এই গবেষণাপত্র বহু-এজেন্ট সিস্টেমের (এমএএস) মাপযোগ্যতার একটি গুরুত্বপূর্ণ বাধা সমাধান করে: অভিন্ন, ব্যাপক উৎপাদিত এজেন্ট (যেমন, ড্রোন, রোভার) দৃষ্টিগতভাবে পৃথক করতে না পারা এবং তাদের দৃষ্টিগত উপলব্ধিকে তাদের যোগাযোগ প্রবাহের সাথে নির্বিঘ্নে সংযুক্ত করতে না পারা। রঙিন কোডিং বা ফিডুসিয়াল মার্কার (যেমন, আরইউকো) এর মতো ঐতিহ্যগত পদ্ধতিগুলি গতিশীল, ঘূর্ণায়মান এজেন্ট বা ব্যাপক উৎপাদনের জন্য অবাস্তব। রেডিও যোগাযোগ, যদিও ডেটা স্থানান্তরের জন্য কার্যকর, স্বাভাবিক স্থানিক প্রসঙ্গের অভাব রয়েছে, যা একটি এজেন্টের সেন্সর দৃশ্য এবং প্রাপ্ত ডেটার উৎসের মধ্যে একটি "সংযোগ বিচ্ছিন্নতা" তৈরি করে।
প্রস্তাবিত সমাধানটি উদ্ভাবনীভাবে ইভেন্ট-ভিত্তিক ভিশন সেন্সর (ইভেন্ট ক্যামেরা) এবং দৃশ্যমান আলোক যোগাযোগ (ভিএলসি) কে একত্রিত করে। ইভেন্ট ক্যামেরা, যা মাইক্রোসেকেন্ড রেজোলিউশন সহ পিক্সেল-প্রতি উজ্জ্বলতার পরিবর্তন অ্যাসিঙ্ক্রোনাসভাবে রিপোর্ট করে, সেগুলিকে উচ্চ-গতির অপটিক্যাল রিসিভার হিসেবে পুনরায় উদ্দেশ্যে ব্যবহার করা হয়। এজেন্টগুলিকে এলইডি দিয়ে সজ্জিত করা হয় যা দ্রুত জ্বলন-নিভনের মাধ্যমে অনন্য সনাক্তকরণ কোড প্রেরণ করে, যা স্ট্যান্ডার্ড আরজিবি ক্যামেরার জন্য অনুধাবনযোগ্য নয় কিন্তু একটি প্রতিবেশী এজেন্টের ইভেন্ট ক্যামেরা দ্বারা সনাক্তযোগ্য। এটি একটি সরাসরি, স্থানিক-সচেতন সংযোগ তৈরি করে: এজেন্টটি "দেখে" যে তার দৃষ্টিক্ষেত্রের কোন নির্দিষ্ট এজেন্ট ডেটা প্রেরণ করছে।
গুদামঘর, অনুসন্ধান ও উদ্ধার, বা পরিবেশ পর্যবেক্ষণে সমজাতীয় রোবট বহরের ভবিষ্যত মোতায়েনে, এজেন্টগুলি দৃষ্টিগতভাবে অভিন্ন হবে। একটি স্ট্যান্ডার্ড ক্যামেরা শুধুমাত্র চেহারা দেখে "ড্রোন এ" এবং "ড্রোন বি" বলতে পারে না। যখন ড্রোন এ একটি রেডিও বার্তা পায়, এটি সেই বার্তাটিকে তার বর্তমান ক্যামেরা ফিডে পর্যবেক্ষণ করা নির্দিষ্ট ড্রোনের সাথে সম্পর্কিত করতে পারে না। এটি প্রসঙ্গ-সচেতন সহযোগিতামূলক আচরণের জন্য লুপটি ভেঙে দেয়।
