Decoupled Thinking, Learning, and Action for Continually Growing Autonomous Robots
यह शोध पत्र डिकपल्ड थिंकिंग-लर्निंग-एक्शन (D-TLA) फ्रेमवर्क का प्रस्ताव करता है, जो स्वायत्त रोबोटों को स्वतंत्र लेकिन परस्पर क्रिया करने वाले मॉड्यूल के माध्यम से निरंतर अनुकूलित होने में सक्षम बनाता है जो नियमित प्रदर्शन को बनाए रखते हुए दुर्लभ-घटना पहचान और नवीन-कार्य सफलता में महत्वपूर्ण सुधार करते हैं।
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
एक ऐसे रोबोट की कल्पना करें जो केवल एक स्क्रिप्ट का पालन नहीं करता, बल्कि किसी समस्या के बारे में सोच सकता है, जो होता है उससे सीख सकता है, और फिर उस ज्ञान पर कार्य कर सकता है। वास्तविक दुनिया में सही ढंग से कार्य करने के लिए, एक मशीन को निरंतर तीन चीजें करनी चाहिए: उसे अभी क्या हो रहा है इसके बारे में तर्क करना चाहिए, उसे पिछले अनुभवों को उन कौशलों में बदलना चाहिए जिनका वह पुन: उपयोग कर सके, और उसे दुनिया को बदलने या नई जानकारी एकत्र करने के लिए अपने शरीर को हिलाना चाहिए। लंबे समय से, इंजीनियर इन क्षमताओं को एक एकल, मजबूती से जुड़े क्रम में बनाने का प्रयास कर रहे हैं जहाँ रोबोट पहले सोचता है, फिर सीखता है, और फिर कार्य करता है, इस सख्त क्रम में। लेकिन इस दृष्टिकोण में एक दोष है। यदि रोबोट किसी कठिन समस्या के बारे में सोचने में फंस जाता है, तो वह रुक जाता है और सीखना भी बंद कर देता है, भले ही वह अपना दैनिक कार्य आसानी से जारी रख सकता हो। चुनौती यह है कि इन तीन हिस्सों को एक-दूसरे के काम में बाधा डाले बिना एक साथ काम करने दिया जाए, जबकि आवश्यकता पड़ने पर उन्हें एक-दूसरे से बात करने भी दिया जाए।
चेन्ग्डू यूनिवर्सिटी ऑफ इंफॉर्मेशन टेक्नोलॉजी के एक शोधकर्ता ने इन मशीनों को बनाने का एक नया तरीका प्रस्तावित किया है, जिसे 'डिकपल्ड थिंकिंग-लर्निंग-एक्शन' (Decoupled Thinking–Learning–Action) फ्रेमवर्क कहा जाता है। रोबोट को हर एक कदम के लिए केंद्रीय मस्तिष्क से आदेश देने के लिए मजबूर करने के बजाय, उन्होंने एक ऐसा सिस्टम डिजाइन किया है जहाँ सोचना, सीखना और कार्य करना साथ-साथ चलने वाली तीन स्वतंत्र प्रक्रियाएं हैं। वे एक कार्यशाला में तीन अलग-अलग श्रमिकों की तरह काम करते हैं जिन्हें अपना काम करने के लिए अनुमति मांगने की आवश्यकता नहीं होती, लेकिन वे अंतिम उत्पाद को बेहतर बनाने के लिए एक-दूसरे के लिए नोट्स छोड़ सकते हैं। सोचने वाला मॉड्यूल (thinking module) सुरक्षित रूप से आगे बढ़ने का सुझाव दे सकता है या यह बता सकता कि क्या सीखने की आवश्यकता है, लेकिन यदि वह किसी अन्य पहेली को सुलझाने में व्यस्त है, तो वह क्रिया मॉड्यूल (action module) को फ्रीज नहीं करता है। इसी तरह, लर्निंग मॉड्यूल (learning module) पृष्ठभूमि में पिछले गलतियों और सफलताओं का अध्ययन जारी रख सकता है, भले ही रोब मॉडल एक नए खतरे के बारे में सोचने में व्यस्त हो। यह अलगाव रोबोट को बिना रुके काम करने और सुधार करने की अनुमति देता है, भले ही उसकी तर्क प्रक्रिया व्यस्त हो।
शोधकर्ता ने इस विचार का परीक्षण एक सिम्युलेटेड गोदाम में किया जहाँ एक रोबोट को पैकेज ले जाने थे। एक परीक्षण में, उन्होंने रोबोट की सोचने की प्रक्रिया को एक कठिन पहचान संबंधी समस्या पर कुछ समय के लिए अटकने के लिए मजबूर किया, जो इस स्थिति का अनुकरण था जहाँ मशीन किसी वस्तु के बारे में भ्रमित होती है। पुराने सिस्टम में, जहाँ रोबोट को कुछ भी करने से पहले सोचने की प्रक्रिया के समाप्त होने का इंतजार करना पड़ता था, रोबोट रुक गया और अपने नियमित कार्यों को पूरा करने में विफल रहा। जब सोचने की प्रक्रिया लंबे समय तक व्यस्त रहती थी, तो उसके नियमित कार्यों की सफलता दर लगभग आधी रह गई। इसके विपरीत, नया सिस्टम पूरी तरह से काम करता रहा। इसने अपने नियमित परिवहन कार्यों को सौ प्रतिशत सफलतापूर्वक पूरा किया और सोचने वाला हिस्सा व्यस्त होने के बावजूद अपने कार्यों से सीखता रहा। महत्वपूर्ण रूप से, सिस्टम ने केवल रोबोट को बेकाबू नहीं छोड़ा; सोचने वाला मॉड्यूल रोबोट को रोकने के लिए एक नोट भेज सकता था यदि वह कुछ खतरनाक करने वाला हो। जब शोधकर्ता ने सुरक्षा नोट भेजने की इस क्षमता को हटा दिया, तो रोबोट लगभग अस्सी प्रतिशत बार असुरक्षित चालें चलने लगा। इसने सिद्ध किया कि तीनों भाग एक-दूसरे से अलग हुए बिना स्वतंत्र रूप से काम कर सकते हैं।
