AI-Assisted Tutorial Generation for Immersive Training in Virtual and Mixed Reality

कल्पना कीजिए कि आप लेगो (LEGO) का एक जटिल सेट बनाना सीख रहे हैं, लेकिन निर्देश केवल छोटे, भ्रमित करने वाले टेक्स्ट की एक दीवार की तरह हैं। आपको पता ही नहीं है कि कौन सा हिस्सा कहाँ जाएगा या उसे फिट करने के लिए अपनी कलाई को कैसे घुमाना है। अब, कल्पना कीजिए कि पढ़ने के बजाय, आप अपने ठीक बगल में एक मास्टर बिल्डर के भूतिया, तैरते हुए संस्करण को देख सकते हैं, जो बिल्कुल वैसे ही अपने हाथ चला रहा है जैसे उन्होंने इसे बनाते समय चलाए थे, जबकि एक आवाज़ ठीक वही बताती है जो आपको करना है। यह इमर्सिव ट्रेनिंग (Immersive Training) की दुनिया है, एक ऐसा क्षेत्र जहाँ कंप्यूटर लोगों को कौशल सिखाने के लिए आभासी (virtual) या "मिश्रित" (mixed) दुनिया बनाते हैं। एक वर्चुअल रियलिटी (VR) दुनिया में, आप पूरी तरह से एक कंप्यूटर सिमुलेशन के अंदर होते हैं, जैसे कि किसी वीडियो गेम में। मिक्स्ड रियलिटी (MR) में, आप एक विशेष हेडसेट पहनते हैं जो आपको अपना वास्तविक कमरा और उपकरण देखने देता है, लेकिन उसके ऊपर डिजिटल संकेत और "भूत" (ghosts) को ओवरले (overlay) कर देता है।

बड़ी समस्या जिसे वैज्ञानिक सुलझाने की कोशिश कर रहे हैं, वह यह है कि ऐसे "घोस्ट बिल्डर" ट्यूटोरियल बनाना बेहद कठिन और महंगा है। आमतौर पर, आपको हर एक चरण को मैन्युअल रूप से बनाने के लिए 3D कलाकारों और प्रोग्रामरों की एक टीम की आवश्यकता होती है। यह एक फिल्म बनाने जैसा है जहाँ आपको हर एक फ्रेम को हाथ से पेंट करना पड़ता है। लेकिन क्या होगा अगर एक कंप्यूटर बस एक विशेषज्ञ को काम करते हुए एक बार देख सके, उन्हें समझाते हुए सुन सके, और फिर आपके लिए ट्यूटोरियल को स्वचालित रूप से बना दे? यही वह सवाल है जो यह शोध पत्र पूछता है: क्या हम आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करके एक एकल विशेषज्ञ प्रदर्शन (demonstration) को एक पुन: प्रयोज्य (reusable), इंटरैक्टिव प्रशिक्षण मार्गदर्शिका में बदल सकते हैं जो वर्चुअल और मिक्स्ड दोनों दुनियाओं में काम करे?

---

द "वन-शॉट" मैजिक ट्रिक

शोधकर्ताओं ने, जो हंगरी और जर्मनी की एक टीम है, एक ऐसा सिस्टम बनाया है जो एक सुपर-अवलोकन करने वाले रोबोट कैमरे की तरह काम करता है। उनका मुख्य विचार सरल है: प्रशिक्षण पाठ्यक्रम बनाने में हफ्तों बिताने के बजाय, एक विशेषज्ञ को बस एक बार कार्य करना होगा।

इसे इस तरह सोचें: आपके पास एक मास्टर शेफ है जो जानता है कि एक परफेक्ट सूफ़ले (soufflé) कैसे बनाया जाता है। पुराने दिनों में, आपको हर सामग्री लिखनी पड़ती, हर सेकंड मापना पड़ता और अंडे फेंटने के तरीके के चित्र बनाने पड़ते। इस नए सिस्टम में, शेफ बस एक विशेष हेडसेट पहनता है और कैमरे के सामने बात करते हुए सूफ़ले बनाता है। सिस्टम सब कुछ रिकॉर्ड करता है:

• वे क्या कहते हैं: उनकी आवाज़ को टेक्स्ट में बदल दिया जाता है।
• वे कहाँ देखते हैं: सिस्टम उनकी आँखों को ट्रैक करता है ताकि यह देखा जा सके कि वे किस चीज़ पर ध्यान केंद्रित कर रहे हैं।
• वे कैसे चलते हैं: यह उनके हाथों और सिर की सटीक स्थिति को कैप्चर करता है।

