An Active Perception Game for Robust Exploration

एक रोबोट की कल्पना करें जिसे एक अंधेरी, अपरिचित इमारत में किसी संकट में फंसे व्यक्ति को खोजने के लिए भेजा गया है। इसका मिशन पूरी तरह से इस बात पर निर्भर करता है कि वह अपने परिवेश को कितनी अच्छी तरह देख और समझ सकता है। ऐसा करने के लिए, रोबोट को यह निर्णय लेना होगा कि आगे कहाँ जाना है। वह केवल बिना सोचे-समझे इधर-उधर नहीं घूम सकता; उसे उन विशिष्ट स्थानों को चुनना होगा जो उसे वातावरण के बारे में सबसे अधिक जानकारी देंगे। यह प्रक्रिया 'एक्टिव परसेप्शन' (सक्रिय धारणा) कहलाती है। रोबोट लगातार खुद से पूछता है: "यदि मैं इस कोने में जाता हूँ, तो मैं कितनी नई जानकारी प्राप्त करूँगा?" वह वास्तव में देखने से पहले ही भविष्य के दृश्य के मूल्य का अनुमान लगाने की कोशिश करता है। यह भविष्यवाणी महत्वपूर्ण है क्योंकि एक गलत अनुमान रोबोट को किसी मृत अंत (डेड एंड) की ओर भेज सकता है, जिससे कीमती समय बर्बाद हो सकता है या कोई महत्वपूर्ण सुराग पूरी तरह से छूट सकता है। चुनौती यह है कि किसी दृश्य का वास्तविक मूल्य तभी पता चलता है जब रोबमाट तस्वीर ले लेता है और उसे प्रोसेस कर लेता है। उस क्षण तक, रोबोट एक अनुमान के साथ काम कर रहा होता है, और जटिल, वास्तविक दुनिया के परिवेश में, ये अनुमान अक्सर त्रुटिपूर्ण होते हैं।

पेंसिल्वेनिया विश्वविद्यालय के शोधकर्ताओं ने रोबोट को बेहतर अनुमान लगाने में मदद करने का एक नया तरीका विकसित किया है। उन्होंने महसूस किया कि सूचना प्राप्ति (इन्फॉर्मेशन गेन) की भविष्यवाणी करने का मानक तरीका अक्सर विफल हो जाता है क्योंकि यह हर नए दृश्य को एक स्वतंत्र इकाई के रूप में मानता है, यह अनदेखा करते हुए कि पास के दृश्य अक्सर ओवरलैप होते हैं और जानकारी साझा करते हैं। इसके अलावा, दुनिया का रोबोट का आंतरिक मानचित्र कभी भी पूर्ण नहीं होता, और उसके सेंसर शोर (नॉइज़) से भरे हो सकते हैं। ये कारक रोबोट को यह अनुमान लगाने में अतिरंजित या कमतर बना सकते हैं कि वह किसी विशिष्ट पथ से कितना सीखेगा। शोधकर्ताओं ने इस समस्या को एक खेल में एक 'प्रतिद्वंद्वी' के रूप में मानकर इस समस्या के प्रति दृष्टिकोण अपनाया। इस परिदृश्य में, रोबोट सबसे अधिक सूचनात्मक स्थानों की ओर जाने का प्रयास करता है, जबकि "प्रतिद्वंद्वी" उन त्रुटियों और अनिश्चितताओं का प्रतिनिधित्व करता है जो उसे गुमराह करने की कोशिश करती हैं। इस अंतःक्रिया का विश्लेषण करके, टीम ने एक ऑनलाइन लर्निंग सिस्टम बनाया है जो रोबोट को वास्तविक समय में अपनी गलतियों को सुधारने की अनुमति देता है।

उनके तरीके का मूल एक सरल लेकिन शक्तिशाली फीडबैक लूप है। जैसे-जैसे रोबोट आगे बढ़ता है और डेटा एकत्र करता है, वह इस बात की तुलना करता है कि उसने क्या सोचा था कि वह क्या सीखेगा और उसने वास्तव में क्या सीखा। यदि रोबोट ने सोचा था कि एक निश्चित पथ बहुत से नए विवरण प्रकट करेगा लेकिन वह अनावश्यक निकला, तो सिस्टम इस विसंगति को दर्ज कर लेता है। फिर यह अपने भविष्य के अनुमानों को समायोजित करने के लिए इस अनुभव का उपयोग करता है। एक स्थिर सूत्र पर निर्भर रहने के बजाय, रोबोट अपनी अनिश्चितता का एक गतिशील मॉडल बनाता है। वह उन पैटर्न को पहचानना सीखता है जहाँ उसके पिछले अनुमान बहुत अधिक या बहुत कम थे, जैसे कि घूमते हुए प्रोपेलर को देखना जहाँ अनिश्चितता वास्तव में कभी समाप्त नहीं होती, या एक अव्यवस्थित कमरे को देखना जहाँ ओवरलैपिंग कोण उम्मीद से कम नया डेटा प्रदान करते हैं। अपनी त्रुटियों की समझ को लगातार परिष्कृत करके, रोबोट सर्वोत्तम दृष्टिकोण चुनने में अधिक सटीक होता जाता है।

शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण विभिन्न सेटिंग्स में किया ताकि यह देखा जा सके कि क्या यह दबाव में टिक पाता है। उन्होंने फोटोरियलिस्टिक वर्चुअल रूम्स के माध्यम से उड़ते हुए ड्रोन का उपयोग करके सिमुलेशन चलाए, जहाँ लक्ष्य स्थान का पूर्ण 3D मानचित्र बनाना और कुर्सियों और शौचालयों जैसी वस्तुओं की पहचान करना था। उन्होंने एक ग्राउंड रोबोट का उपयोग करके वास्तविक दुनिया के डेटा के साथ भी परीक्षण किया जो इनडोर गलियारों और बाहरी शहरी दृश्यों में नेविगेट कर रहा था। इन प्रयोगों में, रोबोट को शोर वाले सेंसरों और जटिल वातावरणों का सामना करना पड़ा जहाँ दृश्य के कुछ हिस्से बाधाओं के पीछे छिपे हुए थे। परिणामों ने मानक तरीकों की तुलना में स्पष्ट सुधार दिखाया। इस नए दृष्टिकोण ने सूचना प्राप्ति के अनुमान में त्रुटि को औसतन 42 प्रतिशत तक कम कर दिया। इस अधिक सटीक अनुमान ने बेहतर परिणाम दिए: रोबोटों ने 7 प्रतिशत अधिक उपयोगी जानकारी एकत्र की, वातावरण का पुनर्निर्माण उच्च दृश्य स्पष्टता के साथ किया, और दृश्य में 6 प्रतिशत अधिक वस्तुओं की सफलतापूर्वक पहचान की।

ग्राउंड रोबोट के वास्तविक दुनिया के परीक्षणों में, अंतर विशेष रूप से कठिन क्षेत्रों को संभालने के तरीके में दिखाई दिया। जहाँ एक मानक रोबोट खुले, आसानी से दिखने वाले क्षेत्रों में ही रह सकता था, वहीं नए तरीके का उपयोग करने वाला रोबोट छिपे हुए स्थानों की तलाश करने के लिए सक्रिय रूप से आगे बढ़ा। वह बाधाओं या खड़ी कारों द्वारा अवरुद्ध क्षेत्रों में सफलतापूर्वक नेविगेट करने में सफल रहा, प्रभावी रूप से कोनों के चारों ओर झाँककर अनदेखे हिस्सों का मानचित्रण किया। शोधकर्ताओं ने नोट किया कि अपनी अपेक्षाओं को सुधारने की इस क्षमता ने रोबोट को दोहराव वाले अवलोकन के चक्रों में फंसने से बचने और उन क्षेत्रों पर ध्यान केंद्रित करने में सक्षम बनाया जिनकी वास्तव में खोज की आवश्यकता थी। यह विधि विभिन्न प्रकार के मानचित्रों और डेटा पर काम करती है, जो यह सिद्ध करती है कि पिछले अनुमान त्रुटियों से सीखने का अंतर्निहित तर्क मजबूत और सामान्यीकृत है।

यह कार्य इस बात पर प्रकाश डालता है कि रोबोट को उनकी सीमाओं से सीखने के लिए कैसे डिज़ाइन किया जा सकता है। यह मानते हुए कि रोबोट भविष्य की सटीक भविष्यवाणी कर सकता है, शोधकर्ताओं ने दिखाया कि एक रोबोट अपने स्वयं के भविष्यवाणी त्रुटियों की भविष्यवाणी करना सीख सकता है। यह मशीन को वास्तविक दुनिया की अव्यवस्थित और अप्रत्याशित प्रकृति के अनुकूल होने की अनुमति देता है। निष्कर्ष बताते हैं कि अपेक्षा और वास्तविकता के बीच के अंतर को केवल एक विफलता के बजाय डेटा के स्रोत के रूप में मानकर, रोबोट काफी अधिक प्रभावी खोजकर्ता बन सकते हैं। टीम ने प्रदर्शित किया है कि इस दृष्टिकोण के साथ, रोबोट अधिक सटीक मानचित्र बना सकते हैं और अधिक वस्तुओं को खोज सकते हैं, चाहे वे सिम्युलेटेड बिल्डिंग में उड़ रहे हों या व्यस्त शहर की सड़क पर चल रहे हों। अध्ययन एक गणितीय गारंटी प्रदान करता है कि ये सुधार तब तक बढ़ते रहेंगे जब तक रोबोट अधिक अनुभव प्राप्त नहीं कर लेता, जिससे यह सुनिश्चित होता है कि सिस्टम जैसे-जैसे अधिक संचालित होता है, वह बेहतर होता जाता है।