उत्तरप्रकाशित12 स्रोत
AI की मदद से बदले रोबोटिक तितली के पंख—लिफ्ट प्रदर्शन में 339% की बढ़त
USTButterfly II पर 19 जोड़ी अलग अलग पंख लगाकर 95 उड़ान परीक्षणों का डेटा जुटाया गया। डीप रीइन्फोर्समेंट लर्निंग से चुने गए पंखों के लिए लिफ्ट प्रदर्शन में 339% और थ्रस्ट प्रदर्शन में 46% बढ़ोतरी दर्ज की गई। ये प्रदर्शन संबंधी आंकड़े अपने आप में अधिक पेलोड, तेज़ गति या बेहतर चढ़ाई साबित नहीं करते।
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- USTButterfly II पर 19 जोड़ी अलग अलग पंख लगाकर 95 उड़ान परीक्षणों का डेटा जुटाया गया।
- डीप रीइन्फोर्समेंट लर्निंग से चुने गए पंखों के लिए लिफ्ट प्रदर्शन में 339% और थ्रस्ट प्रदर्शन में 46% बढ़ोतरी दर्ज की गई।
- ये प्रदर्शन संबंधी आंकड़े अपने आप में अधिक पेलोड, तेज़ गति या बेहतर चढ़ाई साबित नहीं करते।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: How did the University of Science and Technology Beijing and its partner labs use bio-inspired wing morphology and deep reinforcement learni. Article summary: The team used USTButterfly-II as a tunable experimental platform, combining real-flight data, a neural-network surrogate, and deep reinforcement learning to search for improved wing shapes rather than relying only on sim. Topic tags: general, academic, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
北京科技大学 और सहयोगी प्रयोगशालाओं के शोधकर्ताओं ने एक रोबोटिक तितली के पंखों का आकार बदल-बदलकर उड़ान परीक्षण किए। फिर उन नतीजों से बने डेटा की मदद से डीप रीइन्फोर्समेंट लर्निंग—यानी अनुभव से बेहतर विकल्प खोजने वाली मशीन-लर्निंग पद्धति—का इस्तेमाल कर नए पंख-डिज़ाइन तलाशे। शोधपत्र में लिफ्ट प्रदर्शन में 339% और थ्रस्ट प्रदर्शन में 46% की बढ़ोतरी बताई गई है। एक अलग रिपोर्ट के मुताबिक, AI से चुने गए पंखों को रोबोट पर बनाकर उड़ाने पर मॉडल के अनुमान और परीक्षण के नतीजों के बीच त्रुटि 7% से कम रही।1
6
ये बड़े आंकड़े ध्यान खींचते हैं, लेकिन इन्हें सीधे यह कहने का आधार नहीं मानना चाहिए कि रोबोट अब उतना ही अधिक वजन उठा सकता है या पहले से तेज़ी से ऊपर चढ़ सकता है। उपलब्ध स्रोत इन प्रतिशतों को प्रदर्शन-पैरामीटर में बढ़ोतरी बताते हैं; वे यह स्पष्ट नहीं करते कि इन्हें सीधे वायुगतिकीय बल, चढ़ाई के कोण, गति या पेलोड की समान प्रतिशत बढ़त के रूप में पढ़ा जा सकता है या नहीं।1
6
पंखों के आकार जांचने के लिए बनाया गया रोबोट
USTButterfly-II का वजन 48.3 ग्राम है। इसके पंखों का फैलाव 57.5 सेंटीमीटर और अधिकतम कॉर्ड—पंख के आगे के किनारे से पीछे के किनारे तक की चौड़ाई—37 सेंटीमीटर है। यह सामान्य तौर पर 5 Hz की आवृत्ति से पंख फड़फड़ाता है और पंखों का फड़फड़ाने का कोण 84 डिग्री है।6
एक मोटर और रिडक्शन गियरबॉक्स, डबल-क्रैंक और डबल-रॉकर यांत्रिकी के ज़रिए दोनों पंखों को एक साथ चलाते हैं। पंखों की नसें कार्बन फाइबर और ग्लास फाइबर से बनी हैं, जबकि रिपोर्ट के अनुसार उनकी झिल्ली 0.03 मिलीमीटर मोटे क्लोरीनेटेड पॉलीएथिलीन (CPE) की है।6
रोबोट पर पंखों की ज्यामिति बदली जा सकती थी। इससे शोधकर्ता केवल कंप्यूटर सिमुलेशन पर निर्भर रहने के बजाय अलग-अलग पंखों को असली उड़ान में परख सके।1
6
तितलियों के पंखों से प्रेरित डिज़ाइन
टीम ने पंखों के आकार को तीन मापदंडों से व्यक्त किया: अगले पंख के पिछले किनारे का अभिसरण अनुपात, अगले पंख की एक विशेष लंबाई और पिछले पंख की एक विशेष लंबाई। अध्ययन पर प्रकाशित रिपोर्ट के मुताबिक, शोधकर्ताओं ने 172 स्वैलोटेल तितली नमूनों की तस्वीरों से इन मापदंडों की तुलना की। उनमें से 36 नमूनों के आकार परीक्षण किए गए डिज़ाइनों की सीमा में आए; इनमें Parides वंश की सात प्रजातियां शामिल थीं।6
टीम ने 19 जोड़ी पंखों के साथ कुल 95 उड़ानें कराईं—हर जोड़ी के लिए पांच परीक्षण। इन वास्तविक उड़ानों से मिले आंकड़ों ने पंखों के आकार और रोबोट के प्रदर्शन के बीच संबंध खोजने का आधार दिया।6 शोधपत्र के सार के अनुसार, टीम ने पंख-ज्यामिति और उड़ान प्रदर्शन के संबंध का अनुमान लगाने के लिए न्यूरल नेटवर्क आधारित मॉडल बनाया, फिर डीप रीइन्फोर्समेंट लर्निंग से संभावित बेहतर डिज़ाइनों की खोज की।
1
339% और 46% की बढ़त का मतलब क्या है?
