रोबोट दिन भर कार की बॉडी को एक मिलीमीटर के दसवें हिस्से तक वेल्ड करता है। उसी से कहिए कि टोकरी से एक मोज़ा उठा दे — नहीं उठा पाएगा

औद्योगिक रोबोट कार की बॉडी को एक मिलीमीटर के दसवें हिस्से तक वेल्ड करेगा — दिन में आठ घंटे, दस साल तक, बिना एक बार भी भटके। वही रोबोट कपड़ों की टोकरी के सामने रखकर कहा जाए कि एक मोज़ा निकाल दो, तो बेबस हो जाता है। और लगभग हर बना हुआ रोबोट ऐसा ही है।

यह उलटफेर कोई अस्थायी इंजीनियरिंग कमी नहीं है। यह इस क्षेत्र की ढाँचागत ख़ासियत है, और इसका नाम भी है — मोरावेक का विरोधाभास: जो चीज़ें इंसान को कठिन लगती हैं, जैसे गणित और शतरंज, वे मशीनों के लिए आसान निकलती हैं; और जो इंसान बिना किसी सचेत मेहनत के करता है — देखना, चलना, चीज़ें उठाना — वे असाधारण रूप से कठिन निकलती हैं।

आम व्याख्या विकासवादी है। संवेदी-गति कौशल करोड़ों साल से सुधारा जा रहा है; अमूर्त तर्क हाल की और पतली परत है। सबसे पुरानी क्षमताएँ चेतना के नीचे चलती हैं और इसलिए बिना मेहनत की लगती हैं — और ठीक इसीलिए हम बुरी तरह कम आँकते हैं कि उनमें लगता क्या है।

कारख़ाना रोबोट के इर्द-गिर्द बनाया जाता है, उलटा नहीं

चलते हुए औद्योगिक रोबोट के बारे में पहली समझने लायक़ बात यह है कि उसकी कितनी योग्यता ख़ुद रोबोट के बाहर बसती है।

वेल्डिंग सेल इसलिए चलती है कि कार की बॉडी हर बार ठीक उसी जगह पहुँचती है, ऐसे जिग में कसी हुई जो हर अनिश्चितता हटा देता है। पुर्ज़े फ़िक्स्चर में पेश किए जाते हैं। रोशनी नियंत्रित रहती है। क्रम हर चक्र में एक-सा रहता है। ऐसी हालत में रोबोट को कुछ भी "देखने" की ज़रूरत नहीं — उसे बस एक पथ सटीकता से दोहराना है, और यह सुलझी हुई यांत्रिक समस्या है।

संरचना हटा दीजिए और प्रदर्शन ढह जाता है। रोबोट को यह अंदाज़ा ही नहीं कि वह कर क्या रहा है; उसके पास एक पथ है। इसीलिए औद्योगिक स्वचालन सबसे पहले एक जैसी चीज़ों के भारी उत्पादन में कामयाब हुआ, और इसीलिए वही तकनीक रसोई, मरम्मत की दुकान या खेत में लगभग कहीं नहीं पहुँची।

इंजीनियर संरचित और असंरचित परिवेश में भेद करते हैं। औद्योगिक इंजीनियरिंग का बड़ा हिस्सा दूसरे को पहले में बदलने में ही जाता है — जिग, फ़ीडर और कन्वेयर बनाना, ताकि रोबोट के सामने कभी कोई हैरानी न आए। जहाँ दुनिया को दोबारा गढ़ने का ख़र्च उठाया न जा सके, वहाँ रोबोट को उसी से निपटना पड़ता है — और वहीं यह क्षेत्र अपनी असली समस्या से टकराता है।

पकड़ना पकड़ की नहीं, संवेदन की समस्या है

कोई चीज़ उठाना सबसे सरल काम लगता है। ज़रा देखिए कि उसमें चाहिए क्या।

आपको पता होना चाहिए कि वस्तु कहाँ है और किस दिशा में पड़ी है — यानी उसे तीन आयामों में देखना, अक्सर तब जब वह दूसरी चीज़ों के पीछे आधी छिपी हो। यह अनुमान लगाना होगा कि वह किस चीज़ की बनी है, क्योंकि काँच का गिलास, पका टमाटर और इस्पात का बोल्ट — तीनों को बिलकुल अलग बल चाहिए। यह आँकना होगा कि उसका द्रव्यमान-केंद्र कहाँ है, वरना उठाते ही वह आपकी पकड़ में घूम जाएगी। फिसलन शुरू होते ही उसे उसी पल पकड़ना और हाथ कसना होगा। और यह सब उस वस्तु के साथ करना होगा जिसे आपने शायद पहले कभी देखा ही न हो।

