Runtime Safety Filtering for Two-Terminal Hazards in Robotic Battery Recycling

रोबोट नाजुक काम करना सीख रहे हैं, जैसे कि उन बैटरियों को छांटना और रीसायकल करना जो हमारी आधुनिक दुनिया को शक्ति प्रदान करती हैं। उन्हें सिखाने के लिए, शोधकर्ता अक्सर कृत्रिम बुद्धिमत्ता (AI) का उपयोग करते हैं जो मनुष्यों को कार्य करते हुए देखकर सीखती है। ये सिस्टम, जिन्हें विजन-लैंग्वेज-एक्शन मॉडल कहा जाता है, केवल एक दृश्य को देखकर और एक सरल निर्देश को समझकर यह पता लगा सकते हैं कि बैटरी को कैसे उठाना है या किसी उपकरण को कैसे हिलाना है। हालाँकि, इन स्मार्ट सिस्टमों के ज्ञान और उनके सुरक्षित रूप से कार्य करने की क्षमता के बीच एक अंतर होता है। एक रोबोट यह समझ सकता है कि उसे एक बैटरी को बिंदु A से बिंदु B तक ले जाने की आवश्यकता है, लेकिन उसे यह अहसास नहीं हो सकता कि उसे किसी विशिष्ट धातु के हिस्से के बहुत करीब ले जाने से खतरनाक इलेक्ट्रिकल शॉर्ट सर्किट हो सकता है। इस अंतर को पाटने के लिए, इंजीनियर एक "सेफ्टी फ़िल्टर" का उपयोग करते हैं। इस फ़िल्टर को रोबोट के मस्तिष्क और उसकी मांसपेशियों के बीच खड़े एक सतर्क पर्यवेक्षक के रूप में समझें। पर्यवेक्षक रोबोट द्वारा की जाने वाली हर चाल पर नज़र रखता है। यदि कोई चाल ऐसी दिखती है जिससे सुरक्षा नियम टूट सकते हैं, तो पर्यवेक्षक उसे रोक देता है और रोबोट को इसके बजाय कुछ और करने के लिए कहता है। चुनौती यह पता लगाने में है कि वास्तव में कौन सी चाल खतरनाक है और जब रोबोट को रुकने के लिए कहा जाए तो उसे क्या करना चाहिए।

बैटरी रीसाइक्लिंग के विशिष्ट मामले में, खतरा अद्वितीय है। एक बैटरी सेल में दो धातु टर्मिनल होते हैं, एक सकारात्मक और एक नकारात्मक। यदि धातु का कोई टुकड़ा, जैसे कि बैटरी का आवरण स्वयं या कोई उपकरण, एक ही समय में दोनों टर्मिनलों को छूता है, तो यह एक पुल बना देता है जिससे बिजली वहां बहने लगती है जहां उसे नहीं बहनी चाहिए, जिससे शॉर्ट सर्किट होता है। यह एक मानक टक्कर (collision) से अलग है, जहाँ किसी एक वस्तु से टकराना समस्या होती है। यहाँ, खतरा केवल तभी मौजूद होता है जब रोबोट एक ही समय में दोनों टर्मिनलों के करीब पहुँच जाता है। एक रोबोट एक टर्मिनल के बहुत करीब हो सकता है और पूरी तरह से सुरक्षित हो सकता है, लेकिन जिस क्षण वह पहले वाले के पास रहते हुए दूसरे की ओर बढ़ता है, जोखिम उत्पन्न हो जाता है। नेशनल यूनिवर्सिटी ऑफ सिंगापुर और कई ऑस्ट्रेलियाई विश्वविद्यालयों के शोधकर्ताओं ने यह परीक्षण करने के लिए हाथ मिलाया कि इस विशिष्ट "दो-टर्मिनल" खतरे को संभालने के लिए इन सुरक्षा पर्यवेक्षकों को प्रोग्राम करने का सबसे अच्छा तरीका क्या है। वे जानना चाहते थे कि क्या खतरे को परिभाषित करने का तरीका इस बात से अधिक महत्वपूर्ण है कि रोबक को रोकने पर वह क्या करता है।

