💻 computer science

StARS: Socially Appropriate Robot Actions via a Recommender System-Driven Approach

यह शोधपत्र StARS को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) ढांचा है जो व्यक्तिगत उपयोगकर्ता मानदंडों और विशिष्ट संदर्भों के अनुरूप अनुकूलित, व्यक्तिगत और सामाजिक रूप से उपयुक्त रोबोटिक क्रियाएं उत्पन्न करके मानव-रोबोट संपर्क में अंतर-विषय परिवर्तनशीलता (inter-subject variability) को संबोधित करने के लिए अनुशंसा प्रणाली (recommender system) तकनीकों का लाभ उठाता है।

मूल लेखक: Erencem Ozbey, Fethiye Irmak Dogan, Jin Huang, Hatice Gunes

प्रकाशित 2026-07-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Erencem Ozbey, Fethiye Irmak Dogan, Jin Huang, Hatice Gunes

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 लोगों से भरे कमरे में जा रहे हैं, और एक मिलनसार रोबोट मदद करने की कोशिश कर रहा है। हमारे लिए, "मददगार होना" हर किसी के लिए एक जैसा हो सकता है, लेकिन ह्यूमन-रोबोट इंटरैक्शन (HRI) की दुनिया में, सामाजिक नियम आश्चर्यजनक रूप से व्यक्तिगत होते हैं। जो चीज़ एक व्यक्ति को आकर्षक और मददगार लग सकती है, वह दूसरे को डरावनी या यहाँ तक कि खतरनाक भी लग सकती है। यह वह पेचीदा पहेली है जिसे वैज्ञानिक सुलझाने की कोशिश कर रहे हैं: हम रोबटों को कमरे को और उसमें मौजूद विशिष्ट व्यक्ति को कैसे पढ़ना सिखाएं?

यह शोध पत्र इस समस्या को हल करने के लिए एक चतुर तकनीक से उधार लेकर काम करता है जिसे हम सभी रोज़ाना उपयोग करते हैं: अनुशंसा प्रणाली (recommendation system)। आप जानते हैं कि नेटफ्लिक्स या स्पॉटीफाई आपको फिल्में या गाने कैसे सुझाते हैं? वे केवल यह अनुमान नहीं लगाते कि सबको क्या पसंद है; वे इस बात पर ध्यान देते हैं कि आपको अतीत में विशेष रूप से क्या पसंद आया था, और साथ ही यह भी देखते हैं कि आपके जैसे अन्य लोगों ने क्या आनंद लिया। शोधकर्ताओं ने महसूस किया कि यह तय करना कि रोबोट का कार्य "सामाजिक रूप से उपयुक्त" है या नहीं, वास्तव में एक फिल्म चुनने के समान है। यह कोई एक सार्वभौमिक सत्य नहीं है; यह व्यक्तिगत पसंद का मामला है। रोबोट के कार्यों को "आइटम" और लोगों को "उपयोगकर्ता" मानकर, वे उस गणित का उपयोग कर सकते हैं जो मूवी रिकमेंडेशन के लिए बनाया गया है, ताकि रोबोट यह समझ सके कि एक विशिष्ट मानव वास्तव में उससे क्या चाहता है।

समस्या: एक आकार सबके लिए उपयुक्त नहीं होता

लंबे समय तक, रोबोटों को इस आधार पर कार्य करने के लिए सिखाया जाता था कि एक "औसत" व्यक्ति क्या सोचता है कि ठीक है। यदि 51% लोगों को लगता कि रोबोट का हाथ हिलाना ठीक है, तो रोबोट वही करता। लेकिन लेखक इस दृष्टिकोण में एक बड़ी खामी बताते हैं: सामाजिक उपयुक्तता सार्वभौमिक नहीं है। एक भीड़भाड़ वाली पार्टी में, एक व्यक्ति को रोबोट द्वारा उसे ड्रिंक परोसना बहुत पसंद आ सकता है, जबकि दूसरा व्यक्ति इसे ठोकर लगने का खतरा या निजता का उल्लंघन मान सकता है। यदि रोबोट "औसत" के आधार पर बार-बार गलत अनुमान लगाता है, तो लोग परेशान हो जाएंगे, विश्वास खो देंगे और इसके साथ बातचीत करना बंद कर देंगे।

