[स्टार्टअप भारत] कारों में ऑटोनॉमस तकनीक लेकर आ रही है भोपाल स्थित Swaayatt Robots

By Sindhu Kashyaap
February 03, 2022, Updated on : Thu Feb 10 2022 04:04:22 GMT+0000
[स्टार्टअप भारत] कारों में ऑटोनॉमस तकनीक लेकर आ रही है भोपाल स्थित Swaayatt Robots
साल 2015 में स्थापित भोपाल स्थित स्टार्टअप Swaayatt Robots का उद्देश्य कनेक्टेड ऑटोनॉमस ड्राइविंग तकनीक को सुलभ और किफायती बनाते हुए इसे सभी के लिए उपलब्ध कराना है।
  • +0
    Clap Icon
Share on
close
  • +0
    Clap Icon
Share on
close
Share on
close

संजीव शर्मा हमेशा रोबोटिक्स के शौकीन थे। इंजीनियरिंग के अपने दूसरे सेमेस्टर के दौरान उन्हें रोबोटिक्स के साथ प्रयोग करने का अवसर मिला और वे इस विषय में आवश्यक ज्ञान हासिल करने के लिए कूद पड़े।


आईआईटी रुड़की और कनाडा के अल्बर्टा विश्वविद्यालय के पूर्व छात्र संजीव कहते हैं, "यह जनवरी 2009 की बात है और मैंने 2007 DARPA अर्बन चैलेंज के लिए टीम MIT द्वारा बनाए गए ऑटोनॉमस ड्राइविंग वीडियो देखा। उस एक विशेष वीडियो ने मेरे जीवन को हमेशा के लिए बदल दिया और ऑटोनॉमस ड्राइविंग एक जीवन लक्ष्य बन गया।”


ऑटोनॉमस ड्राइविंग पर काम करते हुए उन्होंने भोपाल में 2015 में Swaayatt Robotsकी शुरुआत की। स्टार्टअप का उद्देश्य अत्यधिक स्टोकेस्टिक और प्रतिकूल यातायात-गतिशीलता में और स्ट्रक्चर्ड और अनस्ट्रक्चर्ड पर्यावरणीय परिस्थितियों में लेवल 5 की ऑटोनॉमी को सक्षम करना है।


संजीव कहते हैं, “हम वर्तमान में भारतीय सड़कों और भारतीय पर्यावरणीय परिस्थितियों पर अपनी तकनीक का परीक्षण कर रहे हैं। जब किसी तकनीक का यातायात-गतिकी और पर्यावरणीय असंरचितता में प्रतिकूलता और स्थिरता के इस स्तर पर परीक्षण किया जाता है, तो इसे विदेशों में बाजारों में और फिर भारत में तैनात करने के लिए "सेफ" के रूप में लेबल किया जाना चाहिए।”

प्रॉडक्ट और टेक्नोलॉजी

संजीव ने अनौपचारिक रूप से साल 2009 में स्वायत्त नेविगेशन में अपना शोध शुरू किया, जब वह ऑटोनॉमस ड्राइविंग समस्या को हल करने के लिए इंजीनियरिंग के चौथे सेमेस्टर में थे। यहाँ वे सैद्धांतिक सीएस और गणितीय विषयों (मशीन लर्निंग और मोशन प्लानिंग आदि) पर ध्यान केंद्रित कर रहे थे।


संजीव बताते हैं, "हमारा उत्पाद एक ऑटोनॉमस ड्राइविंग सॉफ्टवेयर है, जिसे आवश्यक नियंत्रकों और कम्प्यूटेशनल हार्डवेयर के साथ किसी भी वाहन के साथ इंटीग्रेट किया जा सकता है।"


जिस तरह से सॉफ्टवेयर काम करता है वह है कैमरे और सेंसर (शायद LIDARs) दृश्य संवेदी डेटा प्रदान करते हैं। परसेप्शन एल्गोरिदम इस डेटा को संसाधित करते हैं और एक वाहन के चारों ओर दुनिया का एक 3D (या अनुमानित 2D) मॉडल बनाते हैं।


