Memory as Plans: World-Action Modeling with Memory-Grounded Planning

रोबोट लंबे समय से तात्कालिक क्षणों के विशेषज्ञ रहे हैं। यदि आप एक रोबोटिक हाथ के सामने एक कप रखते हैं, तो वह उसे पकड़ सकता है, उसे थाम सकता है और प्रभावशाली सटीकता के साथ उठा सकता है। यह क्षमता एक सरल नियम पर निर्भर करती है: रोबोट अपना अगला कदम पूरी तरह से इस आधार पर तय करता है कि वह अभी क्या देख रहा है। हालाँकि, वास्तविक दुनिया इतनी सरल नहीं होती। कई कार्यों के लिए रोबोट को उन चीजों को याद रखने की आवश्यकता होती है जो अब दिखाई नहीं दे रही हैं। कल्पना कीजिए कि आप एक रोबोट को एक विशिष्ट बटन खोजने के लिए कह रहे हैं जो कुछ मिनट पहले ढक दिया गया था, या दो वस्तुओं को आपस में बदलने के लिए कह रहे हैं जिन्हें उसने दिन के अलग-अलग समय पर अलग-अलग स्थानों पर देखा था। सफल होने के लिए, मशीन को वर्तमान के साथ-साथ अतीत की एक मानसिक तस्वीर भी बनाए रखनी होगी। यही 'मेमोरी-डिपेंडेंट मैनिपुलेशन' (स्मृति-निर्भर हेरफेर) की चुनौती है, एक ऐसी बाधा जिसने रोबंतुओं को हमारे घरों और कार्यस्थलों में जटिल, बहु-चरणीय कार्य करने से रोक रखा है।

वर्षों तक, शोधकर्ताओं ने रोबोट को अधिक से अधिक वीडियो इतिहास खिलाकर इसे हल करने की कोशिश की। वे मशीन को उसके द्वारा देखे गए प्रत्येक फ्रेम का एक बढ़ता हुआ अंतराल देते थे, इस उम्मीद में कि यदि वह पर्याप्त देख लेगा, तो वह जो आवश्यक है उसे याद रखेगा। लेकिन यह दृष्टिकोण एक कठिन दीवार से टकरा जाता है। जैसे-जैसे इतिहास लंबा होता जाता है, रोबोट को चलाने वाला कंप्यूटर धीमा हो जाता है, और अंततः मेमोरी खत्म होने के कारण रुक जाता है। अन्य टीमों ने अतीत को शब्दों की एक छोटी सूची में संक्षिप्त करने की कोशिश की, लेकिन ऐसा करते समय, उन्होंने अक्सर बारीक विवरणों को हटा दिया—जैसे किसी वस्तु का सटीक रंग या उसकी सटीक स्थिति—जो सफलता के लिए महत्वपूर्ण होते हैं। परिणाम एक समझौता था: या तो रोबोट तेज़ था लेकिन भूलक्कड़ था, या वह विस्तृत था लेकिन उपयोगी होने के लिए बहुत धीमा था।

शोधकर्ताओं की एक टीम द्वारा विकसित एक नया दृष्टिकोण पूरी रणनीति को ही बदल देता है। रोबोट को चलते समय लगातार अपने पूरे इतिहास को फिर से पढ़ने के लिए मजबूर करने के बजाय, वे उसे पहले एक योजना बनाना सिखाते हैं। इसे ऐसे समझें जैसे गाड़ी चलाते समय नक्शा पढ़ने और एक ऐसे नेविगेटर के बीच का अंतर जो आपको यात्रा के अगले हिस्से के लिए एक एकल, स्पष्ट निर्देश देता है। शोधकर्ता अपने सिस्टम को MaP-WAM कहते हैं। यह एक लंबे कार्य को छोटे खंडों में तोड़कर काम करता है। रोबोट के हिलने से पहले, वह अपने दीर्घकालिक स्मृति (लॉन्ग-टर्म मेमोरी)—अतीत के विरल, सावधानीपूर्वक चुने गए स्नैपशॉट्स—को देखता है और अगले कदम के लिए एक विशिष्ट योजना लिखता है। इस योजना में क्या करना है इसका विवरण और एक दृश्य मार्गदर्शिका (विजुअल गाइड) दोनों शामिल हैं कि रोबोट के काम करने के दौरान दृश्य कैसा दिखना चाहिए।