মূল উদ্ভাবন হল একটি ইভেন্ট ক্যামেরা শুধুমাত্র দৃষ্টির জন্য নয়, বরং একটি দ্বৈত-উদ্দেশ্য যোগাযোগ রিসিভার হিসেবে ব্যবহার করা। একটি উচ্চ কম্পাঙ্কে (যেমন, কিলোহার্টজ) জ্বলন-নিভন করা একটি এলইডি উজ্জ্বলতা পরিবর্তন ইভেন্টের একটি কাঠামোগত প্যাটার্ন তৈরি করে। ইভেন্ট ক্যামেরা এই স্থানিক-কালিক প্যাটার্নটি ক্যাপচার করে। এই প্যাটার্নটি ডিকোড করে, গ্রহণকারী এজেন্ট একটি অনন্য আইডি বের করতে পারে। গুরুত্বপূর্ণভাবে, এই ডিকোডিং চিত্রের সেই অঞ্চলে করা হয় যেখানে এলইডি ইভেন্টগুলি ঘটে, যা সরাসরি আইডিটিকে একটি দৃশ্যমান সত্তার সাথে সংযুক্ত করে।
প্রতিটি এজেন্ট নিম্নলিখিতগুলির সাথে সজ্জিত:
ভিএলসি সংকেত অন-অফ কীং (ওওকে) ব্যবহার করে এনকোড করা হয়। ধরা যাক $s(t) \in \{0, 1\}$ প্রেরিত সংকেতকে উপস্থাপন করে। ইভেন্ট ক্যামেরা একটি ইভেন্ট $e_k = (x_k, y_k, t_k, p_k)$ তৈরি করে পিক্সেল $(x_k, y_k)$ এবং সময় $t_k$ এ পোলারিটি $p_k \in \{+1, -1\}$ (উজ্জ্বলতা বৃদ্ধি বা হ্রাস নির্দেশ করে) সহ যখন লগারিদমিক উজ্জ্বলতা পরিবর্তন একটি থ্রেশহোল্ড $C$ অতিক্রম করে: $$p_k \cdot (\log L(x_k, y_k, t_k) - \log L(x_k, y_k, t_k - \Delta t)) > C$$ যেখানে $L$ হল উজ্জ্বলতা। একটি জ্বলন-নিভন করা এলইডি ধনাত্মক এবং ঋণাত্মক ইভেন্ট ক্লাস্টারের একটি ধারা তৈরি করবে। ডিকোডিং অ্যালগরিদমে নিম্নলিখিতগুলি জড়িত:
প্রস্তাবিত ইভেন্ট-ভিএলসি সিস্টেমের সাথে দুটি বেসলাইনের তুলনা করার জন্য সিমুলেশন পরিচালনা করা হয়েছিল: (১) রেডিও যোগাযোগ এবং (২) আরজিবি-ভিএলসি (ধীর, দৃশ্যমান এলইডি জ্বলন-নিভন সনাক্ত করতে একটি স্ট্যান্ডার্ড ক্যামেরা ব্যবহার করে)। মূল মেট্রিক ছিল একাধিক দৃষ্টিগতভাবে অভিন্ন এজেন্ট সহ একটি পরিস্থিতিতে সফল আইডি-টু-ভিশন লিঙ্কিং।
লেখকরা একটি ভৌত বহু-এজেন্ট সিস্টেম বাস্তবায়ন করেছেন (পিডিএফ চিত্র ১-এ দেখানো হয়েছে)। একটি ঘূর্ণায়মান টেবিলের উপর এজেন্টগুলিকে বর্ণিত হার্ডওয়্যার দিয়ে সজ্জিত করা হয়েছিল। পরীক্ষাগুলি প্রদর্শন করেছে:
| পদ্ধতি | দৃষ্টির সাথে আইডি লিঙ্কিং | গতি সহনশীলতা | ব্যাপক উৎপাদন উপযোগিতা | ডেটা রেট সম্ভাবনা |
|---|---|---|---|---|
| আরইউকো / কিউআর মার্কার | অত্যন্ত ভালো | দুর্বল (পরিষ্কার দৃশ্যের প্রয়োজন) | দুর্বল (দৃশ্যত জটিলতা যোগ করে) | অত্যন্ত কম (স্থির) |
| রেডিও (ইউডব্লিউবি, ওয়াইফাই) | কোনোটিই নয় | অত্যন্ত ভালো | অত্যন্ত ভালো | অত্যন্ত উচ্চ |
| আরজিবি ক্যামেরা ভিএলসি | ভালো | দুর্বল (মোশন ব্লার) | ভালো | কম (~১০ এর দশকে বিপিএস) |