समानांतर में स्थानीयकरण एल्गोरिदम एक वाहन की स्थिति की गणना करने के लिए दृश्य और अन्य संवेदी डेटा को संसाधित करता है। प्लानिंग एल्गोरिदम (गति योजनाकार और निर्णय निर्माता) फिर नियंत्रकों द्वारा एग्जीक्यूट किए जाने वाले वाहन की गति और व्यवहार की गणना करते हैं।


यह आंतरिक रूप से एक जटिल प्रक्रिया का एक बहुत ही सरलीकृत प्रतिनिधित्व है। ये एल्गोरिथम पाइपलाइन स्वतंत्र नहीं हैं और सिस्टम में बहुत सारे क्रॉस कम्युनिकेशन और अस्थायी-सूचना ट्रैंजैक्शन होते हैं, जिसमें पिछले कम्प्यूट साइकल क्रॉस-एल्गोरिदमिक-पाइपलाइन से जानकारी का उपयोग करना शामिल है।


संजीव कहते हैं, “2014 तक, मैं अकादमिक सेटिंग में था। मुझे यूनिवर्सिटी ऑफ मैसाचुसेट्स एमहर्स्ट फॉल 2014 पीएचडी कार्यक्रम में पीएचडी में भर्ती कराया गया था, लेकिन मैं एक साल के लिए कनाडा से भारत वापस आ गया और साल 2015 में अपना एडमिशन स्थगित कर दिया। लेकिन भारत में, मेरे पास चीजों को आजमाने के लिए एक साल था। 2015 में, मुझे एहसास हुआ कि मैं जल्द ही समस्या का समाधान कर सकता हूं, और कंपनी को औपचारिक रूप से पंजीकृत करने का फैसला किया। मैंने पीएचडी का विचार छोड़ दिया, जो जनवरी 2009 से मेरा लक्ष्य था, क्योंकि मैंने अपनी ऑटोनॉमस नेविगेशन रिसर्च शुरू दी।”


उन्होंने आगे कहा कि ऑटोनॉमस ड्राइविंग टेक्नोलॉजी के निर्माण की दिशा में आरएंडडी प्रयासों का लगभग 70 प्रतिशत गति योजना और निर्णय लेने वाले एल्गोरिथम ढांचे को विकसित करने पर खर्च किया गया है और इसमें सड़कों पर वाहन की गति और व्यवहार की योजना के लिए जिम्मेदार एल्गोरिदम शामिल हैं।


संजीव कहते हैं, "हम नेविगेशन नीतियों के लिए रीइंफोर्समेंट लर्निंग और अप्रेंटिसशिप लर्निंग का उपयोग करते हैं। लगभग 25 प्रतिशत आर एंड डी प्रयास स्वायत्त वाहनों को उनके पर्यावरण को समझने और प्रासंगिक रूप से समझने की अनुमति देने के लिए धारणा एल्गोरिदमिक ढांचे को विकसित करने में जाते हैं।"


वह बताते हैं, स्टार्टअप सुनिश्चित करता है कि प्रमुख प्रतिस्पर्धियों द्वारा विकसित मौजूदा प्रतिस्पर्धी टेक्नोलॉजी की तुलना में समग्र प्रणाली की परिचालन लागत कम हो। कंपनी के लिए इस सूची में इसमें वायमो, ऑरोरा, अर्गो एआई, मोबिलआई (इंटेल) और ट्यूसिंपल जैसे प्रतिस्पर्धी शामिल हैं।


