💻 computer science

From Task Allocation to Risk Clearing: A Unifying Interface for Mixed Human-Agent Societies

यह शोध पत्र रिस्क-अवेयर ऑप्शन क्लियरिंग (ROC) का प्रस्ताव करता है, जो एक एकीकृत समन्वय ढांचा है जो सुरक्षा बाधाओं के तहत मिशन उपयोगिता को अनुकूलित करने के लिए जोखिम सारांशों के साथ युग्मित कालानुक्रमिक रूप से विस्तारित कौशल को सौंपकर विषम मनुष्यों और एजेंटों को एकीकृत करता है, जिससे मिश्रित समाजों में अनिश्चित प्रतिबद्धताओं के स्केलेबल और पारदर्शी प्रबंधन को सक्षम बनाया जा सके।

मूल लेखक: Vassilis Vassiliades

प्रकाशित 2026-05-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Vassilis Vassiliades

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

एक ऐसी अराजक स्थिति की कल्पना करें जहाँ मनुष्यों, रोबोटों और कंप्यूटर प्रोग्रामों को मिलकर किसी समस्या को ठीक करने की आवश्यकता है—जैसे कि भूकंप के बाद सफाई करना या किसी शहर के पावर ग्रिड का प्रबंधन करना। बड़ी चुनौती केवल यह तय करना नहीं है कि कौन क्या करेगा; बल्कि यह तय करना है कि कौन इसे सुरक्षित रूप से और समय पर कर सकता है, खासकर जब अनिश्चितता की स्थिति हो।

यह शोध पत्र एक नई प्रणाली प्रस्तावित करता है जिसे ROC (रिस्क-अवेयर ऑप्शन क्लियरिंग) कहा जाता है। ROC को एक विशिष्ट रोबोट या एक एकल कंप्यूटर प्रोग्राम के रूप में नहीं, बल्कि एक सार्वभौमिक "अनुवादक" या "डिस्पैचर" के रूप में समझें जो विभिन्न टीमों को एक-दूसरे के रहस्यों को जाने बिना एक साथ काम करने में मदद करता है।

यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ समझाया गया है:

1. समस्या: "ब्लैक बॉक्स" बनाम "कठोर सूची"

वर्तमान में, जब हम मिश्रित टीमों (मानव और मशीन) के समन्वय का प्रयास करते हैं, तो हम आमतौर पर दो में से एक चीज़ करते हैं, और दोनों विफल हो जाते हैं:

कठोर सूची (The Rigid List): हम यह मान लेते हैं कि सभी समान हैं और उनके पास निश्चित, अपरिवर्तनीय कौशल हैं। यह तब टूट जाता है जब कोई रोबोट की बैटरी खत्म हो जाती है या कोई इंसान थक जाता है।
ब्लैक बॉक्स (The Black Box): हम जटिल AI का उपयोग करते हैं जो सब कुछ एक साथ समन्वय करने के लिए सीखता है। लेकिन यह AI एक "ब्लैक बॉक्स" है—हमें नहीं पता कि इसने निर्णय क्यों लिया, और यदि यह खतरनाक गलतियाँ करने लगे तो इसे ठीक करना कठिन है।

2. समाधान: "विकल्पों का मेनू"

ROC खेल बदल देता है क्योंकि यह प्रत्येक एजेंट (मानव या मशीन) को एक रेस्तरां की तरह व्यवहार करता है जो एक मेनू पेश करता है।

यह कहने के बजाय कि "मैं एक रोबोट हूँ," एक एजेंट कहता है, "मैं आपको ये विशिष्ट विकल्प (Options) (कौशल) दे सकता हूँ।"
उदाहरण: एक ड्रोन केवल यह नहीं कहता "मैं यहाँ हूँ।" वह "सीढ़ियों का सर्वेक्षण करें" नामक एक विकल्प पेश करता है।
चुनौती: प्रत्येक विकल्प के साथ एक जोखिम सारांश (Risk Summary) आता है। ड्रोन केवल यह वादा नहीं करता कि वह इसे करेगा; वह कहता है, "यदि मैं यह करता हूँ, तो 8,0% संभावना है कि मैं 5 मिनट में समाप्त कर दूँगा, लेकिन 20% संभावना है कि धुएँ के कारण मैं क्रैश हो सकता हूँ।"