इंसान यह काम स्पर्श संवेदकों की घनी क़तार से करता है — हाथ में हज़ारों यांत्रिक-ग्राही लगातार दबाव, कंपन और फिसलन की ख़बर देते रहते हैं — और साथ में ऐसा हाथ है जिसमें लगभग दो दर्जन स्वतंत्र रूप से चलाई जा सकने वाली स्वतंत्रता-कोटियाँ हैं। आम औद्योगिक ग्रिपर में एक ही स्वतंत्रता-कोटि होती है, खुलना और बंद होना — और स्पर्श संवेदन बिलकुल नहीं। उसे स्थिति पता है, शायद पकड़ का बल भी, और इससे आगे कुछ नहीं।

यही अंतर है। रोबोट की दृष्टि बहुत सुधरी है; रोबोट का स्पर्श नहीं सुधरा — और पकड़ना स्पर्श पर ही चलता है। आज का बहुत-सा शोध स्पर्श-त्वचा पर है, ऐसे ऑप्टिकल स्पर्श संवेदकों पर जो किसी लचीले पैड को भीतर से कैमरे से देखते हैं, और ऐसे ग्रिपरों पर जो सटीक संवेदन के बिना ही काम चला लें — नरम और अल्प-चालित हाथ, जो जिस चीज़ पर बंद हों उसी की शक्ल ले लें; सक्शन कप; और जैमिंग ग्रिपर, यानी दानेदार पदार्थ से भरी थैली, जो वस्तु के आकार में ढल जाती है और फिर हवा खींचते ही सख़्त हो जाती है। ये सब सटीक संवेदन देकर नहीं, उसकी ज़रूरत हटाकर काम करते हैं।

औद्योगिक रोबोट उन चीज़ों को समझते नहीं जिन्हें वे संभालते हैं। वे एक गति दोहराते हैं — और कारख़ाना इस तरह गढ़ा जाता है कि उस गति का दोहराना ही काफ़ी हो जाए।

संपर्क रोबोट का नियंत्रण तंत्र क्यों तोड़ देता है

हेरफेर के कठिन होने की एक गहरी वजह है, और वह नियंत्रण तंत्र में बैठी है।

औद्योगिक रोबोट आम तौर पर स्थिति-नियंत्रित मशीन है: उसे कहा जाता है कि अपना सिरा फ़लाँ निर्देशांक पर रखो, और वह इतना कठोर होता है कि अच्छे-ख़ासे प्रतिरोध के बावजूद वहाँ पहुँच जाए। यही कठोरता उसे सटीक बनाती है। और इसी का मतलब यह भी है कि अगर कही गई स्थिति मेज़ के भीतर एक मिलीमीटर पड़ती हो, तो रोबोट मेज़ के भीतर एक मिलीमीटर घुसने की कोशिश करेगा — जितना बल लगे उतना लगाकर।

हेरफेर का लगभग हर दिलचस्प काम संपर्क माँगता है — कोई खूँटी डालना, सतह पोंछना, कसनी कसना, किसी इंसान को कुछ थमाना। संपर्क शुद्ध स्थिति-नियंत्रण को ख़तरनाक और अक्सर असंभव बना देता है, क्योंकि संपर्क की ठीक जगह कभी उस सटीकता से पता नहीं होती जिस सटीकता से रोबोट चल सकता है। जवाब है अनुपालन: बल-नियंत्रण और प्रतिबाधा-नियंत्रण, जिनमें रोबोट को कहा जाता है कि वह ऐसा बर्ताव करे मानो उसमें एक तय स्प्रिंगपन हो — यानी तय बिंदु तक पहुँचने के बजाय तय बल से दबाए। असेंबली का काम अच्छे से करता रोबोट ज़रा ढीला-सा दिखता है, और वही ढीलापन उसकी नियंत्रण-रणनीति है।

इसी से मशीन लर्निंग वाले तरीक़ों की एक टिकाऊ दिक़्क़त भी समझ आती है। सिमुलेशन में प्रशिक्षित नीतियाँ असली हेरफेर में ठीक से नहीं उतरतीं, क्योंकि संपर्क पर जो भौतिकी सबसे ज़्यादा मायने रखती है — घर्षण, विरूपण, सूक्ष्म फिसलन, किसी तार या कपड़े का बर्ताव — ठीक वही चीज़ें सिमुलेटर सबसे ख़राब ढंग से मॉडल करते हैं। चलना-फिरना और रास्ता खोजना सिमुलेशन से असलियत की खाई कहीं बेहतर पार कर चुके हैं, और वजह संपर्क की भौतिकी ही है।

अर्थशास्त्र असल में कहाँ चुभता है

इसका एक भारतीय पहलू है, जिस पर चर्चा आम तौर पर ख़राब ढंग से होती है — "रोबोट मज़दूरों की जगह ले लेंगे" के रूप में।

