: Toward Versatile Embodied Agents
यह शोध पत्र का परिचय देता है, जो बहुमुखी एम्बोडीड एजेंटों (embodied agents) के लिए एक एकीकृत ढांचा है जो वास्तविक समय की पर्यावरणीय जागरूकता, फीडबैक-मुक्त टूल निष्पादन और निर्भरता-जागरूक गतिशील शेड्यूलिंग को एकीकृत करके डायनेमिक परसेप्शन, टूल उपयोग और मल्टी-टास्क प्लानिंग की सीमाओं को दूर करता है ताकि बेंचमार्क और वास्तविक दुनिया की तैनाती के बीच के अंतर को पाटा जा सके।
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 आपके पास एक रोबोट सहायक है। अतीत में, ये रोबोट आंखों पर पट्टी बांधे हुए शेफ की तरह थे जिन्हें केवल तभी खाना बनाना आता था जब आप उन्हें हर एक निर्देश चिल्लाकर देते (जैसे "चम्मच उठाओ," "अब बाएं मुड़ो," "अब अंडा उठाओ")। यदि आप उन्हें नहीं बताते कि अंडा फर्श पर गिरा है, तो उन्हें पता नहीं चलता। यदि आपने उन्हें सैंडविच बनाने के लिए कहा लेकिन रसोई में आग लग गई, तो वे सैंडविच बनाते रहेंगे क्योंकि वे आग को देख नहीं सकते थे या अलार्म को सुन नहीं सकते थे जब तक कि आप उन्हें रुकने के लिए विशेष रूप से न कहें।
यह पेपर P3 पेश करता है, एक नया फ्रेमवर्क जो रोबोट को एक स्मार्ट, सक्रिय बटलर (बड़ा नौकर) में बदल देता है जो वास्तव में देख सकता है कि क्या हो रहा है, जो आवश्यक उपकरण पकड़ सकता है, और बिना भ्रमित हुए एक साथ कई काम संभाल सकता है।
यहाँ बताया गया है कि P3 कैसे काम करता है, जिसे तीन सरल सुपरपावर्स में बांटा गया है:
1. "ईगल आई" (सक्रिय धारणा - Active Perception)
पुराना तरीका: रोबोट किसी उपकरण (जैसे वैक्यूम क्लीनर) के यह कहने का इंतज़ार करता था कि "मैं काम पूरा कर चुका हूँ," या किसी इंसान के "वहाँ देखो" कहने का इंतज़ार करता था। यदि उपकरण बात नहीं करता था, तो रोबोट अंधा रहता था।
P3 का तरीका: रोबोट के पास हमेशा चालू रहने वाली आँखें (एक स्मार्ट दिमाग से जुड़ा कैमरा) हैं जो लगातार कमरे पर नज़र रखती हैं। वह देखने के लिए अनुमति का इंतज़ार नहीं करता।
- उपमा: कल्पना कीजिए कि आप एक बिखरे हुए कमरे में चल रहे हैं। आप कचरे के बोलने का इंतज़ार नहीं करते; आप कचरे को फर्श पर देखते हैं और सोचते हैं, "हे, इसे उठाया जाना चाहिए।"
- यह क्या करता है: यदि कोई कप गिर जाता है, कोई व्यक्ति कमरे में आता है, या आग लग जाती है, तो रोबोट तुरंत इसे नोटिस कर लेता है। उसे इसे बताने के लिए किसी सेंसर की आवश्यकता नहीं है; वह बस बदलाव को देखता है और निर्णय लेता है, "मुझे इसे ठीक करना चाहिए।"
2. "यूनिवर्सल एडेप्टर" (प्लग-एंड-प्ले टूल्स)
पुराना तरीका: रोबोट उन लोगों की तरह थे जो केवल विशिष्ट, ब्रांडेड उपकरणों का उपयोग करना जानते थे। यदि आप उन्हें एक अजीब, पुराने ज़माने का लाइट स्विच देते जिसमें डिजिटल "ऑन/ऑफ" बटन नहीं था जो रोबोट से बात कर सके, तो रोबोट उसका उपयोग नहीं कर पाता था। उसे हर डिवाइस के साथ एक सटीक, दो-तरफा बातचीत की आवश्यकता होती थी।
P3 का तरीका: रोबोट एक यूनिवर्सल रिमोट कंट्रोल की तरह है जो किसी भी डिवाइस के साथ काम कर सकता है, यहाँ तक कि "डंब" (साधारण) डिवाइस के साथ भी।