एक बार जब शेफ का काम पूरा हो जाता है, तो कंप्यूटर का मस्तिष्क (एक Large Language Model जिसे AI कहा जाता है) काम संभाल लेता है। यह बिखरे हुए, बोले गए निर्देशों और कच्चे वीडियो डेटा को लेता है और उन्हें एक साफ, चरण-दर-चरण मार्गदर्शिका में व्यवस्थित करता है। यह व्याकरण की गलतियों को ठीक करता है, बड़े कार्य को छोटे, आसान चरणों में तोड़ता है, और यहाँ तक कि एक डिजिटल "अवतार" (एक 3D भूत) भी बनाता है जो निर्देशों के साथ तालमेल बिठाकर शेफ की गतिविधियों को पूरी तरह से दोहराता है।

दो दुनियाएँ: वर्चुअल और मिक्स्ड

टीम ने यह जादू का परीक्षण करने के लिए दो अलग-अलग मैदानों में इस तकनीक का परीक्षण किया कि क्या यह वास्तव में काम करती है।

1. वर्चुअल रियलिटी (VR) टेस्ट: इंजन असेंबली
सबसे पहले, उन्होंने Meta Quest 2 नामक हेडसेट का उपयोग करके एक पूरी तरह से आभासी दुनिया में इस सिस्टम को डाला। उन्होंने एक परिदृश्य बनाया जहाँ प्रशिक्षुओं को छह-सिलेंडर वाले औद्योगिक इंजन को असेंबल करना था।

• सेटअप: कुछ प्रशिक्षुओं को टेक्स्ट और तीरों (arrows) वाला एक मानक ट्यूटोरियल मिला। अन्य लोगों को "सुपर ट्यूटोरियल" मिला जिसमें AI-जनरेटेड चरण साथ ही विशेषज्ञ का अवतार था, जो उनके ठीक सामने अपने हाथ चला रहा था।
• परिणाम: भूत (ghost) ने बहुत बड़ा अंतर पैदा किया। जब विशेषज्ञ का अवतार उनके मूव्स को दोहरा रहा था, तो प्रशिक्षुओं ने इंजन असेंबली को औसतन 75.4 सेकंड तेजी से पूरा किया (579.2 सेकंड से घटकर 503.8 सेकंड)।
• अनुभव: प्रशिक्षुओं ने बहुत अधिक आत्मविश्वास महसूस किया। उन्होंने शोधकर्ताओं को बताया कि विशेषज्ञ के हाथ की गतिविधियों को देखने से उन्हें यह समझने में मदद मिली कि हिस्सों को कैसे पकड़ना और घुमाना है, न कि केवल यह कि उन्हें कहाँ रखना है। हालाँकि, उन्होंने यह भी नोट किया कि भूत हमेशा आवश्यक नहीं होता; यदि कोई चरण बहुत सरल था या उन्होंने इसे पहले किया था, तो भूत कभी-कभी बाधा भी बन सकता है।

2. मिक्स्ड रियलिटी (MR) टेस्ट: हवाई जहाज का मैकेनिक
इसके बाद, वे HoloLens 2 हेडसेट का उपयोग करके वास्तविक दुनिया में चले गए। यहाँ, प्रशिक्षु वास्तविक हवाई जहाज के पुर्जों (या सिम्युलेटेड वास्तविक पुर्जों) के साथ एक कमरे में थे और डिजिटल भूत उनके ऊपर मंडरा रहा था।

• ट्विस्ट: इस परीक्षण में, शोधकर्ताओं ने केवल लोगों को सीखते हुए नहीं देखा; उन्होंने लोगों को सिखाते हुए देखा। प्रतिभागियों ने निर्देश बोलकर और एक कार्य करके अपने स्वयं के ट्यूटोरियल बनाने का प्रयास किया।
• परिणाम: सिस्टम आश्चर्यजनक रूप से अच्छा काम कर गया। जब लोगों ने अपने निर्देश बोले, तो AI ने उनके भाषण को टेक्स्ट में बदल दिया और फिर उसे एक ट्यूटोरियल में व्यवस्थित किया। AI ने बहुत कम गलतियाँ कीं। एक सामान्य 15-20 वाक्यों के निर्देश में, स्पीच-टू-टेक्स्ट ने औसतन लगभग 1.36 त्रुटियाँ कीं, लेकिन AI के "मस्तिष्क" ने अधिकांश को ठीक कर दिया, जिससे प्रति ट्यूटोरियल केवल 0.18 त्रुटियाँ बचीं।
• सीखना: जिन लोगों ने MR प्रशिक्षण का उपयोग किया, उन्हें 24 घंटे बाद भी चरणों को बेहतर ढंग से याद रहा। वे प्रशिक्षण के बाद हवाई जहाज के रखरखाव के चरणों को बहुत अधिक सटीकता के साथ सही क्रम में रख सके।

