मुंबई: पृथ्वी पर मौजूद कई जानवरों में अपरिचित स्थानों से अपने घर का रास्ता खोजने की अविश्वसनीय क्षमता होती है, जिसे होमिंग के नाम से जाना जाता है. चाहे वह प्रवास के दौरान हजारों मील की उड़ान भरने वाले पक्षी हों या भोजन की तलाश के बाद अपनी कॉलोनियों में वापस लौटने वाली चींटियां हों, उनके अस्तित्व बरकरार रखने के लिए होमिंग बहुत ज़रूरी है.
मनुष्यों ने पक्षियों की इस क्षमता का उपयोग लंबी दूरी तक संदेश पहुंचाने के लिए होमिंग कबूतरों को प्रशिक्षित करने के लिए भी किया है. लेकिन ये जानवर हमेशा अपने घर का रास्ता कैसे खोज लेते हैं और वे इसे इतनी कुशलता से कैसे करते हैं? इस दिलचस्प क्षमता के बारे में ये और कई अन्य प्रश्न अनुत्तरित हैं.
भारतीय प्रौद्योगिकी संस्थान (IIT) बॉम्बे के शोधकर्ताओं ने इस आकर्षक घटना के पीछे का रहस्य को जानने के लिए एक रोबोट का उपयोग किया. आईआईटी बॉम्बे के भौतिकी विभाग में सहायक प्रोफेसर डॉ. नितिन कुमार ने कहा कि "हमारे शोध समूह का प्राथमिक लक्ष्य सक्रिय और जीवित प्रणालियों के भौतिकी को समझना है. हम सेंटीमीटर आकार के स्व-चालित प्रोग्रामेबल रोबोट पर प्रयोग करके इसे प्राप्त करते हैं. सरल शब्दों में, हम इन रोबोटों को व्यक्तिगत और सामूहिक दोनों स्तरों पर जीवित जीवों की गतिशीलता की नकल करने के लिए मॉडल करते हैं."
डॉ. कुमार की टीम ने अब एक ऐसा रोबोट विकसित किया है, जो जानवरों में देखे जाने वाले भोजन की तलाश और घर वापसी के व्यवहार की नकल करता है. इस रोबोट को अपने आप चलने के लिए डिज़ाइन किया गया है, ठीक वैसे ही जैसे कोई जानवर भोजन ढूंढता है (चारागाह), और फिर घर वापस लौटने के लिए प्रकाश का उपयोग करता है (घर वापसी). एक नए अध्ययन में, उन्होंने इस भोजन की तलाश और घर वापसी रोबोट का उपयोग घर वापसी के अंतर्निहित सिद्धांतों का अध्ययन करने के लिए किया है.
चारागाह रोबोट को अर्ध-यादृच्छिक तरीके से घूमने के लिए प्रोग्राम किया गया है, ठीक उसी तरह जैसे जानवर भोजन की तलाश में इधर-उधर भटकते हैं. इस प्रकार की गति को सक्रिय ब्राउनियन (AB) गति कहा जाता है, जो एक कंप्यूटर मॉडल है, जो जीवित गतिशीलता की नकल करता है. रोबोट की दिशा घूर्णी प्रसार नामक किसी चीज़ के कारण बार-बार बदलती रहती है, जो इसके मार्ग में एक निश्चित स्तर की यादृच्छिकता लाती है.
जब रोबोट को घर वापस लौटने की ज़रूरत होती है, तो वह एक अलग मोड में चला जाता है. शोधकर्ता रोबोट पर एक प्रकाश ढाल (प्रकाश की तीव्रता में क्रमिक परिवर्तन) डालते हैं, जिसका अनुसरण करके रोबोट वापस अपना रास्ता खोजता है. यह इस बात की नकल करता है कि कैसे कुछ जानवर नेविगेट करने के लिए सूरज या अन्य पर्यावरणीय संकेतों का उपयोग कर सकते हैं.
डॉ. कुमार बताते हैं कि "होमिंग गति एबी मॉडल के समान है, सिवाय इसके कि जब भी रोबोट अपनी इच्छित होमिंग दिशा से महत्वपूर्ण रूप से विचलित होता है, तो उसे बार-बार अपने मार्ग में सुधार करना पड़ता है, जैसा कि वास्तविक जीवों में अपेक्षित होता है." अपने अध्ययन के लिए, टीम यह निर्धारित करना चाहती थी कि रोबोट को घर लौटने में कितना समय लगेगा, जिसमें उसके होमिंग पथ से विचलन की मात्रा बढ़ती जा रही है.
विडंबना यह है कि, उन्होंने देखा कि पुनर्निर्देशन दर, जो वह आवृत्ति है जिस पर रोबोट (या एक जानवर) को सफल होमिंग के लिए अपनी दिशा समायोजित करनी चाहिए, उसके पथ में अनियमितता की डिग्री से उत्पन्न हुई. उन्होंने अनियमितता के एक विशेष मान के लिए एक 'इष्टतम पुनर्संयोजन दर' की खोज की, जिसके बाद बढ़ी हुई अनियमितता के प्रतिकूल प्रभावों को अधिक लगातार पुनर्संयोजन द्वारा नकार दिया जाता है, जिससे अंततः सफल घर वापसी सुनिश्चित होती है.