यह शोध पत्र तर्क देता है कि हमें एक "परफेक्ट" रोबोट व्यवहार खोजने की कोशिश करना बंद करना चाहिए और ऐसे रोबोट बनाने की शुरुआत करनी चाहिए जो आपकी विशिष्ट प्राथमिकताओं के अनुकूल हो सकें।

समाधान: StARS (सोशलली एप्रोप्रियेट रोबोट एक्शन्स)

इसे हल करने के लिए, टीम ने StARS नामक एक नया ढांचा तैयार किया है। StARS को रोबोट के व्यवहार के लिए एक "पर्सनल स्टाइलिस्ट" के रूप में समझें। केवल दृश्य (कमरा, लोग, वस्तुएं) को देखने के बजाय, StARS यह देखता है कि कौन देख रहा है।

यह कैसे काम करता है, एक सरल उदाहरण के साथ:
कल्पना कीजिए कि आप अंदाज़ा लगाने की कोशिश कर रहे हैं कि आपके दोस्त को पिज्जा का कौन सा टॉपिंग पसंद आएगा।

पुराना तरीका: आप 100 लोगों से पूछते हैं कि उन्हें क्या पसंद है, औसत निकालते हैं, और "पेपरोनी" का अनुमान लगाते हैं क्योंकि यह सबसे लोकप्रिय है। लेकिन आपका दोस्त पेपरोनी से नफरत करता है।
StARS वाला तरीका: आप अपने दोस्त के पिछले पिज्जा ऑर्डर्स देखते हैं। आप यह भी देखते हैं कि आपका दोस्त आमतौर पर अपने सबसे अच्छे दोस्त की तरह ही टॉपिंग्स पसंद करता है, जिसे मशरूम बहुत पसंद है। StARS इन सुरागों को जोड़ता है। यह कहता है, "इस विशिष्ट व्यक्ति को, इस विशिष्ट स्थिति में, शायद मशरूम चाहिए, भले ही भीड़ पेपरोनी चाहती हो।"

तकनीकी रूप से, StARS कोलेबोरेटिव फ़िल्टरिंग (Collaborative Filtering) नामक एक विधि का उपयोग करता है। यह वही गणित है जिसका उपयोग नेटफ्लिक्स करता है। यह एक विशाल मानसिक स्प्रेडशीट बनाता है जहाँ यह ट्रैक करता है:

उपयोगकर्ता (Users): विभिन्न लोग (एनोटेटर) जिन्होंने रोबोट के कार्यों को रेटिंग दी।
आइटम (Items): विभिन्न रोबोट क्रियाएं (जैसे "खाना परोसना" या "रास्ते से हट जाना")।
संदर्भ (Context): दृश्य (एक रसोई, एक गलियारा, एक पार्क)।

इस स्प्रेडशीट का विश्लेषण करके, StARS छिपे हुए पैटर्न सीखता है। यह समझ सकता है कि "यूजर A" हमेशा संकीर्ण गलियारों में रोबोट को बहुत करीब होने पर असहज महसूस करता है, जबकि "यूजर B" को लगता है कि वे बहुत दूर हैं। फिर यह उन पैटर्न का उपयोग यह अनुमान लगाने के लिए करता है कि उस विशिष्ट उपयोगकर्ता को एक नई स्थिति में क्या उचित लगेगा, भले ही रोबोट उससे पहले कभी न मिला हो।

उन्होंने क्या पाया

शोधकर्ताओं ने दो अलग-अलग डेटासेट्स पर StARS का परीक्षण किया: एक लिविंग रूम में घर के काम करने वाले रोबोट्स के बारे में (MannersDB+) और दूसरा भीड़ के बीच नेविगेट करने वाले रोबोट्स के बारे में (SocNav1)। उन्होंने यह देखने के लिए इसे कई अलग-अलग "ब्रेन" मॉडल्स (बैकबोन) के साथ आज़माया कि क्या यह सामान्य रूप से काम करता है।

