Adaptive Virtual Reality Museum: A Closed-Loop Framewor for Engagement-Aware Cultural Heritage

यहाँ "Adaptive Virtual Reality Museum: A Closed-Loop Framework for Engagement-Aware Cultural Heritage" शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

वर्तमान वर्चुअल रियलिटी (VR) सांस्कृतिक विरासत अनुप्रयोग आमतौर पर स्थिर सामग्री वितरण (static content delivery) पर निर्भर करते हैं, जहाँ प्रदर्शनी विवरण पूर्व-निर्धारित होते हैं और सभी उपयोगकर्ताओं को समान रूप से प्रस्तुत किए जाते हैं। यह दृष्टिकोण उपयोगकर्ता के ध्यान और संज्ञानात्मक भार (cognitive load) में वास्तविक समय के परिवर्तनों को ध्यान में रखने में विफल रहता है, जिससे दो प्राथमिक समस्याएँ उत्पन्न होती हैं:

• संज्ञानात्मक अतिभार (Cognitive Overload): जटिल व्याख्याएँ तब प्रस्तुत की जाती हैं जब उपयोगकर्ता तेजी से घूम रहे होते हैं या वातावरण को स्कैन कर रहे होते हैं।
• अल्प-उत्तेजना (Under-stimulation): संक्षिप्त विवरण उन उपयोगकर्ताओं को संतुष्ट करने में विफल रहते हैं जो गहराई से केंद्रित हैं और विस्तृत जानकारी की तलाश में हैं।

जबकि उपभोक्ता VR हेडसेट समृद्ध व्यवहार संबंधी डेटा (दृष्टि, सिर की गति, आवागमन) उत्पन्न करते हैं, इन संकेतों का उपयोग गतिशील रूप से सामग्री को समायोजित करने के लिए शायद ही कभी किया जाता है। इसके अलावा, विलंबता-संवेदनशील (latency-sensitive) VR वातावरण में वास्तविक समय में सामग्री निर्माण के लिए लार्ज लैंग्वेज मॉडल्स (LLMs) को एकीकृत करना एक अनछुआ विषय बना हुआ है।

2. कार्यप्रणाली (Methodology)

लेखक एक बहुआयामी क्लोज्ड-लूप एडेप्टिव फ्रेमवर्क (multimodal closed-loop adaptive framework) प्रस्तावित करते हैं जो LLM द्वारा उत्पन्न पाठ्य स्पष्टीकरणों की जटिलता और लंबाई को नियंत्रित करने के लिए वास्तविक समय में उपयोगकर्ता की सहभागिता (engagement) का अनुमान लगाता है।

A. सिस्टम आर्किटेक्चर

सिस्टम एक निरंतर चक्र पर कार्य करता है: सेंसिंग $\rightarrow$ अनुमान (Inference) $\rightarrow$ अनुकूलन (Adaptation) $\rightarrow$ पुन: अंतःक्रिया (Re-interaction)।

• हार्डवेयर/सॉफ्टवेयर: इसे Unity 6000.2.8f1 में कार्यान्वित किया गया है, जिसे Meta Quest 3 (Snapdragon XR2 Gen 2) पर तैनात किया गया है, जिसमें कम विलंबता के लिए सभी मुख्य इन्फरेंस लूप स्थानीय रूप से चलते हैं।
• सामग्री निर्माण: यह एक एसिंक्रोनस पाइपलाइन के माध्यम से GPT-4o का उपयोग करता है। प्रॉम्प्ट्स को अनुमानित जुड़ाव अवस्था के आधार पर गतिशील रूप से समायोजित किया जाता है (जैसे, उच्च जुड़ाव के लिए "समृद्ध विवरण के साथ विद्वत्तापूर्ण शैली" बनाम वि-जुड़ाव के लिए "2-3 छोटे बुलेट पॉइंट्स")।

B. जुड़ाव मॉडलिंग (Engagement Modeling - मुख्य एल्गोरिदम)

सिस्टम विशेष रूप से ध्यानाकर्षण स्थिरता और पढ़ने की तत्परता के रूप में "जुड़ाव" का अनुमान लगाता है, जो तीन चरणों वाली पाइपलाइन का उपयोग करता है:

1. सिग्नल प्री-प्रोसेसिंग (90 Hz सैंपलिंग):

