कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ रोबोट केवल एक स्क्रिप्ट का पालन नहीं कर रहे हैं, बल्कि वे वास्तव में इस बारे में सोच रहे हैं कि दूसरे रोबोट क्या सोच रहे हैं। यह मल्टी-एजेंट मोशन प्लानिंग का क्षेत्र है, जो रोबics की एक शाखा है जिसका उद्देश्य मशीनों को एक-दूसरे से टकराए बिना भीड़भाड़ वाली जगहों में नेविगेट करने में मदद करना है। चुनौती को समझने के लिए, एक व्यस्त चौराहे की कल्पना करें जहाँ कोई ट्रैफिक लाइट नहीं है और कोई एक-दूसरे से बात नहीं कर रहा है। यदि कोई कार बाएं मुड़ने की कोशिश करती है, तो उसे अनुमान लगाना होगा कि सामने से आने वाली कार अपनी गति बढ़ाएगी या कम करेगी। अतीत में, रोबोट अक्सर बहुत सावधानी बरतते थे, जैसे कि वे घबराए हुए ड्राइवर हों जो तब तक नहीं हिलते जब तक कि वे 100% सुनिश्चित न हो जाएं, जिससे जाम लग जाता है। इसे हल करने के लिए, वैज्ञानिक अर्थशास्त्र के एक सिद्धांत का उपयोग करते हैं जिसे "गेम थ्योरी" (Game Theory) कहा जाता है, विशेष रूप से "नैश इक्विलिब्रियम" (Nash Equilibrium) की तलाश करना। इसे पूर्ण संतुलन की स्थिति के रूप में समझें जहाँ कोई भी अपनी चाल बदलना नहीं चाहता क्योंकि ऐसा करने से चीजें उनके लिए और भी खराब हो जाएंगी, जबकि बाकी सब वही कर रहे हैं जो वे कर रहे हैं। यह वह 'स्वीट स्पॉट' है जहाँ सभी की रणनीतियाँ एक साथ पूरी तरह फिट बैठती हैं, जैसे कि एक अच्छी तरह से रिहर्सल किया गया नृत्य जहाँ कोई किसी के पैर पर नहीं पड़ता।

बड़ा सवाल यह है: आप एक रोबोट को वास्तविक समय में इस पूर्ण नृत्य कदम को खोजने के लिए कैसे तैयार करेंगे, खासकर जब भौतिकी के नियम (जैसे कि एक कार कितनी तेजी से मुड़ सकती है) गणित को अविश्वसनीय रूप से जटिल बना देते हैं? टेक्निओन-इजराइल इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं द्वारा एक नया पेपर "गेम-थ्योरेटिक नेस्टेड सर्च" (GTNS) नामक एक चतुर समाधान पेश करता है। उन्होंने पाया कि जबकि पिछले तरीके या तो स्थानीय "डेड एंड्स" (बंद रास्तों) में फंस जाते थे या हर संभव चाल की गणना करने में बहुत अधिक समय लेते थे, उनका नया दृष्टिकोण एक सुपर-स्मार्ट जासूस की तरह काम करता है। एक विशाल, असंभव-से-स्कैन किए जाने वाले पुस्तकालय में हर एक संभावना की जांच करने के बजाय, GTNS एक "नेस्टेड" रणनीति का उपयोग करता है। इसमें एक बाहरी खोज (outer search) होती है जो सबसे अच्छे समग्र पथ की तलाश करती है, लेकिन यह लगातार एक त्वरित "आंतरिक परीक्षण" (inner test) चलाती है यह देखने के लिए कि क्या कोई एकल रोबोट अलग होकर बेहतर प्रदर्शन कर सकता है। यदि कोई रोबोट अलग हो सकता है, तो उस पथ को तुरंत खारिज कर दिया जाता है। यह सिस्टम जटिल, वास्तविक इंटरैक्शन खोजने की अनुमति देता है—जैसे कि ट्रैफ़िक में आक्रामक रूप से मर्ज होने वाली कार या दूसरे को ओवरटेक करने वाला रेसर—एक मानक लैपटॉप पर कुछ ही सेकंडों में।

समस्या: रोबोट का धर्मसंकट

कल्पना कीजिए कि आप अपने तीन दोस्तों के साथ एक वीडियो गेम खेल रहे हैं। आप सभी फिनिश लाइन तक पहुँचना चाहते हैं, लेकिन रास्ता संकरा है, और आप एक-दूसरे से बात नहीं कर सकते। यदि आप सभी आगे बढ़ने की कोशिश करेंगे, तो आप टकरा जाएंगे। यदि आप सभी रुक जाते हैं और प्रतीक्षा करते हैं, तो आप कभी खत्म नहीं कर पाएंगे। वास्तविक दुनिया में, स्वायत्त कारें और रेसिंग ड्रोन इसी समस्या का सामना करते हैं। उन्हें भविष्यवाणी करने की आवश्यकता है कि अन्य क्या करेंगे और तुरंत प्रतिक्रिया देनी होगी।

