PhoneWorld: Scaling Phone-Use Agent Environments
PhoneWorld एक स्केलेबल पाइपलाइन पेश करता है जो 34 ऐप्स में वास्तविक मोबाइल GUI प्रक्षेप पथों (trajectories) को स्वचालित रूप से नियंत्रणीय, सत्यापन योग्य प्रशिक्षण वातावरणों में परिवर्तित करता है, जिससे मैनुअल बेंचमार्क निर्माण से ध्यान हटाकर फोन-उपयोग वातावरण के बड़े पैमाने पर उत्पादन पर केंद्रित करते हुए कई बेंचमार्क पर एजेंट के प्रदर्शन में महत्वपूर्ण सुधार होता 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 रोबोट को स्मार्टफोन चलाना सिखाना चाहते हैं। रोबोट को स्क्रीन देखनी होगी, यह समझना होगा कि बटन क्या करते हैं, और यह पता लगाना होगा कि काम कैसे पूरे किए जाते—जैसे कि फ्लाइट बुक करना, खाना ऑर्डर करना, या मैसेज भेजना।
सबसे बड़ी समस्या, इस पेपर के अनुसार, यह नहीं है कि रोबोट "बेवकूफ" है। बल्कि यह है कि हमारे पास उसके सीखने के लिए पर्याप्त अभ्यास क्षेत्र (practice fields) नहीं हैं। असली फोन ऐप्स बहुत उलझे हुए होते हैं। वे समय-समय पर बदलते रहते हैं, उन्हें वापस "शुरुआती स्थिति" (fresh start) पर लाना मुश्किल होता है, और उन्हें एक सुरक्षित प्रशिक्षण मैदान में बदलना महंगा पड़ता है। यह वैसा ही है जैसे किसी को केवल व्यस्त राजमार्गों पर गाड़ी चलाना सिखाना, जहाँ अगर दुर्घटना हो जाए तो उसे रोकने या पीछे ले जाने का कोई तरीका न हो।
PhoneWorld इसका समाधान है जो लेखकों ने बनाया है। इसे एक एकल परीक्षण के रूप में नहीं, बल्कि अभ्यास क्षेत्रों को बनाने वाली एक फैक्ट्री के रूप में देखें।
यह कैसे काम करता है, इसके सरल उदाहरण यहाँ दिए गए हैं:
1. ब्लूप्रिंट (वास्तविक जीवन से सीखना)
यह अनुमान लगाने के बजाय कि एक फोन ऐप कैसा दिखता है, टीम ने वास्तविक लोगों को वास्तविक ऐप्स का उपयोग करते हुए देखा। उन्होंने उन स्क्रीन्स को रिकॉर्ड किया जिन्हें लोगों ने देखा और उन रास्तों को भी (जैसे कि होम स्क्रीन से सर्च बार तक जाना, फिर एक प्रोडक्ट पेज तक पहुँचना)।
- उपमा: कल्पना कीजिए कि आप कुकिंग क्लास के लिए एक लोकप्रिय रेस्टोरेंट की सटीक नकल बनाना चाहते हैं। अंदाज़ा लगाने के बजाय, आप सैकड़ों वास्तविक ग्राहकों को देखते हैं, देखते हैं कि वे किन मेजों पर बैठते हैं, क्या ऑर्डर करते हैं, और वेटर किचन और डाइनिंग रूम के बीच कैसे चलता है। PhoneWorld ऐप्स के साथ यही करता है।
2. "मॉक" (नकली) ऐप्स बनाना
उन अवलोकनों का उपयोग करके, PhoneWorld स्वचालित रूप से वास्तविक ऐप्स के नकली संस्करण (जैसे कि एक नकली QQ, एक नकली शॉपिंग ऐप, या एक नकली ट्रैवल ऐप) बनाता है।
- जादू: ये नकली ऐप्स असली ऐप्स की तरह दिखते और महसूस होते हैं, लेकिन ये रीसेटेबल (resettable) हैं। यदि रोबोट कोई गलती करता है, तो आप "रिसेट" दबा सकते हैं, और ऐप बिल्कुल वैसा ही हो जाएगा जैसा वह शुरू में था।