   • सिर की स्थिरता ($S_{head}$): कोणीय वेग (angular velocity) को मापता है। 30°/s की सीमा स्कैनिंग और केंद्रित स्थिरीकरण के बीच अंतर करती है।
   • दृष्टि ठहराव ($S_{gaze}$): प्रदर्शनी पर रे-कास्ट स्थिरता को ट्रैक करता है। 1.0-सेकंड का ठहराव थ्रेशोल्ड इरादतन फोकस और केवल दृष्टि के झपकी के बीच अंतर करता है।
   • आवागमन वेग ($S_{loco}$): गति को जुड़ाव के विपरीत मैप करता है। 1.2 m/s एक आधार रेखा है; तेज गति जुड़ाव स्कोर को कम करती है।

2. सेंसर फ्यूजन (Sensor Fusion):

   • संकेतों को [0, 1] तक सामान्यीकृत किया जाता है और एक भारित सूत्र का उपयोग करके एक कच्चे स्कोर ($E_{raw}$) में एकत्रित किया जाता है:
     $$E_{raw} = (0.75 \times S_{phys}) + (0.25 \times S_{read})$$
   • $S_{phys}$: सिर की स्थिरता (35%), दृष्टि (30%), और आवागमन (35%) का भारित औसत।
   • $S_{read}$: एक बाइनरी सिग्नल जो यदि पाठ पर >2.0s तक दृष्टि टिकी रही, तो सक्रिय होता है।
   • टेम्पोरल स्मूथिंग (Temporal Smoothing): "भावात्मक जड़ता" (affective inertia) को मॉडल करने और अवस्थाओं के तीव्र उतार-चढ़ाव को रोकने के लिए लीनियर इंटरपोलेशन ($\alpha = 0.35$) लागू किया जाता है।

3. सेफ्टी गेट्स (सुरक्षा द्वार - लॉजिक बाधाएं):
   उच्च-एन्ट्रॉपी अवस्थाओं के दौरान गलत सकारात्मक परिणामों (false positives) को रोकने के लिए, सिस्टम सख्त सीमाएं लागू करता है:

   • लोकोमोशन गेट ($v > 1.2$ m/s): अनुमान को न्यूट्रल (तटस्थ) पर सीमित करता है (उपयोगकर्ता तेज चलते समय सघन पाठ नहीं पढ़ सकते)।
   • रन गेट ($v > 2.0$ m/s): डिसंगेज्ड (वि-जुड़ाव) अवस्था को मजबूर करता है (दौड़ना पढ़ने के अनुकूल नहीं है)।

C. प्रयोगात्मक डिजाइन

• संदर्भ: बेरात एथ्नोग्राफिक म्यूजियम का एक उच्च-विश्वसनीयता वाला आभासी पुनर्निर्माण।
• प्रतिभागी: $N=16$ (8 एडेप्टिव, 8 कंट्रोल), आयु 13–34 वर्ष।
• शर्तें:
  • Adaptive (अनुकूलित): जुड़ाव क्लासिफायर के आधार पर सामग्री की गहराई वास्तविक समय में बदलती है।
  • Control (Static - स्थिर): सभी प्रदर्शनियों के लिए मध्यम लंबाई की, निश्चित सामग्री।
• अवधि: 15 मिनट के मुक्त अन्वेषण सत्र।

3. प्रमुख योगदान

1. नवीन फ्रेमवर्क: एक बहुआयामी क्लोज्ड-लूप सिस्टम जो बिना किसी स्पष्ट इनपुट या अंशांकन (calibration) के वास्तविक समय में उपयोगकर्ता की सहभागिता का अनुमान लगाने के लिए निहित व्यवहार संबंधी संकेतों (दृष्टि, गति विज्ञान, आवागमन) को जोड़ता है।
2. LLM इंटीग्रेशन पाइपलाइन: एक प्रमाण-अवधारणा (proof-of-concept) जो यह प्रदर्शित करता है कि उपभोक्ता हार्डवेयर विलंबता सीमाओं के भीतर काम करते हुए, उपयोगकर्ता के ध्यान के आधार पर पाठ की जटिलता और लंबाई को गतिशील रूप से समायोजित करने के लिए LLMs को VR में कैसे एकीकृत किया जा सकता है।
3. अनुभवजन्य अंतर्दृष्टि: प्रारंभिक डेटा जो दिखाता है कि निहित, पेसिंग-जागरूक वैयक्तिकरण, आभासी संग्रहालयों में व्यवहारिक जुड़ाव और सामग्री उपभोग को महत्वपूर्ण रूप से बढ़ाता है।

