SuperMap: A Spatio-Temporal SLAM System for Visual-Language Navigation

हमारे घरों और कार्यालयों में घूमने वाले रोबोटों के सामने एक मौलिक चुनौती है: दुनिया कोई स्थिर संग्रहालय प्रदर्शनी नहीं है। यह एक जीवंत स्थान है जहाँ कुर्सियाँ खींची जाती हैं, कूड़ेदान खाली किए जाते हैं, और लोग दरवाजों से गुजरते हैं। किसी मशीन के लिए इस वातावरण में सुरक्षित रूप से नेविगेट करने और "उस कुर्सी के पास जाओ जो पहले पौधे के पास थी" जैसे जटिल निर्देशों का पालन करने के लिए, उसे केवल कमरे की एक तस्वीर की आवश्यकता नहीं है। इसके लिए उसे एक ऐसी स्मृति की आवश्यकता है जो न केवल यह समझे कि कौन सी वस्तुएं मौजूद हैं, बल्कि यह भी कि वे समय के साथ कैसे बदली हैं, गायब हुई हैं या स्थानांतरित हुई हैं। यह स्पैटियो-टेम्पोरल मैपिंग (स्थानिक-कालिक मानचित्रण) का क्षेत्र है, जो रोबोटों को उनके परिवेश की निरंतर और विकसित होती समझ देने के लिए समर्पित है। जबकि आधुनिक आर्टिफिशियल इंटेलिजेंस एक एकल छवि में वस्तुओं को पहचानने में बहुत कुशल हो गई है, उन क्षणों को एक सुसंगत, दीर्घकालिक कहानी में पिरोना कठिन साबित हुआ है। इस क्षमता के बिना, एक रोबोट पाँच मिनट पहले देखी गई कुर्सी को भूल सकता है या यह नोटिस करने में विफल हो सकता है कि एक कार्ट को नई जगह पर ले जाया गया है, जिससे भ्रम और कार्यों में विफलता हो सकती है।

कार्नेगी मेलन यूनिवर्सिटी के शोधकर्ताओं ने इस समस्या को हल करने के लिए 'सुपरमैप' (SuperMap) नामक एक नई प्रणाली विकसित की है। यह प्रणाली रोबोटों के लिए एक वास्तविक समय की स्मृति के रूप में कार्य करती है, जिससे उन्हें एक कमरे का विस्तृत, चार-आयामी (4D) मानचित्र बनाने में मदद मिलती है जो रोबोट के चलने और वातावरण के बदलने के साथ अपडेट होता रहता है। पिछले तरीकों के विपरीत, जो या तो समय के साथ होने वाले परिवर्तनों को अनदेखा करते थे या मानचित्र बनाने के लिए घंटों के ऑफलाइन प्रसंस्करण (प्रोसेसिंग) की आवश्यकता होती थी, सुपरमैप रोबोट के चलते समय तुरंत काम करता है। यह दूरी और स्थिति के सटीक मापन को नाम द्वारा वस्तुओं को पहचानने की क्षमता के साथ जोड़ता है, भले ही रोबोट ने पहले उस विशिष्ट वस्तु को कभी न देखा हो। इसका परिणाम दुनिया का एक ऐसा डिजिटल प्रतिनिधित्व है जो न केवल यह जानता है कि चीजें कहाँ हैं, बल्कि यह भी जानता है कि वे कहाँ थीं, वे कहाँ जा रही हैं, और कौन सी गायब हो गई हैं।

इस उपलब्धि का मूल आधार यह है कि यह प्रणाली एक क्षणिक झलक और एक स्थायी तथ्य के बीच के अंतर को कैसे संभालती है। जब एक रोबोट किसी कमरे को देखता है, तो उसका कैमरा छवियों का एक प्रवाह देखता है। अतीत में, यदि कोई वस्तु किसी व्यक्ति या दीवार के पीछे अस्थायी रूप से छिप गई थी, तो रोबोट का मानचित्र अक्सर उसका पता खो देता था, और इसे ऐसे मानता था जैसे वह हमेशा के लिए गायब हो गई हो। सुपरमैप निरंतरता-संचालित दृष्टिकोण का उपयोग करके इससे बचता है। यह लगातार अपने वर्तमान दृश्य की तुलना अपनी स्मृति से करता है। यदि एक कूड़ेदान आज दिखाई दे रहा है लेकिन कल भी वहीं था, तो सिस्टम उसे मानचित्र में रखता है। यदि कूड़ेदान गायब है, तो सिस्टम इसे केवल भूल जाने के बजाय इसके गायब होने को नोट करता है। यह रोबोट को एक अस्थायी अवरोध (जैसे किसी व्यक्ति का वस्तु के सामने से गुजरना) और एक स्थायी परिवर्तन (जैसे फर्नीचर का दूसरे कमरे में ले जाया जाना) के बीच अंतर करने की अनुमति देता है।

इस स्मृति को बनाने के लिए, प्रणाली तीन मुख्य प्रक्रियाओं को एक साथ चलाती है। सबसे पहले, यह दीवारों और फर्शों की दूरी को उच्च सटीकता के साथ मापकर कमरे का एक सटीक, त्रि-आयामी मॉडल बनाने के लिए सेंसरों का उपयोग करती है। दूसरा, यह उस स्थान के भीतर वस्तुओं की पहचान करती है, उन्हें अद्वितीय पहचान और नाम देती है। यदि रोबोट एक "लाल बाल्टी" देखता है, तो वह केवल बाल्टी के सामान्य विचार को नहीं, बल्कि उस विशिष्ट बाल्टी को याद रखता है। तीसरा, यह इन वस्तुओं को एक नेटवर्क में जोड़ता है जो उनके संबंधों और उनके इतिहास को रिकॉर्ड करता है। यह नेटवर्क, जिसे 'सीन ग्राफ' (scene graph) कहा जाता है, रोबोट को अतीत के बारे में प्रश्न पूछने की अनुमति देता है। यह याद कर सकता है कि एक कार्ट कभी मेज के बगल में थी, भले ही कार्ट को बाद में हटा दिया गया हो। यह क्षमता उन निर्देशों का पालन करने के लिए महत्वपूर्ण है जो कमरे के इतिहास पर निर्भर करते हैं, जैसे कि "उस कुर्सी के पास वापस जाओ जो पौधे के पास थी।"