3. "क्लियरिंगहाउस": स्मार्ट डिस्पैचर

इस अराजकता के बीच एक क्लियरिंगहाउस (Clearinghouse) बैठा है। इसे एक व्यस्त रसोई में ट्रैफिक कंट्रोल टॉवर या मुख्य शेफ की तरह समझें।

कार्य: जब कोई कार्य आता है (जैसे, "6 मिनट में सीढ़ियों की जाँच करें!"), तो क्लियरिंगहाउस सभी उपलब्ध एजेंटों के "मेनू" को देखता है।
निर्णय: यह केवल सबसे तेज़ विकल्प नहीं चुनता। यह सबसे अच्छे जोखिम-समायोजित (risk-adjusted) विकल्प को चुनता है।
- परिदृश्य A: एक तेज़ ड्रोन के क्रैश होने का उच्च जोखिम है।
- परिदृश्य B: एक धीमा ग्राउंड रोबोट बहुत सुरक्षित है।
- ROC का चुनाव: क्लियरिंगहाउस कह सकता है, "ड्रोन को प्राथमिक योजना के रूप में भेजें, लेकिन रोबोट को बैकअप के रूप में स्टैंडबाय पर रखें," क्योंकि यह गति की आवश्यकता और सुरक्षा के बीच संतुलन बनाता है।

4. जटिलता के तीन स्तर ("ROC परिवार")

यह शोध पत्र बताता है कि इस प्रणाली को तीन अलग-अलग तरीकों से बनाया जा सकता है, जो इस बात पर निर्भर करता है कि एजेंट कितने स्मार्ट हैं:

ROC-Min (शुरुआती): एजेंट केवल कहते हैं, "मैं यह काम कर सकता हूँ।" क्लियरिंगहाउस को यह सीखने के लिए अनुभव की आवश्यकता होती है कि वे वास्तव में कितने अच्छे हैं। (जैसे एक नए कर्मचारी को काम पर रखना और यह देखने के लिए उन्हें एक सप्ताह तक देखना कि वे कितने विश्वसनीय हैं)।
ROC-Lite (मध्यवर्ती): एजेंट एक सरल सारांश देते हैं, जैसे "90% सफलता की संभावना।" क्लियरिंगहाउस इन नंबरों का उपयोग निर्णय लेने के लिए करता है।
ROC-Full (विशेषज्ञ): एजेंट हर संभावित परिणाम का एक पूर्ण, विस्तृत पूर्वानुमान देते हैं (जैसे, "यहाँ समय और सुरक्षा की सटीक संभाव्यता वितरण है")। क्लियरिंगहाउस सबसे सटीक, उच्च-दांव वाले निर्णय लेने के लिए इस गहरे डेटा का उपयोग करता है।

5. शोध पत्र से वास्तविक दुनिया के उदाहरण

लेखक दिखाते हैं कि यह तीन विशिष्ट स्थितियों में कैसे काम करता है:

आपदा प्रतिक्रिया (Disaster Response): मनुष्य, ड्रोन और रोबोट एक क्षतिग्रस्त इमारत का सर्वेक्षण करने के लिए समन्वय करते हैं। सिस्टम कार्यों को इस आधार पर सौंपता है कि कौन सुरक्षित रूप से समय सीमा से पहले पूरा कर सकता है, और प्रत्येक एजेंट के कार्य पूरा करने पर उनकी "प्रतिष्ठा" को अपडेट करता है।
ऊर्जा ग्रिड (Energy Grids): इमारतों और इलेक्ट्रिक कारों के लिए बिजली का प्रबंधन करना। सिस्टम पैसे बचाने (उपयोगिता) और सुरक्षा (जैसे किसी इमारत का बहुत गर्म होना या बैटरी खत्म होना) के जोखिम के बीच संतुलन बनाता है।
शहर का रखरखाव (City Maintenance): एक शहर को लिफ्ट ठीक करने और ग्रेफिटी साफ करने की आवश्यकता है। यह सिस्टम निजी बिल्डिंग प्रबंधकों को अपने आंतरिक डेटा को निजी रखने की अनुमति देता है जबकि वे शहर को एक सरल "जोखिम सारांश" रिपोर्ट करते हैं ताकि शहर बड़े चित्र का समन्वय कर सके।

