Semantic Planning with Large Language Models and Vision-Language Models for Collaborative Robots: A Review
यह सर्वेक्षण सहयोगी रोबोटों (कोलेबोरेटिव रोबोट्स) के लिए सिमेंटिक प्लानिंग की समीक्षा करता है, जो इस चुनौती को एक बाधित ग्राउंडिंग समस्या (कन्स्ट्रेंड ग्राउंडिंग प्रॉब्लम) के रूप में औपचारिक रूप देता है, ऐसी आर्किटेक्चर की एक वर्गीकरण पद्धति (टैक्सोनॉमी) प्रस्तावित करता है जो क्षमता और निरीक्षणक्षमता (इंस्पेक्टेबिलिटी) के बीच संतुलन बनाती है, और बेहतर अनिश्चितता अनुमान, योजना सत्यापन और रिकवरी तंत्रों के माध्यम से विश्वसनीयता बढ़ाने के लिए एक रोडमैप की रूपरेखा तैयार करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
अतीत के कारखानों में, रोबोट बाड़ों के पीछे रहते थे। वे इंसानों से स्टील की बाधाओं और सुरक्षा द्वारों द्वारा अलग, अलग सेल में काम करते थे। यदि कोई रोबोट गलती करता था, तो वह बाड़ा उस त्रुटि को नियंत्रित रखता था, और रोबोट का प्रोग्रामिंग एक निश्चित, अनुमानित चीज़ होती थी। लेकिन सहयोगात्मक रोबोटों (collaborative robots) के रूप में जानी जाने वाली रोबोटों की नई पीढ़ी को बिना किसी बाड़े के, लोगों के साथ मिलकर काम करने के लिए डिज़ाइन किया गया है। यह बदलाव सुरक्षा के बोझ को एक भौतिक बाधा से हटाकर रोबोट के अपने मस्तिष्क पर स्थानांतरित कर देता है। एक कठोर स्क्रिप्ट का पालन करने के बजाय, इन मशीनों को अब प्राकृतिक भाषा और दृश्य संकेतों को समझने के लिए सिखाया जा रहा है, जिससे एक इंसान केवल यह कह सकता है, "उस नीले हिस्से को उठाओ," या "इसे जोड़ने में मेरी मदद करो," और उम्मीद कर सकता है कि रोबोट बाकी सब खुद समझ लेगा। यह क्षमता शक्तिशाली कंप्यूटर प्रणालियों पर निर्भर करती है जो टेक्स्ट पढ़ सकती हैं और छवियों को देख सकती हैं, जिससे अस्पष्ट मानवीय अनुरोधों को भौतिक क्रियाओं के एक क्रम में बदला जा सके। फिर भी, जैसे-जैसे ये मशीनें अधिक संवादात्मक और सक्षम होती जा रही हैं, एक महत्वपूर्ण प्रश्न उठता है: क्या हम उन पर बिल्कुल वही करने के लिए भरोसा कर सकते हैं जो हम कहना चाहते हैं, विशेष रूपकर तब जब दुनिया अव्यवस्थित और अप्रत्याशित हो?
सदर्न यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी और यूनिवर्सिटी ऑफ इंजीनियरिंग एंड टेक्नोलॉजी पेशावर के शोधकर्ताओं के नेतृत्व में इस क्षेत्र की एक नई समीक्षा, इस तकनीक की वर्तमान स्थिति की जांच करती है। लेखक तर्क देते हैं कि जबकि ये रोबोट भाषा और दृष्टि को समझने में उल्लेखनीय रूप से अच्छे होते जा रहे हैं, वे एक अधिक मौलिक स्तर पर विफल हो रहे हैं: वे अपने शब्दों को अपने आस-पास की भौतिक वास्तविकता से विश्वसनीय रूप से जोड़ने में असमर्थ हैं। समस्या यह नहीं है कि रोबोट मूर्ख हैं; बल्कि यह है कि वे अपने स्वयं के अनुमानों में बहुत अधिक आश्वस्त हैं। जब एक इंसान किसी रोबोट को एक विशिष्ट वस्तु हिलाने के लिए कहता है, तो रोबोट की आंतरिक प्रणाली उसे करने के लिए एक सटीक दिखने वाली योजना बना सकती है। हालांकि, यदि वह वस्तु वास्तव में एक बॉक्स के पीछे छिपी है, या यदि रोबोट का हाथ शारीरिक रूप से वहां तक नहीं पहुँच सकता, तो रोबोट अक्सर फिर भी आगे बढ़ जाता है। वह यह जाँचने के लिए नहीं रुकता कि क्या उसकी योजना तर्कसंगत है। इसके बजाय, वह क्रिया को निष्पादित करता है, चुपचाप विफल होता है, और अगले चरण पर बढ़ जाता है, जिससे इंसान यह सोच में पड़ जाता है कि कार्य क्यों पूरा नहीं हुआ। यह "मौन विफलता" (silent failure) ही वह केंद्रीय खतरा है जिसे यह शोध पत्र पहचानता है। पुराने रोबोटों के विपरीत, जो समस्या आने पर बस रुक जाते थे और त्रुटि दिखाते थे, ये नई प्रणालियाँ प्रवाहपूर्ण, तार्किक दिखने वाली योजनाएँ बनाती हैं जो शारीरिक रूप से असंभव हैं, और वे कोई चेतावनी भी नहीं देतीं कि वे विफल होने वाले हैं।
