Neural Associative Skill Memories for safer robotics and modelling human sensorimotor repertoires
यह शोध पत्र न्यूरल एसोसिएटिव स्किल मेमोरीज (Neural Associative Skill Memories) को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित प्रेडिक्टिव कोडिंग फ्रेमवर्क है जो सुरक्षित रोबोटिक्स को आगे बढ़ाने और मानव संवेदी-मोटर भंडार (sensorimotor repertoires) को मॉडल करने के लिए जैविक रूप से सुसंगत स्थानीय शिक्षण नियमों का उपयोग करते हुए एक एकल ऊर्जा-आधारित वास्तुकला के भीतर कौशल शिक्षण, संदर्भ-जागरूक अभिव्यक्ति और दोष पहचान को एकीकृत करता 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
कल्पना कीजिए कि एक ऐसा रोबोट है जो केवल एक कठोर स्क्रिप्ट का पालन नहीं करता, बल्कि वास्तव में यह "याद रखता" है कि किसी कार्य को करने का अनुभव कैसा था, ठीक वैसे ही जैसे एक इंसान याद रखता है कि साइकिल चलाना या गेंद पकड़ना कैसा महसूस होता है। यह न्यूरल एसोसिएटिव स्किल मेमोरीज (Neural ASMs) नामक एक नई प्रणाली के पीछे का मूल विचार है, जिसे ऑक्सफोर्ड और येल विश्वविद्यालय के शोधकर्ताओं द्वारा विकसित किया गया है।
यहाँ बताया गया है कि यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:
समस्या: रोबोट का "हार्ड-ड्राइव" बनाम मानव "मस्तिष्क"
पारंपरिक रोबट एक विशाल, हार्ड-कोडेड शब्दकोश वाले पुस्तकालयाध्यक्ष की तरह होते हैं। यदि वे किसी कप को उठाना चाहते हैं, तो वे अपने पुस्तकालय में "कप उठाएं" खोजते हैं, विशिष्ट निर्देशों को ढूंढते हैं, और उन्हें निष्पादित करते हैं। यदि कुछ गलत हो जाता है—जैसे कि कप उम्मीद से अधिक भारी है या उनका हाथ फंस गया है—तो उन्हें रुकना पड़ता है, अपने पुस्तकालय की जांच करनी पड़ती है, और वर्तमान स्थिति को किसी पूर्व-लिखित प्रविष्टि से मिलाने की कोशिश करनी पड़ती है। यदि स्थिति पुस्तकालय की प्रविष्टि से पूरी तरह मेल नहीं खाती है, तो रोबोट भ्रमित हो जाता है या टूट जाता है।
दूसरी ओर, मनुष्य कौशल को शब्दकोश के रूप में संग्रहीत नहीं करते हैं। हम उन्हें अनुभूतियों और पैटर्न के रूप में संग्रहीत करते हैं। हम जानते हैं कि "सामान्य" क्या महसूस होता है। यदि कुछ "अजीब" लगता है (जैसे कि कोई जोड़ लॉक हो जाना या सतह का फिसलन भरा होना), तो हमारा मस्तिष्क तुरंत त्रुटि को महसूस करता है और बिना किसी मैनुअल को देखे ही सुधार करता है।
समाधान: एक "प्रेडिक्टिव ड्रीम मशीन"
शोधकर्ताओं ने एक नई प्रणाली बनाई है जो इस बात की नकल करती है कि मानव मस्तिष्क कैसे सीखता है। एक शब्दकोश के बजाय, रोबोट एक न्यूरल नेटवर्क का उपयोग करता है जो एक "प्रेडिक्टिव ड्रीम मशीन" के रूप में कार्य करता है।
- देखकर सीखना (अभ्यास/रिहर्सल):
रोबोट एक इंसान (या सिमुलेशन) को कोई कार्य करते हुए देखता है, जैसे किसी वस्तु को उठाना और उसे नीचे रखना। यह केवल वीडियो रिकॉर्ड नहीं करता; यह संपूर्ण संवेदी अनुभव रिकॉर्ड करता है: जोड़ों का कोण, ग्रिपर में बल, और दृश्य संकेत।
- उपमा: कल्पना कीजिए कि आप जुग्लिंग (juggling) सीखना सीख रहे हैं। आप केवल गेंद के प्रक्षेपवक्र (trajectory) के गणित को याद नहीं करते; आप गेंदों के हाथों से टकराने की लय और एहसास को याद रखते हैं।
- "अंतर्ज्ञान" (दोष का पता लगाना):
एक बार जब रोबोट ने एक कौशल सीख लिया होता है, तो वह एक "मानसिक फिल्म" बनाता है कि उस गति का अनुभव कैसा होना चाहिए। जब वह वास्तव में कार्य करता है, तो वह लगातार वास्तविकता की तुलना अपनी मानसिक फिल्म से करता रहता है।
- जादू: यदि रोबोट का हाथ फंस जाता है या कोई सेंसर टूट जाता है, तो "वास्तविकता" "फिल्म" से मेल नहीं खाती। सिस्टम एक बड़ा "प्रेडिक्शन एरर" (पूर्वानुमान त्रुटि) का पता लगा लेता है।