संजीव कहते हैं, "यह वह जगह है जहां हम डेवलपमेंट कर रहे हैं- 1. वातावरण के मानचित्रण के लिए नॉवल गणितीय ढांचा, मैप स्टोरेज के मामले में 50 गुना कम मेमोरी की खपत और मैप के मुकाबले अनुमान लागत के संदर्भ में 10-70 गुना कम गणना और 2. हमारे मौजूदा को जारी रखना हाई-फ़िडिलिटी-मैप (आज के लिए एक आदर्श) की आवश्यकता से छुटकारा पाने के लिए योजना और धारणा अनुभागों में इनोवेशन (जैसे उड़ान पर डेलिमिटर उत्पन्न करने की क्षमता)। हम दुनिया की उन 3-4 कंपनियों में से एक हैं, जो बिना हाई-फिडेलिटी मैप्स के बिना ऑटोनॉमस ड्राइविंग को सक्षम करने की क्षमता रखती हैं।”


अपने सभी कार्यों में संजीव ने महसूस किया है कि ऑटोनॉमस ड्राइविंग इंजीनियरिंग, विज्ञान और गणित (शुद्ध, और समान रूप से लागू) की कई अलग-अलग शाखाओं का एक संयोजन है।


संजीव कहते हैं, "यहां तक कि अगर आप एक क्षेत्र तय करते हैं, जैसे कि कंप्यूटर विजन, मोशन प्लानिंग, शुद्ध मशीन लर्निंग या शुद्ध इलेक्ट्रॉनिक्स और एम्बेडेड सिस्टम तो यह एक लंबी यात्रा है और आमतौर पर यात्रा अपने नेचर में कठोर होती हैं।”

संजीव शर्मा, फाउंडर, Swaayatt Robots

संजीव शर्मा, फाउंडर, Swaayatt Robots

ये हैं चुनौतियाँ

संजीव के अनुसार, उनके लिए सबसे बड़ी चिंताओं में से एक स्थापना की लागत थी।


संजीव कहते हैं, "जबकि ऑटोनॉमस ड्राइविंग स्टार्टअप कुछ मिलियन डॉलर के शुरुआती निवेश के साथ शुरू किए गए थे, मैंने 2015 में केवल 30 लाख रुपये (60 हज़ार डॉलर से कम) के साथ कंपनी शुरू की थी।"


वे कहते हैं, "मेरा प्राथमिक ध्यान हमेशा सुरक्षा पर रहा है, गति योजना और निर्णय में इनोवेशन करना, जहां मैं कठिन यातायात परिदृश्यों के लिए नेविगेशन नीतियों को सीखने के लिए सुदृढीकरण सीखने का सक्रिय रूप से उपयोग कर रहा हूं।"


हालाँकि, जब उन्होंने कंपनी शुरू की तो LiDAR की लागत 75 हज़ार डॉलर थी (जो कि पूरे सेटअप में उनके द्वारा निवेश किए गए धन से अधिक थी)। इस प्रकार, 2016 में उन्होंने ऐसी तकनीक विकसित करने के लिए शोध शुरू किया जो LiDARs या RADARs का उपयोग किए बिना स्वायत्त ड्राइविंग धारणा को सक्षम बना दे।


संजीव कहते हैं, "चूंकि मेरे पास सैद्धांतिक कंप्यूटर विज्ञान और अनुप्रयुक्त गणित (कुछ हद तक) में रिसर्च पृष्ठभूमि थी, मैं 2015 से2018 से अपने लिए काम कर रहा था और इस प्रकार मैं प्रारंभिक सेटअप करने के लिए लागत को नियंत्रण में रखने में सक्षम था। साल 2018 तक, मैंने योजना और धारणा विभागों में अधिकांश एल्गोरिथम ढांचे को अकेले ही विकसित किया। इस बीच, मुझे कुछ इंटर्न का समर्थन मिला, जो बाद में विदेश में स्नातक की पढ़ाई के साथ आगे बढ़ गए।”