लंबे समय तक, रोबोटों ने इसे "फॉलो द लीडर" खेलकर या अत्यधिक सतर्क होकर हल किया। वे अनुमान लगाते थे कि दूसरे क्या कर सकते हैं, एक सुरक्षित पथ चुनते थे, और उम्मीद करते थे कि सब ठीक रहेगा। लेकिन इससे अक्सर अजीब स्थितियाँ पैदा होती थीं, जैसे कि एक कार खाली चौराहे पर हमेशा के लिए इंतजार करती रहती है क्योंकि वह हिलने से डरती है। अन्य तरीकों ने "परफेक्ट" संतुलन (नैश इक्विलिब्रियम) खोजने के लिए जटिल गणित का उपयोग करने की कोशिश की, लेकिन वे अक्सर स्थानीय जाल में फंस जाते थे या दुनिया को इतना सरल बना देते थे कि रोबोट वास्तविक बाधाओं या कठिन मोड़ों को संभाल नहीं पाते थे।

समाधान: दो आवर्धक लेंसों वाला एक जासूस

इस पेपर के लेखक, अविशाव एंगेल और उनकी टीम ने गेम-थ्योरेटिक नेस्टेड सर्च (GTNS) नामक एक नया एल्गोरिदम बनाया है। यह समझने के लिए कि यह कैसे काम करता है, एक जासूस की कल्पना करें जो एक विशाल, बहु-मंजिला इमारत (सर्च स्पेस) में रहस्य सुलझाने की कोशिश कर रहा है।

1. बाहरी खोज (जासूस): जासूस इमारत के माध्यम से चलता है, निकास के लिए सबसे अच्छे मार्ग की तलाश करता है। यह "बाहरी" परत है। यह एक मानक जीपीएस की तरह है जो सबसे छोटा रास्ता खोजने की कोशिश करता है।
2. आंतरिक खोज (पूछताछ): लेकिन यहाँ एक मोड़ है। हर बार जब जासूस एक नए मार्ग पर विचार करता है, तो वह रुकता है और एक महत्वपूर्ण प्रश्न पूछता है: "यदि मैं इस परिदृश्य में मौजूद लोगों में से एक होता, तो क्या मैं चुपके से निकलकर एक छोटा रास्ता ले सकता जो मुझे तेज़ बनाता, भले ही बाकी सब अपने पथ पर बने रहें?"
   • यह "आंतरिक" परत है। यह शामिल प्रत्येक रोबोट के लिए एक त्वरित, केंद्रित जाँच है।
   • यदि उत्तर "हाँ, मैं अलग होकर और बेहतर कर सकता हूँ" है, तो जासूस जानता है कि यह मार्ग एक सच्चा नैश इक्विलिब्रियम नहीं है। इसे तुरंत बाहर कर दिया जाता है।
   • यदि उत्तर "नहीं, मैं बेहतर नहीं कर सकता" है, तो मार्ग सुरक्षित और संतुलित है।

यह "नेस्टेड" दृष्टिकोण शक्तिशाली है क्योंकि यह उन पथों की जांच करने में समय बर्बाद नहीं करता जो स्पष्ट रूप से अस्थिर हैं। यह खराब विकल्पों को जल्दी काट देता है, जैसे कि एक माली मृत शाखाओं को काट देता है ताकि पौधा तेजी से बढ़ सके।

उन्होंने क्या पाया: आक्रामक मर्ज से लेकर विनम्र समर्पण तक

शोधकर्ताओं ने हाईवे मर्ज से लेकर रेसट्रैक ओवरटेक तक विभिन्न परिदृशताओं में अपने एल्गोरिदम का परीक्षण किया। उन्होंने पाया कि अपने सिस्टम में कुछ "नॉब्स" (बटन) को बदलकर, वे रोबोट के व्यक्तित्व को बदल सकते हैं।