- उपमा: यह एक परिचित गलियारे में चलने जैसा है। यदि आप अचानक इसलिए लड़खड़ा जाते हैं क्योंकि कालीन गायब है, तो आपका मस्तिष्क चिल्लाता है, "यह सही नहीं लग रहा है!" रोबोट भी ऐसा ही करता है। वह जानता है कि कुछ गलत है क्योंकि संवेदी फीडबैक उसकी स्मृति के साथ "बेसुरा" महसूस होता है।
- स्वयं को ठीक करना (रिएक्टिव कंट्रोल):
जब रोबोट किसी विसंगति (दोष) का पता लगाता है, तो वह घबराता या रुकता नहीं है। वह त्रुटि को कम करने की कोशिश करता है। वह अपनी गतिविधियों को इस तरह समायोजित करता है ताकि वह अपनी "मानसिक फिल्म" के साथ फिर से तालमेल बिठा सके।
- उपमा: यदि आप फिसलन भरे फर्श पर चल रहे हैं और फिसलने लगते हैं, तो आप संतुलन बनाए रखने के लिए स्वाभाविक रूप से अपना वजन बदलते हैं। रोबोट भी ऐसा ही करता है, वह अपने सेंसरों को फिर से "सामान्य" महसूस कराने के प्रयास द्वारा इसे स्वचालित रूप से करता है।
"कॉन्टेक्स्ट" (संदर्भ) का कमाल: एक मस्तिष्क, कई कौशल
रोबोटिक्स में एक बड़ी चुनौती एक ही मस्तिष्क को कई अलग-अलग चीजें करना सिखाना है बिना भ्रमित हुए।
- पुराना तरीका: आपको रोबोट को बताना पड़ता था, "ठीक है, अब 'लाल ब्लॉक उठाएं' मोड में स्विच करें।"
- नया तरीका: रोबोट कॉन्टेक्स्टुअल इन्फरेंस (संदर्भ अनुमान) का उपयोग करता है। वह शुरुआती कुछ संकेतों (जैसे दृश्य संकेत या शुरुआती स्थिति) को देखता है और तुरंत "अनुमान" लगा लेता है कि उसे किस कौशल को करने की आवश्यकता है।
- उपमा: एक संगीतकार के बारे में सोचें। यदि वे देखते हैं कि कंडक्टर ने एक वाल्ट्ज़ (waltz) के लिए बैटन उठाया है, तो उनका मस्तिष्क तुरंत वाल्ट्ज़ मोड में बदल जाता है। यदि कंडक्टर जैज़ (jazz) की बीट पर स्विच करता है, तो मस्तिष्क फिर से बदल जाता है। संगीतकार को मैनुअल की आवश्यकता नहीं होती; संदर्भ ही बताता है कि कौन सा "गाना" बजाना है।
शोध में वास्तव में क्या पाया गया
शोधकर्ताओं ने कंप्यूटर सिमुलेशन में एक रोबोटिक आर्म के साथ इसका परीक्षण किया:
- दोष का पता लगाना (Fault Detection): उन्होंने दोषों का अनुकरण किया, जैसे कि रोबोट का कोई जोड़ "फंस" जाना या किसी वस्तु का हाथ से टकराना। Neural ASM सिस्टम ने पुराने तरीकों की तुलना में इन त्रुटियों का बेहतर पता लगाया। यह केवल डेटा में "गलत होने के अहसास" से बता सकता था कि हाथ का कौन सा हिस्सा समस्या का सामना कर रहा है।
- स्व-सुधार (Self-Correction): जब रोबोट को गिरती हुई वस्तु से टक्कर लगी, तो उसने अपने ग्रिप और मूवमेंट को स्वचालित रूप से समायोजित किया ताकि क्षतिपूर्ति की जा सके और कार्य ट्रैक पर बना रहे।
- गति बनाम सटीकता: मॉडल ने मनुष्यों के समान एक ट्रेड-ऑफ (समझौता) की भविष्यवाणी की: यदि रोबोट को बहुत तेज़ी से (बिना पर्याप्त "सोचने के समय" के) निर्णय लेने के लिए मजबूर किया जाता है, तो वह अधिक गलतियाँ करता है। यदि उसे "तैयारी" (संदर्भ अनुमान) के लिए थोड़ा समय दिया जाता है, तो वह कौशल को अधिक सटीकता से करता है। यह उस तरह से दर्शाता है जैसे मनुष्य प्रतिक्रिया देने से पहले तैयारी के क्षण मिलने पर बेहतर प्रदर्शन करते हैं।
निष्कर्ष
यह पेपर एक तरीका पेश करता है जिससे रोबोट नियमों की सूची याद करके नहीं, बल्कि "सामान्य क्या महसूस होता है" का एक प्रेडिक्टिव मॉडल बनाकर कौशल सीख सकते हैं। एक एकीकृत मस्तिष्क का उपयोग करके, रोबोट:
- जान सकता है कि कब कुछ गलत है (दोष का पता लगाना)।
- वर्तमान क्षण में खुद को ठीक कर सकता है (रिएक्टिव कंट्रोल)।
- संदर्भ के आधार पर विभिन्न कार्यों के बीच सहजता से स्विच कर सकता है।
लक्ष्य यह नहीं है कि रोबोट कल ही सर्जरी कर सकें या कार चला सकें, बल्कि एक अधिक सुरक्षित, अधिक मजबूत आधार बनाना है जिससे रोबोट अप्रत्याशित स्थितियों को संभाल सकें, ठीक वैसे ही जैसे जीवित प्राणी करते हैं।
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।