परिणाम लगातार सकारात्मक रहे:

बेहतर सटीकता: जब उन्होंने अपने रोबट मॉडल्स में StARS को जोड़ा, तो भविष्यवाणियां काफी बेहतर हो गईं। उदाहरण के लिए, लिविंग रूम डेटासेट पर, उनके सर्वश्रेष्ठ मॉडल के लिए त्रुटि दर (RMSE) लगभग 1.27 से घटकर 1.09 हो गई।
बेहतर सहमति: रोबोट के अनुमान मानवीय विचारों से बहुत अधिक मेल खाते थे। लिविंग रूम डेटासेट पर सहसंबंध (correlation - एक पैमाना कि रोबोट की राय इंसान की राय से कितनी मिलती है) लगभग 0.30 से बढ़कर 0.57 हो गया।
यह कम डेटा के साथ भी काम करता है: पर्सनलाइजेशन (व्यक्तिगत बनाना) में सबसे बड़ी चुनौतियों में से एक यह है कि आपके पास हर व्यक्ति के लिए बहुत अधिक डेटा नहीं होता है। टीम ने पाया कि StARS बहुत कम उदाहरणों से सीखने में बहुत अच्छा है। भले ही उन्होंने सिस्टम को उपलब्ध डेटा का केवल 10% दिया, फिर भी इसने पुराने "औसत" तरीके की तुलना में भारी सुधार किया। जैसे-जैसे उन्होंने अधिक डेटा जोड़ा, रोबोट और भी बेहतर होता गया, लेकिन सबसे बड़ी छलांग शुरुआत में ही लग गई।

यह क्यों महत्वपूर्ण है

यह शोध पत्र सुझाव देता है कि हमें रोबोटों के सोचने के तरीके को पूरी तरह से बदलने की आवश्यकता नहीं है ताकि उन्हें अधिक व्यक्तिगत बनाया जा सके। इसके बजाय, हम बस उनके मौजूदा "रोबोट ब्रेन" के ऊपर एक "रिकमेंडेशन लेयर" जोड़ सकते हैं। यह रोबोटों को वास्तविक घरों और अस्पतालों में तैनात करना संभव बनाता है जहाँ हर व्यक्ति अलग है।

लेखक सावधानी बरतते हुए कहते हैं कि उन्होंने सामाजिक रोबोटों की समस्या को हमेशा के लिए "हल" नहीं किया है। सामाजिक स्थितियाँ जटिल होती हैं, और अभी भी बहुत अस्पष्टता बाकी है। हालाँकि, उनका काम यह सुझाव देता है कि सामाजिक उपयुक्तता को एक सार्वभौमिक नियम के बजाय एक व्यक्तिगत पसंद की समस्या के रूप में देखना, रोबोटों को हमारे बीच फिट होने के लायक बनाने का एक शक्तिशाली और डेटा-कुशल तरीका है। उसी तर्क का उपयोग करके जो आपको आपका अगला पसंदीदा गाना खोजने में मदद करता है, हम अंततः ऐसे रोबोट प्राप्त कर सकते हैं जो वास्तव में जानते हैं कि आपके आसपास कैसे व्यवहार करना है।

तकनीकी सारांश: StARS – रिकमेंडर सिस्टम-संचालित दृष्टिकोण के माध्यम से सामाजिक रूप से उपयुक्त रोबोटिक क्रियाएं