असली चर हैं मात्रा, विविधता और मज़दूरी। रोबोट एक बड़ी स्थिर लागत है, जो दोहराव से वसूल होती है — इसलिए स्वचालन वहाँ सबसे आकर्षक है जहाँ वही काम लाखों बार हो, गुणवत्ता की माँग कड़ी हो, और श्रम महँगा हो। यह वर्णन ऑटोमोबाइल विनिर्माण का है, और भारत में औद्योगिक रोबोट वहीं केंद्रित हैं — और देश के बाक़ी विनिर्माण आधार का यह वर्णन बहुत कम है।

भारत का बहुत-सा विनिर्माण कम मात्रा और ऊँची विविधता पर चलता है — छोटे बैच, बार-बार बदलाव, तेज़ी से बदलते विनिर्देश। यह ठीक वही स्थिति है जिसमें पारंपरिक रोबोट सबसे कमज़ोर हैं, क्योंकि हर बदलाव पर दोबारा प्रोग्रामिंग और दोबारा फ़िक्स्चरिंग चाहिए, और स्थिर लागत कहीं कम इकाइयों पर बँटती है। उधर कुशल कारीगर विविधता बिना मेहनत संभाल लेता है — और यही वह क्षमता है जो रोबोट के पास नहीं।

जो तकनीकें यह समीकरण बदल सकती हैं, वे रफ़्तार बढ़ाने वाली नहीं, सेटअप की लागत घटाने वाली हैं: सहयोगी रोबोट, जो पिंजरे के बिना लोगों के साथ सुरक्षित काम करें और एक काम से दूसरे पर ले जाए जा सकें; प्रोग्रामिंग की जगह करके-दिखाकर सिखाना; और ऐसी दृष्टि-प्रणालियाँ जो लगभग-सही जगह पर पहुँचे पुर्ज़ों को भी संभाल लें। ये भारतीय मात्राओं पर किफ़ायती बन पाती हैं या नहीं — यह खुला सवाल है, और "जगह लेने" वाली बहस से कहीं ज़्यादा काम का सवाल है।

सचमुच बदल क्या रहा है

तीन चीज़ें हिल रही हैं। सीखने-आधारित ग्रास्पिंग काफ़ी सुधरी है — बहुत बड़ी संख्या में पकड़ने की कोशिशों पर प्रशिक्षित तंत्र अब अनजानी वस्तुओं पर उससे कहीं बेहतर चलते हैं जितना हाथ से लिखे नियम कभी चले। सस्ता होता बल और टॉर्क संवेदन अनुपालन को कम महँगे हार्डवेयर पर उपलब्ध करा रहा है। और नया तरीक़ा — बड़े दृष्टि तथा भाषा मॉडलों से काम का निर्देश समझकर उसे चरणों में बाँटना — रोबोटों को यह तय करने में काफ़ी बेहतर बना चुका है कि करना क्या है, हालाँकि भौतिक अमल अब भी अड़चन बना हुआ है।

यह साफ़ कहना ज़रूरी है कि क्या सुलझा है और क्या नहीं। रास्ता खोजना बड़े हद तक सुलझ चुका है — गोदाम के रोबोट रैक भरोसे से इधर-उधर ले जाते हैं। देखना नाटकीय रूप से सुधरा है। जो ज़िद्दी बना हुआ है वह आख़िरी चरण है: मशीन और उस वस्तु के बीच का संपर्क, जिसके गुण उसे ख़ुद अनुमान से निकालने हैं। गोदाम स्वचालन में इसे साफ़ शब्दों में "पिकिंग की समस्या" कहा जाता है — और इसीलिए सामान का ले जाना उसके उठाने से कहीं आगे स्वचालित हो चुका है।

विद्यार्थियों और शोधकर्ताओं के लिए यह क्यों मायने रखता है

रोबोटिक्स उन गिने-चुने इंजीनियरिंग क्षेत्रों में है जहाँ यांत्रिक डिज़ाइन, नियंत्रण सिद्धांत, संवेदन और संगणना अलग किए ही नहीं जा सकते — बेहतर ग्रिपर बेहतर एल्गोरिद्म की जगह ले सकता है, और अनुपालक यांत्रिकी हार्डवेयर में वह हल कर देती है जो सॉफ़्टवेयर में कठिन नियंत्रण समस्या होती। इससे इस पर काम करना असामान्य रूप से संतोषजनक भी है और कई दिशाओं से शुरू करना आसान भी।

