💻 computer science

Human-in-the-Loop Failure Recovery with Adaptive Task Allocation

यह शोध पत्र एक एडेप्टिव रोबोटिक फेलियर एलोकेशन (ARFA) पद्धति प्रस्तावित करता है जो वास्तविक समय की क्षमता मॉडलिंग और कार्यभार वितरण के आधार पर रोबोटिक विफलता रिकवरी कार्यों को सबसे सक्षम मानव ऑपरेटर को गतिशील रूप से सौंपता है, जिससे आइडल टाइम कम होता है और समग्र सिस्टम प्रदर्शन में सुधार होता है।

मूल लेखक: Lorena Maria Genua, Nikita Boguslavskii, Zhi Li

प्रकाशित 2026-02-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lorena Maria Genua, Nikita Boguslavskii, Zhi Li

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 रोबोट्स की एक टीम एक व्यस्त अस्पताल या सुपरमार्केट में काम कर रही है, और अपना काम करने की कोशिश कर रही है। कभी-कभी, ये रोबोट फंस जाते हैं। शायद वे कोई भारी बॉक्स नहीं उठा पा रहे हैं, शायद वे किसी वस्तु को नहीं देख पा रहे क्योंकि वह छिपी हुई है, या उनका सॉफ़्टवेयर भ्रमित हो गया है। जब ऐसा होता है, तो रोबोट को मदद के लिए किसी इंसान की ज़रूरत होती है।

समस्या यह है: रोबोट को मदद के लिए किसे पूछना चाहिए?

अतीत में, रोबोट शायद बस मदद के लिए चिल्ला देते थे और जो भी सबसे पास होता (या जो भी खाली होता) वह जवाब दे देता। यह एक कक्षा में शिक्षक द्वारा पूछने जैसा है, "किसे उत्तर पता है?" और बस पहला हाथ उठाने वाले व्यक्ति को चुन लेना। कभी-कभी, जवाब देने वाला व्यक्ति वास्तव में उत्तर नहीं जानता होगा, या वह अपने स्वयं के काम में इतना व्यस्त होगा कि प्रभावी ढंग से मदद नहीं कर पाएगा। इससे रोबोट लंबे समय तक निष्क्रिय (कुछ न करना) बैठा रहता है, और इंसान निराश और अत्यधिक काम के बोझ तले दबे महसूस करते हैं।

समाधान: ARFA (द स्मार्ट डिस्पैचर)

लेखकों ने एक सिस्टम बनाया जिसे ARFA (Adaptive Robotic Failure Allocation) कहा जाता है। ARFA को एक कॉल सेंटर के सुपर-स्मार्ट डिस्पैचर के रूप में समझें, लेकिन यहाँ यह फोन कॉल रूट करने के बजाय, रोबोट की समस्याओं को सबसे अच्छे मानव सहायक के पास भेजता है।

यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

1. "स्किल कार्ड" (कौशल कार्ड) प्रणाली

प्रत्येक मानव ऑपरेटर (चाहे वह रोबोट के ठीक बगल में बैठा हो या रिमोट स्क्रीन से देख रहा हो) के पास एक डिजिटल "स्किल कार्ड" होता है। यह कार्ड तीन चीजों को ट्रैक करता है:

शारीरिक क्षमता (Physical Ability): क्या वे भारी चीजें उठा सकते हैं या ऊंचे शेल्फ तक पहुँच सकते हैं? (स्थानीय ऑपरेटर आमतौर पर इसमें बेहतर होते हैं)।
संज्ञानात्मक क्षमता (Cognitive Ability): क्या वे पहेलियाँ सुलझा सकते हैं या यह समझ सकते हैं कि रोबोट क्यों भ्रमित है? (रिमोट ऑपरेटर इसमें बेहतर हो सकते हैं)।
प्रतिक्रियाशीलता (Responsiveness): जब रोबोट मदद के लिए चिल्लाता है, तो वे कितनी तेज़ी से प्रतिक्रिया दे सकते हैं?

शुरुआत में, सिस्टम को ठीक से पता नहीं होता कि कौन कितना अच्छा है। यह एक खाली स्लेट से शुरू होता है, यह मानते हुए कि हर कोई हर चीज़ में "ठीक" है।

2. "जिम कोच" की उपमा (सीखना और सुधारना)

हर बार जब किसी रोबोट को कोई समस्या होती है, तो सिस्टम "स्किल कार्ड" को देखता है। यह पूछता है: "क्या इस समस्या के लिए एक मजबूत हाथ की आवश्यकता है, एक तेज़ दिमाग की, या एक तेज़ प्रतिक्रिया की?"