1. समस्या विवरण

मानव-रोबोट इंटरेक्शन (HRI) में सामाजिक उपयुक्तता सार्वभौमिक नहीं है; यह व्यक्ति-दर-व्यक्ति भिन्नता प्रदर्शित करती है। एक ही संदर्भ में एक ही रोबोटिक क्रिया को एक उपयोगकर्ता द्वारा सहायक और दूसरे द्वारा दखल देने वाली या असुरक्षित माना जा सकता है। मौजूदा दृष्टिकोण अक्सर एकत्रित मानव रेटिंग या उपयुक्तता के साझा निरूपणों पर निर्भर करते हैं, जो सार्थक मतभेदों को अनदेखा कर देते हैं और व्यक्तिगत उपयोगकर्ता मानदंडों को पकड़ने में विफल रहते हैं। यह सीमा उन रोबोटों की तैनाती में बाधा डालती है जो निकट-दूरी वाले परिवेश (जैसे, घर, स्वास्थ्य सेवा) में तैनात हैं जहाँ वैयक्तिकरण (personalization) आवश्यक है।

मुख्य चुनौती यह है कि विशिष्ट उपयोगकर्ता प्राथमिकताओं के अनुरूप सामाजिक रूप से उपयुक्त क्रियाओं को कैसे मॉडल और अनुमानित किया जाए, विशेष रूप से जब प्राथमिकता फीडबैक विरल (sparse) और एकत्र करने में महंगा हो। लेखक सामाजिक रूप से उपयुक्त क्रिया निर्माण को एक वरीयता मॉडलिंग समस्या (preference modeling problem) के रूप में पुनर्गठित करते हैं, जो रिकमेंडर सिस्टम (RS) से प्रेरणा लेते हुए एनोटेटर्स को उपयोगकर्ताओं के रूप में, दृश्यों (scenes) को आइटम्स के रूप में, और उपयुक्तता स्कोर को लक्ष्यों के रूप में मानते हैं।

2. कार्यप्रणाली: StARS फ्रेमवर्क

लेखक StARS (Socially Appropriate Robot Actions) का प्रस्ताव करते हैं, जो एक मॉडल-अज्ञेय (model-agnostic) फ्रेमवर्क है जो कोलैबोरेटिव फिल्टरिंग (CF) को सीखने योग्य दृश्य निरूपणों (scene representations) के साथ एकीकृत करता है।

A. समस्या का सूत्रण (Problem Formulation)

एक दृश्य $i$ और क्रिया $a$ के लिए एक एकत्रित स्कोर $y_{i,a}$ की भविष्यवाणी करने के बजाय, StARS एक विशिष्ट उपयोगकर्ता $u$ के लिए एक व्यक्तिगत स्कोर $\hat{y}_{u,i,a}$ की भविष्यवाणी करता है। सिस्टम डेटासेट $D$ के एनोटेशन $(u, i, a, y_{u,i,a})$ से सीखता है।

B. आर्किटेक्चर और घटक

StARS एक डिफरेंशिएबल सीन एनकोडर $\phi_\theta$ को मैट्रिक्स फैक्टराइजेशन (MF) पर आधारित कोलैबोरेटिव फिल्टरिंग मॉड्यूल के साथ संवर्धित करता है। भविष्यवाणी फलन $f(u, i, x_i, a)$ निम्नलिखित को जोड़ता है:

लेटेंट फैक्टर्स (Latent Factors): व्यवस्थित रेटिंग प्रवृत्तियों को पकड़ने के लिए MF के माध्यम से सीखे गए साझा उपयोगकर्ता एम्बेडिंग ( $p_u$ ) और साझा दृश्य एम्बेडिंग ( $q_i$ )।
एक्शन एम्बेडिंग (Action Embeddings): कई संभावित क्रियाओं को संभालने के लिए क्रिया-विशिष्ट एम्बेडिंग ( $r_a$ )।
रेसिड्यूअल फ्यूजन (Residual Fusion): डेटा की विरलता को कम करने और सामग्री की जानकारी को शामिल करने के लिए, फ्रेमवर्क कोलैबोरेटिव संकेतों को दृश्य सामग्री विशेषताओं (scene content features: $h_i = \phi_\theta(x_i)$ $h_{i} = ϕ_{θ} (x_{i})$ ) के साथ फ्यूज करता है:
- सीन रेसिड्यूअल फ्यूजन: एक हाइब्रिड सीन एम्बेडिंग $\bar{q}_i = q_i + h_i$ कोलैबोरेटिव आइटम एम्बेडिंग को सामग्री विशेषताओं (जैसे, स्थानिक लेआउट, ऑब्जेक्ट संबंध) के साथ समृद्ध करता है।
- इंटरेक्शन रेसिड्यूअल फ्यूजन: अंतिम भविष्यवाणी उपयोगकर्ता-दृश्य इंटरेक्शन ( $p_u \odot \bar{q}_i$ ) को शामिल करती है और एक रेसिड्यूअल टर्म के रूप में सामग्री विशेषता $h_i$ को जोड़ती है। यह एक उपयोगकर्ता-स्वतंत्र कंटेंट शॉर्टकट प्रदान करता है, जो उन स्थितियों में भविष्यवाणियों को स्थिर करता है जहाँ कोलैबोरेटिव कारक कमजोर रूप से अनुमानित होते हैं (sparse regime)।