शोधकर्ताओं ने दर्जनों हालिया प्रणालियों का विश्लेषण किया जो रोबोट को नियंत्रित करने के लिए लार्ज लैंग्वेज मॉडल्स और विजन-लैंग्वेज मॉडल्स का उपयोग करते हैं। उन्होंने पाया कि यह क्षेत्र एक ऐसी दिशा में बढ़ रहा है जो इन समस्याओं को और बदतर बनाता है। पिछले कुछ वर्षों में, इन प्रणालियों की वास्तुकला (architecture) मानव द्वारा पढ़े जाने वाले और जांचे जाने वाले टेक्स्ट उत्पन्न करने से बदलकर, कोड उत्पन्न करने और अंततः सीधे एक्शन कमांड उत्पन्न करने की ओर स्थानांतरित हो गई है। हालांकि इस बदलाव ने रोबानों को तेज़ और अधिक सामान्य-उद्देश्य वाला बना दिया है, लेकिन इसने उन "मध्यस्थ" चरणों को भी हटा दिया है जहाँ एक इंसान या सुरक्षा प्रणाली क्रियान्वयन से पहले योजना का निरीक्षण कर सकती थी। आज के सबसे सक्षम रोबोट सबसे कम पारदर्शी हैं। वे एक 'ब्लैक बॉक्स' की तरह कार्य करते हैं, जो एक निर्देश लेते हैं और बीच के तर्क को प्रकट किए बिना एक गति उत्पन्न करते हैं। समीक्षा इस बात पर प्रकाश डालती है कि पारदर्शिता की यह कमी सुरक्षा के लिए एक बड़ी बाधा है। यदि एक रोबोट यह नहीं समझा सकता कि वह कुछ क्यों कर रहा है, या यदि वह यह स्वीकार नहीं कर सकता कि वह अनिश्चित है, तो वह एक सच्चा साथी नहीं हो सकता। वह एक ऐसा खतरा बन जाता है जो विनम्र होने का ढोंग करता है।
इस मुद्दे के दायरे को समझने के लिए, लेखकों ने एक वास्तव में सुरक्षित और विश्वसनीय सहयोगात्मक रोबोट के लिए आवश्यक शर्तों को विभाजित किया। उन्होंने पाँच प्रमुख स्थितियों की पहचान की जिन्हें वर्तमान प्रणालियाँ एक साथ पूरा करने में संघर्ष करती हैं। पहला, रोबोट को "ग्राउंडेड" (grounded) होना चाहिए, जिसका अर्थ है कि उसे यह सत्यापित करना चाहिए कि जिन वस्तुओं के बारे में वह बात कर रहा है वे वास्तव में कमरे में मौजूद हैं और वहीं हैं जहाँ वह सोच रहा है। दूसरा, योजना "व्यवहार्य" (feasible) होनी चाहिए, यह सुनिश्चित करते हुए कि रोबोट का हाथ अपनी सीमाओं से टकराए बिना भौतिक रूप से गति कर सके। तीसरा, इसे "सुरक्षित" (safe) होना चाहिए, जो मानव के पास गति और बल के बारे में सख्त नियमों का पालन करता हो। चौथा, रोबोट की क्रियाएं "पठनीय" (legible) होनी चाहिए, जिसका अर्थ है कि एक मानव साथी केवल उसकी गतिविधियों को देखकर यह अनुमान लगा सके कि रोबोट क्या करने की कोशिश कर रहा है। अंत में, और शायद सबसे महत्वपूर्ण, रोबोट को "परहेज" (abstain) करने में सक्षम होना चाहिए, यानी यह स्वीकार करने में सक्षम होना चाहिए कि वह कार्य करने के लिए पर्याप्त आश्वस्त नहीं है, और मदद मांगनी चाहिए। समीक्षा में पाया गया कि जबकि कुछ प्रणालियाँ एक या दो में अच्छी हैं, लगभग कोई भी इन सभी में अच्छी नहीं है। अधिकांश प्रणालियाँ एक ऐसी योजना बनाने में उत्कृष्ट हैं जो सही लगती है, लेकिन वे यह जाँचने में विफल रहती हैं कि क्या वह वास्तव में संभव है, और उनके पास अनिश्चित होने पर स्पष्टीकरण के लिए मानव से पूछने का कोई तंत्र नहीं होता है।
