रोबोटिक्स और भौतिक एआई
रोबोट कैसे मदद मांगना सीख रहे हैं
मुख्य बिंदुप्रिंसटन और गूगल के इंजीनियरों ने रोबोटों को भाषाई अनिश्चितता मापना और स्पष्टीकरण…
और देखें
- प्रिंसटन और गूगल के इंजीनियरों ने रोबोटों को भाषाई अनिश्चितता मापना और स्पष्टीकरण मांगना सिखाया।
- यह विधि रोबोटों को अस्पष्ट एलएलएम आदेशों का अंधानुकरण करने से रोकती है, जिससे सुरक्षा और विश्वास में सुधार होता है।
- इस दृष्टिकोण का वास्तविक दुनिया के कार्यों, जैसे वस्तुओं को छांटना और रसोई में नेविगेशन, में सफलतापूर्वक परीक्षण किया गया।
रोबोटिक्स की दुनिया में, प्रिंसटन विश्वविद्यालय और गूगल (GOOGL ) के बीच एक नए युग की साझेदारी है। इन प्रतिष्ठित संस्थानों के इंजीनियरों ने एक नवाचारी तरीका विकसित किया है जो रोबोटों को एक महत्वपूर्ण कौशल सिखाता है: जब उन्हें मदद की आवश्यकता होती है और कैसे मांगनी होती है। यह विकास रोबोटिक्स में एक महत्वपूर्ण छलांग है, जो स्वचालित कार्यों और मानव-रोबोट इंटरैक्शन के बीच की खाई को पाटता है।
मानव भाषा की जटिलता और अस्पष्टता ने हमेशा अधिक बुद्धिमान और स्वतंत्र रोबोटों की यात्रा को बाधित किया है। कंप्यूटर कोड की द्विआधारी स्पष्टता के विपरीत, मानव भाषा में सूक्ष्मताएं और जटिलताएं होती हैं, जो रोबोटों के लिए एक भूलभुलैया है। उदाहरण के लिए, “बाउल उठाओ” जैसा एक सरल आदेश एक जटिल कार्य बन सकता है जब कई बाउल मौजूद हों। रोबोट, जो अपने पर्यावरण को महसूस करने और भाषा का जवाब देने में सक्षम हैं, अक्सर ऐसी भाषाई अनिश्चितताओं का सामना करते समय एक चौराहे पर खड़े होते हैं।
अनिश्चितता को मापना
इस चुनौती का सामना करने के लिए, प्रिंसटन और गूगल की टीम ने एक नए तरीके से पेश किया है जो मानव भाषा की ‘अस्पष्टता’ को मापता है। यह तकनीक मूल रूप से भाषा आदेशों में अनिश्चितता के स्तर को मापती है और इस माप का उपयोग रोबोट क्रियाओं को निर्देशित करने के लिए करती है। ऐसी स्थितियों में जहां एक आदेश कई व्याख्याओं को जन्म दे सकता है, रोबोट अब अनिश्चितता के स्तर को माप सकता है और तय कर सकता है कि कब आगे की स्पष्टीकरण मांगनी है। उदाहरण के लिए, कई बाउल वाले वातावरण में, उच्च अनिश्चितता का स्तर रोबोट को यह पूछने के लिए प्रेरित करेगा कि कौन सा बाउल उठाना है, इससे संभावित त्रुटियों या अक्षमताओं से बचा जा सकता है।
यह दृष्टिकोण न केवल रोबोटों को भाषा की बेहतर समझ प्रदान करता है, बल्कि उनकी सुरक्षा और कार्य कार्यान्वयन में भी सुधार करता है। ChatGPT जैसे सिस्टम के पीछे मौजूद बड़े भाषा मॉडलों (LLM) को एकीकृत करके शोधकर्ताओं ने रोबोटिक क्रियाओं को मानव अपेक्षाओं और आवश्यकताओं के साथ अधिक संरेखित करने के लिए एक महत्वपूर्ण कदम उठाया है।
बड़े भाषा मॉडल की भूमिका
