Guessing human intentions to avoid dangerous situations in caregiving robots
यह शोध पत्र आर्टिफिशियल थ्योरी ऑफ माइंड और एक "लाइक-मी" (like-me) नीति पर आधारित एक रियल-टाइम एल्गोरिदम प्रस्तुत करता है जो देखभाल करने वाले रोबोटों को मानवीय इरादों का अनुमान लगाने, संभावित खतरों का पता लगाने और खतरनाक स्थितियों से बचने के लिए सुरक्षित क्रियाएं चुनने में सक्षम बनाता है, जैसा कि सिमुलेशन और वास्तविक दुनिया के प्रयोगों के माध्यम से सत्यापित किया गया है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ऐसी दुनिया की कल्पना करें जहाँ मशीनें केवल आदेशों का पालन नहीं करतीं, बल्कि अपने आस-पास के लोगों की अनकही योजनाओं को भी समझ लेती हैं। यह सोशल रोबोटिक्स (सामाजिक रोबोटिक्स) की अग्रिम पंक्ति है, एक ऐसा क्षेत्र जो ऐसी मशीनें बनाने के लिए समर्पित है जो मानवीय स्थानों में उसी सहज जागरूकता के साथ नेविगेट कर सकें जो एक व्यक्ति में होती है। इस क्षमता के केंद्र में "थ्योरी ऑफ माइंड" (मन का सिद्धांत) की अवधारणा है, जो सरल शब्दों में किसी अन्य जीव के सोचने या आगे क्या करने का इरादा रखने का अनुमान लगाने की क्षमता है। जबकि मनुष्य यह स्वाभाविक रूप से करते हैं, एक रोबोट को ऐसा करने के लिए सिखाने हेतु उसे दुनिया का एक मानसिक मॉडल बनाना होगा, इस बात का सिमुलेशन (अनुकरण) चलाना होगा कि क्या हो सकता है, और फिर एक ऐसा कार्य चुनना होगा जो सभी को सुरक्षित रखे। यह रोबति के भावनाओं को महसूस करने के बारे में नहीं है, बल्कि इसके बारे में है कि वह भविष्य के परिणामों की भविष्यवाणी करने और दुर्घटना होने से पहले हस्तक्षेप करने के लिए अपने आंतरिक कंप्यूटर मॉडल का उपयोग करे।
स्पेन के यूनिवर्सिटी ऑफ एक्सट्रेमादुरा के शोधकर्ताओं ने हाल ही में एक अध्ययन में खोजा कि कैसे एक देखभाल करने वाला रोबोट इस तरह की भविष्य कहने वाली सोच का उपयोग करके खतरनाक स्थितियों को रोक सकता है। उन्होंने सहायता करने के लिए डिज़ाइन किए गए एक विशिष्ट प्रकार के रोबोट पर ध्यान केंद्रित किया, जिसे यह महसूस करने में सक्षम होना चाहिए कि कोई व्यक्ति किसी ऐसी बाधा से टकराने वाला है जिसे वह देख नहीं पा रहा है। टीम ने एक ऐसी प्रणाली विकसित की जहाँ रोबोट एक व्यक्ति को देखता है, यह पता लगाता है कि वह व्यक्ति कहाँ जाने की संभावना रखता है, और फिर एक त्वरित मानसिक सिमुलेशन चलाता है कि क्या वह रास्ता किसी टक्कर की ओर ले जाता है। यदि रोबोट टक्कर की भविष्यवाणी करता है, तो वह व्यक्ति के रुकने का इंतज़ार नहीं करता; इसके बजाय, वह तुरंत एक ऐसा कदम उठाता है जो खतरे को रोकने या व्यक्ति को दूर ले जाने में मदद कर सके, प्रभावी रूप से एक मूक रक्षक के रूप में कार्य करता है।
शोधकर्ताओं ने इस विचार का परीक्षण 'शैडो' (Shadow) नामक एक कस्टम-निर्मित रोबोट का उपयोग करके किया, जो चार पहियों पर चलता है और अपने परिवेश को देखने के लिए कैमरों और लेजर सेंसरों से लैस है। उनके सेटअप में, रोबोट एक व्यक्ति को देखता है जो एक सोफे की ओर चलते हुए कमरे के आर-पार जा रहा है। फर्श पर, उस व्यक्ति के मार्ग में सीधे, एक छोटी वस्तु रखी है, जैसे कि एक गेंद या बैकपैक, जिसे व्यक्ति शायद न देख पाए। रोबोट का काम यह समझना है कि व्यक्ति इस वस्तु से टकराने के इरादे से सीधा चलने वाला है। ऐसा करने के लिए, रोबोट "लाइक-मी" (मेरे जैसा) रणनीति का उपयोग करता है। वह यह मान लेता है कि व्यक्ति उसी तरह से कार्य करेगा जैसे रोबोट उस स्थिति में होता यदि वह स्वयं वहाँ होता: एक वस्तु को देखते हुए उसकी ओर बढ़ना। रोबोट फिर अपने स्वयं के कंप्यूटर के भीतर व्यक्ति की यात्रा का एक सिमुलेशन चलाता है, जो यह अनुमान लगाने के लिए एक भौतिक इंजन (physics engine) का उपयोग करता है कि वह व्यक्ति वास्तव में कैसे चलेगा।
