← नवीनतम पेपर
💬 NLP

From Assumptions to Actions: Turning LLM Reasoning into Uncertainty-Aware Planning for Embodied Agents

यह शोध पत्र PCE को प्रस्तुत करता है, जो एक प्लानर-कंपोजर-इवैल्यूएटर (Planner-Composer-Evaluator) फ्रेमवर्क है जो लेटेंट एलएलएम (LLM) धारणाओं को संरचित निर्णय वृक्षों (decision trees) में परिवर्तित करता है ताकि एम्बोडीड एजेंटों (embodied agents) के लिए अनिश्चितता-जागरूक नियोजन (uncertainty-aware planning) को सक्षम किया जा सके, जो पारंपरिक तरीकों की तुलना में संचार ओवरहेड को कम करते हुए कार्य सफलता और दक्षता में महत्वपूर्ण सुधार करता है।

मूल लेखक: SeungWon Seo, SooBin Lim, SeongRae Noh, Haneul Kim, HyeongYeop Kang

प्रकाशित 2026-02-05
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: SeungWon Seo, SooBin Lim, SeongRae Noh, Haneul Kim, HyeongYeop Kang

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 और आपका एक दोस्त एक जटिल भोजन बनाने की कोशिश कर रहे हैं, जहाँ आप एक ऐसे रसोईघर में हैं जहाँ आप एक बार में केवल आधा कमरा ही देख सकते हैं। आप नहीं देख सकते कि अलमारियों में क्या है, और न ही आप देख सकते हैं कि आपका दोस्त क्या पकड़े हुए है। सफल होने के लिए, आपको यह अनुमान लगाना होगा कि सामग्रियां कहाँ हैं और आपका दोस्त क्या करने की योजना बना रहा है।

AI की दुनिया में, इन "कुकिंग रोबोट्स" को एम्बोडीड एजेंट (embodied agents) कहा जाता है। लंबे समय तक, "मैं सब कुछ नहीं देख सकता" वाली समस्या को हल करने का सबसे अच्छा तरीका यह था कि वे बस आपस में लगातार बातें करते रहें। "क्या तुम्हें आटा दिख रहा है?" "नहीं, क्या तुम्हें दिख रहा है?" "क्या ओवन चालू है?"

यह शोध पत्र तर्क देता है कि यह निरंतर बातचीत महंगी, धीमी और कष्टप्रद है (विशेष रूप से यदि इसमें कोई इंसान शामिल हो)। इसके बजाय, लेखक एक नया सिस्टम पेश करते हैं जिसे PCE (प्लैनर-कंपोजर-इवैल्यूएटर) कहा जाता है, जो AI को बोलने से पहले बेहतर तरीके से सोचना सिखाता है।

PCE कैसे काम करता है, इसे एक सरल उपमा (analogy) से समझते है:

समस्या: "अनुमान लगाने का खेल"

कल्पना कीजिए कि आप AI हैं। आपको एक कपकेक ढूँढना है। आपके पास कुछ विकल्प हैं:

  1. फ्रिज चेक करें।
  2. बेडरूम चेक करें।
  3. अपने दोस्त से पूछें कि वह कहाँ है।

पुराने AI सिस्टम बस एक विकल्प चुन लेते थे, शायद एक सवाल पूछते थे, और उम्मीद करते थे कि सब ठीक होगा। यदि उनका अनुमान गलत निकलता, तो उन्हें फिर से शुरुआत करनी पड़ती। वे हर अनुमान को एक अलग, अलग विचार के रूप में देखते थे।

समाधान: "डिसीजन ट्री" (निर्णय वृक्ष)

PCE AI के सोचने के तरीके को बदल देता है। केवल एक रास्ता चुनने के बजाय, यह एक संभावनाओं का मानसिक मानचित्र (decision tree) बनाता है।

यह तीन चरणों वाली प्रक्रिया है जिसे PCE उपयोग करता है:

1. द प्लैनर (द ड्रीमर - सपने देखने वाला)

सबसे पहले, AI स्थिति को देखता है और उन सभी चीजों की सूची बनाता है जो उसे लगता है कि सच हो सकती हैं।

  • विचार: "शायद कपकेक किचन में हैं।"
  • विचार: "शायद मेरे दोस्त को पता है कि वे कहाँ हैं।"
  • विचार: "शायद वे बेडरूम में हैं।"

