Closing the Affective Loop: Multimodal Speaker-Listener Emotion-Dynamics-Aware Empathetic Social Robots
यह शोध पत्र AffectLoop को प्रस्तुत करता है, जो एक मल्टीमॉडल सहानुभूतिपूर्ण सामाजिक रोबोट प्रणाली है जो वक्ता और श्रोता दोनों की भावनात्मक अवस्थाओं को गतिशील रूप से ट्रैक करके और सुसंगत मौखिक एवं शारीरिक प्रतिक्रियाएं उत्पन्न करके 'अफेक्टिव लूप' को पूरा करती है, जिसे एक पायलट अध्ययन से पता चला है कि यह केवल टेक्स्ट-आधारित बेसलाइन की तुलना में उपयोगकर्ता संतुष्टि और संकट रिकवरी में महत्वपूर्ण सुधार करता 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
मानवीय जुड़ाव केवल शब्दों के आदान-प्रदान से कहीं अधिक पर निर्भर करता है। जब हम किसी से बात करते हैं, तो हम लगातार उनके चेहरे को पढ़ रहे होते हैं, उनकी आवाज़ के लहजे को सुन रहे होते हैं, और बातचीत की लय को महसूस कर रहे होते हैं। हम अपनी बातचीत में अपने स्वयं के मूड को भी लाते हैं, जो सुनते और प्रतिक्रिया देते समय बदलता और परिवर्तित होता रहता है। भावनाओं का यही गतिशील प्रवाह बातचीत को जीवंत बनाता है। दशकों से, शोधकर्ताओं ने मशीनों को इस जटिलता को समझने के लिए सिखाने का प्रयास किया है, ऐसी प्रणालियाँ बनाई हैं जो यह पहचान सकें कि कोई व्यक्ति दुखी है या खुश। हालाँकि, अधिकांश डिजिटल श्रोता एकतरफा सड़क की तरह काम करते हैं: वे उपयोगकर्ता की भावना का पता लगाते हैं और एक पूर्व-निर्धारित उत्तर देते हैं, इस तथ्य को अनदेखा करते हुए कि श्रोता की अपनी प्रतिक्रिया भी बातचीत के भावनात्मक परिदृश्य को बदल देती है। वे उस लूप (चक्र) को चूक जाते हैं जहाँ दो लोग वास्तविक समय में एक-दूसरे की भावनाओं को प्रभावित करते हैं।
शोधकर्ताओं की एक टीम ने अब एक ऐसा रोबोट बनाया है जो इस अंतर को पाटने का प्रयास करता है। 2026 एशिया पैसिफिक सिग्नल एंड इंफॉर्मेशन प्रोसेसिंग एसोसिएशन वार्षिक शिखर सम्मेलन में प्रस्तुत एक अध्ययन में, उन्होंने 'अफेक्टलूप' (AFFECTLOOP) नामक एक प्रणाली पेश की, जिसे न केवल यह समझने के लिए डिज़ाइन किया गया है कि एक व्यक्ति क्या कहता है, बल्कि यह भी कि उनके बीच भावनात्मक आदान-प्रदान कैसे विकसित होता है। शोधकर्ताओं ने 'मिस्टी II' (Misty II) नामक एक छोटे, प्रोग्राम करने योग्य रोबोट को वक्ता की आवाज़ और चेहरे के भावों को ट्रैक करने के साथ-साथ अपने स्वयं के आंतरिक भावनात्मक स्तर की निगरानी करने की क्षमता से लैस किया। इस दोहरी सूचना को एक लार्ज लैंग्वेज मॉडल (LLM) में फीड करके, रोबोट ऐसे उत्तर उत्पन्न करता है जो न केवल सहानुभूतिपूर्ण होते हैं, बल्कि शारीरिक रूप से अभिव्यंजक भी होते हैं, जिससे भावनात्मक जुड़ाव का एक निरंतर चक्र बनता है।