मुख्य विचार

यह शोध पत्र तर्क देता है कि ROC इंटरनेट के TCP/IP प्रोटोकॉल की तरह है, लेकिन रोबोटों और मनुष्यों के मिलकर काम करने के लिए। जिस तरह TCP/IP ने विभिन्न ब्रांडों के कंप्यूटरों को एक-दूसरे से बात करने की अनुमति दी, चाहे वे कोई भी हों, ROC विभिन्न मनुष्यों, रोबोटों और सॉफ़्टवेयर को "विकल्प + जोखिम" की एक सामान्य भाषा बोलकर सुरक्षित रूप से समन्वय करने की अनुमति देता है।

यह सबको एक जैसा होने के लिए मजबूर नहीं करता है; यह बस उन्हें यह कहने का एक मानक तरीका देता है कि, "यहाँ मैं क्या कर सकता हूँ, और इसमें शामिल जोखिम क्या है," ताकि एक केंद्रीय प्रणाली समूह के लिए सबसे अच्छा संभव निर्णय ले सके।

तकनीकी सारांश: रिस्क-अवेयर ऑप्शन क्लियरिंग (ROC)

समस्या विवरण
जैसे-जैसे मनुष्य, रोबोट और सॉफ्टवेयर एजेंट तेजी से साझा, सुरक्षा-महत्वपूर्ण वातावरणों (जैसे आपदा प्रतिक्रिया, ऊर्जा ग्रिड, शहर का रखरखाव) के भीतर काम कर रहे हैं, समन्वय तंत्रों (coordination mechanisms) के सामने एक मौलिक अंतर उत्पन्न हो रहा है। मौजूदा ढांचे एक साथ तीन महत्वपूर्ण मांगों को पूरा करने में विफल रहते हैं:

खुलापन (Openness): एजेंट विषम (heterogeneous) हैं, जो विभिन्न संस्थाओं द्वारा डिजाइन किए गए हैं, और उनके पास साझा आंतरिक प्रतिनिधित्व (internal representations) नहीं है।
अस्थायी अमूर्तता (Temporal Abstraction): क्षमताएं परमाणु क्रियाएं (atomic actions) नहीं हैं, बल्कि समय के साथ विकसित होने वाले विस्तारित कौशल (extended skills) हैं।
स्पष्ट जोखिम जागरूकता (Explicit Risk Awareness): निर्णयों को समय सीमा (deadlines) और सुरक्षा बाधाओं को पूरा करने की संभावना को ध्यान में रखना चाहिए, जो केवल औसत के बजाय वितरण पूंछ (distributional tails) के बारे में तर्क करते हैं।

वर्तमान दृष्टिकोण अपर्याप्त हैं: केंद्रीकृत शेड्यूलर स्थिर टीमों (static teams) को मानते हैं; मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग (MARL) अपारदर्शी संयुक्त नीतियां (joint policies) उत्पन्न करता है; नीलामी तंत्र (auction mechanisms) उन स्केलर बोलियों (scalar bids) पर निर्भर करते हैं जो अस्थायी संरचना और जोखिम को धुंधला कर देती हैं; और डिस्ट्रीब्यूशनल आरएल (distributional RL) खुले, विषम टीमों को समन्वित करने के तंत्र के बिना एकल एजेंटों पर केंद्रित रहता है।

कार्यप्रणाली: रिस्क-अवेयर ऑप्शन क्लियरिंग (ROC)
यह शोध पत्र रिस्क-अवेयर ऑप्शन क्लियरिंग (ROC) का प्रस्ताव करता है, जो एक एकीकृत समन्वय तंत्र है जो "जोखिम-जागरूक विकल्पों" (risk-aware options) को समन्वय की बुनियादी इकाई के रूप में मानता है। ROC एक मोनोलिथिक एल्गोरिदम के बजाय एक मानकीकृत इंटरफ़ेस के रूप में कार्य करता है।

