A Hierarchical Stochastic Decision-Making Framework for Task Scheduling and Safety-Aware Human-Robot Collaboration

भविष्य की फैक्ट्रियों में, जिन्हें इंडस्ट्री 5.0 के रूप में जाना जाता है, लक्ष्य मनुष्यों और मशीनों को एक ही कार्यक्षेत्र में वापस लाना है। दशकों तक, ऑटोमेशन का अर्थ खतरनाक या दोहराव वाले काम को संभालने के लिए लोगों की जगह रोबोटों को रखना था। अब, दृष्टिकोण अलग है: इंसान और रोबोट कंधे से कंधा मिलाकर काम कर रहे हैं, जहाँ मानवीय अनुकूलन क्षमता और निर्णय लेने की शक्ति को रोबोटिक सटीकता और सहनशक्ति के साथ जोड़ा जा रहा है। हालाँकि, एक साझा कार्यक्षेत्र साझा करना एक जटिल समस्या पेश करता है। एक रोबोट को न केवल यह जानने की जरूरत है कि एक पुर्जा कहाँ है, बल्कि यह भी कि मानव कार्यकर्ता कैसा महसूस कर रहा है। क्या कार्यकर्ता थका हुआ है? क्या वे तेजी से या धीरे चल रहे हैं? क्या कार्य तत्काल है, या इसमें देरी हो सकती है? यदि एक रोबोट इन सूक्ष्म संकेतों को नहीं पढ़ सकता है, तो वह बहुत तेजी से चल सकता है जिससे दुर्घटना हो सकती है, या बहुत धीरे चल सकता है जिससे समय बर्बाद होगा। इंजीनियरों के लिए चुनौती एक ऐसी प्रणाली बनाने की है जो यह तय कर सके कि कौन, क्या, कब और कैसे करेगा, जबकि सभी को सुरक्षित और कुशल रखा जा सके।

किंग फहद यूनिवर्सिटी ऑफ पेट्रोलियम एंड मिनरल्स के शोधकर्ताओं ने इस समस्या को हल करने का एक नया तरीका विकसित किया है। उन्होंने एक कंप्यूटर फ्रेमवर्क बनाया है जो मानव-रोबोट टीमों के लिए दो-स्तरीय मस्तिष्क की तरह कार्य करता है। सब कुछ एक साथ कवर करने के लिए एक विशाल, जटिल निर्णय लेने के बजाय, उन्होंने काम को दो अलग-अलग हिस्सों में विभाजित कर दिया है जो एक-दूसरे से बात करते हैं। पहला हिस्सा एक उच्च-स्तरीय शेड्यूलर (high-level scheduler) है। इसे एक मैनेजर की तरह समझें जो कार्यों की सूची देखता है, यह जाँचता है कि कौन उपलब्ध है, और यह निर्णय लेता है कि अगला कार्य कौन सा कार्यकर्ता—मानव या रोबोट—करेगा। यह मैनेजर श्रमिकों की "थकान" (fatigue) पर बारीकी से ध्यान देता है। यदि किसी मानव ने कठिन परिश्रम किया है, तो सिस्टम को पता चल जाता है कि और काम सौंपने से पहले उन्हें आराम दिया जाए। यदि कोई रोबोट अधिक गर्म होकर चल रहा है, तो उसे ठंडा होने के लिए कहा जाता है। मैनेजर कार्यों को प्राथमिकता भी देता है और यह भी तय करता है कि कौन से कार्य बिना किसी बाधा के एक साथ किए जा सकते हैं।

