SC$^{2}$-WM: A Self-Correcting World Model with Closed-Loop Feedback for Vision-and-Language Navigation in Continuous Environments

कल्पना कीजिए कि आप एक रोबोट को एक विशाल, अदृश्य भूलभुलैया में टूर गाइड बनने के लिए सिखा रहे हैं। रोबोट के पास एक कैमरा है और वह आपकी आवाज़ सुन सकता है, लेकिन वह पूरे मानचित्र को एक साथ नहीं देख सकता। वह केवल अपने लेंस के ठीक सामने जो कुछ भी है उसे ही देख पाता है। यह विज़न-एंड-लैंग्वेज नेविगेशन (VLN) की दुनिया है। रोबोट को "लाल सोफे के पास से गुजरें, गलियारे पर बाएं मुड़ें, और लैंप के पास रुकें" जैसे वाक्य को सुनना होगा और फिर उस लैंप को खोजने के लिए अपने शरीर को चलाना होगा। पेचीदा हिस्सा यह है कि रोबोट "पार्शियली ऑब्जर्वेबल" (आंशिक रूप से दृश्यमान) है, जिसका अर्थ है कि यह एक टॉर्च के साथ अंधेरे घर में चलने जैसा है; आप केवल प्रकाश के एक छोटे घेरे को देख सकते हैं, और आपको यह जानने के लिए कि आप कहाँ हैं, यह याद रखना होगा कि आप कहाँ रहे हैं।

आजकल के अधिकांश रोबोट इस समस्या को हल करने का प्रयास करते हैं कि एक योजना बनाएं और फिर बिना पीछे मुड़कर देखे कि क्या वे अभी भी सही रास्ते पर हैं, कदम-दर-कदम चलते रहें। यह एक कागज़ के मानचित्र को देखते हुए कार चलाने जैसा है, जिसमें दीवार से टकराने तक बाहर विंडशील्ड की ओर न देखने का निर्णय लिया गया हो। यदि रोबोट शुरुआत में एक छोटी सी गलती करता है—जैसे थोड़ा अधिक बाईं ओर मुड़ जाना—तो वह उसी गलत दिशा में चलता रहता है, और त्रुटि बढ़ती जाती है जब तक कि वह पूरी तरह से खो न जाए। यह पेपर रोबोटों के सोचने का एक नया तरीका पेश करता है: केवल अंधाधुंध चलने के बजाय, वे यह "दिन सपने" (daydream) देखने के बारे में सीखते हैं कि आगे क्या होगा, यह जांचते हैं कि क्या वह सपना उनके वर्तमान अहसासों से मेल खाता है, और कदम उठाने से पहले ही अपना रास्ता सुधार लेते हैं।

वह रोबोट जो खो जाने से बचने के लिए दिन सपने देखता है

मिलिए SC2-WM से, एक नया रोबोट मस्तिष्क जिसे इन पेचीदा, निरंतर 3D दुनियाओं में नेविगेट करने के लिए डिज़ाइन किया गया है। लेखकों ने ध्यान दिया कि अधिकांश रोबोट उन छात्रों की तरह हैं जो उत्तरों की जाँच किए बिना परीक्षा देते हैं। वे निर्देश पढ़ते हैं, एक अनुमान लगाते हैं, और आगे बढ़ जाते हैं। यदि उनका अनुमान गलत होता है, तो उन्हें तब तक पता नहीं चलता जब तक कि वे किसी दीवार से नहीं टकरा जाते या फंस नहीं जाते। शोधकर्ताओं ने रोबलेट को एक "दूसरी जोड़ी आँखें" देने की कोशिश की जो उसके अपने दिमाग के भीतर रहती हैं।