शोधकर्ताओं ने वास्तविक दुनिया के इनडोर वातावरण में इस प्रणाली का परीक्षण किया, जिसमें उन्होंने जानबूझकर बदलाव किए ताकि यह देखा जा सके कि रोबवर कितनी अच्छी तरह अनुकूलित होता है। उन्होंने बाल्टी और सुरक्षा संकेत जैसी नई वस्तुएं जोड़ीं, और पौधे तथा कुर्सी जैसी अन्य वस्तुओं को हटाया। इन परीक्षणों में, सुपरमैप ने अपनी जगह खोए बिना या एक वस्तु को दूसरी समझने की गलती किए बिना, नई वस्तुओं के प्रकट होने और पुरानी वस्तुओं के गायब होने को सफलतापूर्वक ट्रैक किया। इसने एक कुर्सी की पहचान बनाए रखी, भले ही उसे दृष्टि से बाहर ले जाया गया हो और फिर वापस लाया गया हो, जो एक ऐसा कार्य है जिसमें कई पिछली प्रणालियाँ विफल रही थीं। यह प्रणाली दस मिनट की अवधि के दौरान लंबे समय तक होने वाले परिवर्तनों को संभालने में भी सक्षम सिद्ध हुई, जो गतिशील स्थान में काम कर रहे रोबोट के लिए एक महत्वपूर्ण अवधि है।

केवल वस्तुओं को ट्रैक करने से परे, यह प्रणाली रोबोट को भाषाई आदेशों पर कार्य करने में सक्षम बनाती है। जटिल 3D मानचित्र को एक संरचित प्रारूप में बदलकर जिसे एक लैंग्वेज मॉडल पढ़ सके, रोबोट कमरे के बारे में तर्क कर सकता है। उदाहरण के लिए, यदि किसी वस्तु को दूसरी वस्तु के संबंध के आधार पर खोजने के लिए कहा जाता है, तो रोबोट लक्ष्य का पता लगाने के लिए अपनी स्मृति में कनेक्शन को ट्रेस कर सकता है। प्रयोगों में, इस दृष्टिकोण ने रोबोट को समान व्हाइटबोर्डों से भरे कमरे में उनके सापेक्ष स्थानों को समझकर विशिष्ट व्हाइटबोर्ड तक नेविगेट करने की अनुमति दी, जो एक ऐसा कार्य है जो असंभव होता यदि रोबोट केवल कच्चे वीडियो फुटेज पर निर्भर होता। यह प्रणाली भारी मात्रा में वीडियो डेटा को प्रोसेस करने के बजाय, त्वरित निर्णय लेने के लिए कॉम्पैक्ट और व्यवस्थित मानचित्र का उपयोग करके इसे प्राप्त करती है।

सुपरमैप के प्रदर्शन को अन्य मौजूदा विधियों के विरुद्ध मापा गया, और इसने गति और सटीकता दोनों में महत्वपूर्ण सुधार दिखाया। जबकि कुछ अन्य प्रणालियों को मानचित्र बनाने के लिए मिनटों या घंटों के ऑफलाइन प्रसंस्करण की आवश्यकता होती है, सुपरमैप वास्तविक समय में संचालित होता है, और जैसे-जैसे रोबोट चलता है, अपनी समझ को अपडेट करता है। इसने व्यक्तिगत वस्तुओं का पता लगाने में भी अन्य तरीकों को पछाड़ दिया, और वस्तुओं के कठिन कोणों से देखे जाने या आंशिक रूप से छिपे होने के बावजूद उनकी पहचान और पहचान बनाए रखने में भी सही पाया गया। शोधकर्ताओं ने पाया कि ज्यामितीय डेटा को विजुअल रिकग्निशन (दृश्य पहचान) के साथ क्रॉस-चेक करने की प्रणाली की क्षमता इसकी सफलता की कुंजी थी, जिसने त्रुटियों को फ़िल्टर करने और दुनिया का एक स्थिर दृश्य बनाए रखने में मदद की।

यह कार्य रोबोटों को मानव वातावरण में वास्तव में उपयोगी बनाने की दिशा में एक कदम है। मशीनों को एक ऐसी स्मृति देकर जो समय के बीतने और स्थान की तरलता का सम्मान करती है, सुपरमैप रोबोटों को जागरूकता के उस स्तर के साथ नेविगेट करने की अनुमति देता है जो पहले पहुंच से बाहर था। इस प्रणाली को ओपन-सोर्स के लिए डिज़ाइन किया गया है, जिसका अर्थ है कि अन्य शोधकर्ता अधिक अनुकूल और विश्वसनीय रोबोट बनाने के लिए इस पर काम कर सकते हैं। जैसे-जैसे रोबोट हमारे घरों और कार्यस्थलों में प्रवेश कर रहे हैं, अतीत को याद रखने और वर्तमान को समझने की क्षमता उनके साथ प्रभावी ढंग से काम करने के लिए आवश्यक होगी। सुपरमैप उस भविष्य के लिए एक आधार प्रदान करता है, जो एक अराजक, परिवर्तनशील दुनिया को एक ऐसे मानचित्र में बदल देता है जिसे मशीन समझ सके और जिस पर भरोसा कर सके।