जब सिमुलेशन दिखाता है कि व्यक्ति वस्तु से टकरा जाएगा, तो रोबोट समझ जाता है कि एक खतरनाक स्थिति विकसित हो रही है। इसके बाद वह सोचने के दूसरे चरण में चला जाता है। रोबोट खुद से पूछता है: "मैं इसे रोकने के लिए क्या कर सकता हूँ?" वह विभिन्न कार्यों का सिमुलेशन करता है, जैसे कि खुद को कमरे में एक विशिष्ट स्थान पर ले जाना। वह जाँच करता है कि क्या रोबोट को उस नए स्थान पर रखने से व्यक्ति को अपना रास्ता बदलने और बाधा से बचने के लिए मजबूर किया जाएगा। यदि सिमुलेशन पुष्टि करता है कि रोबोट की नई स्थिति सफलतापूर्वक टक्कर को रोक देगी, तो रोबोट वास्तविक दुनिया में वह कदम उठाता है। लक्ष्य व्यक्ति को चलने से रोकना नहीं है, बल्कि वातावरण को सूक्ष्म रूप से बदलना है ताकि व्यक्ति स्वाभाविक रूप से खतरे से बचकर निकल जाए, बिना यह जाने कि रोबोट उसकी मदद कर रहा है।
यह देखने के लिए कि क्या यह प्रणाली काम करती है, टीम ने तीन अलग-अलग प्रकार के परीक्षण किए। सबसे पहले, उन्होंने एक कंप्यूटर सिमुलेशन का उपयोग करके रोबोट, व्यक्ति और बाधा की विभिन्न स्थितियों के साथ इस परिदृश्य को 180 बार चलाया। इन आभासी परीक्षणों में, रोबोट ने जोखिम भरी स्थितियों की सफलतापूर्वक पहचान की और अधिकांश मामलों में एक सुरक्षित कार्रवाई उत्पन्न की। हालाँकि, सिस्टम ने काफी संख्या में 'फॉल्स पॉजिटिव' (गलत सकारात्मक परिणाम) भी दिए, जिसका अर्थ है कि इसने कभी-कभी गलत तरीके से उन जोखिम भरी स्थितियों का पता लगाया जो वास्तविकता में खतरा पैदा नहीं करती थीं। इसके बावजूद, एल्गोरिदम ने कभी भी 'फॉल्स नेगेटिव' (गलत नकारात्मक परिणाम) उत्पन्न नहीं किए, जिससे यह सुनिश्चित हुआ कि कोई भी असुरक्षित स्थिति अनसुनी नहीं छोड़ी गई। रोबोट ने एक सेकंड से भी कम समय में अपने निर्णय लिए, जो वास्तविक समय में प्रतिक्रिया देने के लिए पर्याप्त गति है।
शोधकर्ता फिर वास्तविक लोगों को शामिल करते हुए अधिक जटिल परीक्षणों की ओर बढ़े। एक प्रयोग में, मानव स्वयंसेवकों ने सिमुलेशन में एक डिजिटल अवतार को नियंत्रित किया, जो एक सोफे की ओर चलने की कोशिश कर रहा था जबकि उनके रास्ते में एक छिपी हुई गेंद रखी थी। वे गेंद को नहीं देख सकते थे क्योंकि उनका दृश्य बाधित था, लेकिन जब रोबोट गेंद को रोकने के लिए उनके पथ में आया, तो लोगों ने स्वाभाविक रूप से दिशा बदल ली और इस प्रकार, छिपी हुई बाधा से बच गए। एक अंतिम, वास्तविक दुनिया के परीक्षण में, भौतिक शैडो रोबोट को पाँच अलग-अलग लोगों के साथ एक कमरे में रखा गया। इन लोगों को एक पेपर पढ़ते हुए कमरे के आर-पार जाने के लिए कहा गया, जबकि वे फर्श पर रखे बैकपैक को अनदेखा कर रहे थे। जैसे ही वे चले, रोबोट ने उनके बैकपैक से टकराने के इरादे को पहचान लिया। वह बैकपैक के पास एक स्थिति में चला गया, और हर एक मामले में, व्यक्ति ने रोबोट को देखा, आश्चर्य व्यक्त किया और अपने निर्धारित लक्ष्य की ओर बढ़ते हुए सफलतापूर्वक बाधा से बच गया।
अध्ययन से पता चलता है कि मानवीय इरादों का अनुमान लगाने के लिए आंतरिक सिमुलेशन का उपयोग करने का यह दृष्टिकोण मानव वातावरण में रोबोट को सुरक्षित और अधिक सहायक बनाने का एक व्यवहार्य तरीका है। यह प्रणाली वास्तविक लोगों की अप्रत्याशितता को संभालने के लिए पर्याप्त मजबूत साबित हुई, भले ही वे विचलित या अनजान हों। हालाँकि, शोधकर्ता नोट करते हैं कि इस तकनीक को अधिक भीड़भाड़ वाले या जटिल स्थानों में काम करने के लिए, रोबोट को कई संभावित कार्यों और लोगों के बीच चयन करने में अधिक तेज़ होना होगा। वे यह भी बताते हैं कि जैसे-जैसे रोबंत ऐसे क्षणिक निर्णय लेने में अधिक सक्षम होते जा रहे हैं, इस बात पर सवाल उठेंगे कि वे खतरे में पड़े कई लोगों के बीच कैसे चुनाव करेंगे। फिलहाल, यह कार्य यह प्रदर्शित करता है कि एक रोबोट दुर्घटनाओं को होने से रोकने के लिए मानवीय आवश्यकताओं का पूर्वानुमान लगाने और कार्य करने के लिए मानसिक सिमुलेशन के एक रूप का सफलतापूर्वक उपयोग कर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।