মানুষ — প্রধান সমস্যা নেভিগেশন অ্যালগরিদমের জন্য
রোবটগুলো ক্রমবর্ধমানভাবে এমন জায়গায় আসছে যেখানে মানুষদের সাথে পথ ভাগ করে নিতে হয়: দোকান, হাসপাতাল, শহরের রাস্তা। কমান্ড সঠিকভাবে ব্যাখ্যা করার পাশাপাশি পথচারীদের ব্যক্তিগত সীমানা লঙ্ঘন না করার ক্ষমতা অত্যন্ত গুরুত্বপূর্ণ হয়ে উঠছে। তবে, ভাষা নির্দেশনা-ভিত্তিক নেভিগেশনের (Vision-and-Language Navigation, VLN) বেশিরভাগ বিদ্যমান পদ্ধতি এমন পরিস্থিতিতে পরীক্ষা করা হয়েছে যেখানে পথচারী হয় একেবারেই থাকে না, অথবা তাদের আচরণকে চরমভাবে সরলীকৃত করা হয়। এর ফলে, এমনকি উন্নত এজেন্টরাও বাস্তব পরিবেশে হারিয়ে যায়।
গবেষকরা এই ব্যবধানের দিকে নজর দিয়েছেন এবং একটি নতুন ওপেন বেঞ্চমার্ক উপস্থাপন করেছেন — HA-VLN 2.0। এটি তৈরি করা হয়েছে রোবটের একই সাথে নেভিগেশন কমান্ড সম্পাদন এবং সামাজিকভাবে গ্রহণযোগ্য আচরণ করার ক্ষমতা পরীক্ষা করার জন্য: মানুষকে এড়িয়ে চলা, তাদের সাথে সংঘর্ষ না করা, দূরত্ব বজায় রাখা।
বিচ্ছিন্ন মানচিত্র থেকে জীবন্ত রাস্তায়
প্রচলিত VLN-বেঞ্চমার্কগুলো বিচ্ছিন্ন এবং অবিচ্ছিন্ন — এই দুই ভাগে বিভক্ত ছিল। প্রথম ক্ষেত্রে, এজেন্ট পূর্বনির্ধারিত পয়েন্টগুলোর মধ্যে চলাচল করে এবং গতির মসৃণতা নিয়ে চিন্তা করে না। দ্বিতীয় ক্ষেত্রে, মুক্ত স্থান থাকে, কিন্তু বেশিরভাগ পরিস্থিতিতে এটি স্থির থাকে: পথচারীরা নড়াচড়া করে না বা তাদের প্রায় বিবেচনাই করা হয় না। অথচ বাস্তবে মানুষ constantly সামনের দিকে আসে, গতিপথ পরিবর্তন করে, একে অপরের সাথে কথা বলে।
ArXiv:2503.14229-এর কাজের লেখকরা (প্রবন্ধটি IROS 2026-এ গৃহীত হয়েছে) একটি সমন্বিত পদ্ধতির প্রস্তাব করেন: HA-VLN 2.0 বিচ্ছিন্ন এবং অবিচ্ছিন্ন উভয় পরিবেশকে একত্রিত করে, সাথে স্পষ্ট সামাজিক সীমাবদ্ধতা যুক্ত করে। অর্থাৎ, রুটের নির্ভুলতা মূল্যায়ন করার আগে, এজেন্ট মানুষের ব্যক্তিগত স্থান লঙ্ঘন করেছে কিনা তা পরীক্ষা করা হয়। এই সমস্যা প্রণয়ন বাস্তব অবস্থার অনেক কাছাকাছি, যেখানে রোবটদের আসলে কাজ করতে হবে।
35 পৃষ্ঠা এবং 20টি চিত্র সম্বলিত প্রবন্ধে, বেঞ্চমার্কের স্থাপত্য এবং প্রাপ্ত ফলাফল উভয়ই বিস্তারিতভাবে বর্ণনা করা হয়েছে। প্রকল্পটিতে একাডেমিক এবং শিল্প গবেষণাগারের 12 জন লেখক কাজ করেছেন, যার মধ্যে কার্নেগি মেলন বিশ্ববিদ্যালয়ের (Alexander G. Hauptmann) এবং অন্যান্য প্রতিষ্ঠানের গবেষকরা অন্তর্ভুক্ত।
HA-VLN 2.0: সামাজিক নেভিগেশনের জন্য একটি অভিন্ন মান
নতুন বেঞ্চমার্কে বেশ কয়েকটি মূল উপাদান অন্তর্ভুক্ত রয়েছে। প্রথমত, এটি প্রমিত মেট্রিক্স, যা একই সাথে লক্ষ্য অর্জনের নির্ভুলতা এবং ব্যক্তিগত স্থান রক্ষার মাত্রা পরিমাপ করে। "সফল এপিসোডের শতাংশ"-এর মতো সহজ মেট্রিক এখানে পথচারীদের কমফোর্ট জোনে অনুপ্রবেশের জন্য জরিমানা দ্বারা পরিপূরক।
দ্বিতীয়ত, গবেষকরা একটি আপডেটেড ডেটাসেট HAPS 2.0 এবং সিমুলেটর তৈরি করেছেন যা একাধিক মানুষের সাথে একই সাথে মিথস্ক্রিয়া মডেল করে। শুধু বন্ধ স্থানই নয়, খোলা স্থানও বিবেচনায় নেওয়া হয়, সেইসাথে অঙ্গভঙ্গি এবং নড়াচড়ার সাথে ভাষার আরও সঠিক সমন্বয়। এটি এজেন্টদের বাস্তব শহুরে পরিস্থিতির কাছাকাছি অবস্থায় পরীক্ষা করার অনুমতি দেয়।