• "ज़िप-मर्ज" (Zip-Merge): एक प्रयोग में, उन्होंने रोबोट 1 (नीली कार) को अधिक आक्रामक बनाने के लिए सेटिंग्स को समायोजित किया। परिणाम? रोबोट 1 सफलतापूर्वक दो अन्य कारों के बीच एक तंग गैप में घुस गया, जिसे "ज़िप-मर्ज" नामक युक्ति कहा जाता है।
• "पोलाइट यील्ड" (Polite Yield): जब उन्होंने सेटिंग्स को दूसरी ओर घुमाया, जिससे रोबोट 1 अधिक सतर्क हो गया, तो उसने अन्य कारों के गुजरने का इंतजार किया।
• रेसट्रैक: एक रेसिंग सिमुलेशन में, वे एक प्राथमिकता संख्या बदलकर यह तय कर सकते थे कि रेस कौन जीतेगा। यदि रोब-1 की प्राथमिकता उच्च थी, तो उसने अंदरूनी लाइन ली और रेस जीती। यदि रोबोट-2 की प्राथमिकता थी, तो भूमिकाएँ उलट गईं।

जो इसे विशेष बनाता है वह यह है कि ये केवल रैंडम अनुमान नहीं हैं। एल्गोरिदम गारंटी देता है कि समाधान एक सच्चा नैश इक्विलिब्रियम है। इसका मतलब है कि एक बार जब रोबोट चलना शुरू कर देते हैं, तो उनमें अचानक अपना मन बदलने या रास्ता बदलने का कोई कारण नहीं होता, क्योंकि वे पहले से ही वह सर्वश्रेष्ठ कर रहे हैं जो वे दूसरों के व्यवहार को देखते हुए कर सकते हैं।

गति और वास्तविकता

टीम ने एक मानक लैपटॉप पर एक शक्तिशाली प्रोसेसर (इंटेल कोर i9) के साथ इन सिमुलेशन को चलाया। परिणाम प्रभावशाली थे:

• सरल परिदृश्यों के लिए, कंप्यूटर ने एक सेकंड से भी कम समय में समाधान खोज लिया।
• अधिक जटिल, मल्टी-रोबोट हाईवे मर्ज के लिए, इसमें कुछ सेकंड लगे (कुछ मामलों में लगभग 3 से 4 सेकंड)।
• यहाँ तक कि जब उन्होंने अधिक रोबोट जोड़े या पथ लंबा किया, तो सिस्टम पुराने तरीकों की तुलना में उतना धीमा नहीं हुआ।

पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि गणित को काम करने के लिए रोबोट की भौतिकी को सरल बनाना (जैसे कि उन्हें ऐसे बिंदुओं के रूप में मानना जो तुरंत मुड़ सकते हैं) आवश्यक है। GTNS कारों और ड्रोन्स की वास्तविक, जटिल भौतिकी को संभालता है, जिसमें उनकी गति सीमा और टर्निंग रेडियस शामिल हैं।

यह क्यों महत्वपूर्ण है

यह केवल एक सैद्धांतिक खेल नहीं है। इन इंटरैक्शन को तेज़ी से कंप्यूट करने की क्षमता का अर्थ है कि भविष्य में, स्वायत्त कारें ट्रैफिक जाम या दुर्घटनाओं के बिना व्यस्त शहरी सड़कों पर नेविगेट कर सकेंगी। वे रेडियो संकेतों या ट्रैफिक लाइट की आवश्यकता के बिना चौराहों पर अधिकार (right-of-way) के लिए बातचीत कर सकती हैं।

शोधकर्ताओं ने यह भी नोट किया कि उनके तरीके का उपयोग AI के लिए प्रशिक्षण डेटा उत्पन्न करने के लिए किया जा सकता है। इन "पूरी तरह से संतुलित" इंटरैक्शन के हजारों सिमुलेशन करके, वे अन्य AI सिस्टम को सुरक्षित और अनुमानित व्यवहार करना सिखा सकते हैं।

हालाँकि वर्तमान सिस्टम तब सबसे अच्छा काम करता है जब रोबोट के पथ की योजना पहले से बनाई जाती है ("ओपन-लूप" सेटिंग), लेखक सुझाव देते हैं कि यह एक बड़ा कदम है। वे स्वीकार करते हैं कि रोबोट के लिए प्रारंभिक मानचित्र बनाना में कुछ समय लगता है, लेकिन एक बार बनने के बाद, सिस्टम तेज़ और विश्वसनीय है। वे इसे और अधिक रोबोट और वास्तविक समय, क्लोज्ड-लूप स्थितियों में और भी बेहतर बनाने के तरीके पर काम कर रहे हैं जहाँ रोबोट को परिवर्तनों पर तुरंत प्रतिक्रिया देनी होती है।

संक्षेप में, GTNS रोबोटों को "कमरे को पढ़ने" (read the room) और एक ऐसा समाधान खोजने की क्षमता देता है जहाँ सभी जीतते हैं, बिना किसी के टकराए या अनंत काल तक प्रतीक्षा किए। यह ट्रैफिक के अराजक नृत्य को एक कोरियोग्राफ किए गए प्रदर्शन में बदल देता है, जिसकी गणना पलक झपकते ही की जाती है।