सौरमंडल में सबसे कठिन पार्किंग
अंतर्राष्ट्रीय अंतरिक्ष स्टेशन के साथ अंतरिक्ष यान की डॉकिंग एनिमेशन में एक धीमी और सुंदर बैले की तरह दिखती है। असलियत इसके करीब एक उच्च-दांव वाले भौतिकी के दुःस्वप्न जैसी है। स्टेशन लगभग 28,000 किलोमीटर प्रति घंटे की गति से परिक्रमा करता है, और पास आते कैप्सूल को उसी गति से मेल खाना होता है जबकि यह सेंटीमीटर में मापी गई सहनशीलता के साथ डॉकिंग पोर्ट में फिसलता है। जैसा कि यूनिवर्स टुडे के योगदानकर्ता एंडी टोमासविक ने कहा, यह 28,000 किमी/घंटा की गति से राजमार्ग पर यात्रा करने और उसी गति से चल रही बहु-अरब डॉलर की प्रयोगशाला पर एक खुले गैराज में पैरेलल पार्किंग करने जैसा है।
कक्षीय यांत्रिकी ऐसे क्रूर मोड़ जोड़ती है जिनका सामना पृथ्वी पर ड्राइवर कभी नहीं करते। यदि कोई पायलट आगे की ओर तेजी बढ़ाने की कोशिश करता है, तो अंतरिक्ष यान वास्तव में ऊपर की ओर बहक जाता है। वाहन को स्वाभाविक रूप से धीमा करने के लिए कोई वायु घर्षण नहीं है। और विफलता के परिणाम विनाशकारी होते हैं: एक टकराव आने वाले यान और स्टेशन दोनों पर सवार सभी को मार सकता है, और परिणामी मलबे का क्षेत्र दर्जनों उपग्रहों और यहां तक कि जमीन पर लोगों को भी खतरे में डाल सकता है।
दशकों से, एयरोस्पेस इंजीनियरों ने हार्ड-कोडेड भौतिकी समीकरणों और उन्हें सुधारने वाले मानव पायलटों पर भरोसा किया है। अब, स्टैनफोर्ड के शोधकर्ताओं का एक नया प्री-प्रिंट पेपर, जो arXiv पर उपलब्ध है, एक अलग दृष्टिकोण प्रस्तावित करता है। टीम एक ऐसा AI बना रही है जो \"मानसिक सिमुलेशन\" की एक श्रृंखला करता है — एक क्षमता जो उनके अनुसार भविष्य के अंतरिक्ष यानों के एक-दूसरे के साथ संपर्क करने के तरीके को मौलिक रूप से बदल सकती है। उनके सिस्टम को आउट-ऑफ-दिस-वर्ल्ड मॉडल, या OWM कहा जाता है।
आज अंतरिक्ष यान कैसे डॉक करते हैं — और यह कहाँ टूटता है
यह समझने के लिए कि OWM क्यों मायने रखता है, लो अर्थ ऑर्बिट (LEO) में नेविगेशन के पारंपरिक टूलकिट को समझना मदद करता है। पारंपरिक नेविगेशन कंप्यूटर एक गाइडेंस, नेविगेशन एंड कंट्रोल (GNC) एल्गोरिदम चलाते हैं। वे एक गणितीय उपकरण का भी उपयोग करते हैं जिसे एक्सटेंडेड कलमैन फ़िल्टर कहा जाता है, जो GPS रिसीवर और स्टार ट्रैकर्स से डेटा लेता है और वाहन को चलाने के लिए आवश्यक थ्रस्टर बर्न ड्यूटी साइकिल आउटपुट करता है।
कलमैन फ़िल्टर और वीडियो की समस्या
