RoboShape: Information-Theoretic Point Cloud Representations for Privacy-Aware Robot Perception

रोबोट तेजी से प्रयोगशालाओं से निकलकर हमारे घरों, अस्पतालों और कार्यस्थलों में आ रहे हैं। इन जटिल स्थानों में नेविगेट करने के लिए, वे उन सेंसरों पर निर्भर करते हैं जो दुनिया को लाखों छोटे बिंदुओं के एक बादल के रूप में कैप्चर करते हैं, जिससे उनके परिवेश का एक त्रि-आयामी (थ्री-डी) मानचित्र तैयार होता है। ये मानचित्र मशीनों को एक कुर्सी पहचानने, एक मेज से बचने या भीड़भाड़ वाले कमरे में रास्ता बनाने की अनुमति देते हैं। हालांकि, जैसे-जैसे रोबोट एक-दूसरे से सीखने के लिए इन मानचित्रों को क्लाउड सर्वर या अन्य मशीनों के साथ साझा करते हैं, एक नई समस्या उभर कर आई है। वह समृद्धि जो इन मानचित्रों को नेविगेशन के लिए उपयोगी बनाती है, वह वहां रहने वाले लोगों के बारे में अंतरंग विवरण भी प्रकट कर सकती है। एक लिविंग रूम का स्कैन एक सोफे को दिखा सकता है, लेकिन फर्नीचर की व्यवस्था और स्थान का लेआउट यह भी प्रकट कर सकता है कि वह कमरा बेडरूम है, होम ऑफिस है, या कोई निजी चिकित्सा क्षेत्र है—ऐसी जानकारी जिसे निवासी साझा नहीं करना चाहते थे।

वर्षों से, इंजीनियर इस उपयोगिता और गोपनीयता के बीच के तनाव से जूझ रहे हैं। डेटा की सुरक्षा के पारंपरिक तरीके अक्सर एक कुंद उपकरण (ब्लंट इंस्ट्रूमेंट) की तरह काम करते हैं। मानचित्र में यादृच्छिक शोर (रैंडम नॉइज़) जोड़ने से कमरे के प्रकार को छिपाया जा सकता है, लेकिन यह कुर्सी और दरवाजे को भी धुंधला कर देता है, जिससे रोबोट कम प्रभावी हो जाता है। अन्य दृष्टिकोण डेटा को इधर-उधर करते हैं या यह अनुमान लगाने की कोशिश करते हैं कि क्या छिपाना है, लेकिन उनमें इस बात को सटीक रूप से मापने का तरीका नहीं है कि कितनी निजी जानकारी शेष रह गई है। मुख्य चुनौती एक ऐसा तरीका खोजने की रही है जो मशीन को अपना काम करने के लिए आवश्यक विवरण रखने दे, जबकि साथ ही उन विवरणों को सर्जिकल सटीकता के साथ हटा दे जो किसी के निजी जीवन को प्रकट करते हैं, और ऐसा करते समय मानचित्र की समग्र गुणवत्ता को कम न करे।

शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए 'रोबोशेप' (RoboShape) नामक एक नई प्रणाली पेश की है। पूरे 3D मानचित्र को डेटा के एक एकल, अविभाज्य ब्लॉक के रूप में मानने के बजाय, वे इसे 'वॉक्सेल' (voxel) नामक छोटे, प्रबंधनीय टुकड़ों में तोड़ देते हैं। एक वॉक्सेल को एक छोटे तीन-आयामी पिक्सेल के रूप में समझें जो स्थान के एक छोटे घन (क्यूब) का प्रतिनिधित्व करता है। शोधकर्ता एक शक्तिशाली, प्री-ट्रेंड कंप्यूटर प्रोग्राम से शुरुआत करते हैं जिसने पहले से ही इन टुकड़ों को अच्छी तरह से समझना सीख लिया है। यह प्रोग्राम 3D मानचित्र के प्रत्येक टुकड़े को संख्याओं की एक लंबी सूची में बदल देता है, जिसे 'एम्बेडिंग' (embedding) कहा जाता है, जो उस विशिष्ट स्थान के बारे में रोबोट जो कुछ भी जानता है उसे कैप्चर करता है, जिसमें वह वस्तु जो वह देख रहा है और वह कमरे का प्रकार भी शामिल है।

नवाचार वहीं निहित है कि इसके बाद क्या होता है। शोधकर्ताओं ने इस मौजूदा प्रोग्राम के ऊपर एक हल्का, 'ट्रेनेबल लेयर' जोड़ा है। यह नया लेयर एक फिल्टर की तरह कार्य करता है जो संख्याओं की उस लंबी सूची को एक बहुत छोटी सूची में पुनर्गठित करता है। इस पुनर्गठन का लक्ष्य 'म्युचुअल इंफॉर्मेशन' (mutual information) नामक एक गणितीय सिद्धांत द्वारा निर्देशित है, जो अनिवार्य रूप से यह मापता है कि डेटा का एक हिस्सा दूसरे के बारे में कितना बताता है। सिस्टम को दो विपरीत निर्देशों के साथ प्रशिक्षित किया गया है। पहला, इसे स्वयं वस्तु के बारे में अधिक से अधिक जानकारी बनाए रखने के लिए कहा जाता है, जिससे यह सुनिश्चित होता है कि रोबोट अभी भी एक कुर्सी या डेस्क को पहचान सके। दूसरा, इसे कमरे के प्रकार के बारे में अधिक से अधिक जानकारी हटाने के लिए कहा जाता है, जिससे यह सुनिश्चित होता है कि रोबोट यह नहीं बता सकता कि वह बेडरूम में है या बाथरूम में।

