PUDA: An AI-Native Hardware Harness for Self-Driving Laboratories

कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ वैज्ञानिक केवल बीकर में रसायन नहीं मिलाते, बल्कि उन रोबोटों से बात करते हैं जो उनके लिए मिश्रण तैयार करते हैं। यह सेल्फ-ड्राइविंग लैबोरेटरीज (SDLs) का क्षेत्र है। इन प्रयोगशालाओं को उच्च-तकनीकी रसोई के रूप में सोचें जहाँ एक कंप्यूटर मस्तिष्क (एक AI एजेंट) तय करता है कि कौन सी रेसिपी आज़मानी है, एक रोबोटिक हाथ खाना पकाता है, और सेंसर चखते हैं कि क्या वह स्वादिष्ट बना है। यदि व्यंजन बहुत नमकीन है, तो AI मस्तिष्क रेसिपी बदल देता है और फिर से प्रयास करता है, और यह सब बिना किसी इंसान के चम्मच छुए होता है। प्रयास करने, चखने और सुधार करने का यही चक्र रसायन विज्ञान और सामग्री विज्ञान जैसे क्षेत्रों में खोज की गति को बढ़ाता है।

हालाँकि, इसमें एक पेच है। अधिकांश रोबोट रसोई इंसानों को ध्यान में रखकर बनाई जाती हैं। उनमें फैंसी टचस्क्रीन, रंगीन बटन और मेनू होते हैं जो लोगों के क्लिक करने के लिए डिज़ाइन किए गए होते हैं। हालाँकि यह एक मानव शेफ के लिए बहुत अच्छा है, लेकिन यह एक AI मस्तिष्क के लिए बहुत बुरा है। एक AI "क्लिक" नहीं करता या "स्क्रीन को नहीं देखता"; वह टेक्स्ट पढ़ता है, कमांड भेजता है और लॉग चेक करता है। जब एक AI गलती को ठीक करने या खाना बनाने के बीच में योजना बदलने की कोशिश करता है, तो अक्सर एक मानव-अनुकूल स्क्रीन बाधा बन जाती है, विवरणों को छिपा देती है या जम (freeze) जाती है। वैज्ञानिक एक बड़ा सवाल पूछ रहे हैं: हम एक ऐसा लैब कैसे बनाएं जो AI की मूल भाषा बोलता हो, जिससे कंप्यूटर सुरक्षित और कुशलता से नियंत्रण ले सके?

यहीं पर एक नया सिस्टम जिसे PUDA (फिजिकल यूनिफाइड डिवाइस आर्किटेक्चर) कहा जाता है, काम आता है। इस पेपर के लेखक प्रस्ताव देते हैं कि एक और सुंदर स्क्रीन बनाने के बजाय, हमें एक "कमांड-लाइन" वातावरण बनाना चाहिए—एक टेक्स्ट-आधारित इंटरफ़ेस जो पुरानी फिल्मों वाले पुराने-ज़माने के कंप्यूटर स्क्रीन जैसा दिखता है, लेकिन रोबोटों के लिए सुपरचार्ज्ड है। PUDA एक सार्वभौमिक अनुवादक (universal translator) और एक सुरक्षा कवच (safety harness) के रूप में कार्य करता है। यह AI एजेंटों को किसी भी लैब उपकरण (रोबोट, कैमरा, मिक्सर) से सरल, टेक्स्ट-आधारित कमांड का उपयोग करके बात करने की अनुमति देता है, जबकि हर एक किए गए कार्य का एक सख्त, अटूट रिकॉर्ड रखता है।

मुख्य विचार यह है: PUDA "सोचने" को "करने" से अलग करता है। AI एजेंट वह शेफ है जो तय करता है कि क्या पकाना है और गलती को कैसे ठीक करना है। PUDA वह प्रयोगशाला बुनियादी ढांचा है जो सुनिश्चित करता है कि रोबोटिक हाथ केवल वही करे जो उसे बताया गया था, एक ऐसे तरीके से जिसे बाद में जांचा और दोबारा चलाया जा सके। यह AI को यह नहीं बताता कि क्या सोचना है; यह बस AI को भौतिक दुनिया के साथ बातचीत करने के लिए उपकरणों का एक स्थिर, विश्वसनीय सेट प्रदान करता है।

"ह्यूमन-फर्स्ट" लैब्स के साथ समस्या

कल्पना कीजिए कि आप एक बहुत ही स्मार्ट, लेकिन शाब्दिक अर्थ लेने वाले रोबोट को केक बनाना सिखाने की कोशिश कर रहे हैं। यदि आप रोबोट को एक बड़े "Bake" बटन वाला टचस्क्रीन देते हैं, तो यह ठीक काम कर सकता है। लेकिन क्या होगा यदि रोबलेट को एहसास होता है कि ओवन बहुत गर्म है? एक मानव स्क्रीन पर, रोबोट को "तापमान कम करें" विकल्प खोजने के लिए तीन मेनू के माध्यम से क्लिक करना पड़ सकता है, और यदि स्क्रीन जम जाती है, तो रोबोट फंस जाता है।