टीम ने LIBERO नामक एक मानक रोबोटिक्स टेस्टबेड का उपयोग करके एक सिम्युलेटेड वातावरण बनाया, जहाँ एक रोबोटिक हाथ एक किराने के सामान को हिला रहा था, जो एक चालक (conductive) बैटरी भाग के रूप में कार्य कर रहा था, जिसे एक वर्कबेंच पर ले जाना था। उन्होंने रोबोट को एक "फ्रोजन एआई पॉलिसी" के साथ प्रोग्राम किया, जिसका अर्थ है कि रोबोट का निर्णय लेने वाला मस्तिष्क स्थिर था और परीक्षण के दौरान नए कौशल नहीं सीख सकता था। इसके बाद शोधकर्ताओं ने विभिन्न संस्करणों वाले सुरक्षा फ़िल्टर का परीक्षण किया। सबसे पहले, उन्होंने "खतरे के क्षेत्र" को परिभाषित करने के विभिन्न तरीकों का परीक्षण किया। एक संस्करण ने एक सरल नियम का उपयोग किया: किसी भी टर्मिनल से दूर रहें। दूसरे ने अधिक जटिल नियम का उपयोग किया: उस क्षेत्र से दूर रहें जहाँ आप एक साथ दोनों टर्मिनलों को छू सकते हैं। उन्होंने एक हाइब्रिड दृष्टिकोण का भी परीक्षण किया जिसने दोनों नियमों को जोड़ा। महत्वपूर्ण रूप से, उन्होंने इन नियमों का परीक्षण केवल एक निश्चित दूरी पर नहीं किया। उन्होंने प्रत्येक नियम के लिए "मार्जिन", या बफर ज़ोन को समायोजित किया ताकि यह देखा जा सके कि रोबोट को बार-बार रोकने के बिना उसे सुरक्षित रखने के लिए कितने स्थान की आवश्यकता है।

जो उन्हें मिला वह आश्चर्यजनक था। जब उन्होंने सर्वोत्तम संभव संतुलन बनाने के लिए प्रत्येक नियम के लिए बफर ज़ोन को समायोजित किया, तो खतरे के क्षेत्र के तीनों परिभाषाओं ने लगभग एक जैसा प्रदर्शन किया। चाहे पर्यवेक्षक एक सरल "एक से दूर रहें" नियम देख रहा हो या एक जटिल "दोनों से दूर रहें" नियम, एक बार दूरी को सही ढंग से ट्यून करने के बाद परिणाम लगभग समान थे। यह बताता है कि सुरक्षा नियम का विशिष्ट आकार उतना महत्वपूर्ण नहीं है जितना कि दूरी को सही करना। वास्तविक अंतर इस बात से आया कि जब पर्यवेक्षक कहता है "रुको" तो रोबोट क्या करता है।

शोधकर्ताओं ने चार अलग-अलग तरीकों का परीक्षण किया कि रोबोट अस्वीकृत किए गए मूव पर कैसे प्रतिक्रिया देता है। पहला यह था कि वह बस स्थिर रहे, यानी रोबोट को उसकी जगह पर फ्रीज कर दे। दूसरा यह था कि वह "पीछे हटे" (retreat), यानी रोबोट को खतरे से दूर पीछे की ओर ले जाए। तीसरा "सैंपल सर्च" था, जहाँ रोबलेट कुछ थोड़े अलग मूव्स आज़माता है यह देखने के लिए कि क्या उनमें से कोई सुरक्षित है। चौथा एक जटिल गणितीय प्रोजेक्शन था जो यह खोजने का प्रयास करता था कि सबसे सुरक्षित मूव क्या है जो रोबोट के मूल इरादे के बहुत करीब हो। परिणामों ने दिखाया कि "स्थिर रहने" की रणनीति सबसे खराब थी। इसने "पीछे हटने" की रणनीति की तुलना में रोबोट को अपना कार्य पूरा करने से लगभग 30 प्रतिशत अधिक बार रोका, बिना वास्तव में वातावरण को अधिक सुरक्षित बनाए। रोबोट बस वहीं बैठा रहा, और काम पूरा करने में विफल रहा। दूसरी ओर, जो रणनीतियाँ कम दखल देने वाली थीं, जैसे कि गणितीय प्रोजेक्शन या सैंपल सर्च, उन्होंने रोबोट को अपना कार्य अधिक बार पूरा करने की अनुमति दी, लेकिन वे खतरे के क्षेत्र के बहुत करीब पहुँचने का बहुत अधिक जोखिम छोड़ देती थीं। "पीछे हटने" की रणनीति, जिसने रोबोट को खतरे से स्पष्ट रूप से दूर कर दिया, सबसे अच्छा संतुलन प्रदान करती थी: इसने रोबोट को सुरक्षित रखा और उसे लगभग उतनी ही बार कार्य पूरा करने की अनुमति दी जितनी बार अनफ़िल्टर्ड रोबोट कर पाता।