यह शोध पत्र इस बारे में सोच बदलकर इसे ठीक करने का एक तरीका प्रस्तावित करता है कि हम विश्वसनीयता को कैसे देखते हैं। लेखक सुझाव देते हैं कि एक ऐसे रोबोट से बेहतर है जो थोड़ा कम सटीक हो लेकिन अपनी गलतियों को पहचानने में बहुत अच्छा हो, बजाय एक ऐसे रोबोट के जो अत्यधिक सटीक हो लेकिन अपनी त्रुटियों के प्रति अंधा हो। उनका तर्क है कि कार्यों के एक लंबे क्रम में, एक एकल अनदेखी त्रुटि पूरे काम को बर्बाद कर सकती है। इसलिए, प्राथमिकता ऐसे सिस्टम बनाने की होनी चाहिए जो लगातार अपने काम की जाँच करते रहें। यदि एक रोबोट देखता है कि कोई वस्तु गायब है या पकड़ (grasp) सफल होने की संभावना कम है, तो उसे कार्य को जबरदस्ती करने के बजाय रुकना चाहिए और मदद के लिए इंसान से पूछना चाहिए। यह दृष्टिकोण इस बात की आवश्यकता रखता है कि इन प्रणालियों को कैसे बनाया जाए। एआई मॉडल को सभी निर्णय लेने देने के बजाय, मॉडल को विचारों के जनरेटर (generator of ideas) के रूप में कार्य करना चाहिए, जबकि एक अलग, सरल और अधिक विश्वसनीय प्रणाली उन विचारों को निष्पादित करने से पहले जाँचने के लिए एक सत्यापनकर्ता (verifier) के रूप में कार्य करे। यह "वेरिफायर-इन-द-लूप" दृष्टिकोण रोबोट को जटिल भाषा को समझने की अपनी क्षमता बनाए रखने देते हुए यह सुनिश्चित करेगा कि प्रत्येक क्रिया शारीरिक रूप से सुरक्षित और वास्तविकता में आधारित हो।
शोधकर्ता यह भी बताते हैं कि इन रोबोटों का परीक्षण करने का तरीका भी समस्या का हिस्सा है। अधिकांश अध्ययन सिमुलेशन में या साधारण, साफ टेबलटॉप कार्यों में प्रदर्शन का मूल्यांकन करते हैं जहाँ सब कुछ पूरी तरह से दृश्यमान और व्यवस्थित होता है। ये परीक्षण वास्तविक कारखाने के फर्श की अराजकता को नहीं पकड़ते, जहाँ रोशनी बदलती है, वस्तुएं बिखरी होती हैं, और इंसान अप्रत्याशित रूप से चलते हैं। समीक्षा एक नए परीक्षण मानक का आह्वान करती जिसमें वास्तविक वातावरण में रोबोट के साथ काम करने वाले वास्तविक इंसान शामिल हों। इस प्रकार के कठोर परीक्षण के बिना, यह क्षेत्र नहीं जान सकता कि क्या रोबोट वास्तव में वास्तविक दुनिया के लिए तैयार हैं। लेखक इस बात पर जोर देते हैं कि सुरक्षित, सहयोगात्मक रोबोट बनाने की तकनीक पहले से ही मौजूद है; जो गायब है वह है इसे ठीक से सत्यापित करने का अनुशासन और कच्चे वेग (raw speed) और सामान्यीकरण के ऊपर सुरक्षा और पारदर्शिता को प्राथमिकता देने की इच्छा।
अंततः, शोध पत्र निष्कर्ष निकालता है कि सहयोगात्मक रोबोटिक्स का भविष्य विनम्रता पर निर्भर है। आज के सबसे उन्नत रोबोट अक्सर सबसे अधिक अति-आत्मविश्वासी होते हैं, जो भौतिक बाधाओं को अनदेखा करने वाली प्रवाहपूर्ण योजनाएं बनाते हैं। आगे का रास्ता ऐसे सिस्टम बनाने की आवश्यकता है जो यह जानते हों कि वे क्या नहीं जानते। एक रोबोट जो रुक सकता है, इंसान की ओर देख सकता है, और कह सकता है, "मुझे यकीन नहीं है कि मैं वहां तक पहुँच सकता हूँ, क्या आप मेरी मदद कर सकते हैं?" एक सच्चा सहयोगी है। एक रोबोट जो एक दोषपूर्ण योजना को अंधे होकर निष्पादित करता है, वह एक खतरा है, चाहे वह कितना भी अच्छा बोलता हो। यह समीक्षा इंजीनियरों और शोधकर्ताओं के लिए एक रोडमैप के रूप में कार्य करती है, जो उन्हें वर्तमान सीमाओं से आगे बढ़ने के लिए प्रेरित करती है, और उन्हें ऐसे सिस्टम बनाने का आग्रह करती है जो न केवल स्मार्ट हों, बल्कि सावधान, पारदर्शी और लोगों के साथ कंधे से कंधा मिलाकर काम करने के लिए पर्याप्त सुरक्षित भी हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।