इससे पता चलता है कि जानवर अपने पर्यावरण में शोर या अप्रत्याशितता की परवाह किए बिना कुशलतापूर्वक अपने घर का रास्ता खोजने के लिए खुद को इष्टतम दर पर पुनर्संयोजित करने के लिए विकसित हुए होंगे. निष्कर्षों के बारे में बात करते हुए, डॉ. कुमार ने कहा कि "वापसी समय पर एक सीमित ऊपरी सीमा का अवलोकन यह दर्शाता है कि घर वापसी की गति स्वाभाविक रूप से कुशल है."
उन्होंने कहा कि "हमारे परिणामों ने प्रदर्शित किया कि यदि जानवर हमेशा अपने घर की दिशा के बारे में जानते हैं और जब भी वे इच्छित दिशा से विचलित होते हैं, तो हमेशा अपना रास्ता सही करते हैं, तो वे निश्चित रूप से एक निश्चित समय के भीतर घर पहुंच जाएंगे." अपने निष्कर्षों का समर्थन करने के लिए, शोधकर्ताओं ने 'पहले-पास समय' की अवधारणा के आधार पर एक सैद्धांतिक मॉडल बनाया.
सीधे शब्दों में कहें तो, यह मॉडल यह अनुमान लगाने में मदद करता है कि रोबोट को अपने व्यवहार के आधार पर घर पहुंचने में कितना समय लगेगा. मॉडल न केवल रोबोट के प्रयोगात्मक परिणामों की व्याख्या करने में सक्षम था, बल्कि इसके होमिंग पथों की विशिष्ट विशेषताओं को भी कैप्चर कर पाया, जैसे कि समय के साथ इसका अभिविन्यास कैसे बदलता है. मॉडल एक रणनीति के रूप में पुनर्निर्देशन के महत्व को उजागर कर सकता है, यह दर्शाता है कि कुशल नेविगेशन के लिए लगातार पाठ्यक्रम सुधार महत्वपूर्ण हैं.
भौतिक प्रयोगों के अलावा, टीम ने कंप्यूटर सिमुलेशन भी चलाया, जिसमें रोबोट की हरकतें जानवरों की तरह थीं. इस आभासी रोबोट ने सक्रिय ब्राउनियन गति को अपने अभिविन्यास में कभी-कभी रीसेट करने के साथ संयोजित किया, ताकि घर की ओर वापस अपने मार्ग को सही किया जा सके.
ये सिमुलेशन प्रयोगात्मक परिणामों से मेल खाते हैं, जिससे यह विचार पुष्ट होता है कि अननियमितता और पुनर्निर्देशन होमिंग को अनुकूलित करने के लिए साथ-साथ काम करते हैं. डॉ. कुमार ने कहा कि "जब हमने इस मॉडल को होमिंग कबूतरों के झुंड की वास्तविक जैविक प्रणाली के प्रक्षेप पथ पर लागू किया, तो इसने हमारे सिद्धांत के साथ अच्छा समझौता दिखाया, जिससे लगातार पाठ्यक्रम सुधारों के कारण बढ़ी हुई दक्षता की हमारी परिकल्पना को मान्य किया गया."
जानवरों के घर वापसी के व्यवहार की नकल करके, वैज्ञानिकों ने अंतर्निहित सिद्धांतों को समझने की दिशा में एक महत्वपूर्ण कदम उठाया है. यह अध्ययन न केवल इस बात पर प्रकाश डालता है कि जानवर कुशलतापूर्वक अपने घर का रास्ता कैसे खोजते हैं, बल्कि रोबोटिक्स में तकनीकी प्रगति का मार्ग भी प्रशस्त करता है. हालांकि, वास्तविक दुनिया में नेविगेशन में केवल एक सरल संकेत का पालन करना ही शामिल नहीं है - इसमें बदलते परिदृश्य, सामाजिक संपर्क और अन्य पर्यावरणीय कारकों पर प्रतिक्रिया करना शामिल हो सकता है.
डॉ. कुमार ने शोध की भविष्य की दिशा के बारे में निष्कर्ष निकाला कि "वास्तविक और अधिक जटिल प्रणालियों में, होमिंग संकेत घर की ओर एक सरल समान ढाल की तुलना में अधिक जटिल हो सकते हैं, जैसा कि हमारे प्रयोग में मॉडल किया गया है. हमारे भविष्य के शोध में, हमारा लक्ष्य प्रकाश की तीव्रता और भौतिक बाधाओं में स्थानिक-समय भिन्नताओं के संयोजन का उपयोग करके हमारे प्रयोग में इन परिदृश्यों को मॉडल करना है."