अध्ययन ने यह भी देखा कि जब रोबोट गलतियाँ करता है या वातावरण बदलता है तो ये फ़िल्टर कैसे व्यवहार करते हैं। उन्होंने एक अलग रोबोट पॉलिसी और अलग बैटरी आकारों के साथ सिस्टम का परीक्षण किया, और "पीछे हटने" की रणनीति सबसे प्रभावी बनी रही। उन्होंने दूरी मापने में त्रुटियों का भी अनुकरण (simulate) किया। उन्होंने पाया कि यदि रोबोट अपने द्वारा पकड़ी गई वस्तु के आकार के बारे में गलत था, तो सुरक्षा फ़िल्टर टर्मिनलों के स्थान के बारे में थोड़ा गलत होने की तुलना में बहुत कम प्रभावी हो गया। यह इस बात को रेखांकित करता है कि पेलोड का आकार जानना उतना ही महत्वपूर्ण है जितना कि खतरों का स्थान जानना। इसके अलावा, उन्होंने पाया कि एक सुरक्षा प्रणाली जो केवल भौतिक संपर्क की जाँच करती है, वह पूरी तरह से विफल हो जाएगी। कई खतरनाक क्षण तब आए जब वस्तु टर्मिनलों से कुछ मिलीमीटर दूर थी, एक ऐसी दूरी जो छूने के लिए बहुत कम है लेकिन शॉर्ट सर्किट करने के लिए पर्याप्त है। एक संपर्क-आधारित मॉनिटर इन घटनाओं को पूरी तरह से मिस कर देगा।

अंततः, यह शोध दिखाता है कि खतरनाक सामग्री को संभालने वाले रोबोटों के लिए, सुरक्षा प्रणाली का सबसे महत्वपूर्ण हिस्सा आवश्यक रूप से खतरे को परिभाषित करने के लिए उपयोग किया जाने वाला जटिल गणित नहीं है, बल्कि खतरे का पता चलने पर क्या करना है, इसका सरल और स्पष्ट निर्णय है। एक पर्यवेक्षक जो रोबोट को पीछे हटने के लिए कहता है, वह एक ऐसे पर्यवेक्षक से कहीं अधिक प्रभावी है जो उसे जम जाने (freeze) के लिए कहता है या जो उसे बस थोड़ा सा हटाने का प्रयास करता है। पूरी तरह से उच्च-सटीकता वाले सिमुलेशन में किए गए इस अध्ययन ने एक स्पष्ट रोडमैप प्रदान किया है। यह सुझाव देता है कि इंजीनियरों को खतरे के लिए जटिल ज्यामितीय नियम बनाने के बजाय, एक मजबूत, स्पष्ट प्रतिक्रिया रणनीति चुनने पर ध्यान केंद्रित करना चाहिए जो रोबोट को जोखिम से दूर ले जाए और साथ ही उसे अपना काम पूरा करने की अनुमति भी दे। जैसे-जैसे दुनिया लाखों बैटरियों के रीसाइक्लिंग को स्वचालित करने की ओर बढ़ रही है, ये निष्कर्ष यह सुनिश्चित करने के लिए एक व्यावहारिक मार्गदर्शिका प्रदान करते हैं कि मशीनें जो काम कर रही हैं, वे अनजाने में उन्हीं खतरों को पैदा न कर दें जिन्हें वे प्रबंधित करने के लिए बनाई गई हैं।