| ইভেন্ট ক্যামেরা ভিএলসি | অত্যন্ত ভালো | অত্যন্ত ভালো | ভালো | মধ্যম-উচ্চ (~কেবিপিএস) |
মূল অন্তর্দৃষ্টি: ইভেন্ট-ভিএলসি সর্বোচ্চ-ব্যান্ডউইথ যোগাযোগ পদ্ধতি নয়, নিছক সেরা দৃশ্যমান সনাক্তকারীও নয়। এর অনন্য মূল্য হল সর্বোত্তম হাইব্রিড হওয়া যা গতির প্রতি উচ্চ সহনশীলতার সাথে দুটি ডোমেইনকে নির্বিঘ্নে সংযুক্ত করে—গতিশীল বহু-এজেন্ট সিস্টেমের জন্য একটি গুরুত্বপূর্ণ বৈশিষ্ট্য।
মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রটি শুধুমাত্র একটি নতুন যোগাযোগ কৌশল সম্পর্কে নয়; এটি মেশিনের জন্য দেহী যোগাযোগের দিকে একটি মৌলিক পদক্ষেপ। লেখকরা সঠিকভাবে চিহ্নিত করেছেন যে ভবিষ্যতের এমএএস-এর প্রকৃত চ্যালেঞ্জ হল বিন্দু A থেকে B তে ডেটা স্থানান্তর করা নয় (রেডিও দ্বারা সমাধান করা হয়েছে), বরং সেই ডেটাকে একটি গতিশীল দৃশ্যমান দৃশ্যে সঠিক ভৌত সত্তার সাথে সংযুক্ত করা। তাদের সমাধানটি ইভেন্ট ক্যামেরার পদার্থবিজ্ঞানের সুযোগ নিয়ে একটি সংবেদনশীল মড্যালিটি তৈরি করে যা স্বাভাবিকভাবেই স্থানিক এবং কালিক, ঠিক যেমন কিছু প্রাণী বায়োলুমিনেসেন্স ব্যবহার করে সনাক্তকরণের জন্য।
যুক্তিগত প্রবাহ ও শক্তি: যুক্তিটি আকর্ষণীয়। তারা একটি বৈধ, অমীমাংসিত সমস্যা (সমজাতীয় এজেন্ট সনাক্তকরণ) দিয়ে শুরু করে, স্পষ্ট কারণে বিদ্যমান সমাধানগুলি প্রত্যাখ্যান করে এবং দুটি উদীয়মান প্রযুক্তির একটি অভিনব সংশ্লেষণ প্রস্তাব করে। ইভেন্ট ক্যামেরার ব্যবহার বিশেষভাবে বিচক্ষণ। জুরিখ বিশ্ববিদ্যালয়ের রোবোটিক্স অ্যান্ড পারসেপশন গ্রুপের গবেষণায় উল্লিখিত হয়েছে, ইভেন্ট ক্যামেরার উচ্চ-গতি এবং উচ্চ-গতিশীল-পরিসরের পরিস্থিতিতে সুবিধাগুলি এটিকে এই ভিএলসি রিসিভার ভূমিকার জন্য আদর্শ করে তোলে, ফ্রেম-ভিত্তিক আরজিবি-ভিএলসির মারাত্মক মোশন-ব্লার সীমাবদ্ধতা কাটিয়ে উঠে। সিমুলেশন থেকে ভৌত রোবট পর্যন্ত পরীক্ষামূলক অগ্রগতি পদ্ধতিগতভাবে সঠিক।