अंतिम भविष्यवाणी समीकरण है:
$\hat{y}_{u,i,a} = \left( (p_u \odot \bar{q}_i) + h_i \right)^\top r_a + b_u + b_i + b$
जहाँ $b$ टर्म्स ग्लोबल, यूजर और सीन ऑफसेट्स का प्रतिनिधित्व करते हैं।

C. प्रशिक्षण रणनीति

StARS दो-चरणीय प्रशिक्षण प्रोटोकॉल का उपयोग करता है:

सीन एनकोडर प्री-ट्रेनिंग: दृश्य एनकोडर $\phi_\theta$ को दृश्य विशेषताओं से अकेले क्रिया की उपयुक्तता की भविष्यवाणी करने के लिए एक अस्थायी लीनियर हेड के साथ प्री-ट्रेन किया जाता है।
एंड-टू-एंड जॉइंट ऑप्टिमाइज़ेशन: प्री-ट्रेन्ड एनकोडर को फ्रीज (या फाइन-ट्यून) किया जाता है और पूर्ण व्यक्तिगत भविष्यवाणी उद्देश्य का उपयोग करके CF मापदंडों ( $p_u, q_i, r_a, b$ ) के साथ संयुक्त रूप से अनुकूलित किया जाता है।

3. प्रमुख योगदान

HRI का पुनर्गठन: यह पेपर रिकमेंडर सिस्टम तकनीकों का उपयोग करके सामाजिक रूप से उपयुक्त क्रिया निर्माण को एक वरीयता अनुमान समस्या के रूप में फिर से परिभाषित करता है, जो व्यक्तिगत उपयोगकर्ता मतभेदों को एकत्रित करने के बजाय स्पष्ट रूप से मॉडल करता है।
मॉडल-अज्ञेय फ्रेमवर्क: StARS को विभिन्न सीन एनकोडर्स (जैसे, MLPs, Transformers, Graph Neural Networks) और बैकबोन के साथ एकीकृत करने के लिए डिज़ाइन किया गया है, बिना मूल मॉडल को फिर से डिजाइन किए।
स्पार्स फीडबैक मजबूती: फ्रेमवर्क सीमित डेटा से उपयोगकर्ता-विशिष्ट पैटर्न को निकालने के लिए कोलैबोरेटिव फिल्टरिंग का लाभ उठाकर विशेष रूप से स्पार्स (विरल) प्राथमिकता फीडबैक की चुनौती को संबोधित करता है।
अनुभवजन्य सत्यापन: इस दृष्टिकोण का मूल्यांकन दो अलग-अलग डेटासेट्स पर किया गया है: MannersDB+ (घरेलू कार्य-स्तर की क्रियाएं) और SocNav1 (सामाजिक रूप से अनुपालनशील नेविगेशन)।

4. प्रयोगात्मक परिणाम

लेखकों ने पांच-चरणीय क्रॉस-वैलिडेशन का उपयोग करके विभिन्न बैकबोन मॉडल्स (MannersDB+ के लिए MLP, ResMLP, DCNv2, GraceAE, FT-Transformer; SocNav1 के लिए GCN, GIN, GraphSAGE, GGNN, RGCN, GAT) के विरुद्ध StARS का मूल्यांकन किया।