करने लायक़ शोध-समस्याएँ असली हैं। सस्ता स्पर्श संवेदन, जहाँ हाल की ज़्यादातर प्रगति महँगे संवेदक-जालों से नहीं, लचीले पदार्थों को भीतर से देखते कैमरों से आई है। अल्प-चालित और अनुपालक ग्रिपर डिज़ाइन, जो यांत्रिक रचना का काम है और 3डी प्रिंटिंग से प्रोटोटाइप किया जा सकता है। छोटे और मझोले विनिर्माण के लिए स्वचालन, जहाँ असली बंधन चक्र-समय नहीं बदलाव-लागत है, और जहाँ भारतीय औद्योगिक संदर्भ यह सवाल तीखे ढंग से रखता है। साझा कार्यस्थल में सुरक्षा और अंतःक्रिया। और कृषि रोबोटिक्स, जहाँ वस्तुएँ लचीली, बदलती रहने वाली, पत्तों से ढकी और आसानी से ख़राब होने वाली हैं — शायद सबसे कठिन हेरफेर-परिवेश, और स्थानीय रूप से साफ़ तौर पर प्रासंगिक।

औद्योगिक, कारख़ाना तथा भवन स्वचालन, रोबोटिक्स और उससे जुड़ी स्वचालन तकनीकों का यही विस्तार इंटरनेशनल जर्नल ऑफ़ एडवांस्ड रोबोटिक्स एंड ऑटोमेशन टेक्नोलॉजी का घोषित दायरा है, जो 2023 में शुरू हुई पीयर-रिव्यूड जर्नल है। मैकेनिकल इंजीनियरिंग के विद्यार्थियों के लिए काम का सुधार यही है: रोबोटों को बुद्धि की कमी नहीं रोक रही। उन्हें हाथ रोक रहे हैं, स्पर्श रोक रहा है, और वह दुनिया रोक रही है जो टिककर खड़ी नहीं होती।

अक्सर पूछे जाने वाले सवाल

मोरावेक का विरोधाभास क्या है?

यह प्रेक्षण कि जो काम इंसान को कठिन लगते हैं, जैसे गणित और शतरंज, वे मशीनों के लिए अपेक्षाकृत आसान हैं; जबकि जो इंसान बिना मेहनत करता है, जैसे देखना और चीज़ें संभालना, वे बेहद कठिन हैं। संवेदी-गति क्षमता का विकासवादी इतिहास कहीं लंबा है और वह चेतना के नीचे चलती है, इसलिए हम उसे कम आँकते हैं।

औद्योगिक रोबोट इतने सटीक होकर भी मोज़ा क्यों नहीं उठा पाते?

क्योंकि उनकी सटीकता ऐसे परिवेश में तय पथ दोहराने से आती है जिसे अनिश्चितता हटाने के लिए गढ़ा गया है। वे वस्तुओं को न देखते हैं न समझते हैं, इसलिए वस्तु की जगह, आकार या पदार्थ बदलते ही तरीक़ा फेल हो जाता है।

रोबोट के लिए पकड़ना इतना कठिन क्यों है?

इसके लिए वस्तु की जगह और दिशा जाननी पड़ती है, उसका पदार्थ और भार-वितरण अनुमान से निकालना पड़ता है, उचित बल लगाना पड़ता है और फिसलन तुरंत पकड़नी पड़ती है। इंसान यह हज़ारों स्पर्श ग्राहियों और बेहद लचीले हाथ से करता है; ज़्यादातर रोबोट ग्रिपरों में एक स्वतंत्रता-कोटि होती है और स्पर्श संवेदन बिलकुल नहीं।

असेंबली के लिए रोबोट को अनुपालन क्यों चाहिए?

क्योंकि कठोर, स्थिति-नियंत्रित रोबोट कही गई स्थिति ज़रा-सी ग़लत होने पर भी जिस चीज़ से टकराए उसमें घुसने की कोशिश करेगा। बल और प्रतिबाधा नियंत्रण उसे तय बल से दबाने और संपर्क पर झुक जाने देते हैं, और इसी से खूँटी डालने जैसे काम संभव होते हैं।

सिमुलेशन में प्रशिक्षित रोबोट असली हेरफेर में क्यों फेल होते हैं?

क्योंकि संपर्क की भौतिकी — घर्षण, विरूपण, फिसलन और लचीले पदार्थों का बर्ताव — दुनिया का वही हिस्सा है जिसे सिमुलेटर सबसे कम सटीकता से दोहराते हैं। रास्ता खोजना सिमुलेशन से असलियत में कहीं बेहतर उतरता है, हेरफेर नहीं।

स्वचालन आर्थिक रूप से कहाँ समझदारी है?

जहाँ वही काम भारी मात्रा में दोहराया जाए, गुणवत्ता की माँग कड़ी हो और श्रम महँगा हो। कम मात्रा और ऊँची विविधता वाला उत्पादन वह स्थिति है जहाँ पारंपरिक रोबोट सबसे कमज़ोर हैं, क्योंकि बदलाव और दोबारा प्रोग्रामिंग की लागत कहीं कम इकाइयों पर बँटती है।