Autonomous VR-Based Risk Detection for Situational Awareness in Dangerous Settings

कल्पना कीजिए कि आप एक अंतरिक्ष यान के कप्तान हैं, लेकिन सितारों के बीच रास्ता बनाने के बजाय, आप एक अराजक, खतरनाक आपदा क्षेत्र में नेविगेट कर रहे हैं। आप हर जगह एक साथ नहीं हो सकते, और आपकी आँखें एक समय में केवल एक ही दिशा में देख सकती हैं। यह प्रथम प्रतिक्रियाकर्ताओं (first responders), फैक्ट्री सुरक्षा निरीक्षकों और उच्च-जोखिम वाले वातावरणों में काम करने वाले किसी भी व्यक्ति की वास्तविकता है। उन्हें "परिस्थिति की जागरूकता" (situational awareness) की आवश्यकता होती है—एक ऐसी सुपरपावर जो उन्हें यह जानने में मदद करे कि वास्तव में क्या खतरनाक है, वह कहाँ है, और इसके बारे में क्या करना है, वह भी बिना घबराए या अभिभूत हुए। इस सुपरपावर को बनाने के लिए, वैज्ञानिक दो रोमांचक तकनीकों का मिश्रण कर रहे हैं: रोबोट जो देख और सोच सकते हैं, और वर्चुअल रियलिटी (VR) हेडसेट जो मनुष्यों को एक डिजिटल दुनिया के भीतर कदम रखने देते हैं। रोबकों को बहादुर, अथक स्काउट्स के रूप में सोचें जो ढहती हुई इमारत या जहरीले रिसाव वाले क्षेत्र में जा सकते हैं। VR को एक जादुई खिड़की के रूप में सोचें जो एक मानव ऑपरेटर को उनके कार्यालय में सुरक्षित रूप से खड़े होकर ठीक वही देखने देती है जो रोबोट देख रहा है। बड़ा सवाल यह है कि क्या हम इन रोबोट स्काउट्स को न केवल खतरे को देखने के लिए, बल्कि इसे हमें इस तरह समझाने के लिए सिखा सकते हैं जो स्वाभाविक, स्पष्ट और सहायक महसूस हो?

"ऑटोनॉमस वीआर-बेस्ड रिस्क डिटेक्शन फॉर सिचुएशनल अवेयरनेस इन डेंजरस सेटिंग्स" शीर्षक वाला यह शोध पत्र ठीक उसी प्रश्न में गहराई तक जाता है। शोधकर्ताओं ने एक प्रणाली बनाई है जहाँ एक रोबोट (एक आभासी दुनिया में सिम्युलेटेड) एक खतरनाक दृश्य, जैसे कि भूकंप के बाद एक अस्त-व्यस्त वर्कशॉप, में घूमता है। जैसे-जैसे रोबोट घूमता है, वह तस्वीरें लेता है और उन्हें एक "विज़न-लैंग्वेज मॉडल" (VLM) को भेजता है। आप VLM को एक सुपर-स्मार्ट डिजिटल मस्तिष्क के रूप में समझ सकते हैं जिसने लाखों किताबें पढ़ी हैं और लाखों चित्र देखे हैं; यह एक फोटो को देखकर कह सकता है, "हे, वह गैस टैंक असुरक्षित लग रहा है," या "वह केमिकल की बोतल गलत जगह पर है।" रोबोट फिर VR दुनिया में वर्चुअल "झंडे" या पॉप-अप नोट्स गिरा देता है ताकि खतरों को चिह्नित किया जा सके। एक मानव ऑपरेटर जो VR हेडसेट पहने हुए है, वह इस डिजिटल दृश्य के माध्यम से चल सकता है, और जैसे ही वह किसी खतरे के करीब पहुँचता है, एक छोटा सा नोट पॉप-अप होता है जो जोखिम को समझाता है, और वे यहाँ तक सुन सकते हैं कि रोबोट चेतावनी को ज़ोर से "बोल" रहा है।