- डेटाबेस: इन नकली ऐप्स के अंदर, एक छिपा हुआ "स्कोरबोर्ड" (डेटाबेस) होता है। यदि रोबोट सफलतापूर्वक एक मैसेज भेजता है या कार्ट में कोई आइटम जोड़ता है, तो स्कोरबोर्ड अपने आप अपडेट हो जाता है। इससे कंप्यूटर को तुरंत पता चल जाता है, "हाँ, रोबोट ने इसे सही ढंग से किया," बिना किसी इंसान के देखे।
3. ट्रेनिंग लूप (प्रशिक्षण चक्र)
चूंकि ये वातावरण सुरक्षित और रीसेटेबल हैं, इसलिए रोबोट हजारों बार अभ्यास कर सकता है।
- प्रक्रिया: रोबोट एक कार्य पूरा करने की कोशिश करता है (जैसे, "एक मूवी ढूँढें और टिकट खरीदें")। यदि वह सफल होता है, तो सिस्टम उस सफलता को एक सबक के रूप में सहेज लेता है। यदि वह विफल होता है, तो वह फिर से प्रयास करता है।
- पैमाना: टीम ने 34 अलग-अलग नकली ऐप्स बनाए जो 16 विभिन्न श्रेणियों (शॉपिंग, सोशल मीडिया, ट्रैवल आदि) को कवर करते हैं। यह रोबोट को सीखने के लिए बहुत बड़ी विविधता प्रदान करता है।
उन्होंने क्या पाया (परिणाम)
टीम ने प्रयोग चलाकर देखा कि क्या यह "अभ्यास क्षेत्रों की फैक्ट्री" वास्तव में रोबोट को स्मार्ट बनाती है। उन्होंने एक पुराने डेटा पर प्रशिक्षित रोबोट बनाम उनके नए PhoneWorld डेटा पर प्रशिक्षित रोबोट की तुलना की।
- "मिक्स-एंड-मैच" टेस्ट: उन्होंने एक मजबूत रोबोट लिया और उसके पुराने ट्रेनिंग डेटा के एक छोटे से हिस्से (10,000 स्टेप्स) को नए PhoneWorld अभ्यास के साथ बदल दिया।
- परिणाम: रोबोट हर चीज़ में काफी बेहतर हो गया। वह केवल नकली ऐप्स में ही बेहतर नहीं हुआ; वह वास्तविक दुनिया के परीक्षणों में भी बेहतर हो गया। यह एक शांत ट्रैक पर कुछ घंटों की ड्राइविंग को व्यस्त शहर के सिमुलेशन में कुछ घंटों की ड्राइविंग से बदलने जैसा था—रोबोट ने वास्तविक ट्रैफिक को बेहतर ढंग से संभालना सीख लिया।
- "अधिक मतलब बेहतर" टेस्ट: उन्होंने पाया कि केवल अधिक PhoneWorld अभ्यास जोड़ने से मदद मिली, लेकिन अधिक प्रकार के ऐप्स जोड़ने से और भी अधिक मदद मिली।
- उपमा: यह केवल एक सीधी सड़क पर 100 घंटे तक ड्राइविंग का अभ्यास करने के बारे में नहीं है। यह हाईवे, कच्ची सड़क, बारिश वाली सड़क और पार्किंग लॉट पर अभ्यास करने के बारे में है। विविधता ही असली सफलता का रहस्य थी।
मुख्य निष्कर्ष
यह पेपर तर्क देता है कि फोन इस्तेमाल करने वाले रोबोट को स्मार्ट बनाने के लिए, हमें केवल बड़े मॉडल बनाने या अधिक स्थिर डेटा एकत्र करने की आवश्यकता नहीं है। इसके बजाय, हमें अभ्यास वातावरण की आपूर्ति को बढ़ाने की आवश्यकता है।
PhoneWorld एक ऐसा टूल है जो वास्तविक दुनिया के उपयोग को एक पुन: प्रयोज्य (reusable), रीसेटेबल और स्वचालित प्रशिक्षण जिम में बदल देता है। यह हमें कई अलग-अलग "फोन वर्ल्ड्स" जल्दी से बनाने की अनुमति देता है, जिससे रोबोट को वास्तविक चीज़ों में महारत हासिल करने के लिए विविध, सुरक्षित और अनंत अभ्यास मिलता है।
संक्षेप में: PhoneWorld एक ऐसी फैक्ट्री है जो वास्तविक फोन ऐप्स के सुरक्षित, रीसेटेबल वीडियो गेम संस्करण बनाती है, जिससे AI रोबोट लाखों बार अभ्यास कर सकते हैं ताकि वे अंततः बिना क्रैश हुए वास्तविक फोन का उपयोग कर सकें।
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।