Adversarial Contingency Auctions: Strategic Multi-Robot Task Allocation under Inconsistent Beliefs and Adversarial Path Blockages
यह शोध पत्र एडवर्सरियल कंटिंजेंसी ऑक्शन्स (ACA) प्रस्तुत करता है, जो एक विकेंद्रीकृत मल्टी-रोबोट टास्क एलोकेशन फ्रेमवर्क है जो कंटिंजेंसी ब्रांचिंग ट्रीज़ और बेयसियन बिलीफ मॉडलिंग को एकीकृत करता है ताकि वैश्विक पुन: नीलामी की आवश्यकता के बिना प्रतिकूल पथ अवरोधों से स्वायत्त, स्थानीयकृत रिकवरी को सक्षम किया जा सके, जिससे गतिशील, अनिश्चित वातावरण में कार्य पूर्णता दरों में उल्लेखनीय सुधार होता है और संचार ओवरहेड कम होता 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
रोबोटिक्स की दुनिया में, मशीनों के एक समूह को बिना किसी केंद्रीय कमांडर के मिलकर काम करने के लिए तैयार करना, घने और कोहरे से भरे जंगल में हाइकर्स (पदयात्रियों) की एक बड़ी टीम को व्यवस्थित करने जैसा है जहाँ किसी के पास भी नक्शा नहीं है। प्रत्येक रोबोट को खुद यह निर्णय लेना चाहिए कि गंतव्य तक पहुँचने के लिए कौन सा रास्ता चुनना है, जो केवल उस पर निर्भर करता है जो वह देख सकता है और जो वह अपने पड़ोसियों से सुन सकता है। वर्षों से, इंजीनियरों ने इस समस्या को हल करने के लिए एक 'साइलेंट ऑक्शन' (मौन नीलामी) के समान एक विधि का उपयोग किया है। रोबोट कार्यों पर बोली लगाते हैं, और जिसका प्रस्ताव सबसे अच्छा होता है, वही जीतता है। यह तब अच्छी तरह काम करता है जब वातावरण शांत और अनुमानित हो। हालाँकि, आपदा क्षेत्रों या युद्ध के मैदानों जैसे वास्तविक दुनिया के परिदृश्यों में, ज़मीन खुद अप्रत्याशित रूप से बदल सकती है। कोई रास्ता अचानक भूस्खलन से या, अधिक खतरनाक रूप से, एक बुद्धिमान प्रतिद्वंद्वी द्वारा जानबूझकर रोबोट्स को रोकने के प्रयास से अवरुद्ध हो सकता है। जब ऐसा होता है, तो पारंपरिक प्रणालियाँ अक्सर घबरा जाती हैं। जिस रोबोट ने बाधा का सामना किया है, उसे अपना कार्य छोड़ना पड़ता है, पूरे समूह को चिल्लाकर अपनी विफलता की सूचना देनी पड़ती है, और सभी को रुकने और हर एक कार्य के लिए फिर से बोली लगाने के लिए मजबूर करना पड़ता है। इससे एक अराजक लहर पैदा होती है, जिससे पूरी टीम धीमी हो जाती है या वे आपस में टकरा जाते हैं क्योंकि वे इस बात पर बहस कर रहे होते हैं कि आगे क्या करना चाहिए।
इंद्राप्रस्थ सूचना प्रौद्योगिकी संस्थान, दिल्ली के शोधकर्ताओं ने इन खतरनाक स्थितियों को संभालने का एक नया तरीका विकसित किया है, जिसे 'एडवर्सरियल कॉन्टिनजेंसी ऑक्शन्स' (Adversarial Contingency Auctions) कहा जाता है। आपदा होने का इंतज़ार करने और फिर उस पर प्रतिक्रिया देने के बजाय, यह नई प्रणाली रोबोट्स को चलने शुरू करने से पहले ही सबसे खराब स्थिति के लिए सोचने और योजना बनाने के लिए मजबूर करती है। मुख्य विचार यह है कि प्रत्येक रोबोट इस बात का मानसिक मॉडल अपने साथ रखता है कि एक दुश्मन कैसे व्यवहार कर सकता है, यह अनुमान लगाते हुए कि प्रतिद्वंद्वी यादृच्छिक (रैंडम) रूप से कार्य कर रहा है, रोबोट्स की गतिविधियों पर प्रतिक्रिया दे रहा है, या सबसे महत्वपूर्ण रास्तों को काटने की कोशिश कर रहा है। इन अनुमानों के आधार पर, प्रत्येक रोबलेट केवल अपने लक्ष्य के लिए एक सीधी रेखा की योजना नहीं बनाता है। इसके बजाय, वह संभावनाओं का एक शाखाओं वाला वृक्ष (ब्रांचिंग ट्री) बनाता है। वह मुख्य पथ की लागत की गणना करता है, लेकिन यदि मुख्य पथ अवरुद्ध हो जाता है, तो वह पहले से ही एक वैकल्पिक मार्ग (डिटूर) की गणना भी कर लेता है। यह वैकल्पिक मार्ग संकट महसूस होते ही तुरंत उपयोग के लिए तैयार रहता है।