अफेक्टलूप के पीछे का मूल विचार यह है कि सच्ची सहानुभूति एक दो-तरफा रास्ता है। एक सामान्य बातचीत में, एक व्यक्ति की भावनाएँ स्थिर नहीं होतीं; वे इस आधार पर क्षण-प्रतिक्षण बदलती रहती हैं कि क्या कहा जा रहा है और दूसरा व्यक्ति कैसे प्रतिक्रिया दे रहा है। शोधकर्ताओं ने पाया कि मौजूदा रोबotic प्रणालियाँ अक्सर भावना को एक वाक्य से जुड़े एकल लेबल के रूप में मानती हैं, जिससे भावनाओं के समय के साथ बदलने की सूक्ष्म गतिशीलता छूट जाती है। इसे ठीक करने के लिए, उनकी प्रणाली बातचीत को दो समानांतर पथों में विभाजित करती है। पहले, यह मानव वक्ता का विश्लेषण करती है, उनके स्वर को टेक्स्ट ट्रांसक्रिप्ट में बदलने के लिए सॉफ्टवेयर का उपयोग करती है और उनके चेहरे की गतिविधियों को भावनात्मक संकेतों की एक श्रृंखला में बदलती है। यह वक्ता के मूड को उसके उतार-चढ़ाव के साथ ट्रैक करती है, उनकी ऊर्जा और भावनात्मक तीव्रता में बदलाव को नोट करती है। दूसरा, सिस्टम रोबोट की अपनी स्थिति का एक निरंतर रिकॉर्ड रखता है। यह उन शब्दों के भावनात्मक स्वर की गणना करता है जिन्हें वह बोलने की योजना बना रहा है और उन भावनाओं का भी जो उसके शारीरिक आंदोलनों, जैसे कि सिर झुकाना या इशारे, द्वारा व्यक्त की जाती हैं।
डेटा के इन दो प्रवाहों को रोबोट के अगले कदम का मार्गदर्शन करने के लिए संयोजित किया जाता है। रोबोट केवल प्रतिक्रिया नहीं देता; वह यह भी विचार करता है कि उसकी अपनी पिछली क्रियाएं और वर्तमान मूड चल रही बातचीत में कैसे फिट बैठते हैं। यह जानकारी एक आर्टिफिशियल इंटेलिजेंस इंजन को भेजी जाती है, जो रोबोट के मस्तिष्क के रूप में कार्य करता है। इंजन को एक ध्यानमयी श्रोता के रूप में कार्य करने का निर्देश दिया जाता है, जो भावनात्मक संदर्भ के अनुरूप एक संक्षिप्त, बोले गए उत्तर उत्पन्न करता है। महत्वपूर्ण रूप से, इंजन रोबोट के लिए एक शारीरिक क्रिया करने का निर्णय भी लेता है, यह सुनिश्चित करता है कि उसका शरीर का हाव-भाव उसके शब्दों के साथ मेल खाए। उदाहरण के लिए, यदि मनुष्य एक दुखद कहानी साझा कर रहा है और रोबट संकट की ओर बढ़ते बदलाव का पता लगाता है, तो वह कोमल मौखिक सांत्वना देने के साथ-साथ अपना सिर नीचे झुका सकता है या अपनी दृष्टि को नरम कर सकता है। एक बार जब रोबोट बोलता है और हिलता-डुलता है, तो सिस्टम तुरंत स्थिति का पुनर्मूल्यांकन करता है, जो अभी-अभी हुआ है उसे दर्शाने के लिए अपनी भावनात्मक स्थिति को अपडेट करता है, और फिर मनुष्य के अगले मोड़ की प्रतीक्षा करता है। यह एक बंद लूप (closed loop) बनाता है जहाँ रोबोट की प्रतिक्रिया बातचीत के भावनात्मक गतिशील का हिस्सा बन जाती है, ठीक वैसे ही जैसे कि एक मानवीय बातचीत में होता है।