कलमैन फ़िल्टर शक्तिशाली हैं, लेकिन वे उच्च गति वाले वीडियो को संसाधित करने में बहुत खराब हैं। यह सीमा इंजीनियरों को पारंपरिक कंप्यूटर विज़न तकनीकों की ओर धकेलती है। हालाँकि, अंतरिक्ष में, उन तकनीकों को एक गंभीर बाधा का सामना करना पड़ता है: वे नाजुक हैं। यदि सूर्य का प्रकाश सौर सरणी से चमकता है, या यदि लक्ष्य का कोई हिस्सा अचानक छाया में ढक जाता है, तो कंप्यूटर विज़न एल्गोरिदम पूरी तरह से भ्रमित हो सकते हैं। एक डॉकिंग पोर्ट जो एक पल में स्पष्ट रूप से दिखाई दे रहा था, अगले ही पल एक अपरिचित आकृति बन सकता है।
रीइन्फोर्समेंट लर्निंग क्यों लड़खड़ाती है
मशीन लर्निंग सही समाधान जैसी लगती है, और शोधकर्ताओं ने कोशिश की है। उन्होंने रीइन्फोर्समेंट लर्निंग (RL) एल्गोरिदम लागू करना शुरू किया — वही विधियों का परिवार जिसने प्रसिद्ध रूप से कंप्यूटरों को शतरंज और Dota जीतना सिखाया। लेकिन RL का एक संकीर्ण आराम क्षेत्र है: यह तब उत्कृष्ट होता है जब नियम निश्चित और विशिष्ट हों। नियम बदलें, जैसे कि आईएसएस के किस तरफ डॉकिंग पोर्ट है, और एल्गोरिदम को पता नहीं रहता कि क्या करना है। एक डॉकिंग पैंतरेबाज़ी जो एक कॉन्फ़िगरेशन में निर्दोष रूप से काम करती थी, दूसरे में पूरी तरह से विफल हो सकती है।
आउट-ऑफ-दिस-वर्ल्ड मॉडल का प्रवेश
स्टैनफोर्ड टीम का उत्तर एक \"वर्ल्ड मॉडल\" है। नियमों के एक सेट को याद करने या नाजुक फीचर डिटेक्शन पर निर्भर रहने के बजाय, एक वर्ल्ड मॉडल पर्यावरण का एक आंतरिक प्रतिनिधित्व बनाता है और इसका उपयोग मानसिक सिमुलेशन चलाने के लिए करता है। अंतरिक्ष यान, वास्तव में, संभावित भविष्यों के बारे में सपने देख सकता है — यह कल्पना करते हुए कि उसके थ्रस्टर उसके प्रक्षेपवक्र को कैसे बदलेंगे, स्टेशन घूमते समय कैसा दिखेगा, और प्रकाश की स्थिति कैसे बदल सकती है — बर्न के लिए प्रतिबद्ध होने से पहले।
यह शास्त्रीय GNC और शुद्ध RL दोनों से एक सार्थक प्रस्थान है। शास्त्रीय एल्गोरिदम हाथ से बनाए गए समीकरणों पर निर्भर करते हैं जिन्हें प्रत्येक मिशन के लिए ट्यून किया जाना चाहिए। RL एजेंट एक संकीर्ण डोमेन में व्यापक प्रशिक्षण पर निर्भर करते हैं। एक वर्ल्ड मॉडल सामान्यीकरण का लक्ष्य रखता है: दुनिया कैसे काम करती है इसका एक भविष्य कहने वाला मॉडल सीखकर, यह तब अनुकूल हो सकता है जब परिदृश्य बदलता है, जैसे कि एक अलग डॉकिंग पोर्ट ओरिएंटेशन या अप्रत्याशित छाया।
बेसबॉल सादृश्य: समीकरणों के बिना सोचना
शोधकर्ता इस अवधारणा को एक ऐसे सादृश्य से समझाते हैं जिसका रॉकेट से कोई लेना-देना नहीं है: एक बेसबॉल या क्रिकेट खिलाड़ी फ्लाई बॉल को पकड़ना। जब एक आउटफील्डर कैच लेने के लिए आगे बढ़ता है, तो वे तुरंत आंशिक अंतर समीकरणों को हल करना शुरू नहीं करते हैं। इसके बजाय, वे इस बात पर निर्भर करते हैं कि गेंद कैसे यात्रा करेगी — अनुभव से बना एक मानसिक सिमुलेशन — का एक सहज, भविष्य कहने वाला मॉडल। वे दौड़ते हैं, समायोजित करते हैं, और कागज पर प्रक्षेपवक्र की गणना किए बिना गेंद को इंटरसेप्ट करते हैं।
