकिंग साउंडबाइट बनाएं

ठीक है, अब आप प्रोफ़ेसर हॉकिंग के कुछ प्रसिद्ध उद्धरण या केवल कुछ सरल कथन चाहते हैं। ऐसे ढेरों वीडियो हैं जहां आप उन्हें बात करते हुए सुन सकते हैं और फिर उनके व्याख्यान हैं जो ज्ञान और उपयोगी ध्वनि काटने का खजाना हैं।

आपको ऑडेसिटी जैसे प्रोग्राम की जरूरत है जो आपके पसंदीदा साउंडबाइट्स को चुनने और काटने के लिए कई प्लेटफॉर्म पर काम करता है।

अपने साउंडबाइट को WAV मोनो फ़ाइल के रूप में SH6, SH7, …SH11, SH12 इत्यादि के रूप में सहेजें।

नीचे आपको कुछ नमूने मिलते हैं जो मैंने उपरोक्त विधि के अनुसार बनाए हैं।

चरण 4: टिप्स और ट्रिक्स

हॉकिंग बॉट एक सेल्फ-चेक मॉड्यूल के साथ आता है ताकि यह सुनिश्चित किया जा सके कि सभी केबल जुड़े हुए हैं और बैटरी की शक्ति पर्याप्त है। ढीले, गुम या क्षतिग्रस्त कनेक्शन भी आसानी से हो सकते हैं। तो यह मॉड्यूल बहुत उपयोगी है। 'चेककनेक्शन' विधि केवल यह जांचती है कि कोई विद्युत कनेक्शन है या नहीं। आपको अभी भी सुनिश्चित करना होगा कि मोटर सही पोर्ट से जुड़े हैं।

हॉकिंग बॉट के लिए अपने इलाके को स्कैन करने और आगे का सबसे लंबा अबाधित रास्ता खोजने के लिए स्वाइपिंग हेड मूवमेंट आवश्यक है। सिर की गतिविधियों को समायोजित करने के लिए केबलों को पर्याप्त स्थान की आवश्यकता होती है; इसलिए सलाह दी जाती है कि उन्हें एक साथ बांधें जैसा कि तस्वीर में दिखाया गया है।

हॉकिंग बॉट बड़ी बाधाओं के साथ और एक सपाट और चिकनी सतह पर सबसे अच्छा काम करता है। मोटरों के लिए कालीन अधिक चुनौतीपूर्ण होते हैं और आपको विभिन्न सतहों के व्यवहार को समायोजित करने के लिए सेटिंग्स को समायोजित करना पड़ सकता है।

हॉकिंग बॉट किसी भी तरह से सही नहीं है और यह एक प्रोटोटाइप है जो आगे के सुधारों से लाभान्वित होगा। कोड पूरी तरह से टिप्पणी की गई है और आपके लिए यह पता लगाना आसान होना चाहिए कि विभिन्न विधियां क्या करती हैं। विभिन्न बिट्स को # के साथ टिप्पणी की गई है, यदि आप 'प्रिंट' के सामने # को हटाते हैं तो रनिंग प्रोग्राम आपको विभिन्न सेंसर रीडिंग और गणना दिखाएगा।

चरण 5: सुझाए गए सुधार, अपडेट और भविष्य के विचार

अब जब आपने अपना रोबोट सफलतापूर्वक बना लिया है तो आप इसे अगले स्तर पर ले जाना चाहते हैं। आप MotionDetector पद्धति में सुधार कर सकते हैं। अभी तो कई बार गलत रीडिंग हो जाती है। आप डिसए और डिसबी (विधि ब्लॉक के निचले भाग में) को हटाकर वास्तविक रीडिंग देख सकते हैं। गलत रीडिंग आमतौर पर अन्य रीडिंग से अलग होती है ताकि आप रोबोट को गलत रीडिंग का जवाब देने से रोकने के लिए एक एल्गोरिदम लिख सकें।

शायद आप रोबोट का पूरा नियंत्रण लेना चाहते हैं और इसके विभिन्न कार्यों को रिमोट-कंट्रोल करना चाहते हैं। आप इसे ब्लूटूथ के माध्यम से कर सकते हैं और रोबोट के साथ संवाद करने के लिए एक एंड्रॉइड प्रोग्राम लिख सकते हैं। हालांकि, हॉकिंग बॉट को नियंत्रित करने के लिए इन्फ्रारेड सेंसर के लिए जगह ढूंढना एक आसान तरीका होगा।