यह प्रणाली एक अलग प्रकार की समस्या का भी समाधान करती है: क्या होता है जब रोबोट एक-दूसरे से पूरी तरह से बात नहीं कर पाते? एक बाधित या शोर वाले वातावरण में, एक रोबोट मान सकता है कि एक रास्ता सुरक्षित है जबकि दूसरा सोच सकता है कि वह खतरनाक है। पुराने सिस्टम में, यह असहमति भ्रम और विरोधाभासी आदेशों का कारण बनती थी। नया तरीका बोली लगाने की प्रक्रिया में एक "असहमति दंड" (disagreement penalty) जोड़ता है। यदि किसी रोबोट का निजी अनुमान बाकी समूह के विश्वास से बहुत भिन्न है, तो उसकी बोली को अधिक सतर्क बनाया जाता है। यह टीम को अराजकता में टूटने से रोकता है, यह सुनिश्चित करता है कि भले ही वे बिल्कुल एक जैसी चीज़ न देख रहे हों, वे समन्वय बनाए रखने के लिए पर्याप्त सक्षम रहें ताकि आगे बढ़ते रहें।
जब शोधकर्ताओं ने जटिल और बदलते मानचित्रों में पचास रोबोटों के समूहों वाले कंप्यूटर सिमुलेशन में इस दृष्टिकोण का परीक्षण किया, तो परिणाम आश्चर्यजनक थे। उन परिदृश्यों में जहाँ पारंपरिक विधियाँ निरंतर पुन: योजना बनाने और संचार ओवरलोड के कारण आधे से अधिक कार्यों को पूरा करने में विफल रहीं, नए सिस्टम ने नब्बे प्रतिशत से अधिक मिशन पूरे किए। शायद सबसे महत्वपूर्ण बात यह है कि इस प्रणाली ने एक एकल पथ अवरुद्ध होने पर पूरे समूह को रुकने और कार्यों की पुन: नीलामी करने की आवश्यकता को समाप्त कर दिया। वैश्विक घबराहट के बजाय, प्रभावित रोबोट बस अपने पूर्व-नियोजित वैकल्पिक मार्ग पर स्विच कर गया, जो शेष बेड़े को परेशान किए बिना तुरंत और स्थानीय स्तर पर हुआ। तालमेल बनाए रखने के लिए रोबोटों को एक-दूसरे को संदेश भेजने की संख्या में काफी कमी आई, जिससे सिद्ध हुआ कि प्रतिकूल वातावरण और खराब संचार के बावजूद टीम कुशलतापूर्वक कार्य कर सकती है।
यह अध्ययन पुष्टि करता है कि दुश्मन के सोचने के तरीके की गहरी समझ और कई योजनाओं को रिजर्व में रखने की क्षमता को जोड़कर, रोबोट कहीं अधिक लचीले बन सकते हैं। शोधकर्ताओं ने पाया कि यह दृष्टिकोण न केवल टीम को चीजें गलत होने पर जमने से रोकता है, बल्कि उन्हें अंतहीन बहसों पर समय और ऊर्जा बर्बाद किए बिना रणनीतिक अवरोधों से उबरने की अनुमति भी देता है। हालांकि वर्तमान कार्य सिमुलेशन में परीक्षण किया गया था, लेकिन इसके परिणाम वास्तविक दुनिया के अनुप्रयोगों, जैसे ढही हुई इमारतों में खोज और बचाव टीमों या सक्रिय हस्तक्षेप वाले क्षेत्रों में स्वायत्त वितरण बेड़े (autonomous delivery fleets) के लिए एक स्पष्ट मार्ग का सुझाव देते हैं। यह कार्य दर्शाता है कि अराजक वातावरण में जीवित रहने की कुंजी केवल तेज़ी से प्रतिक्रिया करना नहीं है, बल्कि विफलता की संभावना के लिए योजना बनाना है ताकि जब वह आए, तो टीम पहले से ही मुड़ने (पिवट करने) के लिए तैयार हो।
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।