इस नए दृष्टिकोण में LLM का एकीकरण एक महत्वपूर्ण भूमिका निभाता है। LLM मानव भाषा को संसाधित करने और व्याख्या करने में महत्वपूर्ण हैं। इस संदर्भ में, उन्हें रोबोटों को दिए गए भाषा आदेशों में मौजूद अनिश्चितता का मूल्यांकन और मापने के लिए उपयोग किया जाता है।
हालांकि, LLM पर निर्भरता के अपने चुनौतियां हैं। शोध टीम द्वारा बताया गया है, LLM के आउटपुट कभी-कभी अविश्वसनीय हो सकते हैं।
प्रिंसटन के सहायक प्रोफेसर अनिरुद्ध मजुमदार ने इस संतुलन के महत्व पर जोर दिया:
“एक LLM द्वारा उत्पन्न योजनाओं का अंधाधुंध पालन करने से रोबोट असुरक्षित या अविश्वसनीय तरीके से कार्य कर सकते हैं, और इसलिए हमें अपने LLM-आधारित रोबोटों को यह जानने की आवश्यकता है कि जब वे नहीं जानते हैं।”
यह एक सूक्ष्म दृष्टिकोण की आवश्यकता को उजागर करता है, जहां LLM को मार्गदर्शन के लिए उपकरण के रूप में उपयोग किया जाता है, अचूक निर्णयकर्ता के रूप में नहीं।
व्यावहारिक अनुप्रयोग और परीक्षण
इस विधि की व्यावहारिकता को विभिन्न परिदृश्यों में परीक्षण के माध्यम से दिखाया गया है, जो इसकी बहुमुखी प्रतिभा और प्रभावशीलता को प्रदर्शित करता है। एक ऐसा परीक्षण एक रोबोटिक आर्म के साथ किया गया था, जिसे खिलौना खाद्य पदार्थों को विभिन्न श्रेणियों में वर्गीकृत करने का कार्य दिया गया था। यह सरल सेटअप रोबोट की स्पष्ट विकल्पों के साथ कार्यों को प्रभावी ढंग से नेविगेट करने की क्षमता को प्रदर्शित करता है।

चित्र: प्रिंसटन विश्वविद्यालय
एक अन्य प्रयोग में, एक रोबोटिक आर्म को एक ऑफिस किचन में एक पहियेदार प्लेटफ़ॉर्म पर माउंट किया गया था। यहाँ, रोबोट को वास्तविक दुनिया की चुनौतियों का सामना करना पड़ा, जैसे कि कई विकल्पों के साथ माइक्रोवेव में रखने के लिए सही आइटम की पहचान करना।
इन परीक्षणों के माध्यम से, रोबोटों ने सफलतापूर्वक अपनी क्षमता का प्रदर्शन किया कि वे मापी गई अनिश्चितता का उपयोग निर्णय लेने या स्पष्टीकरण मांगने के लिए कैसे कर सकते हैं, इस प्रकार इस विधि की व्यावहारिक उपयोगिता को मान्य करते हैं।
भविष्य के निहितार्थ और शोध
आगे देखते हुए, इस शोध के निहितार्थ वर्तमान अनुप्रयोगों से परे हैं। मजुमदार और स्नातकोत्तर छात्र एलन रेन के नेतृत्व में टीम रोबोटिक दृष्टि और AI में अधिक जटिल समस्याओं पर इस दृष्टिकोण को लागू करने की खोज कर रही है। इसमें ऐसे परिदृश्य शामिल हैं जहां रोबोटों को निर्णय लेने के लिए दृष्टि और भाषा जानकारी को मिलाने की आवश्यकता होती है, मानव समझ और रोबोटिक समझ के बीच की खाई को और भी कम करते हुए।
जारी शोध रोबोटों को उच्च सटीकता के साथ कार्य करने में सक्षम बनाने के साथ-साथ मानव संज्ञान के समान समझ के साथ दुनिया को नेविगेट करने में सक्षम बनाने के लिए काम कर रहा है। यह शोध रोबोटों के लिए एक नया मार्ग प्रशस्त कर सकता है जो न केवल अधिक कुशल और सुरक्षित हैं, बल्कि मानव वातावरण की जटिल मांगों के साथ भी अधिक सामंजस्य में हैं।
आप यहाँ प्रकाशित शोध पा सकते हैं यहाँ।