टीम ने इस विचार का परीक्षण 27 लोगों के साथ एक उपयोगकर्ता अध्ययन (user study) में किया। उन्होंने प्रतिभागियों को एक आभासी मेकर्सपेस (makerspace) को दो बार एक्सप्लोर करने के लिए कहा: एक बार बिना किसी नोट्स के (केवल एक अस्त-व्यस्त कमरा) और एक बार रोबोट के सहायक एनोटेशन के साथ। परिणाम उत्साहजनक थे। प्रतिभागियों ने भारी बहुमत से एनोटेटेड संस्करण को पसंद किया, उन्होंने रिपोर्ट किया कि वे अपने परिवेश के प्रति बहुत अधिक जागरूक महसूस कर रहे थे और उन्हें यह प्रणाली बहुत स्पष्ट और उपयोगी लगी। वास्तव में, रोबोट के "मस्तिष्क" ने सिमुलेशन में 19 में से 18 छिपे हुए खतरों की सफलतापूर्वक पहचान की, केवल एक को मिस किया, और कभी-कभी कुछ गलतियाँ भी कीं जहाँ उसे लगा कि कुछ खतरनाक है जबकि वह नहीं था (जैसे कि एक ऐसा गैस टैंक देखना जो वहाँ मौजूद ही नहीं था)। अध्ययन बताता है कि स्मार्ट रोबोट मस्तिष्क को इन इमर्सिव VR हेडसेट्स के साथ जोड़ना डरावनी स्थितियों में लोगों को सुरक्षित और सूचित रखने का एक शक्तिशाली तरीका है। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक सिमुलेशन था; हालाँकि परिणाम शानदार दिख रहे हैं, लेकिन इस प्रणाली को पूरी तरह से भरोसा करने योग्य बनने से पहले वास्तविक, अव्यवस्थित दुनिया में परीक्षण करने की आवश्यकता है।

डिजिटल स्काउट की कहानी

सेटअप: एक रोबोट, एक मस्तिष्क और एक जादुई खिड़की
शोधकर्ताओं ने RIVR नामक एक सिम्युलेटर का उपयोग करके एक डिजिटल प्लेग्राउंड बनाया। इस दुनिया में, उन्होंने एक "मेकर्सपेस" (वर्कशॉप) तैयार किया जिसे एक नकली भूकंप ने हिला दिया था। उन्होंने कमरे में 19 विशिष्ट खतरों को बिखेर दिया, जैसे कि ब्लॉक किए गए अग्निशमन यंत्र, लीक होते रसायन और असुरक्षित गैस सिलेंडर। वे जानते थे कि ये कहाँ थे, जो "ग्राउंड ट्रुथ" या उत्तर कुंजी के रूप में कार्य करते थे।

फिर, उन्होंने एक वर्चुअल रोबोट (एक Husky UGV, जो एक चार पहियों वाले रोबोट कुत्ते जैसा है) को कमरे में गश्त करने के लिए भेजा। जैसे-जैसे रोबोट चारों ओर घूमता गया, उसने तस्वीरें लीं और उन्हें एक VLM (विशेष रूप से, GPT-4o नामक एक मॉडल) को भेजा। रोबोट ने VLM से एक सरल प्रश्न पूछा: "इस तस्वीर में क्या खतरनाक है?" VLM ने, एक अनुभवी सुरक्षा निरीक्षक की तरह, छवि का विश्लेषण किया और खतरों की एक सूची और एक संक्षिप्त स्पष्टीकरण के साथ उत्तर दिया।

जादुई इंटरफ़ेस
एक बार जब रोबोट ने अपना गश्त पूरा कर लिया, तो सिस्टम ने उन उत्तरों को लिया और उन्हें VR दुनिया के भीतर "पॉइंट्स ऑफ इंटरेस्ट" (POIs) में बदल दिया। कल्पना कीजिए कि आप एक वीडियो गेम में घूम रहे हैं जहाँ, जैसे ही आप किसी खतरनाक वस्तु के करीब पहुँचते हैं, एक चमकता हुआ लाल पिन ऊपर-नीचे उछलता है। जब आप पास पहुँचते हैं, तो एक पैनल पॉप-अप होता है जो आपको बताता है कि समस्या क्या है। यदि हेडसेट में टेक्स्ट पढ़ना कठिन था, तो उपयोगकर्ता कंप्यूटर को चेतावनी ज़ोर से पढ़ने के लिए बटन दबा सकता था। यह "एनोटेटेड" स्थिति थी।

इसके बाद प्रतिभागियों ने VR हेडसेट पहने और उसी कमरे का पता लगाया। पहले, वे "अनएनोटेटेड" संस्करण में घूमे, जहाँ कमरा बिना किसी मदद के बस अस्त-व्यस्त था। फिर, वे रोबोट के सहायक नोट्स वाले "एनोटेटेड" संस्करण में घूमे।

उन्होंने क्या पाया
परिणाम काफी स्पष्ट थे। अनुभव को रेट करने के लिए पूछे जाने पर, प्रतिभागियों ने एनोटेटेड सिस्टम को बहुत उच्च अंक दिए।