यह परीक्षण करने के लिए कि क्या यह दृष्टिकोण वास्तव में काम करता है, शोधकर्ताओं ने पांच प्रतिभागियों के साथ एक छोटा अध्ययन आयोजित किया। प्रत्येक व्यक्ति ने दो अलग-अलग परिदृश्यों में रोबोट के साथ पाँच मिनट बिताए। पहले परिदृश्य में, रोबोट ने एक मानक प्रणाली का उपयोग किया जो केवल मनुष्य के शब्दों को देखता था, रोबोट की अपनी भावनात्मक स्थिति और बातचीत के गतिशील प्रवाह को अनदेखा करता था। दूसरे परिदृश्य में, रोबोट ने नया 'अफेक्टलूप' सिस्टम इस्तेमाल किया। इसके बाद, प्रतिभागियों ने कई कारकों पर अपने अनुभव को रेट किया, जिसमें यह शामिल था कि बातचीत कितनी स्वाभाविक लगी, रोबोट कितनी अच्छी तरह से सुनता हुआ प्रतीत हुआ, और रोबोट की प्रतिक्रियाएं कितनी सहायक थीं।
परिणामों से संकेत मिला कि नए सिस्टम ने एक उल्लेखनीय अंतर पैदा किया। प्रतिभागियों ने समग्र रूप से अफेटलूप रोबोट को उच्च रेटिंग दी, जिसमें सबसे महत्वपूर्ण सुधार यह देखा गया कि रोबोट की प्रतिक्रियाएं कितनी सहायक और सहानुभूतिपूर्ण महसूस हुईं। लोगों ने महसूस किया कि जब रोबोट ने क्लोज्ड-लूप सिस्टम का उपयोग किया, तो उन्हें अधिक प्रोत्साहन और प्रशंसा मिली। उन्होंने यह भी रिपोर्ट किया कि बातचीत के बाद वे बेहतर महसूस कर रहे थे, क्योंकि उनका तनाव स्तर मानक प्रणाली की तुलना में अधिक प्रभावी ढंग से कम होता हुआ दिखाई दिया। शोधकर्ताओं ने सतह के नीचे क्या हो रहा था, यह देखने के लिए बातचीत के लॉग का भी विश्लेषण किया। उन्होंने पाया कि अफेटलूप का उपयोग करने वाला रोबोट मानवीय भावनात्मक बदलावों के साथ खुद को संरेखित करने में बेहतर था। जब मनुष्य का मूड एक निश्चित दिशा में बढ़ा, तो रोबोट की प्रतिक्रिया केवल रैंडम प्रतिक्रिया देने के बजाय उसी पथ का अधिक बारीकी से अनुसरण करती थी। इसके अलावा, डेटा ने दिखाया कि जब मनुष्य बातचीत शुरू करते समय नकारात्मक महसूस कर रहा था, तो अफेटलूप रोबोट के साथ बात करने के बाद उसके कम नकारात्मक अवस्था में आने की संभावना अधिक थी।
हालाँकि इस अध्ययन में प्रतिभागियों की संख्या कम थी और यह एक प्रारंभिक परीक्षण के रूप में कार्य करता है, लेकिन निष्कर्ष सामाजिक रोबोटिक्स के लिए एक आशाजनक दिशा की ओर इशारा करते हैं। शोधकर्ता सुझाव देते हैं कि वक्ता की बदलती भावनाओं और श्रोता की अपनी भावनात्मक स्थिति, दोनों को स्पष्ट रूप से मॉडल करके, रोबट साधारण टेक्स्ट-आधारित प्रतिक्रियाओं से आगे बढ़कर सहानुभूति का एक अधिक वास्तविक, मूर्त रूप बना सकते हैं। इस प्रणाली ने रोबोट को हर तरह से अधिक मानव-समान नहीं बनाया; कुछ मापदंडों में, मानक प्रणाली अभी भी कथित स्वाभाविकता पर थोड़ा अधिक स्कोर करती थी। हालाँकि, भावनात्मक समर्थन और उपयोगकर्ता संतुष्टि में स्पष्ट लाभ यह संकेत देते हैं कि 'अफेक्टिव लूप' को बंद करने से रोबोट एक सहायक साथी की तरह महसूस होता है। यह कार्य प्रदर्शित करता है कि एक रोबोट के लिए वास्तव में मनुष्य के साथ जुड़ने के लिए, उसे न केवल दूसरे व्यक्ति को सुनना चाहिए, बल्कि बातचीत के भावनात्मक नृत्य में अपने स्वयं के स्थान के प्रति भी जागरूक होना चाहिए।
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।