मुख्य वास्तुकला (Core Architecture):
- एजेंट (Agents): विषम प्रतिभागी (मनुष्य, रोबोट, सॉफ्टवेयर) विकल्प (Options) ( $o$ ) प्रदर्शित करते हैं, जिन्हें समय-विस्तारित कौशल (ऑप्शंस फ्रेमवर्क [27] के अनुसार) के रूप में परिभाषित किया गया है, साथ ही जोखिम सारांश (Risk Summaries) ( $Z$ ) भी दिए जाते हैं जो परिणाम वितरण (outcome distributions) की भविष्यवाणी करते हैं।
- क्लियरिंगहाउस (Clearinghouse): एक केंद्रीय इकाई आती हुई कार्यों ( $\tau$ ) को प्राप्त करती है, जो लक्ष्यों, संदर्भ, समय सीमा और बाधाओं द्वारा परिभाषित होते हैं। यह एक जोखिम-समायोजित मिशन उपयोगिता फलन (risk-adjusted mission utility function) को अनुकूलित करके कार्यों को सौंपती है।
- फीडबैक लूप (Feedback Loop): वास्तविक परिणामों ( $G_\tau$ ) को अंशांकन सांख्यिकी (calibration statistics) और एजेंट प्रतिष्ठा को अपडेट करने के लिए फीड किया जाता है, जो अति-आत्मविश्वास (overconfidence) को दंडित करता है।
औपचारिक तंत्र (Formal Mechanism):
- कार्य (Tasks): टुपल्स $\tau = (\ell_\tau, x_\tau, d_\tau, C_\tau)$ के रूप में आते हैं, जहाँ $d_\tau$ एक समय सीमा है और $C_\tau$ में सुरक्षा/नियामक बाधाएं शामिल हैं।
- परिणाम (Outcomes): निष्पादन एक रैंडम वेक्टर $G_\tau = (T_\tau, S_\tau, R^{(k)}_\tau)$ उत्पन्न करता है जो समय, सफलता और जोखिम मेट्रिक्स का प्रतिनिधित्व करता है।
- अनुकूलन (Optimization): क्लियरिंगहाउस एजेंट-विकल्प युग्मों का एक सेट $S_\tau$ चुनता है ताकि अधिकतम किया जा सके:
  $\sum_{\tau \in T} \left( \mathbb{E}[U(G_\tau(S_\tau))] - \lambda \rho(G_\tau(S_\tau)) \right)$
  बाधाओं के अधीन। यहाँ, $U$ मिशन उपयोगिता है, $\rho$ एक जोखिम माप है (जैसे समय सीमा उल्लंघन की संभावना या CVaR), और $\lambda$ जोखिम भूख (risk appetite) को नियंत्रित करता है।
ROC तंत्र परिवार (ROC Family of Mechanisms):
यह शोध पत्र सूचना विनिमय की सूक्ष्मता (granularity) के आधार पर तैनाती स्तरों के एक स्पेक्ट्रम के रूप में ROC को परिभाषित करता है:
1. ROC-Full: एजेंट पात्र विकल्पों के लिए पूर्ण परिणाम वितरण ( $Z^{(i)}_o(x_\tau)$ ) प्रदान करते हैं। क्लियरिंगहाउस सटीक जोखिम-समायोजित अनुकूलन के लिए इनका उपयोग करता है।
2. ROC-Lite: एजेंट सरल जोखिम सारांश (जैसे अपेक्षित पूर्णता समय, सफलता की संभावना, मोटे क्वांटाइल्स) प्रदान करते हैं, न कि पूर्ण वितरण।
3. ROC-Min: एजेंट केवल क्षमता मेटाडेटा (विकल्प और बुनियादी बाधाएं) प्रदर्शित करते हैं। क्लियरिंगहाउस लॉग किए गए निष्पादन डेटा से अनुभवजन्य परिणाम मॉडल ( $\tilde{Z}$ ) सीखता है, जिसके लिए एजेंटों की ओर से किसी भविष्य कहने वाली क्षमता की आवश्यकता नहीं होती है।

प्रमुख योगदान

एकीकृत इंटरफ़ेस (Unified Interface): ROC एक मानकीकृत "विकल्प-जोखिम" इंटरफ़ेस का प्रस्ताव करता है जो विषम एजेंटों को उनके आंतरिक तंत्र को साझा किए बिना एक साझा निर्णय प्रक्रिया में जुड़ने की अनुमति देता है।
जोखिम-समायोजित समन्वय (Risk-Adjusted Coordination): यह समन्वय प्रतिमान को स्थिर कार्य आवंटन से बदलकर स्पष्ट जोखिम बाधाओं (समय सीमा, सुरक्षा उल्लंघन) के तहत मिशन उपयोगिता को अनुकूलित करने की ओर ले जाता है।
स्केलेबल वास्तुकला (Scalable Architecture): विकल्प निष्पादन/भविष्यवाणी (एजेंटों के स्थानीय) को समन्वय (केंद्रीय क्लियरिंगहाउस) से अलग करके, ROC ऐसे खुले समाजों का समर्थन करता है जहाँ एजेंटों को गतिशील रूप से जोड़ा या हटाया जा सकता है।
अनुसंधान एजेंडा (Research Agenda): यह शोध पत्र विकल्प मेटाडेटा को मानकीकृत करने, भविष्यवाणी जिम्मेदारियों को एजेंटों और क्लियरिंगहाउस के बीच विभाजित करने, और मानवीय इंटरफेस को एकीकृत करने का मार्ग बताता है जो क्रियाओं को विकल्प रिपोर्ट में अनुवादित करते हैं।

