कल्पना कीजिए कि रोबोटों का एक समूह एक साझा स्थान में मिलकर काम कर रहा है, जहाँ प्रत्येक रोबोट अपने स्वयं के गंतव्य तक पहुँचने की कोशिश कर रहा है, साथ ही टकराव से बच रहा है और अपने साथियों के साथ तालमेल बनाए रख रहा है। वास्तविक दुनिया में, इन मशीनों के पास कोई एक, सर्वज्ञ कमांडर नहीं होता जो हर क्षण उन्हें ठीक-ठीक बताए कि उन्हें कहाँ जाना है। इसके बजाय, उन्हें वह निर्णय स्वयं लेने होते हैं जो वे अपने आस-पास देखते हैं और जो वे अपने पड़ोसियों से सुनते हैं। यही सहयोगात्मक रोबोटिक्स (collaborative robotics) की चुनौती है: एक टीम के स्वतंत्र एजेंटों को कैसे समन्वित किया जाए जब प्रत्येक रोबोट का अपना रास्ता, अपनी गति और बाधाओं से बचने का अपना स्वयं का सेट हो। वर्षों से, इंजीनियर एक ऐसी प्रणाली बनाने के लिए संघर्ष कर रहे हैं जहाँ ये रोबोट जटिल गणनाओं में उलझे बिना या समूह के समग्र लक्ष्य से संपर्क खोए बिना अपनी गतिविधियों पर कुशलतापूर्वक बातचीत कर सकें। कठिनाई व्यक्तिगत स्वतंत्रता और सामूहिक सुरक्षा के बीच संतुलन बनाने में निहित है, यह सुनिश्चित करने में कि एक रोबोट किसी मित्र के करीब रहने की कोशिश करते समय दीवार से न टकरा जाए, और यह सब इतनी तेज़ी से गणित करने में कि वह वास्तविक समय में प्रतिक्रिया दे सके।

शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका विकसित किया है, जिसमें प्रत्येक रोबोट की गति को एक एकल, कठोर योजना के रूप में नहीं, बल्कि एक लचीली प्रक्रिया के रूप में देखा जाता है जो दूसरों के कार्यों के आधार पर लगातार बदलती रहती है। उन्होंने एक गणितीय ढांचा बनाया है जो प्रत्येक रोबोट को संभावनाओं का अपना आंतरिक मानचित्र रखने की अनुमति देता है, जबकि साथ ही सुरक्षित रहने और समन्वित रहने के लिए आस-पास के रोबोटों के साथ विशिष्ट जानकारी साझा करता है। कंप्यूटर सिमुलेशन और प्रयोगशाला में भौतिक रोबोटों के साथ परीक्षण किए गए इस दृष्टिकोण से पता चलता है कि मशीनों का एक समूह बिना किसी केंद्रीय मस्तिष्क के हर मोड़ को निर्देशित किए, सुचारू रूप से एक साथ चल सकता है, एक विशिष्ट संरचना बनाए रख सकता है और टकराव से बच सकता है। यह कार्य सुझाव देता है कि समस्या को छोटे, परस्पर जुड़े भागों में तोड़कर, रोबलेट अधिक तेज़ी से बेहतर निर्णय ले सकते हैं, जो भविष्य में अधिक जटिल और विश्वसनीय स्वायत्त टीमों के द्वार खोलता है।

इस नई पद्धति का मूल रोबोट की गति के बारे में सोचने का एक ऐसा तरीका है जो केवल अलग-थलग स्थितियों के बजाय संबंधों पर ध्यान केंद्रित करता है। पारंपरिक प्रणालियों में, एक रोबोट चलने से पहले शुरू से अंत तक अपना पूरा रास्ता निकाल सकता है, या एक केंद्रीय कंप्यूटर पूरी टीम के लिए पहेली को हल करने का प्रयास कर सकता है। दोनों विधियाँ जैसे-जैसे रोबोटों की संख्या बढ़ती है, धीमी और भद्दी हो सकती हैं। शोधकर्ताओं ने इसके बजाय एक ऐसी प्रणाली प्रस्तावित की जहाँ प्रत्येक रोबोट एक "प्रतिबंधित कारक ग्राफ" (constrained factor graph) रखता है। सरल शब्दों में, यह एक मानसिक मॉडल है जो रोबोट के वर्तमान स्थान, उसकी गति और उसके भविष्य के लक्ष्यों को नियमों के एक सेट के साथ जोड़ता है। इन नियमों में शामिल हैं जैसे "दीवार से न टकराएं," "आगे बढ़ते रहें," और "अपने बगल वाले रोबोट से सुरक्षित दूरी बनाए रखें।" जो चीज़ इस नई प्रणाली को विशेष बनाती है, वह है यह कि यह "सुरक्षित दूरी बनाए रखें" नियम को कैसे संभालती है। प्रत्येक रोबोट के पथ को एक अलग समस्या के रूप में मानने के बजाय, यह प्रणाली पड़ोसी रोबोटों के पथों के बीच एक सीधा लिंक बनाती है। यह लिंक एक साझा बाधा के रूप में कार्य करता है, जिसका अर्थ है कि यदि एक रोबोट अपनी गति या दिशा बदलता है, तो दूसरे तुरंत उस परिवर्तन को महसूस करते हैं और अपनी योजनाओं को तदनुसार समायोजित करते हैं।

इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने पहले विस्तृत कंप्यूटर सिमुलेशन चलाए। उन्होंने एक आभासी दुनिया बनाई जहाँ तीन रोबोटों को एक त्रिकोणीय संरचना बनाए रखते हुए एक शुरुआती बिंदु से लक्ष्य तक पहुँचना था। एक परिदृश्य में, रोबोटों को एक-दूसरे से एक विशिष्ट दूरी बनाए रखने के लिए कहा गया, जैसे कि एक त्रिभुज के कोने। सिमुलेशन ने दिखाया कि भले ही रोबोट दूर से या अजीब स्थितियों से शुरू हुए हों, वे सही आकार बनाने के लिए अपने पथों को मौके पर ही समायोजित करने में सक्षम थे। वे केवल एक पूर्व-लिखित स्क्रिप्ट का पालन नहीं कर रहे थे; उन्होंने सक्रिय रूप से अपनी स्थितियों पर बातचीत की। यदि एक रोबोट बहुत बाईं ओर झुक गया, तो अन्य लोग त्रिभुज को बरकरार रखने के लिए सूक्ष्म रूप से अपनी स्थिति बदल लेंगे। एक अन्य सिमुलेशन में, टीम ने परीक्षण किया कि रोबोट अपनी गति को कितनी अच्छी तरह से मिला सकते हैं। जब तीन वाहनों को अलग-अलग प्रारंभिक गति के साथ एक आभासी सड़क पर रखा गया, तो इस प्रणाली ने उन्हें अपनी वेगों को संरेखित करने और धीरे-धीरे तालमेल बिठाने की अनुमति दी। थोड़े समय के भीतर, तेज़ रोबोट धीमा हो गया और धीमा वाला तेज़ हो गया जब तक कि वे सभी एक ही लय में चलने लगे, जिससे यह प्रदर्शित हुआ कि सिस्टम बिना किसी नेता के आदेश दिए एक स्वाभाविक सहमति प्राप्त कर सकता है।

शोधकर्ताओं ने एक भीड़भाड़ वाले चौराहे का भी सिमुलेशन किया जहाँ चार स्वायत्त वाहन एक ही समय में पहुँचे, जिनमें से प्रत्येक एक अलग कोने की ओर जा रहा था। एक मानक परिदृश्य में, उनके नए सुरक्षा नियमों के बिना, रोबोट एक ही समय में पार करने की कोशिश करते, जिससे टकराव हो जाता। हालाँकि, जब अंतर-निर्भर सुरक्षा कारकों को चालू किया गया, तो रोबोटों ने अपनी गतिविधियों का समन्वय सफलतापूर्वक किया। वे धीमे हो गए, तेज़ हुए, या अपने पथों को थोड़ा बदल दिया ताकि यह सुनिश्चित हो सके कि कोई भी दो वाहन एक-दूसरे के बहुत करीब न आए। सि tersebut ने साबित किया कि सिस्टम जटिल, ओवरलैपिंग पथों को संभाल सकता है और एक ऐसा समाधान पा सकता है जहाँ हर कोई बिना रुके सुरक्षित रूप से निकल सके। मुख्य बात यह थी कि प्रत्येक रोबोट को केवल अपने आस-पास के रोबोटों के बारे में जानने की आवश्यकता थी। उसे दुनिया के हर रोबोट की स्थिति जानने की आवश्यकता नहीं थी, जिसने गणना को तेज़ और कुशल बनाए रखा।