फिर यह उस व्यक्ति को चुनता है जिसके कौशल समस्या के साथ सबसे अच्छी तरह मेल खाते हैं।

सीखने वाला हिस्सा: जब इंसान समस्या को ठीक कर देता है, तो सिस्टम एक जिम कोच की तरह कार्य करता है। यदि इंसान ने समस्या को जल्दी और आसानी से हल किया, तो सिस्टम उनके कार्ड को अपडेट करता है कि, "वाह, वे इस काम में हमारी सोच से भी बेहतर हैं!" यदि उन्हें संघर्ष करना पड़ा या अधिक समय लगा, तो सिस्टम उनके कार्ड को समायोजित करता है कि, "शायद वे अगली बार इस विशिष्ट प्रकार की समस्या के लिए सबसे अच्छे फिट नहीं हैं।"
कार्यभार का संतुलन (Workload Balance): सिस्टम यह भी देखता है कि हर कोई कितना व्यस्त है। यदि एक व्यक्ति पहले से ही कई कार्यों को संभाल रहा है, तो सिस्टम उन्हें छोड़ सकता, भले ही वे कुशल हों, ताकि काम किसी और को दिया जा सके जो खाली है। यह एक व्यक्ति को अत्यधिक काम से बचाने के लिए है ताकि वे बर्नआउट (थकान) का शिकार न हों जबकि दूसरे खाली बैठे हों।

3. "तत्कालता" (Urgency) का कारक

कुछ रोबोट की समस्याएं आपातकालीन होती हैं (जैसे मरीज को अभी दवा की आवश्यकता है), जबकि कुछ इंतज़ार कर सकती हैं। सिस्टम तत्कालता के भार को तौलता है। यदि कोई समस्या बहुत ज़रूरी है, तो सिस्टम उस व्यक्ति को चुन सकता है जिसका उस विशिष्ट प्रकार की समस्या को तेज़ी से ठीक करने का सबसे अच्छा रिकॉर्ड रहा है, भले ही वह थोड़ा व्यस्त हो, क्योंकि गति महत्वपूर्ण है।

जब उन्होंने इसका परीक्षण किया तो क्या हुआ?

शोधकर्ताओं ने इस "स्मार्ट डिस्पैचर" का दो तरीकों से परीक्षण किया:

कंप्यूटर सिमुलेशन: उन्होंने 100 नकली रोबोट विफलताओं के साथ एक वर्चुअल सिमुलेशन चलाया।
- परिणाम: जब उन्होंने एक "रैंडम" (यादृच्छिक) विधि का उपयोग किया (बस संयोग से किसी व्यक्ति को चुनना), तो टीम केवल 78% समस्याओं को समय पर हल कर पाई। जब उन्होंने ARFA का उपयोग किया, तो टीम ने 95% समस्याओं को समय पर हल किया। रिमोट ऑपरेटर, जो आमतौर पर रैंडम असाइनमेंट के साथ संघर्ष करते थे, अपने काम में बहुत बेहतर हो गए क्योंकि सिस्टम ने उनकी ताकत को सीखा और उन्हें सही कार्य दिए।
वास्तविक मानव अध्ययन: उन्होंने 20 वास्तविक लोगों को "रिमोट ऑपरेटर" (स्क्रीन का उपयोग करके) और "लोकल ऑपरेटर" (IONA नामक रोबोट के पास AR चश्मे का उपयोग करके) की भूमिका निभाने के लिए लिया। इंसान एक व्यस्त कार्यदिवस का अनुकरण करने के लिए उसी समय सुडोकू पहेलियाँ भी हल कर रहे थे।
- परिणाम:
  - तेज़ सुधार: जब ARFA प्रभारी था, तो रोबोटों ने प्रतीक्षा करने (idle time) में बहुत कम समय बिताया।
  - बेहतर सफलता: टीम ने समय सीमा के भीतर अधिक विफलताओं को हल किया (रैंडम के 69% की तुलना में ARFA के साथ 85% सफलता)।
  - निष्पक्ष कार्यभार: "स्मार्ट डिस्पैचर" ने यह सुनिश्चित किया कि काम अधिक समान रूप से साझा किया जाए। रैंडम असाइनमेंट के साथ दोनों लोगों द्वारा किए गए काम के बीच का अंतर बहुत बड़ा था, लेकिन ARFA के साथ, वे लगभग बराबर थे।
  - कोई व्याकुलता नहीं: महत्वपूर्ण रूप से, इंसान ARFA के साथ बिना किसी समस्या के अपने सुडोकू पहेलियों को हल करने में सक्षम थे। सिस्टम ने उन्हें अभिभूत (overwhelm) नहीं किया।