दूसरे परीक्षण में देखा गया कि जब रोबोट किसी दुर्लभ और जटिल समस्या का सामना करता है तो वह कैसे सीखता है। शोधकर्ता ने एक ऐसी स्थिति बनाई जहाँ एक पैकेज शुरू में ठीक लग सकता है लेकिन रोबोट द्वारा उसे ले जाने के कुछ समय बाद ही बिखर जाता है। इसके लिए रोबोट को केवल एक क्षणिक दृश्य के बजाय समय के साथ एक पैटर्न को समझने की आवश्यकता थी। एक रोबोट जो केवल इन दुर्लभ दुर्घटनाओं के स्वाभाविक रूप से होने का इंतजार करता था, केवल सत्तर प्रतिशत समय ही उन्हें पहचान पाता था। वह सबसे कठिन पैटर्न को पूरी तरह से चूक जाता था। हालाँकि, नए सिस्टम ने अपने सोचने वाले मॉड्यूल का उपयोग यह समझने के लिए किया कि उसे किस विशिष्ट प्रकार के अनुभव की कमी है। फिर सोचने वाले हिस्से ने क्रिया मॉड्यूल को जानबूझकर कुछ विशेष चालें करने के लिए कहा ताकि विफलता को देखने के लिए आवश्यक सटीक स्थितियाँ उत्पन्न की जा सकें। रोबोट को सही प्रकार का डेटा एकत्र करने के लिए निर्देशित करके, सिस्टम ने इन दुर्लभ विफलताओं को लगभग पूर्णता के साथ पहचानना सीख लिया, जिससे सफलता दर ९७ प्रतिशत तक पहुँच गई। रोबोट को केवल अधिक डेटा नहीं मिला; उसे सही डेटा मिला क्योंकि उसके सोचने की प्रक्रिया को पता था कि क्या कमी है।
अंतिम परीक्षण ने दिखाया कि यह सीखना दूसरी दिशा में भी जा सकता है, जो भविष्य में रोबोट के सोचने के तरीके को बदल सकता है। रोबोट को ज्ञात समस्याओं के एक सेट पर प्रशिक्षित किया गया था, लेकिन फिर उसे एक पूरी तरह से नई, जटिल स्थिति का सामना करना पड़ा जिसमें एक साथ कई अलग-अलग खतरे शामिल थे। पुराने तरीके की सोच, जिसमें प्रतिक्रियाओं की एक निश्चित सूची थी, इस नए मिश्रण को संभालने में विफल रही, और केवल चौदह प्रतिशत समय सफल रही। नए सिस्टम ने, हालांकि, अपने पिछले विफलताओं का विश्लेषण किया और महसूस किया कि उसे इस विशिष्ट संयोजन को संभालने के लिए सोचने के एक नए तरीके की आवश्यकता है। इसने एक नई सोचने की गतिविधि उत्पन्न की, उसका परीक्षण किया, और उसे अपने मन में एकीकृत किया। इस सीखने के चरण के बाद, रोबोट इस नई, जटिल स्थिति को चौहत्तर प्रतिशत बार संभालने में सफल रहा। उल्लेखनीय रूप से, इसने पुरानी, परिचित समस्याओं को संभालने की अपनी क्षमता को नहीं खोया; इसने उन पर अपनी छियानवे प्रतिशत की सफलता दर बनाए रखी। रोबोट ने पुरानी चीजों को याद रखते हुए एक नई क्षमता विकसित की थी।
यह शोध सुझाव देता है कि रोबोट्स को वास्तव में लंबे समय तक अनुकूलित होने और बढ़ने के लिए, उन्हें एक ऐसी संरचना की आवश्यकता है जो उन्हें अलग लेकिन जुड़े हुए प्रवाहों के रूप में सोचने, सीखने और कार्य करने की अनुमति दे। इन प्रक्रियाओं को स्वतंत्र रूप से चलने देकर, रोबोट व्यस्त होने पर अटकने से बच जाता है। उन्हें आदेशों के बजाय सुझावों के माध्यम से एक-दूसरे को प्रभावित करने की अनुमति देकर, रोबोट सुरक्षित रह सकता है और सीखने के लिए सही जानकारी एकत्र कर सकता है। परिणाम बताते हैं कि यह दृष्टिकोण एक मशीन को अधिक सक्षम और सुरक्षित बनाता है, जो पुरानी चीजों को याद रखते हुए नई समस्याओं को हल करता है, और वह भी बिना किसी एकल केंद्रीय नियंत्रक की आवश्यकता के जो उसके अस्तित्व के हर क्षण को प्रबंधित करे।
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।