২০২৫ সালের মে মাসে arXiv-এ একটি গবেষণাপত্র প্রকাশিত হয়েছে, যেখানে 'TrajPrism' নামের একটি বহুমুখী বেঞ্চমার্কের কথা বলা হয়েছে। এটি মূলত ভাষা-ভিত্তিক নগর চলাচলের গতিপথ বা ট্র্যাজেক্টরি বোঝার কাজ করে। লেখকরা এখানে এমন কিছু কাজের প্রস্তাব দিয়েছেন, যেখানে মডেলগুলোকে একই সাথে নগর পরিবেশে চলাচলের পূর্বাভাস দিতে হবে, সেগুলো তৈরি করতে হবে এবং টেক্সট বা বর্ণনার ভিত্তিতে চলাচলের বিষয়ে বিভিন্ন প্রশ্নের উত্তর দিতে হবে।
আগের ডেটাসেটগুলো যেখানে মূলত গাণিতিক স্থানাঙ্ক এবং ভিজ্যুয়াল ডেটার ওপর গুরুত্ব দিত, সেখানে TrajPrism-এ স্বাভাবিক ভাষা বা ন্যাচারাল ল্যাঙ্গুয়েজ ব্যবহারের শর্ত যুক্ত করা হয়েছে। মডেলগুলোকে শুধুমাত্র ট্র্যাজেক্টরি দিলেই হবে না, বরং তাদের উদ্দেশ্যের বর্ণনা, রাস্তার অবস্থা বা সামাজিক বিষয়গুলোও জানানো হয়। এর ফলে সময়ের সাথে স্থানের পরিবর্তনের যে ধরন, তার সাথে ভাষাগত অর্থের সামঞ্জস্য পরীক্ষার সুযোগ তৈরি হয়েছে।
এই বেঞ্চমার্কের কার্যপদ্ধতিতে চারটি প্রধান কাজ অন্তর্ভুক্ত রয়েছে: পথের পরবর্তী অংশ সম্পর্কে ধারণা দেওয়া, টেক্সট কমান্ডের ভিত্তিতে চলাচলের পথ তৈরি করা, পথ পরিবর্তনের কারণ সম্পর্কিত প্রশ্নের উত্তর দেওয়া এবং একাধিক এজেন্টের মধ্যে সমন্বয় করা। গবেষকরা কয়েকটি বেসলাইন মডেলের ফলাফল প্রকাশ করলেও বিস্তারিত 'অ্যাবলেশন স্টাডি' এখানে বিশ্লেষণ করেননি। ফলে মডেলের পৃথক উপাদানগুলোর অবদান ঠিক কতটুকু, তা নিয়ে এখনও প্রশ্ন থেকে যাচ্ছে।
TrajNet++ বা Social-LSTM-এর মতো আগের কাজগুলোর তুলনায় এই নতুন বেঞ্চমার্কটি বিশুদ্ধ জ্যামিতিক মডেলিংয়ের চেয়ে মাল্টিমোডাল মিথস্ক্রিয়ার দিকে বেশি নজর দিয়েছে। এটি অনেকটা 'এমবডিড এআই' (embodied AI)-এর মতো পদ্ধতির কাছাকাছি হলেও বর্তমানে প্রচলিত আর্কিটেকচারগুলোর একটি দুর্বলতাও সামনে এনেছে। বিশেষ করে দীর্ঘ টেক্সট এবং পরোক্ষ সামাজিক নিয়মগুলো বোঝার ক্ষেত্রে বর্তমান মডেলগুলোর সীমাবদ্ধতা স্পষ্ট হয়ে উঠেছে।
ট্র্যাজেক্টরি তৈরির ক্ষেত্রে প্রাপ্ত ফলাফলগুলো বিশেষভাবে লক্ষণীয়: মডেলগুলো প্রায়ই পথচারীদের পছন্দ বা সময়ের সীমাবদ্ধতা সংক্রান্ত সূক্ষ্ম ভাষাগত নির্দেশনাবলী এড়িয়ে যায়, যা ভাষা-ভিত্তিক বাস্তব প্রয়োগের অভাবকে নির্দেশ করে। এই পরিস্থিতি আমাদের ভাবিয়ে তোলে যে, বর্তমানের প্রি-ট্রেনিং পদ্ধতিগুলো কি সত্যিই ভাষার সাথে বাস্তব স্থানের সম্পর্ক তৈরি করতে শিখছে, নাকি তারা কেবল পরিসংখ্যানগত তথ্যেরই পুনরাবৃত্তি করছে।
বৃহত্তর প্রেক্ষাপটে TrajPrism এমন এক বেঞ্চমার্কের প্রয়োজনীয়তা তুলে ধরেছে, যা কেবল পূর্বাভাসের নির্ভুলতাই নয় বরং সিদ্ধান্তের ব্যাখ্যাযোগ্যতাও যাচাই করবে। স্বয়ংক্রিয় যানবাহন এবং নগর পরিকল্পনার মতো ক্ষেত্রে এটি অত্যন্ত গুরুত্বপূর্ণ, কারণ কারো উদ্দেশ্য ভুলভাবে বোঝার ফলে বাস্তব জীবনে বড় ধরনের বিপত্তি ঘটতে পারে।
তবে কৃত্রিমভাবে তৈরি কিংবা সীমিত কিছু নগর পরিস্থিতির ফলাফল বাস্তবে বিশৃঙ্খল জনবহুল শহরগুলোতে কতটা কার্যকর হবে, তা এখনও অস্পষ্ট। এই বেঞ্চমার্কের প্রকৃত মান যাচাই করার জন্য স্বাধীন পরীক্ষা-নিরীক্ষা এবং বিশ্বের নতুন নতুন অঞ্চলে ডেটাসেটটি সম্প্রসারণ করা পরবর্তী প্রয়োজনীয় পদক্ষেপ।
পরিশেষে বলা যায়, TrajPrism কেবল নতুন একটি ডেটাসেট যোগ করেনি, বরং ভাষা ব্যবহারের মাধ্যমে নগর পরিবেশের সাথে নির্ভরযোগ্যভাবে মিথস্ক্রিয়া করার জন্য মডেলগুলোর ঠিক কী কী ক্ষমতা থাকা প্রয়োজন, তা পুনর্মূল্যায়ন করতে গবেষক মহলকে বাধ্য করেছে।
