EgoCogNav: Cognition-aware Human Egocentric Navigation
यह शोध पत्र EgoCogNav को प्रस्तुत करता है, जो एक मल्टीमॉडल फ्रेमवर्क है जो कथित पथ अनिश्चितता (perceived path uncertainty) की भविष्यवाणी करने के लिए एर्गोसेंट्रिक प्रक्षेपवक्र (egocentric trajectories) और सिर की गति का संयुक्त रूप से पूर्वानुमान लगाता है, जिसे नेविगेशन में मानवीय संज्ञानात्मक कारकों को बेहतर ढंग से मॉडल करने के लिए नए कॉग्निशन-अवेयर एर्गोसेंट्रिक नेविगेशन (CEN) डेटासेट द्वारा समर्थित 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
कल्पना कीजिए कि आप एक व्यस्त, अपरिचित शहर में घूम रहे हैं। आप केवल अपने पैरों से चल नहीं रहे हैं; आपका मस्तिष्क लगातार अत्यधिक काम कर रहा है। आप एक मानचित्र देखने के लिए रुकते हैं, आप एक क्रॉसिंग (चौराहे) पर हिचकिचाते हैं, आप किसी लैंडमार्क को खोजने के लिए भीड़ को स्कैन करते हैं, और कभी-कभी आप वापस मुड़ जाते हैं क्योंकि आपने गलत मोड़ ले लिया था।
आजकल के अधिकांश रोबोट और नेविगेशन ऐप्स आंखों पर पट्टी बंधे नर्तकों की तरह हैं। वे फर्श और संगीत (डेटा) को देख सकते हैं, लेकिन वे यह नहीं समझते कि आप जूते के फीते बांधने के लिए क्यों रुके या आप अचानक क्यों घूमे। वे बस आपके पिछले कुछ कदमों के आधार पर अनुमान लगाते हैं कि आप अगला कदम कहाँ रखेंगे।
EgoCogNav एक नया सिस्टम है जो नेविगेशन के लिए मन-पहुंच (mind-reader) बनने की कोशिश करता है। यह केवल यह अनुमान नहीं लगाता कि आप कहाँ जाएंगे; यह अनुमान लगाने की कोशिश करता है कि आगे के रास्ते के बारे में आप कैसा महसूस कर रहे हैं।
यहाँ बताया गया है कि यह कैसे काम करता है, कुछ रोजमर्रा के उदाहरणों का उपयोग करके:
1. समस्या: "रोबोट का ब्लाइंड स्पॉट"
वर्तमान नेविगेशन AI गणित में बहुत अच्छा है लेकिन मनोविज्ञान में बुरा है। यदि आप एक गलियारे में चल रहे हैं, तो एक सामान्य रोबोट "सीधा रास्ता" देखता है। लेकिन यदि आप तीन एक जैसे दरवाजों वाले गलियारे में चल रहे हैं जहाँ कोई संकेत नहीं है, तो एक इंसान अनिश्चितता (uncertainty) महसूस करता है। वह रुक सकता है, बाएं देख सकता है, दाएं देख सकता है, और हिचकिचा सकता है।
- पुराना AI: "आप सीधे चल रहे थे, इसलिए मैं भविष्यवाणी करता हूँ कि आप सीधे चलेंगे।"
- EgoCogNav: "आप रुके और इधर-उधर देखा। आप भ्रमित हैं। मैं भविष्यवाणी करता हूँ कि आप बाएं मुड़ सकते हैं, या शायद आप उस साइन को फिर से देखने के लिए वापस जा सकते हैं।"
2. समाधान: "तीन पैरों वाला स्टूल"
मानव नेविगेशन को समझने के लिए, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया जो एक साथ तीन चीजों को देखता है, जैसे कि एक तीन पैरों वाला स्टूल जिसे खड़ा होने के लिए तीनों पैरों की आवश्यकता होती है:
- आंखें (दृष्टि/Vision): यह आपके सिर पर लगे कैमरे (जैसे Google Glass) से वीडियो फीड को देखता है। यह दुनिया को बिल्कुल वैसे ही देखता है जैसे आप देखते हैं।
- शरीर (गति/Motion): यह आपके कदमों और आपके सिर के घूमने की दिशा को ट्रैक करता है। क्या आप घूमे? क्या आप रुके?