यह सिद्ध करने के लिए कि यह तरीका कंप्यूटर के बाहर भी काम करता है, टीम ने इसे डलहौजी विश्वविद्यालय की एक वास्तविक प्रयोगशाला में ले जाया। उन्होंने तीन छोटे, पहिये वाले रोबोटों का उपयोग किया, जिनमें से प्रत्येक एक बड़े पिज्जा बॉक्स के आकार का था, और बाधाओं के रूप में फोम के बक्सों के साथ एक इनडोर परीक्षण क्षेत्र तैयार किया। रोबोटों को एक त्रिभुज बनाने और एक लक्ष्य की ओर बढ़ने के लिए प्रोग्राम किया गया था, जबकि एक-दूसरे से एक मीटर की दूरी बनाए रखी गई थी। जैसे ही रोबोट फर्श पर चले, उन्होंने वायरलेस नेटवर्क के माध्यम से एक-दूसरे के साथ संचार किया, अपने नियोजित पथों को साझा किया और वास्तविक समय में समायोजन किया। परिणाम आश्चर्यजनक थे। रोबोटों ने फोम के बाधाओं के चारों ओर सफलतापूर्वक रास्ता निकाला और अपने गंतव्य की ओर बढ़ते हुए अपनी त्रिकोणीय संरचना बनाए रखी। हालांकि पहियों और सेंसरों की भौतिक सीमाओं के कारण उनकी अंतिम स्थिति में कुछ त्रुटियां थीं, लेकिन समग्र व्यवहार बिल्कुल वैसा ही था जैसा कि सिद्धांत ने भविष्यवाणी की थी। रोबोट बाधाओं या एक-दूसरे से नहीं टकराए, और वे तब भी अपनी संरचना बनाए रखने में सफल रहे जब पथ पूरी तरह से सीधा नहीं था।

इन प्रयोगों की सफलता इस बात पर प्रकाश डालती है कि हम रोबोट टीमों के बारे में कैसे सोच सकते हैं। रोबोटों के बीच की बातचीत को साझा बाधाओं के एक सेट के रूप में मानकर, शोधकर्ताओं ने दिखाया है कि जटिल समन्वय सूचनाओं के सरल, स्थानीय आदान-प्रदान से उभर सकता है। रोबोटों को पूर्ण होने की आवश्यकता नहीं है; उन्हें बस अपने पड़ोसियों को सुनने और अपने व्यवहार को थोड़ा समायोजित करने की आवश्यकता है। यह दृष्टिकोण विशेष रूप से शक्तिशाली है क्योंकि यह अच्छी तरह से स्केल (scale) होता है। जैसे-जैसे टीम में अधिक रोबोट जोड़े जाते हैं, सिस्टम अभिभूत नहीं होता है, क्योंकि प्रत्येक रोबोट केवल अपने तत्काल परिवेश पर ध्यान केंद्रित करता है। शोधकर्ताओं ने उल्लेख किया कि यह विधि आधुनिक कंप्यूटर चिप्स पर कुशलतापूर्वक चलने के लिए भी डिज़ाइन की गई है, जिसका अर्थ है कि इसे सीमित कंप्यूटिंग शक्ति वाले रोबोटों पर तैनात किया जा सकता है।

आगे देखते हुए, टीम इस तकनीक को विविध अनुप्रयोगों में उपयोग करने की क्षमता देखती है, जैसे गोदाम रोबोट जिन्हें एक-दूसरे से टकराए बिना सामान ले जाने की आवश्यकता होती है या आपदा क्षेत्रों में खोज और बचाव दल। एक फॉर्मेशन बनाए रखना और बाधाओं से बचना किसी भी समूह के स्वायत्त मशीनों के लिए एक मौलिक कौशल है। शोधकर्ताओं ने यह भी सुझाव दिया कि इस ढांचे को अधिक जटिल कार्यों को संभालने के लिए विस्तारित किया जा सकता है, जैसे चलते हुए ऑब्जेक्ट्स को ट्रैक करना या अन्य प्रकार के स्मार्ट सिस्टम के साथ समन्वय करना। हालाँकि, वे सतर्क भी रहे, यह नोट करते हुए कि जबकि सिमुलेशन और लैब परीक्षण सफल रहे, वास्तविक दुनिया के वातावरण अक्सर अधिक अव्यवस्थित और अप्रत्याशित होते हैं। अगला कदम इन प्रणालियों को अधिक गतिशील सेटिंग्स में परखना होगा, जहाँ बाधाएँ चलती हैं और स्थितियाँ तेजी से बदलती हैं। फिलहाल के लिए, यह कार्य एक स्पष्ट प्रदर्शन है कि रोबोट एक मास्टर प्लान का पालन करके नहीं, बल्कि एक साझा, परस्पर निर्भर दुनिया में अपने स्थान को समझकर एक साथ काम करना सीख सकते हैं।