पुराने सिस्टम में, ये विचार केवल एक अस्त-व्यस्त सूची थे। PCE इन विचारों को एक खेल के शुरुआती बिंदुओं के रूप में देखता है।

2. द कंपोजर (द आर्किटेक्ट - वास्तुकार)

यही वह जादुई चरण है। कंपोजर उन अस्त-व्यस्त विचारों को लेता है और उन्हें एक फ्लोचार्ट में व्यवस्थित करता है।

  • शाखा A: यदि कपकेक किचन में हैं, तो किचन चेक करें।
  • शाखा B: यदि कपकेक किचन में नहीं हैं, तो चेक करें कि क्या मेरा दोस्त जानता है।
  • शाखा C: यदि मेरे दोस्त को नहीं पता, तो बेडरूम चेक करें।

यह एक पूर्ण "क्या होगा अगर" (What If) मानचित्र बनाता है। यह केवल अनुमान नहीं लगाता; यह हर तार्किक मार्ग को मैप करता है जिसे स्थिति ले सकती है।

3. द इवैल्यूएटर (द स्कोरकीपर - अंकतालिका रखने वाला)

अब, AI अपने फ्लोचार्ट को देखता है और हर मार्ग को स्कोर देता है। वह प्रत्येक मार्ग के लिए तीन प्रश्न पूछता है:

  1. संभावना (Likelihood): यह परिदृश्य सच होने की कितनी संभावना है? (जैसे, "कपकेक आमतौर पर किचन में होते हैं, इसलिए यह उच्च है।")
  2. लाभ (Gain): यदि यह सच है, तो यह कार्य को पूरा करने में कितना मदद करेगा?
  3. लागत (Cost): इस कार्य में कितना समय या ऊर्जा लगती है? (चलना सस्ता है; इंसान से बात करना महंगा है)।

AI प्रत्येक पथ के लिए एक अंतिम "स्कोर" की गणना करता है। वह उस पथ को चुनता है जिसका स्कोर सबसे अधिक होता है।

यह बेहतर क्यों है?

शोध पत्र ने दो बहुत कठिन "किचन" वातावरणों (जिन्हें C-WAH और TDW-MAT कहा जाता है) में विभिन्न प्रकार के AI दिमागों (LLMs) का उपयोग करके इस सिस्टम का परीक्षण किया।

  • कम बातचीत: पुराने सिस्टम चीज़ों को समझने के लिए लगातार एक-दूसरे से बातें करते थे। PCE ने आंतरिक रूप से सबसे संभावित परिदृश्यों को समझा और केवल तभी बोला जब वास्तव में आवश्यक हो।
  • तेज़ परिणाम: क्योंकि उन्होंने बात करने में कम और अपने सबसे अच्छे अनुमानों पर कार्य करने में अधिक समय बिताया, इसलिए उन्होंने कार्यों को तेज़ी से पूरा किया।
  • समझदार इंसान: वास्तविक लोगों के साथ एक परीक्षण में, लोगों ने PCE रोबोट के साथ काम करना पसंद किया। उन्हें लगा कि रोबोट अधिक भरोसेमंद और कुशल था क्योंकि वह उन्हें लगातार सवाल पूछकर परेशान नहीं कर रहा था, लेकिन जब उसे वास्तव में मदद की ज़रूरत थी, तो उसने उन्हें अनदेखा भी नहीं किया।

मुख्य निष्कर्ष (The Big Takeback)

यह शोध पत्र दिखाता है कि केवल AI को "स्मार्टर" (बड़े मॉडल) बनाना या उसे "अधिक सोचने" के लिए मजबूर करना अपने आप में उस समस्या को हल नहीं करता जहाँ उसे पता नहीं होता कि उसके आसपास क्या हो रहा है।

इसके बजाय, आपको एक संरचना (structure) की आवश्यकता है। AI को अपने अनुमानों को लिखने, उन्हें एक पेड़ (tree) में व्यवस्थित करने और एक गणितीय समस्या की तरह स्कोर करने के लिए मजबूर करके, वह बिना लगातार मदद मांगे तर्कसंगत निर्णय ले सकता है। यह "अनुमान लगाने" को "नियोजित जोखिम" (calculated risk) में बदल देता है।

संक्षेप में: PCE AI को अनुमान लगाना बंद करने और अपने विकल्पों का मानचित्र बनाना सिखाता है, ताकि वह तब भी आत्मविश्वास से कार्य कर सके जब दुनिया धुंधली और अनिश्चित हो।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💬 cs.CL →