मुख्य निष्कर्ष (The Bottom Line)

यह पेपर एक तरीका पेश करता है जिससे रोबोटों को यह अनुमान लगाने की ज़रूरत नहीं पड़ती कि मदद के लिए किसे पूछना है। मदद के लिए बेतरतीब ढंग से चिल्लाने के बजाय, रोबोट एक स्मार्ट सिस्टम का उपयोग करता है जो सीखता है कि कौन किस काम में अच्छा है, कार्यभार को संतुलित करता है ताकि कोई भी अत्यधिक काम के बोझ से न दबे, और गति को प्राथमिकता देता है जब चीजें तत्काल होती हैं।

परिणाम एक ऐसी टीम है जहाँ रोबोट को तेज़ी से ठीक किया जाता है, इंसान कम तनावग्रस्त होते हैं, और पूरा सिस्टम अधिक सुचारू रूप से चलता है। यह एक ऐसे मैनेजर की तरह है जो जानता है कि प्रत्येक विशिष्ट समस्या के लिए किस कर्मचारी को बुलाना है, जिससे यह सुनिश्चित होता है कि काम सही और समय पर पूरा हो।

तकनीकी सारांश: एडेप्टिव रोबोटिक फेलियर एलोकेशन (ARFA)

समस्या विवरण

स्वायत्तता (autonomy) में प्रगति के बावजूद, गतिशील और अनस्ट्रक्चर्ड वातावरण में मोबाइल मैनिपुलेटर्स और ह्यूमनॉइड असिस्टिव रोबोट अक्सर हार्डवेयर मालफंक्शन, सॉफ्टवेयर त्रुटियों या इंटरैक्शन अनिश्चितताओं के कारण विफलताओं का सामना करते हैं। जबकि कुछ विफलताओं को स्वायत्त रूप से हल किया जा सकता है, कई के लिए मानवीय हस्तक्षेप की आवश्यकता होती है। वर्तमान मानव-रोबोट सहयोग प्रणालियों में अक्सर इन विफलताओं को मानव ऑपरेटरों को आवंटित करने के लिए गतिशील, वास्तविक समय की रणनीतियों का अभाव होता है। मौजूदा विधियाँ आमतौर पर स्थिर क्षमता मूल्यांकन या ऑफलाइन आवंटन पर निर्भर करती हैं, जो विफलताओं की समय-संवेदनशील प्रकृति, स्थानीय बनाम रिमोट ऑपरेटरों के विशिष्ट कौशल और वर्तमान वर्कलोड वितरण को ध्यान में रखने में विफल रहती हैं। प्रभावी आवंटन के बिना, रोबोट लंबे समय तक निष्क्रिय रह सकते हैं, सिस्टम का प्रदर्शन गिर सकता है, और ऑपरेटरों का वर्कलोड असंतुलित हो सकता है, जिससे प्राथमिक कार्य बाधित हो सकते हैं।

कार्यप्रणाली (Methodology)

लेखक एडेप्टिव रोबोटिक फेलियर एलोकेशन (ARFA) का प्रस्ताव करते हैं, जो एक ऐसा ढांचा (framework) है जिसे वर्कलोड को संतुलित करते हुए, सबसे सक्षम मानव ऑपरेटर (स्थानीय या रिमोट) को गतिशील रूप से रोबोटिक विफलताओं को सौंपने के लिए डिज़ाइन किया गया है। इस कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

1. मानव क्षमताओं का मॉडलिंग

सिस्टम प्रत्येक ऑपरेटर $i$ को तीन क्षमता आयामों के माध्यम से मॉडल करता है:

भौतिक ($phys$): भौतिक कार्यों को करने की क्षमता (जैसे, केबल हिलाना)।
संज्ञानात्मक ($cog$): सूचना को संसाधित करने और निर्णय लेने की क्षमता।
प्रतिक्रियाशीलता ($resp$): तत्काल स्थितियों में तेजी से प्रतिक्रिया करने की क्षमता।