एक बार जब यह योजना लिख दी जाती है, तो रोबोट को दोबारा पूरा इतिहास देखने की आवश्यकता के बिना इसे निष्पादित करता है। उसे केवल वर्तमान दृश्य और अभी बनाई गई योजना को देखने की आवश्यकता होती है। यह रोबोट की "वर्किंग मेमोरी" को छोटा और तेज़ रखता है, जिससे कार्य लंबा होने पर भी यह सुचारू रूप से चल पाता है। यह सुनिश्चित करने के लिए कि रोबोट रास्ता न भटके या भटक न जाए, सिस्टम उसकी प्रगति को भी ट्रैक करता है। यह लगातार अपनी वर्तमान स्थिति की तुलना योजना में दी गई दृश्य मार्गदर्शिका से करता है। यदि रोबोट देखता है कि वह जहाँ उसे होना चाहिए उससे थोड़ा पीछे या आगे है, तो वह त्रुटियों को जमा होने से रोकने के लिए अपनी आंतरिक घड़ी को योजना के अनुरूप समायोजित करता है। यह एक क्लोज्ड लूप बनाता है जहाँ रोबोट योजना बनाता है, कार्य करता है, अपनी प्रगति की जाँच करता है, और फिर अगले चरण के लिए अपनी स्मृति को अपडेट करता है, और यह सब करते हुए उसका कम्प्यूटेशनल भार स्थिर रहता है।

टीम ने कंप्यूटर सिमुलेशन और एक वास्तविक रोबोटिक हाथ पर इस पद्धति का परीक्षण किया। सिमुलेशन में, जिसमें ब्लॉक को बदलना या छिपे हुए बटन खोजना जैसे कार्य शामिल थे, नए सिस्टम ने 83.3% बार सफलता प्राप्त की, जिसने पिछले तरीकों को पछाड़ दिया जो स्मृति के साथ संघर्ष कर रहे थे। एक वास्तविक रोबंड पर, इसने एक विशिष्ट बटन खोजने के कार्य में 88% सफलता दर और एक विशिष्ट क्रम में बटन दबाने के कार्य में 68% सफलता दर हासिल की। महत्वपूर्ण रूप से, जैसे-जैसे कार्य लंबे होते गए और पिछले कार्यों का इतिहास बढ़ता गया, रोबोट को अपने अगले निर्णय पर निर्णय लेने में लगने वाला समय लगभग समान रहा, जो लगभग 827 मिलीसेकंड के आसपास बना रहा। इसके विपरीत, पुराने तरीके जो फ्रेम के पूर्ण इतिहास को प्रोसेस करने की कोशिश करते थे, वे इतने धीमे और मेमोरी-भारी हो गए कि वे लगभग 1,700 फ्रेमों के बाद क्रैश हो गए।

शोधकर्ताओं ने पाया कि उनकी सफलता की कुंजी केवल स्मृति होना नहीं था, बल्कि इसका उपयोग कैसे किया गया था। लंबे, जटिल इतिहास को संक्षिप्त, मेमोरी-ग्राउंडेड योजनाओं में बदलकर, उन्होंने रोबोट को वास्तविक समय में प्रसंस्करण (प्रोसेसिंग) की लागत के बिना सूक्ष्म दृश्य साक्ष्य बनाए रखने की अनुमति दी। उन्होंने यह भी पाया कि प्रगति को ट्रैक करना अनिवार्य था; इसके बिना, रोबोट अक्सर दृष्टिगत रूप से समान क्षणों को भ्रमित कर देता था, जैसे बटन दबाने और छोड़ने के बीच का अंतर, जिससे बार-बार गलतियाँ होती थीं। इस प्रणाली ने सिद्ध किया कि एक रोबोट को बुद्धिमानी से कार्य करने के लिए अपने पूरे अतीत को अपने दिमाग में ढोने की आवश्यकता नहीं है; उसे केवल यह जानने की आवश्यकता है कि उस अतीत को वर्तमान के लिए एक स्पष्ट, कार्रवाई योग्य योजना में कैसे बदला जाए। रिएक्टिव मेमोरी से प्रोएक्टिव प्लानिंग की ओर यह बदलाव उन रोबोटों की ओर एक आशाजनक मार्ग प्रदान करता है जो मानव जीवन की जटिल, बहु-चरणीय वास्तविकताओं को संभाल सकें।