पेपर का तर्क है कि वर्तमान सेल्फ-ड्राइविंग लैब अक्सर इन टचस्क्रीन की तरह बनाई गई हैं। उन्हें इंसानों द्वारा निश्चित वर्कफ़्लो का उपयोग करके प्रयोगों को संचालित (orchestrate) करने के लिए डिज़ाइन किया गया है। यह एक ही कार्य को बार-बार दोहराने के लिए तो ठीक है, लेकिन जब एक AI को लचीला होने की आवश्यकता होती है, तो यह विफल हो जाता है। यदि एक AI को किसी त्रुटि से उबरने, किसी मशीन की स्थिति की जांच करने, या चलते समय योजना बदलने की आवश्यकता है, तो एक मानव-केंद्रित इंटरफ़ेस बहुत कठोर है। बाधा यह नहीं है कि क्या AI योजना बना सकता है; बाधा यह है कि क्या लैब एक स्थिर, निरीक्षण योग्य वातावरण प्रदान कर सकती है जिसे AI वास्तव में संचालित कर सके।

PUDA का आगमन: रोबोटों के लिए "कमांड-लाइन"

PUDA इसे पूरी तरह से GUI (ग्राफिकल यूजर इंटरफेस) को त्यागकर हल करता है। चित्रों वाली स्क्रीन के बजाय, PUDA एक कमांड-लाइन इंटरफेस (CLI) का उपयोग करता है। आप इसे उस टेक्स्ट-आधारित कमांड प्रॉम्प्ट के रूप में सोच सकते हैं जो आप हैकर्स को तेजी से टाइप करते हुए फिल्मों में देखते हैं। एक AI के लिए, यह एकदम सही है। यह संक्षिप्त, स्पष्ट और पढ़ने में आसान है।

एक PUDA लैब में, प्रत्येक उपकरण—चाहे वह रोबोटिक हाथ हो, कैमरा हो, या केमिकल मिक्सर—टेक्स्ट कमांड की एक सूची के रूप में दिखाई देता है।

• डिस्कवरी (खोज): AI पूछ सकता है, "यहाँ कौन सी मशीनें हैं?" और एक सूची प्राप्त कर सकता है।
• इंस्पेक्शन (निरीक्षण): यह पूछ सकता है, "यह रोबोटिक हाथ क्या कर सकता है?" और विशिष्ट क्रियाओं की सूची प्राप्त कर सकता है जैसे move_to_position या dispense_volume|
• एक्शन (क्रिया): AI dispense 5ml जैसा कमांड भेजता है और स्पष्ट टेक्स्ट प्रतिक्रिया प्राप्त करता है: "Done" (हो गया) या "Error: Not enough liquid" (त्रुटि: पर्याप्त तरल नहीं है)।

यह दृष्टिकोण कंप्यूटिंग के "यूनिक्स दर्शन" (Unix philosophy) का पालन करता है: छोटे, सरल उपकरणों का उपयोग करें जो एक काम अच्छी तरह से करते हैं, और AI को जटिल कार्यों को करने के लिए उन्हें जोड़ने दें।

सुरक्षा कवच: PUDA चीजों को सुरक्षित कैसे रखता है

लैब में AI के साथ सबसे बड़ा डर यह है कि AI गलती से कुछ तोड़ सकता है या कुछ खतरनाक कर सकता है। PUDA अपने डिज़ाइन में बने "सेफ्टी हार्नेस" के साथ इसका समाधान करता है।

PUDA को एक सख्त बटलर (बड़ा नौकर) के रूप में सोचें। AI (मालिक) आदेश दे सकता है, लेकिन बटलर (PUDA) हर आदेश को रोबोट (कर्मचारी) तक पहुँचने से पहले जाँचता है।

1. पूर्व-अनुमोदित चालें (Pre-Approved Moves): रोबोट की क्रियाएं "ड्राइवर्स" द्वारा परिभाषित होती हैं—पूर्व-लिखित कोड जिसे इंजीनियरों ने समीक्षा और अनुमोदित किया है। AI केवल उन्हीं क्रियाओं के लिए अनुरोध कर सकता है जो इस अनुमोदित सूची में हैं। यह रोबोट के कोड को फिर से नहीं लिख सकता या चलते समय नई, असुरक्षित चालें नहीं बना सकता।
2. वैलिडेशन (सत्यापन): कमांड भेजे जाने से पहले, PUDA जाँचता है कि क्या वह तर्कसंगत है। क्या AI ने बहुत अधिक मात्रा मांगी है? क्या उसने ऐसा कमांड मांगा जो मौजूद नहीं है? यदि ऐसा है, तो PUDA इसे रोक देता है और AI को बताता है, "यह अनुमत नहीं है," बजाय इसके कि रोबोट को क्रैश होने दिया जाए।
3. "ब्लैक बॉक्स" रिकॉर्ड: प्रत्येक कमांड, प्रतिक्रिया, त्रुटि और सेंसर रीडिंग को एक संरचित लॉग में सहेजा जाता है। यदि कुछ गलत हो जाता है, तो AI (या इंसान) रिकॉर्ड को देख सकता है कि वास्तव में क्या हुआ था, चरण-दर-चरण। इसे प्रोवेनेंस (Provenance) कहा जाता है। यह प्रयोग के लिए एक 'फ्लाइट रिकॉर्डर' की तरह है।

