Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving
यह शोध पत्र 'रीज़न-इमेजिन-एक्ट' (RIA) का प्रस्ताव करता है, जो एक क्लोज्ड-लूप फ्रेमवर्क है जो ऑनलाइन सुरक्षा सत्यापन को सक्षम करने और स्वायत्त ड्राइविंग में निर्णय लेने के प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए एक लार्ज लैंग्वेज मॉडल रीज़नर को एक एक्शन-कंडीशन्ड वर्ल्ड मॉडल के साथ एकीकृत करता 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 बहुत ही बुद्धिमान, सुशिक्षित रोबोट को कार चलाना सिखा रहे हैं। यह रोबोट यातायात के हर नियम की किताब पढ़ चुका है, मानवीय व्यवहार की बारीकियों को समझता है, और यह भी समझा सकता है कि वह मुड़ना क्यों चाहता है। लेकिन, एक समस्या है: यह रोबक एक कुशल शतरंज खिलाड़ी की तरह है जिसने वास्तव में कभी भौतिक बोर्ड पर खेल नहीं खेला है। वह खेल के नियमों को जानता है, लेकिन उसे यह समझ नहीं आता कि मोहरों का वजन कितना है या वे कितनी तेजी से फिसलते हैं।
यदि आप इस रोबोट से कहें कि "पैदल यात्री से बचने के लिए तेजी से मुड़ें (swerve करें)," तो वह तार्किक रूप से सहमत तो हो जाएगा, लेकिन उसे यह अहसास नहीं होगा कि उसकी कार इतनी भारी है कि वह समय रहते रुक नहीं पाएगी, या मोड़ इतना तीखा है कि कार पलट जाएगी। शोधकर्ताओं ने इसे "भौतिक मतिभ्रम" (physical hallucination) कहा है—रोबोट का दिमाग कहता है "जाओ," लेकिन कार का भौतिक विज्ञान (physics) कहता है "दुर्घटना होगी।"
इसे ठीक करने के लिए, शोधकर्ताओं ने Reason–Imagine–Act (RIA) नामक एक प्रणाली बनाई। इसे एक "आभासी टेस्ट ड्राइव" के रूप में समझें जो रोबोट वास्तव में कार चलाने से पहले लेता है।
यहाँ तीन चरण कैसे काम करते हैं, इसका एक सरल उदाहरण दिया गया है:
1. Reason (मस्तिष्क - The Brain)
सबसे पहले, रोबोट का "मस्तिष्क" (एक Large Language Model) सड़क को देखता है। वह देखता है कि लाल बत्ती है और एक कार उसके सामने आ गई है। वह सोचता है, "मुझे धीमा होना चाहिए और शायद दाईं ओर लेन बदल लेनी चाहिए।" वह एक योजना बनाता है और उसे करने के कुछ विशिष्ट तरीके बताता है (जैसे, "धीरे से ब्रेक लगाएँ," "जोर से ब्रेक लगाएँ," या "थोड़ा मुड़ें")।
2. Imagine (कल्पना - The Simulator)
ब्रेक पेडल छूने से पहले, रोबोट एक वर्ल्ड मॉडल (World Model) चलाता है। इसे एक हाई-स्पीड, क्रिस्टल बॉल सिम्युलेटर की तरह समझें।
- रोबोट सिम्युलेटर से पूछता है: "अगर मैं धीरे से ब्रेक लगाऊं, तो अगले 2 सेकंड में क्या होगा?"
- सिम्युलेटर उस भविष्य की एक त्वरित "फिल्म" चलाता है। वह देखता है कि धीरे से ब्रेक लगाना पर्याप्त नहीं है; कार अभी भी दूसरे वाहन से टकरा जाएगी।
- फिर वह पूछता है: "क्या होगा अगर मैं जोर से ब्रेक लगाऊं?"