क्षमताओं को लोअर ( $\ell$ ) और अपर ( $u$ ) बाउंड्स के साथ एक 'बलीफ डिस्ट्रीब्यूशन' (belief distribution) के रूप में दर्शाया जाता है। किसी दिए गए विफलता $f$ के लिए जिसमें आवश्यकताएं $r = [r_{phys}, r_{cog}, r_{urg}]$ हैं, एक क्षमता स्कोर $\lambda_{i,j}(r_j)$ की गणना की जाती है। यह स्कोर 1 है यदि ऑपरेटर की क्षमता आवश्यकता से अधिक है, 0 है यदि यह निचले बाउंड से नीचे गिर जाती है, और इनके बीच में यह रैखिक रूप से (linearly) घटता है। समग्र प्रदर्शन सूचकांक $\Lambda_i$ इन स्कोर्स का एक भारित योग (weighted sum) है।

2. अपेक्षित पुरस्कार और विफलता असाइनमेंट

एक रिवॉर्ड फंक्शन $R_i$ निम्नलिखित के आधार पर ऑपरेटर को विफलता के असाइनमेंट का मूल्यांकन करता है:

विफलता की तात्कालिकता ( $r_{urg}$ ): उच्च तात्कालिकता ऐतिहासिक प्रदर्शन के अंतर के प्रभाव को बढ़ा देती है।
ऐतिहासिक प्रदर्शन ( $\tau_i$ ): कार्य-निर्भर समय सीमा के विरुद्ध समाधान समय के अनुपात से प्राप्त होता है।
वर्कलोड लागत ( $C_i$ ): ऑपरेटर को पहले से सौंपे गए कुल समाधान समय के अनुपात पर आधारित एक दंड (penalty)।

कुल अपेक्षित पुरस्कार ( $ER_i$ ) की गणना इस प्रकार की जाती है:
$ER_i = \Lambda_i \cdot (R_i(r_{urg}, \tau_i) - C_i)$
विफलता को ऑपरेटर $i^*$ को सौंपा जाता है जो इस अपेक्षित पुरस्कार को अधिकतम करता है।

3. क्षमताओं का अनुकूलन (ऑनलाइन लर्निंग)

सिस्टम निरंतर एडम ऑप्टिमाइज़र (Adam optimizer) का उपयोग करके प्रत्येक ऑपरेटर की क्षमताओं के लिए विश्वास सीमाओं ( $\ell, u$ ) को अपडेट करता है। इसका उद्देश्य अनुमानित सफलता की संभावना (वर्तमान क्षमता बाउंड के आधार पर) और देखी गई सफलता की संभावना (हल की गई विफलताओं से प्राप्त अनुभवजन्य डेटा) के बीच मीन स्क्वेर्ड एरर (mean squared error) को कम करना है। यह सिस्टम को वास्तविक समय में ऑपरेटर के वास्तविक प्रदर्शन के अनुकूल होने की अनुमति देता है।

मुख्य योगदान

पेपर तीन प्राथमिक योगदानों को रेखांकित करता है:

फ्रेमवर्क डेवलपमेंट: एक प्रणाली जो स्थानीय और रिमोट दोनों ऑपरेटरों को शामिल करते हुए रोबोटिक विफलता रिकवरी के लिए मानवीय हस्तक्षेप को सक्षम बनाती है।
एडेप्टिव रणनीति: विफलता रिकवरी के विशिष्ट डोमेन के लिए टास्क एलोकेशन रणनीतियों का अनुकूलन, जो एक रिवॉर्ड फंक्शन पेश करता है जो तात्कालिकता और ऐतिहासिक प्रदर्शन पर विचार करते हुए ऑपरेटर वर्कलोड और कार्य व्यवधान को कम करता है।
वैलिडेशन: एक मोबाइल नर्सिंग असिस्टेंट रोबोट (IONA) के साथ वास्तविक उपयोगकर्ताओं के बीच एक यूजर स्टडी और सिमुलेशन के माध्यम से अनुभवजन्य सत्यापन।

मूल्यांकन और परिणाम

सिमुलेशन

लेखकों ने एक रिमोट और एक लोकल ऑपरेटर के साथ 20 परीक्षणों में 100 विफलताओं का सिमुलेशन किया।