- उपमा: एक इंसान को लाइट चालू करते हुए देखें। वह स्विच दबाता है, और लाइट जल जाती है। उसे यह साबित करने के लिए लाइट की ज़रूरत नहीं है कि "ठीक है, मैं अब चालू हूँ!" कि काम हो गया। वह बस कमरे को देखता है कि क्या रोशनी बढ़ी है। P3 भी इसी तरह काम करता है। यह एक स्मार्ट फ्रिज, एक साधारण मोटर, या वेब ब्राउज़र को नियंत्रित कर सकता है बिना किसी जटिल "हैंडशेक" या पुष्टि संदेश के। यह बस कार्य करता है, और फिर देखता है कि क्या वह सफल रहा।
3. "एयर ट्रैफिक कंट्रोलर" (मल्टी-टास्क प्लानिंग)
पुराना तरीका: रोबोट एक लेन वाली सड़क की तरह थे। यदि वे दुकान जा रहे थे, और आपने चिल्लाकर कहा, "रुको और दूध खरीद लो!" तो वे या तो आपको अनदेखा कर देते या टकरा जाते। वे एक साथ दो चीजें नहीं संभाल सकते थे। यदि सफाई करते समय आग लग जाती, तो वे सफाई करते रहते क्योंकि वे एक "पहले आया, पहले पाया" (first-in, first-out) की कतार में फंसे होते थे।
P3 का तरीका: रोबोट के दिमाग में एक स्मार्ट ट्रैफिक कंट्रोलर है।
- उपमा: एक व्यस्त हवाई अड्डे की कल्पना करें। विमान (कार्य) उतर रहे हैं और उड़ान भर रहे हैं। कुछ ज़रूरी हैं (एक फायर ट्रक को अभी उतरना है), कुछ निर्धारित हैं (शाम 5 बजे की उड़ान), और कुछ केवल अनुरोध हैं (एक यात्री अपनी सीट बदलना चाहता है)। कंट्रोलर केवल उन्हें आने के क्रम में नहीं उतरने देता। वह मानचित्र को देखता है, देखता है कि फायर ट्रक सबसे महत्वपूर्ण है, सफाई दल को रुकने के लिए कहता है, फायर ट्रक को उतरने देता है, और फिर सफाई दल को फिर से शुरू करने के लिए कहता है।
- यह क्या करता है: यदि रोबोट एक कमरा साफ कर रहा है और अचानक उसे एक गिरा हुआ पेय (एक ज़रूरी कार्य) दिखता है, तो वह सफाई को रोकता है, गिरने को ठीक करता है, और फिर सफाई पर वापस जाता है। वह ठीक से याद रखता है कि उसने कहाँ छोड़ा था।
वास्तविक दुनिया का परीक्षण
लेखकों ने इसे केवल कंप्यूटर सिमुलेशन पर टेस्ट नहीं किया। उन्होंने इसे एक वास्तविक कार्यालय और एक वास्तविक लैब में रखा।
- उन्होंने इसे ऐसे कार्य दिए जैसे "ऑफिस जाओ," "ह्यूमिडिफायर बंद करो," और "कचरा उठाओ।"
- उन्होंने इसमें मोड़ भी डाले: "जो कर रहे हो उसे रोको और एक फोटो खींचो," या "एक कप गिर गया है, इसे ठीक करो!"
- परिणाम: P3 रोबोट ने पुराने सिस्टमों की तुलना में इन बाधाओं और मिश्रित कार्यों को बहुत बेहतर तरीके से संभाला। इसने सफलतापूर्वक एक "सब-कुछ-करने वाला" एजेंट होने का प्रबंधन किया जो समस्याओं को देख सकता है, किसी भी उपकरण का उपयोग कर सकता है, और बिना रास्ता भटके कार्यों के बीच स्विच कर सकता है।
संक्षेप में: P3 रोबोटों को कठोर मशीनों से बदलकर—जिन्हें हर हरकत के लिए एक स्क्रिप्ट की आवश्यकता होती है—अवलोकन करने वाले, लचीले सहायकों में बदल देता है जो दुनिया को देख सकते हैं, आसपास उपलब्ध किसी भी उपकरण का उपयोग कर सकते हैं, और अपने आप एक व्यस्त शेड्यूल को संभाल सकते 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।