परिणाम और मूल्यांकन
यह शोध पत्र कोई अनुभवजन्य प्रयोगात्मक परिणाम या बेंचमार्क तुलना प्रस्तुत नहीं करता है। इसके बजाय, यह ROC ढांचे की प्रयोज्यता को प्रदर्शित करने के लिए दृष्टांत परिदृश्य (illustrative scenarios) प्रदान करता है:

आपदा प्रतिक्रिया (Disaster Response): एक परिदृश्य जिसमें चिकित्सा कर्मी, ड्रोन और ग्राउंड रोबोट सख्त समय सीमा के तहत समन्वय कर रहे हैं। यह दर्शाता है कि कैसे ROC-Lite/Full एक ड्रोन (तेज, जोखिम भरा) और एक रोबोट (धीमा, सुरक्षित) को प्राथमिक/बैकअप जोड़ों के रूप में जोखिम मापदंडों के आधार पर सौंपा जा सकता है।
माइक्रो-ग्रिड ऊर्जा प्रबंधन (Micro-Grid Energy Management): ग्रिड उद्देश्यों को पूरा करने के लिए इमारतों और बैटरियों के समन्वय को प्रदर्शित करता है, जबकि आराम संबंधी बाधाओं का सम्मान करता है, जो स्केलर लागतों के बजाय संभावabilistic भविष्यवाणियों का उपयोग करता है।
शहर का रखरखाव (City Maintenance): एक पदानुक्रमित तैनाती का प्रस्ताव करता है जहाँ स्थानीय संस्थाएं (ROC-Min) गोपनीयता और आंतरिक लॉग का प्रबंधन करती हैं, जबकि एक शहर-स्तरीय समन्वयक (ROC-Lite) उच्च-स्तरीय कार्य आवंटन के लिए मोटे जोखिम सारांशों को एकत्रित करता है।

महत्व और दावे
लेखक ROC को एक निश्चित एल्गोरिदम के रूप में नहीं, बल्कि मिश्रित मानव-एजेंट समाजों के लिए एक मौलिक इंजीनियरिंग पैटर्न के रूप में देखते हैं।

मानकीकरण उपमा (Standardization Analogy): शोध पत्र दावा करता है कि ROC डेटा विनिमय के लिए TCP/IP के समान भूमिका निभा सकता है, जो स्वतंत्र एजेंटों को अनिश्चितता के तहत समन्वय करने के लिए बुनियादी ढांचा प्रदान करता है।
उप-क्षेत्रों को जोड़ना (Bridging Subfields): ROC कार्य आवंटन, मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग और नॉर्मेटिव मल्टी-एजेंट सिस्टम को जोड़ता है, जो डिस्ट्रीब्यूशनल आरएल और पदानुक्रमित विकल्पों जैसी अवधारणाओं को एजेंट की आंतरिक मशीनरी से अंतर-एजेंट संचार प्रोटोकॉल तक ऊपर उठाता है।
व्यावहारिक समझौते (Practical Trade-offs): शोध पत्र स्वीकार करता है कि जबकि ROC-Full अधिक अभिव्यंजक तर्क प्रदान करता है, ROC-Min उन प्रणालियों के लिए सबसे अधिक तैनात करने योग्य है जहाँ एजेंट भविष्यवाणियां प्रदान नहीं कर सकते या नहीं करना चाहते। यह ढांचा प्रणालियों को जैसे-जैसे अंशांकन और भविष्यवाणी क्षमताएं सुधरती हैं, Min से Full की ओर विकसित होने की अनुमति देता है।

शोध पत्र निष्कर्ष निकालता है कि अस्थायी रूप से विस्तारित कौशल और जोखिम-जागरूक भविष्यवाणियों को प्रथम श्रेणी के इंटरफ़ेस ऑब्जेक्ट के रूप में मानकर, ROC भविष्य के मिश्रित मानव-एजेंट समाजों के लिए एक स्केलेबल, पारदर्शी बुनियादी ढांचा प्रदान करता है, जो अनिश्चितता के प्रति मजबूत और विषम प्रतिभागियों के अनुकूल समन्वय को सक्षम बनाता है।