4. परिणाम

एक बीट्वीन-सब्जेक्ट अध्ययन (Mann–Whitney U टेस्ट) निम्नलिखित निष्कर्ष प्रदान करता है:

• व्यवहारिक जुड़ाव (Behavioral Engagement):
  • सत्र अवधि: एडेप्टिव उपयोगकर्ता 2 गुना अधिक समय तक रहे (889s बनाम 451s, $p=.003$)।
  • पढ़ने का समय: एडेप्टिव उपयोगकर्ताओं ने पढ़ने में 2.9 गुना अधिक समय बिताया (473s बनाम 164s, $p=.015$)।
  • सामग्री उपभोग: एडेप्टिव उपयोगकर्ताओं को 2 गुना अधिक शब्द मिले (1515 बनाम 745, $p=.007$)।
  • पढ़ने की घटनाएँ: एडेप्टिव उपयोगकर्ताओं ने काफी अधिक रीडिंग इंटरैक्शन ट्रिगर किए (67 बनाम 50, $p=.050$)।
• जुड़ाव अवस्था वितरण:
  • उच्च जुड़ाव का समय: एडेप्टिव समूह में लगभग दोगुना रहा (24.3% बनाम 13.6%)।
  • वि-जुड़ाव (Disengagement): एडेप्टिव समूह में 37% कम हुआ (6.2% बनाम 9.9%)।
  • न्यूट्रल/पैसिव समय: 28.4% से घटकर 22.2% हो गया।
• उपयोगिता (Usability):
  • सिस्टम यूसेबिलिटी स्केल (SUS) स्कोर 84.3 (उत्कृष्ट) था, जो दर्शाता है कि अनुकूलन ने उपयोगकर्ता अनुभव को बाधित नहीं किया।
  • एडेप्टिव समूह में उपस्थिति (presence) और भौतिक संग्रहालय जाने की प्रेरणा का रुझान अधिक था, हालांकि नमूना आकार के कारण यह सांख्यिकीय रूप से महत्वपूर्ण नहीं था।

5. महत्व और भविष्य की दिशाएं

• निहित अनुकूलन की व्यवहार्यता: यह अध्ययन सिद्ध करता है कि उपभोक्ता VR हार्डवेयर बिना इमर्शन (immersion) को तोड़े, मिलीसेकंड के भीतर जुड़ाव अनुमान और वास्तविक समय सामग्री अनुकूलन का समर्थन कर सकता है।
• फ्लो स्टेट (Flow State) बनाए रखना: उपयोगकर्ता की वर्तमान संज्ञानात्मक क्षमता (जैसे, चलते समय पाठ को सरल बनाना, रुकने पर विस्तार करना) के साथ सामग्री की जटिलता का मिलान करके, यह प्रणाली उपयोगकर्ता को "फ्लो" अवस्था में बनाए रखने में मदद करती है, जिससे संज्ञानात्मक घर्षण कम होता है।
• नैतिक विचार: शोध पत्र विरासत के संदर्भों में AI पारदर्शिता पर प्रश्न उठाता है। हालांकि उपयोगकर्ताओं ने AI-जनरेटेड सामग्री पर सवाल नहीं उठाया, भविष्य के कार्यों को पारदर्शिता और 'हैलुसिनेशन' (भ्रम) के विरुद्ध सुरक्षा उपायों (जैसे, रिट्रीवल-ऑगमेंटेड जनरेशन का उपयोग) को संबोधित करने की आवश्यकता है।
• भविष्य का कार्य: लेखक दीर्घकालिक सीखने के प्रभावों की जांच करने, ग्राउंड-ट्रुथ मापों के विरुद्ध जुड़ाव प्रॉक्सी को मान्य करने और सहयोगी संग्रहालय एजेंटों के लिए अधिक जटिल मल्टीमॉडल फाउंडेशन मॉडल्स का पता लगाने की योजना बना रहे हैं।

निष्कर्ष: यह शोध पत्र प्रदर्शित करता है कि एक जुड़ाव-जागरूक क्लोजed-loop VR संग्रहालय सिस्टम, स्थिर प्रणालियों की तुलना में अन्वेषण समय, पढ़ने की गहराई और सक्रिय जुड़ाव के मामले में काफी बेहतर प्रदर्शन करता है, जो व्यक्तिगत सांस्कृतिक विरासत अनुभवों के लिए एक स्केलेबल मार्ग प्रदान करता है।