सफलता दर: ARFA ने रैंडम एलोकेशन की तुलना में काफी बेहतर प्रदर्शन किया। रिमोट ऑपरेटर की सफलता दर 55% (रैंडम) से सुधरकर 82% (ARF) हो गई। टीम की सफलता दर 78% से बढ़कर 95% हो गई।
अभिसरण (Convergence): क्षमता विश्वास ऑप्टिमाइज़र (capability belief optimizer) 98.33% परीक्षणों में सफलतापूर्वक अभिसरित हुआ, जो आमतौर पर पहले 20 विफलताओं के भीतर हुआ।

यूजर स्टडी

20 प्रतिभागियों (लोकल और रिमोट ऑपरेटर के रूप में युग्मित) के साथ एक अध्ययन, जिसमें IONA रोबोट और ऑगमेंटेड रियलिटी इंटरफेस (HoloLens 2 और स्क्रीन-आधारित GUI) का उपयोग किया गया, जिसने ARFA की रैंडम एलोकेशन के विरुद्ध तुलना की।

सिस्टम प्रदर्शन (RQ1):
- समाधान समय (Resolution Time): ARFA ने औसत विफलता समाधान समय को 312.73s (रैंडम) से घटाकर 257.6s कर दिया।
- कार्य पूर्णता (Task Completion): समग्र कार्य पूर्णता समय 632.98s से घटकर 571.85s हो गया।
- सफलता दर: टीम सफलता दर (समय सीमा के भीतर समाधान) 69% से बढ़कर 85% हो गई। रिमोट ऑपरेटर की सफलता दर में महत्वपूर्ण सुधार हुआ (40.5% से 55%), जबकि लोकल ऑपरेटरों ने दोनों स्थितियों में लगभग पूर्ण प्रदर्शन बनाए रखा।
वर्कलोड वितरण (RQ2):
- ARFA ने ऑपरेटरों के बीच रिकवरी समय के अंतर को काफी कम कर दिया, जिससे अंतर 132.30s (रैंडम) से घटकर 33.64s रह गया।
- प्राथमिक कार्य प्रदर्शन (सुडोकू सॉल्विंग) दोनों आवंटन मोड के बीच सुसंगत रहा, जो दर्शाता है कि वर्कलोड बैलेंसिंग ने उनके मुख्य कर्तव्यों से समझौता नहीं किया।

महत्व और दावे

पेपर का दावा है कि ARFA वास्तविक समय में रोबोटिक विफलता रिकवरी में मौजूद अंतर को पाटता है, जो स्टेटिक या रैंडम असाइनमेंट से आगे बढ़ता है। ऑपरेटर क्षमताओं को गतिशील रूप से मॉडल करके और देखे गए परिणामों के आधार पर विश्वासों को लगातार अपडेट करके, यह फ्रेमवर्क:

रोबोट के निष्क्रिय समय को कम करता है: विफलताओं के तेजी से समाधान से अधिक कुशल सिस्टम संचालन होता है।
मानव-रोबोट सहयोग को अनुकूलित करता है: यह सुनिश्चित करता है कि विफलताओं को उस ऑपरेटर को सौंपा जाए जो विशिष्ट आवश्यकताओं (भौतिक, संज्ञानात्मक, या तात्कालिकता) के लिए सबसे उपयुक्त है।
वर्कलोड को संतुलित करता है: यह विशेष रूप से स्थानीय ऑपरेटरों (जो बार-बार व्यवधान का सामना कर सकते हैं) पर अत्यधिक बोझ डालने से रोकता है, जिससे एक टिकाऊ मानव-रोबोट पारिस्थितिकी तंत्र बना रहता है।

लेखक अपनी सीमाओं को स्वीकार करते हैं, यह नोट करते हुए कि फ्रेमवर्क मानव क्षमताओं के सरलीकृत मॉडलों पर निर्भर करता है (जो थकान या गैर-रेखीय संज्ञानात्मक भार को पूरी तरह से कैप्चर नहीं करता है) और यह मानता है कि विफलताएं एक पूर्व-निर्धारित सेट से संबंधित हैं। भविष्य के कार्य का लक्ष्य अधिक विफलता प्रकारों के साथ अनियंत्रित परिदृश्यों को संबोधित करना और बड़े समूहों के साथ ढांचे का मूल्यांकन करना है।