SC2-WM को एक ऐसी शक्ति के साथ सोचें: दूरदर्शिता (foresight)। अपने पैरों को वास्तव में चलाने से पहले, रोबोट रुकता है और खुद से पूछता है, "यदि मैं यह कदम उठाता हूँ, तो एक सेकंड बाद दुनिया कैसी दिखेगी?" वह भविष्य की एक मानसिक फिल्म बनाता है। इसे "वर्ल्ड मॉडल" (World Model) कहा जाता है। यह एक शतरंज के खिलाड़ी की तरह है जो केवल एक मोहरा नहीं चलता; वह प्रतिद्वंद्वी की अगली चाल और उसके बाद बोर्ड की स्थिति की कल्पना करता है।

यहीं जादू होता है। रोबोट अपने भविष्य के "मानसिक सपने" की तुलना अपनी वर्तमान वास्तविकता से करता है।

• "स्टेट-लेवल" सुधार: कल्पना कीजिए कि आप चल रहे हैं और आप दिन सपने देखते हैं कि आपको एक रसोई दिखनी चाहिए, लेकिन आपकी आँखें बताती हैं कि आप अभी भी बेडरूम में हैं। आपका मस्तिष्क कहता है, "रुको, कुछ गड़बड़ है!" SC2-WM बिल्कुल यही करता है। यह अपने प्रेडिक्शन (पूर्वानुमान) और अपनी वर्तमान स्थिति के बीच के अंतर को नोटिस करता है। इसके बाद यह कदम उठाने से पहले ही त्रुटि को ठीक करने के लिए अपने आंतरिक मानचित्र को धीरे से मोड़ देता है। यह एक GPS की तरह है जिसे एहसास होता है कि आपने मोड़ छोड़ दिया है और इससे पहले कि आप गलत सड़क पर उतरें, वह तुरंत रास्ता पुनर्गणना (recalculate) कर लेता है।
• "मॉडल-लेवल" सुधार: कभी-कभी, रोबोट की दिन सपने देखने की क्षमता किसी अजीब नए कमरे के लिए पर्याप्त नहीं होती जिसे उसने पहले कभी नहीं देखा। शायद दीवारों का रंग अलग हो, या फर्नीचर अजीब तरह से व्यवस्थित हो। ऐसे मामलों में, रोबोट को एहसास होता है, "मेरा आंतरिक मानचित्र पुराना हो गया है!" इसके बाद यह एक विशेष "अनुकूलन मोड" (adaptation mode) को सक्रिय करता है। यह इस विशिष्ट नए वातावरण को बेहतर ढंग से समझने के लिए अपने स्वयं के मस्तिष्क के नियमों को जल्दी से अपडेट करता है। यह उस छात्र की तरह है जिसे एहसास होता है कि उसका अध्ययन गाइड इस विशिष्ट परीक्षा के लिए गलत है, इसलिए वह नए प्रश्नों से मेल खाने के लिए अपने नोट्स को जल्दी से फिर से लिखता है।

पेपर का तर्क है कि बाहरी पुरस्कारों (जैसे अंत में किसी इंसान द्वारा "अच्छा काम किया!" कहना) पर निर्भर रहना बहुत धीमा और दुर्लभ है। इसके बजाय, SC2-CM आंतरिक फीडबैक का उपयोग करता है। यह खुद को वास्तविक समय में सुधारने के लिए अपनी "अंतरात्मा की आवाज" (जो उसने उम्मीद की थी और जो वह देख रहा है, उसके बीच का अंतर) को सुनता है।

प्रयोगों ने क्या दिखाया

शोधकर्ताओं ने इस "दिन सपने देखने वाले" रोबोट का परीक्षण दो प्रमुख डिजिटल दुनियाओं में किया: R2R-CE और RxR-CE। ये जटिल 3D वातावरण हैं जो फर्नीचर, गलियारों और कठिन निर्देशों से भरे हुए हैं। उन्होंने SC2-WM की तुलना अन्य शीर्ष रोबोटों से की जिनमें इस आत्म-सुधार की क्षमता नहीं है।