प्रदर्शन सुधार (RQ1): सभी बैकबोन और डेटासेट्स पर, CF घटक (StARS) को एकीकृत करने से आधारभूत मॉडल्स की तुलना में लगातार बेहतर प्रदर्शन हुआ।
- MannersDB+ पर, StARS वेरिएंट्स ने RMSE में पर्याप्त कमी (जैसे, MLP के लिए ~1.27 से ~1.13 तक) और पियर्सन सहसंबंध ( $r$ ) तथा Lin's Concordance Correlation Coefficient (CCC) में महत्वपूर्ण वृद्धि दिखाई।
- SocNav1 पर, StARS वेरिएंट्स ने सभी ग्राफ न्यूरल नेटवर्क आर्किटेक्चर में कम MSE और उच्च सहसंबंध मेट्रिक्स प्राप्त किए।
निरंतरता और व्यवस्थितता (RQ2): सांख्यिकीय विश्लेषण (Holm correction के साथ पेयर्ड t-टेस्ट) ने पुष्टि की कि सुधार व्यवस्थित थे और किसी विशिष्ट फोल्ड या मॉडल के आर्टिफैक्ट नहीं थे। लाभ सभी परीक्षण की गई कॉन्फ़िगरेशन में सांख्यिकीय रूप से महत्वपूर्ण ( $p < 0.05$ ) थे।
विरलता के प्रति मजबूती (RQ3): लर्निंग कर्व प्रयोगों ने प्रदर्शित किया कि StARS सीमित प्रशिक्षण डेटा (लो-डेटा रिजीम) के साथ भी पर्याप्त प्रदर्शन लाभ प्रदान करता है। प्रदर्शन शुरुआती एनोटेशन के साथ तेजी से सुधरा, जिससे पता चलता है कि विधि डेटा-कुशल है और व्यक्तिगत फीडबैक एकत्र करना महंगा होने वाली स्थितियों के लिए उपयुक्त है।

5. महत्व और दावे

यह पेपर दावा करता है कि StARS रोबोटिक्स में वैयक्तिकृत निर्णय लेने के लिए एक स्केलेबल दृष्टिकोण के रूप में रिकमेंडर सिस्टम विधियों की व्यवहार्यता को प्रदर्शित करता है।

पुनर्निर्माण के बिना वैयक्तिकरण: फ्रेमवर्क बिना किसी धारणा (perception) या निर्णय लेने वाले बैकबोन को फिर से डिजाइन किए उपयोगकर्ता-विशिष्ट क्रिया चयन को सक्षम बनाता है, जो अधिक अनुकूल व्यवहार का समर्थन करता है।
संरचित परिवर्तनशीलता: परिणाम बताते हैं कि सामाजिक उपयुक्तता निर्णयों में भिन्नता संरचित है और इसे यादृच्छिक शोर (random noise) के बजाय उपयोगकर्ता-दृश्य इंटरेक्शन मॉडलिंग के माध्यम से प्रभावी ढंग से कैप्चर किया जा सकता है।
डेटा दक्षता: दृष्टिकोण HRI में वैयक्तिकरण के लिए एक व्यावहारिक मार्ग प्रदान करता है जहाँ डेटा दुर्लभ है, जिसका अर्थ है कि कुछ शुरुआती इंटरैक्शन से सार्थक उपयोगकर्ता-विशिष्ट वरीयता अनुमान प्राप्त किए जा सकते हैं।

लेखक निष्कर्ष निकालते हैं कि हालांकि StARS सामाजिक उपयुक्तता पर ध्यान केंद्रित करता है, RS फॉर्मूलेशन को अन्य वैयक्तिकरण-केंद्रित HRI कार्यों, जैसे कि सहयोगी असेंबली या अनुकूल सहायता, तक विस्तारित किया जा सकता है, बशर्ते कि उपयुक्त फीडबैक तंत्र मौजूद हों।