• स्पष्टता: औसत स्कोर 5 में से 4.6 था। अधिकांश लोगों को लगा कि खतरे के निशान पहचानना बहुत आसान था।
• उपयोगिता: सुरक्षा जागरूकता में सुधार करने के लिए सिस्टम ने 5 में से 4.58 का स्कोर किया।
• भविष्य का उपयोग: प्रतिभागियों ने इसे 5 में से 4.5 दिया, और कहा कि वे वास्तविक जीवन में इस तरह की प्रणाली का उपयोग करना चाहेंगे।

सांख्यिकीय रूप से, ये स्कोर 3 के "न्यूट्रल" रेटिंग से काफी अधिक थे, जिसका अर्थ है कि सकारात्मक प्रतिक्रिया केवल एक इत्तेफाक नहीं थी; यह एक मजबूत रुझान था। वास्तव में, 27 में से केवल एक व्यक्ति ने नोट्स के बिना अस्त-व्यस्त कमरे को पसंद किया।

रोबोट का स्कोरकार्ड
शोधकर्ताओं ने यह भी जाँच की कि रोबोट के "मस्तिष्क" ने वास्तव में अपना काम कितनी अच्छी तरह किया। दृश्य में लगाए गए 19 खतरों में से:

• सिस्टम ने उनमें से 18 को सही ढंग से पहचाना।
• इसने 1 खतरे को मिस किया (एक अन्य वस्तु के पीछे छिपा हुआ सिलेंडर)।
• इसने 4 "फॉल्स अलार्म" (कुछ ऐसा कहना जो खतरनाक था जब वह नहीं था) दिए। इनमें से दो "हैलुसिनेशन" (ऐसी चीज़ का आविष्कार करना जो वहाँ नहीं थी) थे, और दो वास्तविक खतरों को गलत लेबल करने वाले थे (एक गैस सिलेंडर को "सुरक्षित" कहना जबकि वह वास्तव में "असुरक्षित" था)।

इसका मतलब है कि सिस्टम ने लगभग 94.7% वास्तविक खतरों (रिकॉल) को पकड़ा, लेकिन इसकी चेतावनियाँ 81.8% बार सही थीं (प्रिसिजन)। लेखक सुझाव देते हैं कि सिस्टम अच्छा काम करता है, लेकिन यह तब भ्रमित हो जाता है जब वस्तुएं एक-दूसरे के बहुत करीब या छिपी हुई होती हैं।

यह क्यों मायने रखता है (और इसका अभी क्या अर्थ नहीं है)
यह शोध पत्र बताता है कि मनुष्यों को VR में रोबोटों को "बात" करने में मदद करने के लिए AI का उपयोग करना सुरक्षा के लिए एक सफल संयोजन है। यह दिखाता है कि लोग अधिक सहज और जागरूक महसूस करते हैं जब एक रोबोट उन्हें खतरों को पहचानने में मदद करता है। हालाँकि, लेखक बहुत सावधान हैं कि वे इसे एक तैयार उत्पाद के रूप में न कहें। वे बताते हैं कि यह सब एक कंप्यूटर सिमुलेशन में किया गया था। "रोबोट" वास्तव में वास्तविक भूकंप स्थल से नहीं गुजरा, और "खतरनाक रसायन" केवल डिजिटल छवियां थीं।

वे यह भी नोट करते हैं कि कुछ सीमाएँ हैं। अध्ययन छोटा था (27 लोग), और उन्होंने केवल एक विशिष्ट AI मॉडल का परीक्षण किया। उन्होंने पाया कि AI कभी-कभी खतरों के बारे में "हैलुसिनेट" (भ्रमित होना) करता है, जो एक समस्या है यदि आप अपनी सुरक्षा के लिए उस पर भरोसा कर रहे हैं। शोधकर्ता प्रस्तावित करते हैं कि भविष्य के कार्यों में AI को यह समझाने की कोशिश करनी चाहिए कि वह किसी चीज़ को खतरनाक क्यों समझता है (ताकि मनुष्य उस पर बेहतर भरोसा कर सकें) और इस प्रणाली का वास्तविक दुनिया के परिदृश्यों के साथ वास्तविक प्रथम प्रतिक्रियाकर्ताओं के साथ परीक्षण करना चाहिए।

संक्षेप में, यह शोध पत्र एक आशाजनक कदम है। यह दिखाता है कि यदि हम रोबोट को एक स्मार्ट मस्तिष्क और एक VR हेडसेट दें, तो वे खतरनाक स्थानों में मनुष्यों के लिए उत्कृष्ट मार्गदर्शक बन सकते हैं। लेकिन इससे पहले कि हम बचाव मिशन की चाबियाँ उन्हें सौंपें, हमें यह सुनिश्चित करने की आवश्यकता है कि रोबोट भ्रमित न हो, वह भूतों को न देखे, और वास्तविक दुनिया की जटिलताओं को संभाल सके।