ত্রুটি ও সমালোচনামূলক ফাঁক: যাইহোক, বিশ্লেষণটি মাপযোগ্যতার বিষয়ে সংকীর্ণ মনে হয়। গবেষণাপত্রটি সিস্টেমটিকে বিচ্ছিন্নভাবে বিবেচনা করে। ১০০টি এজেন্টের একটি ঘন ঝাঁকে কী ঘটে, যারা সবাই এলইডি জ্বলন-নিভন করছে? ইভেন্ট ক্যামেরা ইভেন্টে প্লাবিত হবে, যার ফলে ক্রসটক এবং হস্তক্ষেপ হবে—একটি ক্লাসিক মাল্টিপল অ্যাক্সেস সমস্যা যা তারা সমাধান করে না। তারা রিয়েল-টাইম ইভেন্ট ক্লাস্টারিং এবং ডিকোডিংয়ের উল্লেখযোগ্য গণনামূলক খরচও উপেক্ষা করে, যা কম-শক্তির এজেন্টের জন্য একটি বাধা হতে পারে। ইউডব্লিউবি লোকালাইজেশানের মার্জিত সরলতার তুলনায় (যা কম সরাসরি ভিজুয়াল কাপলিং সহ, স্থানিক প্রসঙ্গও প্রদান করতে পারে), তাদের সিস্টেম হার্ডওয়্যার জটিলতা যোগ করে।
কার্যকরী অন্তর্দৃষ্টি ও রায়: এটি একটি উচ্চ-সম্ভাবনা, বিশেষায়িত গবেষণার দিকনির্দেশনা, একটি প্রস্তুত-মোতায়েন সমাধান নয়। শিল্পের জন্য, টেকওয়ে হল ইভেন্ট-ভিত্তিক সেন্সিং এবং অপটিক্যাল যোগাযোগের অভিসরণ পর্যবেক্ষণ করা। তাত্ক্ষণিক প্রয়োগ সম্ভবত নিয়ন্ত্রিত, ছোট-স্কেল সহযোগিতামূলক রোবোটিক্সে (যেমন, কারখানার রোবট দল) যেখানে ভিজুয়াল বিভ্রান্তি একটি বাস্তব নিরাপত্তা এবং দক্ষতার সমস্যা। গবেষকদের পরবর্তীতে মাল্টি-অ্যাক্সেস হস্তক্ষেপ সমস্যা মোকাবেলা করার দিকে মনোনিবেশ করা উচিত, সম্ভবত সিডিএমএ বা দিকনির্দেশক এলইডি থেকে ধারণা ব্যবহার করে, এবং অতি-কম-শক্তির ডিকোডিং চিপ উন্নয়নের দিকে। এই কাজটি সৃজনশীলতা এবং একটি মূল সমস্যা চিহ্নিত করার জন্য A গ্রেড পায়, কিন্তু ব্যবহারিক বাস্তবায়ন প্রস্তুতির উপর B- পায়। এটি একটি দরজা খোলে; এর মধ্য দিয়ে হাঁটতে যোগাযোগ তত্ত্ব এবং সিস্টেম ইন্টিগ্রেশনে কঠিন সমস্যা সমাধানের প্রয়োজন হবে।
পরিস্থিতি: তিনটি অভিন্ন গুদাম পরিবহন রোবট (T1, T2, T3) একটি সংকীর্ণ গলি দিয়ে যাওয়ার সমন্বয় করতে হবে। T1 প্রবেশপথে আছে এবং ভিতরে T2 এবং T3 দেখতে পাচ্ছে, কিন্তু কোনটি কোনটি তা জানে না।
ইভেন্ট-ভিএলসি সহ ধাপে ধাপে প্রক্রিয়া:
শুধুমাত্র রেডিও-এর সাথে বৈপরীত্য: শুধুমাত্র রেডিও দিয়ে, T1 সম্প্রচার করে "যে বাম দিকে আছে, সে সামনে যাও।" T2 এবং T3 উভয়ই এটি পায়। তাদের প্রত্যেককে নিজস্ব সেন্সর ব্যবহার করে বের করতে হবে যে তারা T1 এর সাপেক্ষে "বাম দিকে" আছে কিনা—একটি জটিল এবং ত্রুটি-প্রবণ অহংকেন্দ্রিক লোকালাইজেশন কাজ। ইভেন্ট-ভিএলসি এই অস্পষ্টতা কেটে দেয় সংযোগটিকে স্পষ্ট এবং বহিরাগত (T1-এর দৃষ্টিকোণ থেকে) করে।
তাত্ক্ষণিক প্রয়োগ:
দীর্ঘমেয়াদী গবেষণার দিকনির্দেশনা: