एक नया मॉडल सटीक रूप से परवलयिक उड़ान में गेंद को पकड़ने के लिए कुलीन एथलीटों के आंदोलन की भविष्यवाणी करता है

पेपर आउटफिल्डर समस्या को संबोधित करता है, जो बेसबॉल खिलाड़ी को संदर्भित करता है जो हिट होने के बाद गेंद को पकड़ने के लिए आउटफील्ड में खड़ा है। यह भौतिकी और आंदोलन के तंत्रिका विज्ञान में एक क्लासिक चुनौती है, यह पता लगाने के लिए उपयोग किया जाता है कि कैसे मनुष्य और जानवर एक गतिशील वातावरण में आंदोलनों की भविष्यवाणी करते हैं और कैसे स्वचालित प्रणालियों को उनकी नकल करने के लिए डिज़ाइन किया जा सकता है।

यूबी के संकाय के प्रोफेसर, जोन लोपेज़-मोलिनर, मनोविज्ञान के संकाय और न्यूरोसाइंसेस इंस्टीट्यूट के सदस्य (Ubneuro) ने अनुसंधान का नेतृत्व किया है और पुष्टि की है कि “इस समस्या का सामना करना पड़ा, वर्तमान मॉडल गेंद को लगातार देखकर लोकोमोशन का मार्गदर्शन करने पर आधारित हैं, जबकि आम तौर पर अभिजात वर्ग एथलीट इसे देखे बिना गेंद की ओर दौड़ सकता है। ” “इसके अलावा, – वह कहते हैं – ये मॉडल भविष्यवाणियों की अनुमति नहीं देते हैं कि गेंद पर्यवेक्षक के बारे में कहां जाएगी।” प्रारंभिक अध्ययन बोरजा अगुआडो, सह-लेखक और समूह के पूर्व सदस्य द्वारा आयोजित डॉक्टरेट थीसिस का हिस्सा था, जो कि डार्मस्टैड (जर्मनी) में रहने के बाद, अब VIC विश्वविद्यालय में एक शोधकर्ता हैं।

मॉडल वास्तविक समय में प्राप्त दृश्य जानकारी में गेंद के गुरुत्वाकर्षण और भौतिक आकार के पूर्व ज्ञान को एकीकृत करता है। “The model provides live signals that indicate the predicted position of the ball’s fall and the time remaining until it arrives, considering different gravity conditions. This makes it possible to predict precisely how a player will move to catch it, from the very beginning of the फ्लाइट, “लोपेज़-मोलिनर का वर्णन करता है, जो एक्शन रिसर्च ग्रुप की दृष्टि और नियंत्रण का समन्वय भी करता है।

प्रक्षेपवक्रों का अनुमान लगाने में गुरुत्वाकर्षण के महत्व के बावजूद, यह पहली बार है जब इस कारक को इस तरह के मॉडल में शामिल किया गया है। यूबी के प्रोफेसर कहते हैं, “इस चूक ने प्रक्षेपवक्र पर गुरुत्वाकर्षण प्रभाव को अनदेखा कर दिया है, जो मौजूदा मॉडल को पर्यावरणीय स्थिरांक को ध्यान में रखते हुए एक अंतर को दर्शाता है।”

इसके अलावा, पिछले मॉडल यह नहीं समझा सकते हैं कि मनुष्य यह क्यों मानते हैं कि एक गेंद पहुंच के भीतर है या नहीं, यह तय करने के लिए कि क्या दौड़ना शुरू करना है। शोधकर्ता कहते हैं, “हमारा मॉडल इसके लिए जिम्मेदार है, क्योंकि यह इंगित करता है कि ऑब्जेक्ट खिलाड़ी के बारे में कहां जाएगा।”

आभासी वास्तविकता के साथ प्रयोग

मॉडल को मान्य करने के लिए, शोधकर्ताओं ने एक immersive वर्चुअल रियलिटी वातावरण में प्रयोग किए, जिसमें प्रत्येक प्रतिभागी – काले चश्मे पहनना और अपने हाथ में एक आभासी वास्तविकता उपकरण पकड़े हुए – उस स्थिति में जाना था जहां उन्हें लगा कि एक आभासी गेंद जमीन पर होगी। नियंत्रित वातावरण ने विभिन्न प्रकार के गुरुत्वाकर्षण और गेंद के आकार की स्थिति को नकली करने की अनुमति दी, जिससे पता चलता है कि अनुभवजन्य प्रक्षेपवक्र, आंदोलन पैटर्न और अस्थायी प्रतिक्रियाओं ने मॉडल की भविष्यवाणियों से मेल खाती है। शोधकर्ता कहते हैं, “हमारा मॉडल प्रतिभागियों द्वारा अलग -अलग परिस्थितियों में देखे गए प्रक्षेपवक्रों की सटीक भविष्यवाणी करता है।

एथलीटों और अंतरिक्ष यात्रियों के लिए आभासी प्रशिक्षण

नया मॉडल विभिन्न व्यावहारिक अनुप्रयोगों के भविष्य के विकास के लिए एक आधार हो सकता है, उदाहरण के लिए खेल प्रशिक्षण में। “एक तरफ, चूंकि मॉडल में कई घटक शामिल हैं – जैसे कि दृश्य सूचना या गुरुत्वाकर्षण – इसे प्रशिक्षण या आभासी सिमुलेशन प्लेटफार्मों में लागू किया जा सकता है। इस तरह, एक व्यक्ति की संवेदनशीलता की डिग्री – जैसे कि एक अभिजात वर्ग एथलीट-विभिन्न घटकों के लिए देखा जा सकता है, या उन्हें प्रदर्शन को अनुकूलित करने के लिए नेत्रहीन प्रासंगिक जानकारी को संसाधित करने और उपयोग करने के लिए प्रशिक्षित किया जा सकता है, “लोपेज़-मोलिनर कहते हैं।

इसके अलावा, यह तथ्य कि मॉडल विभिन्न प्रकार के गुरुत्वाकर्षण पर विचार कर सकता है, एयरोस्पेस क्षेत्र में भी आवेदन हो सकते हैं। प्रोफेसर कहते हैं, “मॉडल को अलग -अलग गुरुत्वाकर्षण के साथ वातावरण में लागू किया जा सकता है और संभावित रूप से उस प्रदर्शन की भविष्यवाणी कर सकता है जिसके साथ एक व्यक्ति – उदाहरण के लिए, अंतरिक्ष स्टेशन पर अंतरिक्ष यात्री – चलती वस्तुओं के साथ बातचीत करेगा।”

कृत्रिम तंत्रिका नेटवर्क के साथ अनुसंधान

शोधकर्ता पहले से ही अगले चरण पर काम कर रहे हैं: कृत्रिम तंत्रिका नेटवर्क में मॉडल को लागू करना, कम्प्यूटेशनल सिस्टम जो मानव मस्तिष्क में न्यूरॉन्स के कामकाज की नकल करते हैं। उनका लक्ष्य मनुष्यों और कृत्रिम नेटवर्क के प्रदर्शन की तुलना करना है। “यह हमें इस बात का स्पष्ट विचार रखने की अनुमति देगा कि न्यूरल स्तर पर गणना कैसे लागू की जाती है, क्योंकि अब हमारे पास कम्प्यूटेशनल पैमाने पर एक मॉडल है, लेकिन एक कृत्रिम तंत्रिका नेटवर्क में तंत्रिका कार्यान्वयन नहीं। इस ज्ञान में स्पष्ट अनुप्रयोग हो सकते हैं। रोबोटिक्स का क्षेत्र, “लोपेज़-मोलिनर का समापन करता है।