परिणाम काफी उत्साहजनक थे। R2R-CE डेटासेट में, जब रोबोट को अनदेखे कमरों (जैसे कि एक नया घर जिसे उसने पहले कभी नहीं देखा था) में नेविगेट करना था, तो SC2-WM ने पिछले सर्वश्रेष्ठ तरीके की तुलना में अपने सफलता दर (SR) में 7.1% का सुधार किया और पाथ लेंथ (SPL) में लगभग 7.8% का सुधार किया। इसने छोटे रास्ते भी तय किए, औसतन अन्य की तुलना में 5 मीटर कम दूरी तय की, जिसका अर्थ है कि यह इधर-उधर भटकता नहीं रहा।

यहाँ तक कि और भी कठिन RxR-CE डेटासेट में, जिसमें लंबे और अधिक जटिल निर्देश हैं, रोबोट ने सफलता दर में 9.1% और पथ दक्षता में 7.1% का सुधार किया। शोधकर्ताओं ने एक वास्तविक भौतिक रोबोट, एक Unitree GO2 क्वाड्रुपेड (एक चार पैरों वाला कुत्ता जैसा रोबोट) पर भी परीक्षण किया जिसमें एक कैमरा लगा था। वास्तविक दुनिया में, SC2-WM ने 85% सफलता दर हासिल की, जो मानक रोबोट के 70% से बेहतर थी। यह सुझाव देता है कि "दिन सपने देखने" वाला यह तरीका न केवल कंप्यूटर सिमुलेशन में, बल्कि वास्तविक, अस्त-व्यस्त कमरों में भी काम करता है।

यह क्यों महत्वपूर्ण है

पेपर का सुझाव है कि रोबोटों को उनके अपने आंतरिक अनुमानों की जाँच करने की क्षमता देकर, हम उन्हें बहुत अधिक विश्वसनीय बना सकते हैं। एक कठोर मशीन होने के बजाय जो स्क्रिप्ट का पालन करती है और चीजें थोड़ी सी भी गलत होने पर विफल हो जाती है, SC2-WM एक सतर्क खोजकर्ता की तरह कार्य करता है जो लगातार अपने कंपास की जाँच करता है। इसे यह बताने के लिए किसी इंसान की ज़रूरत नहीं है कि यह गलत है; यह यह जानकर पता लगा लेता है कि इसका "दिन सपना" वास्तविकता से मेल नहीं खा रहा है।

लेखक सावधानी बरतते हुए कहते हैं कि यह कोई जादुई समाधान नहीं है जो सब कुछ तुरंत हल कर देता है। उन्होंने पाया कि रोबोट तब सबसे अच्छा काम करता है जब उसके पास हाल के कदमों (लग लगभग 4 कदम पीछे) की अच्छी स्मृति होती है और जब वह केवल तभी अपने मस्तिष्क के नियमों को अपडेट करता है जब उसे वास्तव में इसकी आवश्यकता होती है। वे यह भी बताते हैं कि जबकि कुछ अन्य तरीके विशाल, भारी AI मॉडल का उपयोग करते हैं, SC2-WM "लाइटवेट" है, जो एक सिंगल ग्राफिक्स कार्ड पर कुशलतापूर्वक चलता है। इसका मतलब है कि इसे अंततः छोटे, वास्तविक दुनिया के रोबोटों पर लगाया जा जा सकता है जिन्हें क्लाउड में सुपरकंप्यूटर की आवश्यकता के बिना हमारे घरों में नेविगेट करने की आवश्यकता होती है।

संक्षेप में, SC2-WM रोबोटों को थोड़ा अधिक आत्म-जागरूक होना सिखाता है। उन्हें अपने स्वयं के गलत निर्णयों को होने से पहले ही सुधारने के लिए "आगे सोचने" की अनुमति देकर, हम अंततः ऐसे रोबोट प्राप्त कर सकते हैं जो हमारे जटिल, अस्त-व्यस्त संसार में बिना खोए नेविगेट कर सकें।