शोधपत्र के सार में लिफ्ट प्रदर्शन में 339% और थ्रस्ट प्रदर्शन में 46% की बढ़ोतरी दर्ज है।1 अलग रिपोर्ट कहती है कि AI से चुने गए पंखों को बनाकर रोबोट पर उड़ाने के बाद अनुमान की त्रुटि 7% से कम थी।
6 इससे संकेत मिलता है कि प्रस्तावित डिज़ाइनों को केवल सीखे हुए मॉडल में नहीं, बल्कि असली रोबोट पर भी जांचा गया।
1
6
फिर भी, उपलब्ध स्रोत इन प्रतिशतों की इकाइयों, शुरुआती आधार-माप या गणना की पूरी परिभाषा नहीं देते। इसलिए इनका अर्थ यह नहीं मानना चाहिए कि रोबोट ने 339% अधिक वायुगतिकीय बल पैदा किया, या उसकी चढ़ाई, गति अथवा सामान उठाने की क्षमता उतने ही अनुपात में बढ़ी। उपलब्ध जानकारी से अनुकूलन से पहले और बाद की गति या चढ़ाई में बदलाव को भी ठीक-ठीक बताना संभव नहीं है।1
6
इस तरीके की अहमियत—और उसकी सीमाएं
इस शोध की उपयोगी बात एक व्यावहारिक डिज़ाइन-चक्र है: पहले पंख फड़फड़ाने वाले रोबोट को उड़ाकर आंकड़े जुटाना, फिर पंख के आकार और प्रदर्शन के संबंध का मॉडल बनाना, उसके बाद मशीन-लर्निंग से नए आकार खोजना और चुने गए पंखों को वास्तविक उड़ान में परखना।1
6 इससे शोधकर्ताओं को जटिल पंख-आकारों की पड़ताल करने का तरीका मिलता है, जिसमें सिमुलेशन ही सबूत का एकमात्र आधार नहीं रहता।
नतीजे इस रोबोट और किए गए परीक्षणों तक सीमित हैं। उपलब्ध स्रोत यह नहीं बताते कि पंख के तीनों मापदंडों के आपसी असर को खोज ने पूरी तरह पकड़ा या नहीं, या ये निष्कर्ष दूसरे आकार के रोबोटों और अलग फड़फड़ाने की गति पर भी लागू होंगे या नहीं। यह भी स्थापित नहीं होता कि नए पंखों से रोबोट ने अधिक पेलोड उठाकर प्रदर्शन किया। चढ़ाई, रफ्तार और भार उठाना अलग-अलग लक्ष्य हैं; लिफ्ट और थ्रस्ट के बताए गए आंकड़े अपने-आप यह साबित नहीं करते कि एक ही डिज़ाइन इन सभी में सुधार करेगा।
कुल मिलाकर, उपलब्ध सबूत प्रकृति से प्रेरित पंख-ज्यामिति, डेटा से सीखे प्रदर्शन-मॉडल और रोबोट पर वास्तविक परीक्षण के मेल को आशाजनक बताते हैं—यह गारंटी नहीं कि रीइन्फोर्समेंट लर्निंग हर उड़ने वाले रोबोट के लिए सबसे अच्छा पंख चुन लेगी।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"AI की मदद से बदले रोबोटिक तितली के पंख—लिफ्ट प्रदर्शन में 339% की बढ़त" का संक्षिप्त उत्तर क्या है?
USTButterfly II पर 19 जोड़ी अलग अलग पंख लगाकर 95 उड़ान परीक्षणों का डेटा जुटाया गया।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
USTButterfly II पर 19 जोड़ी अलग अलग पंख लगाकर 95 उड़ान परीक्षणों का डेटा जुटाया गया। डीप रीइन्फोर्समेंट लर्निंग से चुने गए पंखों के लिए लिफ्ट प्रदर्शन में 339% और थ्रस्ट प्रदर्शन में 46% बढ़ोतरी दर्ज की गई।
मुझे अभ्यास में आगे क्या करना चाहिए?
ये प्रदर्शन संबंधी आंकड़े अपने आप में अधिक पेलोड, तेज़ गति या बेहतर चढ़ाई साबित नहीं करते।
सूत्र
link.springer.comBio-inspired exploration of butterfly wing morphology guides deep reinforcement learning optimization of robotic flight - npj Robotics
sohu.com这只48克仿生蝴蝶机器人，被AI改了翅膀后升力暴涨339% | 北科大等团队《npj Robotics》
link.springer.comBody, Aerodynamics, Design