इंजन रूम: यह वास्तव में कैसे काम करता है

अंदरूनी तौर पर, PUDA एक चतुर संचार प्रणाली का उपयोग करता है। कल्पना कीजिए कि एक व्यस्त रेस्टोरेंट किचन में शेफ (AI) आदेश चिल्ला रहा है, और रसोइये (मशीनें) वापस चिल्ला रहे हैं।

• मैसेजिंग सिस्टम: PUDA संदेशों को पास करने के लिए NATS (विशेष रूप से NATS.io) नामक सिस्टम का उपयोग करता है। यह एक सुपर-फास्ट, विश्वसनीय वॉकी-टॉकी नेटवर्क की तरह है। AI एक विशिष्ट चैनल (जैसे, "रोबोट आर्म चैनल") को संदेश भेजता है, और रोबोट वहां सुनता है।
• एज सर्विसेज (Edge Services): प्रत्येक मशीन के पास पास में चलने वाला एक छोटा कंप्यूटर (एक "एज सर्विस") होता है जो संदेश को उस विशिष्ट भाषा में अनुवादित करता है जिसे वह मशीन समझती है।
• फीडबैक लूप: जब रोबोट काम पूरा कर लेता है, तो वह उसी नेटवर्क के माध्यम से वापस सूचना भेजता है। AI प्रतिक्रिया सुनता है, जाँचता है कि क्या वह परिणाम से खुश है, और तय करता है कि आगे क्या करना है।

यह सेटअप कई AI एजेंटों और कई मशीनों को एक साथ काम करने की अनुमति देता है बिना एक-दूसरे के रास्ते में आए। वे सभी एक ही "बातचीत" साझा करते हैं लेकिन अपने विशिष्ट चैनलों को सुनते हैं।

यह क्यों महत्वपूर्ण है

पेपर इस बात पर जोर देता है कि PUDA कोई नया AI मस्तिष्क, नया ऑप्टिमाइज़र, या रेसिपी लिखने का नया तरीका नहीं है। यह निर्णय नहीं लेता कि कौन सा प्रयोग चलाना है। इसके बजाय, यह हार्डवेयर हार्नेस (Hardware Harness) प्रदान करता है—वह स्थिर, विश्वसनीय इंटरफ़ेस जो AI एजेंटों को भौतिक उपकरणों के साथ बातचीत करने की अनुमति देता है।

मानव-अनुकूल स्क्रीन से हटकर AI-अनुकूल टेक्स्ट कमांड की ओर बढ़कर, PUDA प्रयोगशाला को बनाता है:

• डिस्कवरेबल (खोज योग्य): AI तुरंत जान सकता है कि कौन से उपकरण उपलब्ध हैं।
• ऑडिटेबल (लेखापरीक्षा योग्य): प्रत्येक क्रिया को रिकॉर्ड किया जाता है, जिससे त्रुटियों को ट्रैक करना आसान हो जाता है।
• रिकवरेबल (सुधार योग्य): यदि कुछ टूट जाता है, तो AI त्रुटि देख सकता है, उसे समझ सकता है, और एक अलग रास्ता अपना सकता है, बजाय इसके कि वह बस क्रैश हो जाए।

भविष्य

लेखक सुझाव देते हैं कि यह सिस्टम भविष्य के AI के लिए एक प्रशिक्षण मैदान हो सकता है। यदि हम हर बार रिकॉर्ड करते हैं कि एक AI ने प्रयोग करने की कोशिश की, सफल हुआ, विफल हुआ, या किसी इंसान द्वारा सुधारा गया, तो हम "भौतिक अंतःक्रियाओं" का एक विशाल डेटासेट बनाते हैं। भविष्य में, AI मॉडल इन रिकॉर्ड्स से सीखकर वास्तविक दुनिया की लैब चलाने में बेहतर बन सकते हैं।

संक्षेप में, PUDA एक AI के डिजिटल मन और प्रयोगशाला की भौतिक वास्तविकता के बीच का सेतु है। यह सुनिश्चित करता है कि जबकि AI स्वतंत्र रूप से सोचने और योजना बनाने के लिए स्वतंत्र है, भौतिक दुनिया सुरक्षित, अनुमानित और पूरी तरह से रिकॉर्ड की गई बनी रहे। यह AI की अराजक क्षमता को वैज्ञानिक खोज के लिए एक संरचित, विश्वसनीय इंजन में बदल देता है।