मई 2025 में arXiv पर एक शोध पत्र सामने आया जिसमें TrajPrism पेश किया गया है—यह भाषाई ग्राउंडिंग के साथ शहरी प्रक्षेपवक्र (trajectories) को समझने के लिए एक बहुउद्देशीय बेंचमार्क है। लेखक कार्यों का एक ऐसा सेट प्रस्तावित करते हैं, जहाँ मॉडलों को पाठ-आधारित संदर्भों के आधार पर शहरी वातावरण में एजेंटों की आवाजाही के बारे में एक साथ भविष्यवाणी करनी होती है, उन्हें उत्पन्न करना होता है और उनसे जुड़े सवालों के जवाब देने होते हैं।
मुख्य रूप से संख्यात्मक निर्देशांकों और दृश्य डेटा पर केंद्रित पिछले डेटासेट के विपरीत, TrajPrism प्राकृतिक भाषा के एकीकरण की स्पष्ट आवश्यकता पेश करता है। मॉडलों को न केवल प्रक्षेपवक्र मिलते हैं, बल्कि इरादों, सड़क की स्थितियों या सामाजिक कारकों का विवरण भी दिया जाता है, जिससे स्थानिक-अस्थायी पैटर्न को अर्थ विज्ञान के साथ जोड़ने की प्रणालियों की क्षमता का परीक्षण किया जा सके।
बेंचमार्क की कार्यप्रणाली में चार मुख्य कार्य शामिल हैं: यात्रा के अगले हिस्से का पूर्वानुमान लगाना, टेक्स्ट प्रॉम्प्ट के आधार पर प्रक्षेपवक्र तैयार करना, विचलन के कारणों के बारे में सवालों के जवाब देना और बहु-एजेंट समन्वय। लेखक कई आधारभूत मॉडलों के परिणामों की रिपोर्ट तो करते हैं, लेकिन विस्तृत पृथक्करण अध्ययन (ablation studies) प्रदान नहीं करते हैं, जिससे व्यक्तिगत घटकों के योगदान का प्रश्न अनुत्तरित रह जाता है।
TrajNet++ या Social-LSTM जैसे पिछले कार्यों की तुलना में, यह नया बेंचमार्क स्पष्ट रूप से विशुद्ध ज्यामितीय मॉडलिंग से मल्टीमॉडल इंटरैक्शन की ओर ध्यान केंद्रित करता है। यह इसे 'एंबॉडीड एआई' (embodied AI) के क्षेत्र में विकसित दृष्टिकोणों के करीब लाता है, लेकिन साथ ही लंबे संदर्भों और अंतर्निहित सामाजिक मानदंडों को संभालने में वर्तमान आर्किटेक्चर की कमजोरियों को भी उजागर करता है।
जनरेशन कार्यों के परिणाम विशेष रूप से महत्वपूर्ण हैं: मॉडल अक्सर पैदल यात्रियों की पसंद या समय की सीमाओं पर सूक्ष्म भाषाई संकेतों को अनदेखा कर देते हैं, जो ग्राउंडिंग की अपर्याप्त गहराई का संकेत देते हैं। यह स्थिति हमें यह सोचने पर मजबूर करती है कि मौजूदा प्री-ट्रेनिंग विधियां भाषा को भौतिक स्थान के साथ जोड़ना वास्तव में कितना सिखाती हैं, या वे केवल सांख्यिकीय सहसंबंधों को दोहरा रही हैं।
व्यापक संदर्भ में, TrajPrism उन बेंचमार्क की बढ़ती आवश्यकता को रेखांकित करता है जो न केवल भविष्यवाणियों की सटीकता की, बल्कि निर्णयों की व्याख्या करने की क्षमता की भी जांच करते हैं। यह स्वायत्त परिवहन और शहरी नियोजन जैसे अनुप्रयोगों के लिए विशेष रूप से महत्वपूर्ण है, जहाँ इरादों को समझने में होने वाली गलतियों के वास्तविक परिणाम हो सकते हैं।
साथ ही, यह अभी भी स्पष्ट नहीं है कि सिंथेटिक या सीमित शहरी परिदृश्यों के परिणाम अपनी अराजक गतिशीलता वाले वास्तविक महानगरों पर कितनी अच्छी तरह लागू होते हैं। प्रस्तावित बेंचमार्क के मूल्य की पुष्टि करने के लिए स्वतंत्र सत्यापन और नए क्षेत्रों में डेटासेट का विस्तार अगला आवश्यक कदम होगा।
इस प्रकार, TrajPrism केवल एक और डेटासेट नहीं जोड़ता है, बल्कि समुदाय को इस बात पर पुनर्विचार करने के लिए मजबूर करता है कि भाषा के माध्यम से शहरी वातावरण के साथ विश्वसनीय रूप से बातचीत करने के लिए मॉडलों से वास्तव में किन क्षमताओं की आवश्यकता है।