अपने पर्यावरण के बारे में जानने के लिए रोबोट प्राप्त करने के बारे में क्या? यह k-निकटतम पड़ोसी दृष्टिकोण या संभवतः एक तंत्रिका नेटवर्क के साथ पूरा किया जा सकता है। EV3 ईंट में सीमित प्रसंस्करण शक्ति है, हालांकि यह Numpy का समर्थन करता है। एक विकल्प ब्रिकपी होगा जो आपको Tensorflow की तरह AI लाइब्रेरी चलाने की अनुमति देगा लेकिन इस गाइड का उद्देश्य अल्ट्रासोनिक सेंसर के अलावा कई महंगे अतिरिक्त टुकड़े खरीदने की आवश्यकता के बिना Lego EV3 MINDSTORMS किट का उपयोग करना था।

हालांकि, k-निकटतम पड़ोसी री-इन्फोसेमेंट लर्निंग अप्रोच को EV3 ब्रिक पर काम करना चाहिए और यह सुझाया गया एल्गोरिथम है। मैं इसे आप पर छोड़ता हूं कि आप एक कार्यशील कार्यान्वयन या किसी भी समस्या का पता लगाएं:

हॉकिंग्स Bot. के लिए सुदृढीकरण सीखना

विचार यह है कि 7 यूएसएस रीडिंग को एक वेक्टर में एन्कोड किया गया है और अंतिम 10 हेड स्वूप्स का उपयोग 70 प्रविष्टियों के अनुक्रमिक वेक्टर बनाने के लिए किया जाता है। पहली रीडिंग अधूरी है इसलिए शून्य से भर दी जाएगी। प्रत्येक प्रविष्टि में यूएसएस से दूरी का मान होता है। यह राज्य वेक्टर एस है। सिस्टम 1000 प्रविष्टियों के लिए अनुमति देता है। इसके बाद सबसे पुरानी प्रविष्टि को बदल दिया जाएगा और प्रत्येक s-r जोड़ी के लिए आयु प्रविष्टियां एक से कम कर दी जाएंगी।

बॉट किसी वस्तु के 10 सेमी से अधिक करीब नहीं आना चाहिए। यह एक नकारात्मक इनाम बनाता है। सरलता के लिए; अच्छे कार्यों को 1 और बुरे लोगों को 0 से पुरस्कृत किया जाता है। प्रभावी रूप से यह प्रत्येक क्रिया-राज्य संयोजन के लिए इनाम की संभावना बनाता है। हम रियायती पुरस्कार और एप्सिलॉन लालची नीति का उपयोग करेंगे।

यह तीनों क्रियाओं के लिए ३ बड़ी स्टेट-इनाम (s-r) तालिका बनाता है, दाएं, सीधे आगे और बाएं – प्रत्येक क्रिया के लिए तेज और धीमी गति होना संभव हो सकता है। तब हमारे पास ६ क्रियाएँ और ६ लुकअप s-r टेबल होंगे।

हर बार एक नया राज्य दर्ज किया जाता है, इसकी तुलना तालिकाओं से की जाती है, यूक्लिडियन दूरी (या समान माप) का उपयोग निकटतम पड़ोसी को खोजने के लिए किया जाता है। इसे रैंक नहीं किया जाएगा, बल्कि राज्य को बहुत समान के रूप में स्वीकार करने के लिए एक थ्रेशोल्ड टी सेट की गई है, मौजूदा स्थिति को अधिलेखित करें और उच्चतम इनाम के लिए अपडेट करें और संबंधित कार्रवाई को अंजाम दें। यदि यह समान नहीं है (d>t) प्रत्येक क्रिया के लिए एक नया s-r युग्म दर्ज करें a. यदि s-r के लिए क्रियाओं के बीच एक टाई है (उन सभी का एक ही इनाम है) यादृच्छिक रूप से चुनें लेकिन यह सामान्य नहीं है और इसे छोड़ा जा सकता है।

टी को प्रयोगात्मक रूप से निर्धारित करना होगा, यदि टी बहुत छोटा है तो समान राज्यों को नजरअंदाज कर दिया जाएगा और प्रत्येक राज्य को अद्वितीय के रूप में देखा जा रहा है। टू लार्ज ए टी का मतलब है कि अलग-अलग राज्यों को भी एक साथ जोड़ा जाता है जो अच्छे कार्यों को चुनने की क्षमता को प्रभावित कर सकता है। सर्वोत्तम टी निर्धारित करने के लिए सांख्यिकीय विधियों का उपयोग करना संभव हो सकता है।

तालिका कुछ इस तरह दिखती है: प्रवेश संख्या - राज्य वेक्टर- कार्रवाई 1 के लिए इनाम - कार्रवाई 2 के लिए इनाम - कार्रवाई के लिए इनाम 3.

मुझे लगता है कि वास्तविक कार्यान्वयन मुश्किल होगा लेकिन प्रयास के लायक होना चाहिए। आपको कामयाबी मिले!