एक वर्ल्ड मॉडल अंतरिक्ष यान को कुछ ऐसा ही देता है। हर कदम पर कक्षीय गति के समीकरणों को स्पष्ट रूप से हल करने के बजाय, AI आंतरिक रूप से परिणामों का अनुकरण कर सकता है। यह एक डॉकिंग दृष्टिकोण के माध्यम से अपने तरीके से \"सपने\" देख सकता है, भौतिकी और धारणा के अपने सीखे हुए मॉडल के खिलाफ काल्पनिक कार्यों का परीक्षण कर सकता है। यदि मानसिक सिमुलेशन टकराव या चूक गए संरेखण की भविष्यवाणी करता है, तो सिस्टम वास्तविक दुनिया में पैंतरेबाज़ी गलत होने से पहले समायोजित कर सकता है।
यह भविष्य के अंतरिक्ष यानों के लिए क्या मायने रख सकता है
इसके निहितार्थ आईएसएस के साथ डॉकिंग से परे हैं। जैसे-जैसे अधिक अंतरिक्ष यान स्वायत्त रूप से संचालित होते हैं — उपग्रहों की सर्विसिंग, कक्षा में संरचनाओं को असेंबल करना, या भीड़भाड़ वाली कक्षीय लेन में यातायात को नेविगेट करना — नई स्थितियों के बारे में तर्क करने की क्षमता आवश्यक हो जाती है। हार्ड-कोडेड समीकरण और नाजुक कंप्यूटर विज़न उस भविष्य तक नहीं पहुंच सकते जहाँ वाहनों को सहयोग करना, मलबे से बचना और ऐसी स्थितियों के अनुकूल होना चाहिए जिनकी किसी इंजीनियर ने पूरी तरह से कल्पना नहीं की थी।
स्टैनफोर्ड का पेपर एक प्री-प्रिंट है, जिसका अर्थ है कि इसकी अभी तक सहकर्मी-समीक्षा नहीं हुई है, और स्रोत पाठ OWM की आर्किटेक्चर, प्रशिक्षण डेटा, या प्रदर्शन बेंचमार्क का विवरण नहीं देता है। लेकिन मूल विचार सम्मोहक है: अंतरिक्ष यान को अपनी दुनिया का मानसिक मॉडल बनाना सिखाएं, फिर उन्हें थ्रस्टर फायर करने से पहले अपने दिमाग में अभ्यास करने दें। अगर यह काम करता है, तो डॉकिंग एक सफेद-पोर पैरेलल पार्किंग की नौकरी से कम और एक नियमित काम से अधिक हो सकती है — जहाँ अंतरिक्ष यान ने पहले ही एक हजार तरीके कल्पना कर लिए होंगे कि दृष्टिकोण कैसे गलत हो सकता है और एक रास्ता खोज लिया होगा।
अभी के लिए, समस्या पहले जितनी ही कठिन बनी हुई है। 28,000 किमी/घंटा पर वेगों का मिलान, कक्षीय बहाव की भरपाई, और एक विनाशकारी टकराव से बचना ऐसी चुनौतियाँ नहीं हैं जो रातोंरात गायब हो जाएं। लेकिन स्टैनफोर्ड के शोधकर्ता दांव लगा रहे हैं कि अगली पीढ़ी के अंतरिक्ष यान सिर्फ गणना करके स्टेशन तक नहीं पहुंचेंगे। वे सपने देखकर वहां पहुंचेंगे।
यह लेख यूनिवर्स टुडे की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on universetoday.com