आंकड़े क्या कहते हैं

शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने सब कुछ मापा।

• गति: VR में, विशेषज्ञ के रिप्ले ने समय को लगभग 13% कम कर दिया।
• आत्मविश्वास: अंतिम सर्वेक्षण में, 19 में से 16 प्रतिभागियों ने कहा कि विशेषज्ञ रिप्ले ने सही तकनीक को अधिक स्पष्ट बनाया। 19 में से 12 ने कहा कि वे भविष्य में सीखने के लिए इस पद्धति को पसंद करेंगे।
• उपयोगिता (Usability): VR और MR दोनों सिस्टम ने "उपयोगिता" परीक्षणों में बहुत उच्च स्कोर प्राप्त किया। VR सिस्टम का औसत स्कोर 81.84 था, और MR सिस्टम का 83.18 था (जहाँ 80 से ऊपर को "उत्कृष्ट" माना जाता है)।
• सटीकता: AI विशेषज्ञों के बिखरे हुए भाषण को ठीक करने और एक कच्ची रिकॉर्डिंग को बहुत कम मानवीय सहायता के साथ एक पॉलिश की गई मार्गदर्शिका में बदलने में कुशल था।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि यह "वन-शॉट" विधि प्रशिक्षण के लिए गेम-चेंजर है। यह साबित करता है कि आपको उच्च गुणवत्ता वाले प्रशिक्षण वीडियो बनाने के लिए हॉलीवुड प्रोडक्शन टीम की आवश्यकता नहीं है। यदि आपके पास एक विशेषज्ञ और एक हेडसेट है, तो AI भारी काम कर सकता है।

हालाँकि, लेखक सावधानी बरतते हुए बताते हैं कि यह हर चीज़ के लिए जादू की छड़ी नहीं है।

• VR बनाम MR: VR एक सुरक्षित, नियंत्रित वातावरण में अभ्यास करने के लिए बेहतरीन है जहाँ आप असली चीजें नहीं तोड़ सकते, लेकिन इसके लिए वर्चुअल दुनिया बनाने में बहुत मेहनत लगती है। MR सेटअप करने में तेज़ है क्योंकि आप वास्तविक दुनिया का उपयोग करते हैं, लेकिन अभी भी कंप्यूटर के लिए वास्तविक दुनिया की विशिष्ट वस्तुओं को पूरी तरह से "देखने" और हाइलाइट करने में कठिनाई होती है।
• भूत की भूमिका: विशेषज्ञ का रिप्ले कठिन, भ्रमित करने वाले चरणों के लिए सबसे अधिक उपयोगी है। सरल, दोहराव वाले कार्यों के लिए, भूत के मंडराने के बजाय शिक्षार्थी को इसे अकेले करने देना बेहतर हो सकता है।

संक्षेप में, शोधकर्ताओं ने मानव विशेषज्ञता और कंप्यूटर ऑटोमेशन के बीच एक सेतु बनाया है। उन्होंने दिखाया है कि एक विशेषज्ञ को एक बार रिकॉर्ड करके, आप एक पुन: प्रयोज्य, इंटरैक्टिव प्रशिक्षण मार्गदर्शिका बना सकते हैं जो लोगों को तेज़ी से सीखने और बेहतर याद रखने में मदद करती है, चाहे वे एक वर्चुअल इंजन रूम के अंदर हों या एक वास्तविक हवाई जहाज हैंगर में खड़े हों। यह अभी तक पूरी तरह से हल नहीं हुआ है—कंप्यूटर को वास्तविक दुनिया को पूरी तरह से समझने के लिए अभी भी बहुत काम करना है—लेकिन आगे का रास्ता बहुत उज्ज्वल है।