পদ্ধতির কার্যকারিতা যাচাই করার জন্য, লেখকরা 16,844টি সামাজিকভাবে ভিত্তিযুক্ত নির্দেশনায় বেঞ্চমার্ক পরিচালনা করেছেন। এই পরিমাণ উদাহরণ বিভিন্ন পরিস্থিতিতে অ্যালগরিদমের আচরণ নির্ভরযোগ্যভাবে মূল্যায়ন করতে দেয়। বিশেষভাবে জোর দেওয়া হয় যে, বেঞ্চমার্কের সাথে ডেটাসেট, সিমুলেটর, বেসলাইন এবং প্রোটোকল প্রকাশিত হয় — পরীক্ষাগুলো পুনরুত্পাদনের জন্য যা যা প্রয়োজন।
পরীক্ষাগুলো কী দেখিয়েছে: সামাজিক সচেতনতাই সমাধান
বেঞ্চমার্ক একটি গুরুতর সমস্যা উন্মোচন করেছে: মানুষের গতিশীলতা এবং আংশিক পর্যবেক্ষণযোগ্যতা যোগ করলে শীর্ষস্থানীয় নেভিগেশন এজেন্টদের কর্মক্ষমতা তীব্রভাবে কমে যায়। স্থির পরিবেশে যারা চমৎকারভাবে কাজ করত, তারা পথচারীদের সাথে সংঘর্ষে জড়িয়ে পড়ে বা অচলাবস্থায় পড়ে যখন তারা হঠাৎ দৃষ্টিসীমায় আসে।
এছাড়াও, পরীক্ষাগুলো দেখিয়েছে যে স্পষ্ট সামাজিক মডেলিং উল্লেখযোগ্য সুবিধা দেয়। যদি এজেন্টকে আগে থেকেই মানুষের উপস্থিতি বিবেচনা করতে এবং তাদের গতিবিধি পূর্বাভাস দিতে প্রশিক্ষণ দেওয়া হয়, তবে নেভিগেশনের স্থিতিশীলতা বৃদ্ধি পায় এবং সংঘর্ষের সংখ্যা হ্রাস পায়। এটি সংক্ষিপ্ততম পথ খোঁজার পরিবর্তে মানব-কেন্দ্রিক পদ্ধতির প্রয়োজনীয়তা নিশ্চিত করে।
গুরুত্বপূর্ণভাবে, ফলাফলগুলো শুধুমাত্র সিমুলেশনে যাচাই করা হয়নি। লেখকরা একটি বাস্তব রোবটে পরীক্ষা পরিচালনা করেছেন, যা ভার্চুয়াল পরিবেশ থেকে শারীরিক পরিবেশে ফলাফল স্থানান্তর নিশ্চিত করেছে। সিমুলেশন থেকে বাস্তবে এই রূপান্তর — ব্যবহারিক প্রয়োগের জন্য একটি বাধ্যতামূলক শর্ত, এবং HA-VLN 2.0 এর যাচাইয়ের জন্য অবকাঠামো প্রদান করে।
রোবোটিক্সের উন্নয়নের জন্য একটি উন্মুক্ত ইকোসিস্টেম
প্রকল্পের একটি গুরুত্বপূর্ণ দিক হলো উন্মুক্ততা। প্রবন্ধের সাথে শুধু বিবরণই নয়, কার্যকরী সরঞ্জামও প্রকাশিত হয়: ডেটাসেট, সিমুলেটর, বেস অ্যালগরিদমের কোড এবং প্রশিক্ষণ প্রোটোকল। এছাড়াও, একটি লিডারবোর্ড তৈরি করা হয়েছে, যেখানে দলগুলো স্বচ্ছ অবস্থায় তাদের নেভিগেশন এজেন্টদের তুলনা করতে পারে। এটি বিশেষভাবে মূল্যবান, কারণ এটি সামাজিক নেভিগেশনের ক্ষেত্রে অগ্রগতি ট্র্যাক করতে এবং বন্ধ টেস্ট সেটে স্ফীত ফলাফল এড়াতে দেয়।
এই ধরনের বেঞ্চমার্কের বিকাশ — একটি গুরুত্বপূর্ণ পদক্ষেপ যাতে রোবটগুলো ল্যাবরেটরির খেলনা হয়ে না থাকে এবং বাস্তব জীবনে মানুষের সাথে নিরাপদে সহাবস্থান করতে শেখে। নতুন মেট্রিক্স এবং সিমুলেটর সম্প্রদায়কে শুধুমাত্র প্রযুক্তিগত নির্ভুলতার দিকে নয়, বৃহত্তর সামাজিক সচেতনতার দিকে গবেষণা চালাতে উৎসাহিত করে।
ভবিষ্যতে, পরিস্থিতির সম্প্রসারণ আশা করা যেতে পারে: আরও জটিল আবহাওয়া, বিভিন্ন ধরনের পথচারী এবং নির্দেশনায় অতিরিক্ত মোডালিটি। তবে ইতিমধ্যেই HA-VLN 2.0 সমাজের সাথে মিথস্ক্রিয়ার উপর দৃষ্টি নিবদ্ধ নেভিগেশন অ্যালগরিদম মূল্যায়নের জন্য একটি নতুন মান নির্ধারণ করছে।