- सिम्युलेटर उस फिल्म को भी चलाता है। वह देखता है कि जोर से ब्रेक लगाने से कार सुरक्षित रूप से रुक जाती है और किसी से नहीं टकराती।
सिम्युलेटर एक सुरक्षा निरीक्षक की तरह कार्य करता है जो रोबोट की योजनाओं की भौतिकी के नियमों के विरुद्ध जांच करता है। उसे रोबोट की "भावनाओं" या "तर्क" से कोई सरोकार नहीं है; उसे केवल संख्याओं की परवाह है: दूरी, गति और टक्कर का जोखिम।
3. Act (ड्राइवर - The Driver)
अंत में, रोबोट "इमेजिन" चरण के परिणामों को देखता है। वह देखता है कि "धीरे से ब्रेक लगाने" वाली योजना सुरक्षा जांच में विफल रही, लेकिन "जोर से ब्रेक लगाने" वाली योजना सफल रही। इसलिए, वह जोर से ब्रेक लगाने का चुनाव करता है और उस क्रिया को निष्पादित करता है।
महत्वपूर्ण बात यह है कि जब कार वास्तव में चलती है, तो रोबोट सिम्युलेटर को बताता है, "अरे, मैंने जोर से ब्रेक लगाया। यहाँ वह हुआ जो वास्तव में हुआ।" यह फीडबैक लूप रोबोट को सीखने और अपने अगले "इमेजिन" चरण को समायोजित करने में मदद करता है, जिससे वह समय के साथ और स्मार्ट बनता जाता है।
परिणाम: एक सुरक्षित ड्राइवर
शोधकर्ताओं ने इस प्रणाली का परीक्षण CARLA नामक एक बहुत ही यथार्थवादी वीडियो गेम दुनिया में किया (जो हजारों कारों और पैदल यात्रियों के साथ शहर के ड्राइविंग को सिम्युलेट करता है)। उन्होंने अपने नए "Reason–Imagine–Act" रोबोट की तुलना निम्नलिखित से की:
- एक रोबोट जो केवल अपने "मस्तिष्क" का उपयोग करता है (बिना सिम्युलेटर के)।
- एक मानक, नियम-आधारित ड्राइविंग सिस्टम (जैसे एक बुनियादी क्रूज कंट्रोल)।
- एक अन्य उन्नत एआई (AI) सिस्टम।
निष्कर्ष स्पष्ट थे:
- "केवल मस्तिष्क" वाला रोबोट स्मार्ट था लेकिन अनाड़ी था। वह अक्सर दुर्घटनाग्रस्त हो जाता था या फंस जाता था क्योंकि उसने यह जांच नहीं की थी कि उसके विचार भौतिक रूप से संभव हैं या नहीं।
- "Reason–Imagine–Act" वाला रोबोट विजेता था। उसने अपने 80% यात्राएं सफलतापूर्वक पूरी कीं (केवल मस्तिष्क वाले संस्करण के 61% की तुलना में) और केवल 0.2% बार दुर्घटनाग्रस्त हुआ (केवल मस्तिष्क वाले संस्करण के 0.4% की तुलना में)।
- इसने बहुत अधिक सुचारू रूप से भी गाड़ी चलाई, कम हिंसक तरीके से ब्रेक लगाया और कम झटकेदार हरकतें कीं।
मुख्य निष्कर्ष
यह शोध पत्र तर्क देता है कि स्वायत्त कारों (self-driving cars) के वास्तव में सुरक्षित होने के लिए, वे केवल "स्मार्ट बातें करने वाले" नहीं हो सकते। उन्हें अपने कार्यों के भौतिक परिणामों की "कल्पना" करने का एक तरीका चाहिए, इससे पहले कि वे उन्हें करें। एक स्मार्ट भाषा मस्तिष्क को भौतिकी-आधारित सिम्युलेटर के साथ जोड़कर, यह प्रणाली "करने से पहले सोचने" का एक लूप बनाती है जो कार को ऐसी खतरनाक गलतियाँ करने से रोकती है जो कागज पर तो अच्छी दिखती हैं लेकिन वास्तविक दुनिया में विफल हो जाती हैं।
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।