इस प्रतिस्पर्धात्मक लक्ष्यों को संतुलित करने के तरीके को सिखाने के लिए, शोधकर्ताओं ने प्रशिक्षण के दौरान सूचना के प्रवाह का अनुमान लगाने के लिए एक विशिष्ट विधि का उपयोग किया। उन्होंने मानचित्र के प्रत्येक छोटे टुकड़े को एक स्वतंत्र नमूने के रूप में माना, जिससे वे सटीक रूप से माप सके कि संक्षिप्त संख्या सूची अभी भी कमरे के प्रकार के बारे में कितनी जानकारी प्रकट करती है। ऑब्जेक्ट के साथ संबंध को अधिकतम करने और कमरे के साथ संबंध को न्यूनतम करने के लिए फिल्टर को समायोजित करके, सिस्टम ने डेटा को महत्वपूर्ण रूप से कंप्रेस (संकुचित) करना सीख लिया। इसका परिणाम एक ऐसा प्रतिनिधित्व है जो मूल डेटा से 87.5% छोटा है, जिससे इसे नेटवर्क पर प्रसारित करना बहुत सस्ता और तेज़ हो जाता है।

शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण तीन अलग-अलग वास्तविक दुनिया के डेटासेट्स पर किया जिसमें हजारों इनडोर दृश्य शामिल थे, जो एक अकेले कमरे से लेकर पूरी इमारतों तक विस्तृत थे। उन्होंने इसकी तुलना मानक तकनीकों से की जो केवल शोर जोड़ती हैं या रैंडम कंप्रेशन का उपयोग करती हैं। परिणामों ने दिखाया कि नया सिस्टम अपनी वस्तुओं को पहचानने की 98.7% क्षमता बनाए रखता है, जिसका अर्थ है कि रोबोट अभी भी पहले की तरह लगभग उतना ही प्रभावी ढंग से अपने कार्यों को कर सकता है। साथ ही, सिस्टम ने कमरे के प्रकार का अनुमान लगाने की क्षमता को 39.3% कम कर दिया। एक परीक्षण में, जहाँ एक मानक कंप्यूटर प्रोग्राम मूल डेटा से कमरे के प्रकार को लगभग पूरी तरह से पहचान सकता था, नए कंप्रेस्ड डेटा ने अनुमान को रैंडम चांस (यादृच्छिक संभावना) से बेहतर नहीं होने दिया।

यह सुनिश्चित करने के लिए कि ये निष्कर्ष वास्तविक दुनिया के परिदृश्य में भी टिके रहें, शोधकर्ताओं ने एक आभासी वातावरण में रोबोट के नेविगेशन का अनुकरण (सिमुलेशन) भी किया। उन्होंने एक रोबोट को दीवार खोजने के लिए प्रशिक्षित किया, जो स्थान की ज्यामिति को समझने के लिए आवश्यक कार्य है। नए कंप्रेस्ड डेटा का उपयोग करने वाला रोबोट पूर्ण, अनकंप्रेस्ड डेटा का उपयोग करने वाले रोबोट के लगभग समान प्रदर्शन करता है। हालाँकि, जब उन्होंने यह परीक्षण किया कि क्या रोबोट विशेष रूप से कमरे के प्रकार के आधार पर नेविगेट करना सीख सकता है—जैसे कि यदि वह बेडरूम में है बनाम लिविंग रूम में है, तो एक अलग ज़ोन में जाना—तो नए डेटा वाला रोबोट यह पैटर्न सीखने में विफल रहा। वह फर्नीचर के आसपास अपना रास्ता तो खोज सकता था, लेकिन उसने उस स्थान की प्रकृति को पहचानने की क्षमता खो दी थी।

यह कार्य प्रदर्शित करता है कि ऐसे रोबोट धारणा (परसेप्शन) सिस्टम डिजाइन करना संभव है जो संक्षिप्त और गोपनीयता-जागरूक दोनों हों। सूचना सिद्धांत (इंफॉर्मेशन थ्योरी) का उपयोग करके कंप्रेशन प्रक्रिया को निर्देशित करके, शोधकर्ताओं ने एक ऐसा टूल बनाया है जो रोबोट को वह दिखाने की अनुमति देता है जो वे देखते हैं बिना यह बताए कि वे कहाँ हैं। यह सिस्टम किसी भी मौजूदा 3D मैपिंग तकनीक के साथ काम करने के लिए डिज़ाइन किया गया है, जो धारणा पाइपलाइनों को तैनात करने के लिए एक व्यावहारिक तरीका प्रदान करता है। शोधकर्ताओं ने अपना कोड और मॉडल सार्वजनिक रूप से जारी कर दिया है, जिससे रोबोटिक्स समुदाय को ऐसी मशीनें बनाने का एक तरीका मिला है जो उन स्थानों की गोपनीयता का सम्मान करती हैं जिनमें वे प्रवेश करते हैं, जबकि अपने कर्तव्यों को निभाने में सक्षम रहती हैं।