दूसरा हिस्सा एक सुरक्षा अधिकारी (safety officer) है जो निचले स्तर पर कार्य करता है। जबकि मैनेजर यह तय करता है कि क्या करना है, यह सुरक्षा अधिकारी यह तय करता है कि इसे कैसे करना है। क्योंकि एक रोबोट मानव की आंतरिक स्थिति को पूरी तरह से नहीं जान सकता—जैसे कि वे व्याकुल महसूस कर रहे हैं या पूरी तरह से व्यस्त हैं—उसे जो वह देख सकता है उसके आधार पर शिक्षित अनुमान लगाने होते हैं। शोधकर्ताओं ने एक ऐसा मॉडल उपयोग किया जो मानव की शारीरिक गतिविधियों, विशेष रूप से उनके कंधों, कोहनियों और हाथों की स्थिति पर नज़र रखता है। इन गतिविधियों के आधार पर, सिस्टम मानव की स्थिति के बारे में एक "विश्वास" (belief) बनाए रखता है। यदि गतिविधियाँ संकेत देती हैं कि मानव बेचैन है या बहुत तेजी से चल रहा है, तो रोबोट सुरक्षा के लिए स्वचालित रूप से उनके बीच की दूरी बढ़ा देता है। यदि मानव शांत है और कार्य के लिए उन्हें करीब काम करने की आवश्यकता है, तो रोबोट सहयोग करने के लिए उनके करीब आता है। यह सुरक्षा परत मानव की गतिविधियों को देखते हुए अपने अनुमान को लगातार अपडेट करती रहती है, जिससे रोबोट व्यवहार में बदलाव के प्रति तुरंत प्रतिक्रिया दे पाता है।

यह नया फ्रेमवर्क कैसे अनूठा है, यह इस बात पर निर्भर करता है कि ये दोनों भाग कैसे जुड़ते हैं। कई पिछले सिस्टमों में, कार्यों की योजना बनाना और सुरक्षा की निगरानी अलग-अलग होती थी, जो अक्सर जानकारी साझा नहीं करती थी। यहाँ, दोनों परतें एक समन्वय मॉड्यूल (coordination module) द्वारा जुड़ी हुई हैं जो एक सेतु के रूप में कार्य करता है। जब मैनेजर एक कार्य सौंपता है, तो वह सुरक्षा अधिकारी को उस कार्य का विवरण बताता है। यदि कार्य रोबोट के लिए एक एकल कार्य है, तो सुरक्षा अधिकारी एक विस्तृत दूरी बनाए रखता है। यदि कार्य के लिए दोनों को मिलकर काम करने की आवश्यकता है, तो सुरक्षा अधिकारी उन्हें करीब आने की अनुमति देता है। महत्वपूर्ण रूप से, सुरक्षा अधिकारी मैनेजर को जानकारी भी वापस भेजता है। यदि कोई मानव कार्य के दौरान बहुत थक जाता है, तो सुरक्षा अधिकारी इसे मैनेजर को सूचित करता है, जो फिर उस व्यक्ति को काम देना बंद करने और आराम की अवधि निर्धारित करने का निर्णय लेता है। यह एक क्लोज्ड लूप बनाता है जहाँ कार्यकर्ता की सुरक्षा सीधे फैक्ट्री के शेड्यूल को प्रभावित करती है।

शोधकर्ताओं ने बारह विभिन्न कार्यों की एक श्रृंखला को संभालने के लिए कंप्यूटर सिमुलेशन का उपयोग करके इस प्रणाली का परीक्षण किया। उन्होंने ऐसे परिदृश्य बनाए जहाँ कार्यभार मिश्रित कार्यों से बदलकर मुख्य रूप से मानव प्रयास वाले कार्यों में, फिर मुख्य रूप से रोबोट प्रयास वाले कार्यों में, और अंत में घनिष्ठ सहयोग वाले कार्यों में बदल गया। सिस्टम ने प्रत्येक नई स्थिति के लिए पुन: प्रोग्राम किए बिना इन सभी परिवर्तनों को सफलतापूर्वक प्रबंधित किया। इसने सही ढंग से तत्काल कार्यों को प्राथमिकता दी, सबसे कम थके हुए कार्यकर्ता को कार्य सौंपा, और यह सुनिश्चित किया कि थकान का स्तर बहुत अधिक होने पर दोनों (मानव और रोबोट) ब्रेक लें। सिमुलेशन ने दिखाया कि सिस्टम इन निर्णयों को अविश्वसनीय रूप से तेजी से ले सकता है। किसी दिए गए स्थिति के लिए सही निर्णय लेने में सिस्टम को लगने वाला समय मात्र 3.082 माइक्रोसेकंड मापा गया। यह गति बताती है कि सिस्टम फैक्ट्री में बदलावों के प्रति लगभग तुरंत प्रतिक्रिया दे सकता है, जो किसी भी मानव मैनेजर द्वारा नया प्लान कैलकुलेट करने की तुलना में बहुत तेज है।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि सिस्टम अत्यधिक सतर्क हुए बिना सुरक्षा बनाए रख सकता था। अतीत में, रोबोट अक्सर सुरक्षा के लिए मानव के पास होने पर रुक जाते थे या बहुत धीरे चलते थे। यह नया दृष्टिकोण रोबोट को अधिक लचीला बनाता है। जब मानव अकेले किसी कार्य पर काम कर रहा होता है, तो रोबोट दूर रहता है। लेकिन जब मानव और रोबोट एक संयुक्त कार्य पर मिलकर काम करते हैं, तो सिस्टम उन्हें करीब आने की अनुमति देता है, बशर्ते कि रोबोट का "विश्वास" (belief) यह संकेत दे कि ऐसा करना सुरक्षित है। सिमुलेशन ने पुष्टि की कि रोबोट कभी भी खतरनाक टक्कर की स्थिति में नहीं पहुँचा, फिर भी वह सहयोगात्मक कार्यों को कुशलतापूर्वक करने में सक्षम था। सिस्टम ने यह भी प्रदर्शित किया कि वह कार्यों के एक सेट से दूसरे सेट तक श्रमिकों के थकान स्तर को आगे बढ़ा सकता है, जिससे यह सुनिश्चित होता है कि जो कार्यकर्ता एक शिफ्ट के अंत में थका हुआ था, उसे अगली शिफ्ट में अत्यधिक काम नहीं दिया जाएगा।

शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि उनके परिणाम कंप्यूटर सिमुलेशन से आए हैं, न कि अभी तक वास्तविक कारखानों में वास्तविक लोगों के साथ काम करने वाले वास्तविक रोबोटों से। सिमुलेशन में मानव की "थकान" और "मूड" गणितीय मॉडलों पर आधारित थे, न कि वास्तविक मानव प्रतिभागियों के माप पर। सिस्टम ने निर्णय लेने के लिए मानव गति के सरलीकृत दृश्य का उपयोग किया। हालांकि परिणाम उत्साहजनक हैं, लेखक कहते हैं कि अगला कदम इस फ्रेमवर्क का वास्तविक मनुष्यों और वास्तविक रोबोटों के साथ परीक्षण करना है ताकि यह देखा जा सके कि कंप्यूटर मॉडल वास्तव में लोग कैसे व्यवहार करते हैं, इसके सटीक रूप से प्रतिबिंब हैं या नहीं। वे मानव अवस्थाओं की अपनी समझ को बेहतर बनाने के लिए वास्तविक समय में हृदय गति और शारीरिक गतिविधियों को मापने के लिए सेंसर का उपयोग करने की योजना बना रहे हैं।

यह कार्य मानव-रोबोट सहयोग को व्यावहारिक और सुरक्षित बनाने की दिशा में एक महत्वपूर्ण कदम है। कार्यों की शेड्यूलिंग और वास्तविक समय की सुरक्षा की समस्या को अलग करके, और फिर उन्हें एक तेज़, दो-तरफा संचार प्रणाली के साथ जोड़कर, शोधकर्ताओं ने दिखाया है कि यह संभव है कि एक फैक्ट्री फ्लोर को प्रबंधित किया जाए जहाँ मनुष्य और रोबोट एक टीम के रूप में काम करते हैं। यह प्रणाली केवल नियमों के एक कठोर सेट का पालन नहीं करती है; यह श्रमिकों की स्थिति और कार्यों की तात्कालिकता के अनुसार अनुकूलित होती है। यह सिद्ध करता है कि सही निर्णय लेने वाली संरचना के साथ, रोबर्स न केवल मजबूत और सटीक हो सकते हैं, बल्कि विचारशील और उन लोगों के प्रति संवेदनशील भी हो सकते हैं जिनके साथ वे काम करते हैं। माइक्रोसेकंड में निर्णय लेने की क्षमता यह सुझाव देती है कि ऐसे सिस्टम जल्द ही कल की फैक्ट्रियों को चला सकते हैं, जो उत्पादकता को अधिकतम करते हुए श्रमिकों को सुरक्षित रखते हैं।