- मस्तिष्क (संज्ञान/Cognition): यही असली जादू है। यह आपके "अनुभूत अनिश्चितता" (Perceived Uncertainty) का अनुमान लगाने की कोशिश करता है। इसे एक "कन्फ्यूजन मीटर" (भ्रम मीटर) के रूप में सोचें।
- कम भ्रम: आप अपने स्वयं के किचन में चल रहे हैं। मीटर 0% पर है।
- उच्च भ्रम: आप बिना किसी साइन वाले हवाई अड्डे के टर्मिनल में हैं। मीटर 90% तक बढ़ जाता है।
3. यह कैसे सीखता है: "मेमोरी बुक" और "इमोशन फिल्टर"
इस सिस्टम के पास अपनी भविष्यवाणियों को स्मार्ट बनाने के लिए दो विशेष तरकीबें हैं:
- मेमोरी बुक (सीखने योग्य पैटर्न): कल्पना कीजिए कि आप एक जासूस हैं। आपके पास पिछले मामलों की एक नोटबुक है। "जब मैंने डेड एंड (बंद रास्ता) देखा, तो मैं आमतौर पर बाएं मुड़ा था।" EgoCogNav के पास 42 अलग-अलग जगहों में वास्तविक लोगों के चलने के 6 घंटों का एक डिजिटल नोटबुक है। जब यह एक भ्रमित स्थिति देखता है, तो यह अपनी नोटबुक चेक करता है: "क्या कोई यहाँ पहले आया है? जब वे भ्रमित थे तो उन्होंने क्या किया था?"
- इमोशन फिल्टर (अनिश्चितता कंडीशनिंग): यह रोबोट के मस्तिष्क के लिए एक वॉल्यूम नॉब की तरह है। यदि "कन्फ्यूजन मीटर" अधिक है, तो रोबट जानता है कि उसे अधिक सावधान रहना चाहिए। वह कह सकता है, "ठीक है, इंसान हिचकिचा रहा है, इसलिए मुझे केवल एक रास्ता नहीं बताना चाहिए। मुझे कुछ संभावनाओं का अनुमान लगाना चाहिए, जैसे 'शायद वे बाएं मुड़ें' या 'शायद वे वापस जाएं'।"
4. नया डेटासेट: "नेविगेशन जिम"
इस रोबोट को सिखाने के लिए, शोधकर्ताओं को केवल वीडियो गेम की आवश्यकता नहीं थी। उन्हें वास्तविक मनुष्यों की आवश्यकता थी।
- उन्होंने CEN (कॉग्निटिव-अवेयर एगोसेंट्रिक नेविगेशन) नामक एक नया डेटासेट बनाया।
- उन्होंने 17 लोगों को वास्तविक दुनिया के परिदृश्यों (कैंपस, मॉल, सड़कें) में विशेष चश्मे के साथ रखा।
- चलते समय, लोग एक कंट्रोलर पकड़े हुए थे और लगातार एक बटन दबाकर बताते थे, "मैं अभी भ्रमित हूँ" या "मुझे पता है कि मैं कहाँ हूँ।"
- इसने AI को केवल गति के बजाय मानव भावनाओं तक एक सीधा संपर्क दिया।
5. यह क्यों महत्वपूर्ण है
हमें इस बात से क्यों फर्क पड़ता है कि रोबोट को आपके भ्रमित होने का पता है?
- सहायक रोबोटों के लिए: एक दृष्टिबाधित व्यक्ति के मार्गदर्शक के रूप में रोबोट की कल्पना करें। यदि रोबोट महसूस करता है कि आप भ्रमित हैं (उच्च अनिश्चितता), तो वह केवल यह नहीं कहेगा "बाएं मुड़ें।" वह कह सकता है, "रुको, मैं देख रहा हूँ कि तुम हिचकिचा रहे हो। मुड़ने से पहले, मुझे अपने बाईं ओर के बड़े लाल साइन के बारे में बताने दो।"
- सेल्फ-ड्राइविंग कारों के लिए: यदि कोई कार क्रॉसिंग पर हिचकिचाते हुए पैदल यात्री को देखती है, तो वह जानती है कि उसे गति नहीं बढ़ानी चाहिए। वह जानती है कि पैदल यात्री अनिश्चित है, इसलिए कार को अतिरिक्त सावधानी बरतनी चाहिए।
- शहर के डिजाइन के लिए: वास्तुकार इसका उपयोग यह देखने के लिए कर सकते हैं कि कौन से हिस्से लोगों को खोया हुआ और चिंतित महसूस कराते हैं, और फिर उन क्षेत्रों को अधिक स्पष्ट बनाने के लिए उन्हें फिर से डिजाइन कर सकते हैं।
निष्कर्ष
EgoCogNav ऐसा है जैसे रोबोट को नेविगेशन के लिए सहानुभूति (empathy) रखना सिखाना। यह समझता है कि मनुष्य केवल दीवारों से टकराने वाली बिलियर्ड बॉल्स की तरह नहीं चलते; हम इस आधार पर चलते हैं कि हम क्या देखते हैं, हम क्या जानते हैं, और हमारा आत्मविश्वास कैसा है। हमारी "कन्फ्यूजन लेवल" का अनुमान लगाकर, यह किसी भी ऐसे रोबोट की तुलना में हमारे अगले कदम की बेहतर भविष्यवाणी कर सकता है जो केवल हमारे पैरों को देखता 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।