बाज़ार और भविष्य

फॉर्च्यून बिजनेस इनसाइट्स के अनुसार, वैश्विक ऑटोनॉमस कारों का बाजार 2020 में 1.45 बिलियन डॉलर का था, जो 2021 में 1.64 बिलियन डॉलर को छू गया और 2028 तक इसके 11.03 बिलियन डॉलर तक पहुंचने की उम्मीद है। अल्फाबेट, रॉबर्ट बॉश, डेमलर, Baidu, Pony.ai जैसे दिग्गजों के साथ ही अन्य दिग्गज जैसे Ford, Hyundai, Volvo और अन्य भी इस सेगमेंट को करीब से देख रहे हैं।

अपनी तकनीक के बारे में बात करते हुए संजीव कहते हैं, "हमारे पास यूरोप, उत्तरी अमेरिका और चीन में अपने प्रतिस्पर्धियों की तुलना में बेहतर तकनीक है। ऑटोनॉमस ड्राइविंग में, सुरक्षा प्राथमिक चिंता है। उद्योग जिस तरह से आगे बढ़ रहा है, उसे सुरक्षा सुनिश्चित करने में उन्हें 10 साल लगेंगे। एक बार इसका समाधान हो जाने के बाद, लागत (परिचालन सहित) जैसे अन्य कारक एक महत्वपूर्ण कारक होंगे, जिसमें विभिन्न पैरामीटर शामिल हैं। हमने एल्गोरिथम ढांचे विकसित किए हैं जो पर्यावरण और यातायात अनिश्चितताओं से निपटने के मामले में अधिक सक्षम हैं। साथ ही, हमारी तकनीक बहुत कम ऊर्जा खपत करती है, जो हमारे एल्गोरिथम ढांचे की कम्प्यूटेशनल दक्षता से प्राप्त होती है।"


स्वायत रोबोट्स ने पहले ही अमेरिका में निवेशकों से 3 मिलियन डॉलर जुटा लिए हैं, और अपनी मौजूदा तकनीक को बढ़ाने और आर एंड डी प्रयासों को महत्वपूर्ण रूप से बढ़ाने और यूरोप और संयुक्त राज्य अमेरिका में अपने सहयोग को मजबूत करने के लिए 9.5 मिलियन डॉलर जुटाना चाहता है।


इसके प्रमुख विभेदक कारकों में से एक विभिन्न चुनौतीपूर्ण यातायात परिदृश्यों के लिए नेविगेशन नीतियों को सीखने की क्षमता है। संजीव कहते हैं, वे विश्व स्तर पर उन मुट्ठी भर कंपनियों में से एक हैं जो इस तरह की नेविगेशन नीतियों को सीखने के लिए शोध कर रहे हैं और रीइंफोर्समेंट लर्निंग का उपयोग कर रहे हैं।


संजीव कहते हैं, "इस स्पेस में अन्य प्रमुख कंपनियों में डीपमाइंड शामिल है, लेकिन उनका ध्यान ऑटोनॉमस ड्राइविंग नहीं है। वायव एआई और मोबाइल आई दो अन्य कंपनियां हैं जो रीइंफोर्समेंट लर्निंग का उपयोग कर रही हैं। हमारे प्रमुख ग्राहक ऑटोमोटिव और सेंसर ओईएम हैं। हमें उम्मीद है कि अगले 10 वर्षों में, कई कंपनियां ऑटोनॉमस ड्राइविंग को स्वयं हल करना छोड़ देंगी और कहीं और विकसित की जा रही तकनीक का लाभ उठाना चाहेंगी। इस प्रकार, हम खुद को एक ऑटोनॉमस ड्राइविंग सॉफ्टवेयर कंपनी के रूप में स्थापित कर रहे हैं, जहां हमारा सॉफ्टवेयर 2030 तक दुनिया भर में वाहनों के एक महत्वपूर्ण प्रतिशत के लिए ऑटोनॉमस ड्राइविंग को सक्षम करेगा।”


Edited by रविकांत पारीक