సౌర వ్యవస్థలోనే అత్యంత కఠినమైన పార్కింగ్ పని

అంతరిక్ష నౌకను అంతర్జాతీయ అంతరిక్ష స్టేషన్ (ISS)తో డాక్ చేయడం యానిమేషన్లలో చూస్తే నెమ్మదిగా, అందంగా సాగే బ్యాలే లాగా కనిపిస్తుంది. వాస్తవానికి అది అత్యధిక పందెం ఉన్న భౌతిక దుస్వప్నానికి దగ్గరగా ఉంటుంది. స్టేషన్ సుమారు గంటకు 28,000 కిలోమీటర్ల వేగంతో భూమి చుట్టూ తిరుగుతుంది, సమీపిస్తున్న క్యాప్సూల్ ఆ వేగాన్ని సరిపోల్చుకుంటూ సెంటీమీటర్లలో లెక్కించే సహనశీలతతో డాకింగ్ పోర్ట్లోకి జారుకోవాలి. Universe Today రచయిత ఆండీ టోమాస్విక్ చెప్పినట్లు, ఇది గంటకు 28,000 కి.మీ వేగంతో హైవేపై వెళ్లి, అదే వేగంతో కదులుతున్న బిలియన్ల డాలర్ల ప్రయోగశాలపై తెరిచిన గ్యారేజీలో పారలల్ పార్కింగ్ చేయడం లాంటిది.

కక్ష్యా యాంత్రికశాస్త్రం భూమిపై డ్రైవర్లు ఎప్పుడూ ఎదుర్కోని క్రూరమైన మలుపులు తెస్తుంది. పైలట్ ముందుకు వేగవంతం చేయాలని ప్రయత్నిస్తే, అంతరిక్ష నౌక వాస్తవానికి పైకి జరుగుతుంది. వాహనాన్ని సహజంగా నెమ్మదించే గాలి ఘర్షణ ఉండదు. విఫలమైతే పరిణామాలు విపత్కరం: ఢీకొనడం వల్ల సందర్శించే నౌకలోనూ, స్టేషన్లోనూ ఉన్న ప్రతి ఒక్కరూ మరణించవచ్చు, ఏర్పడే శిధిలాల ప్రాంతం డజన్ల కొద్దీ ఉపగ్రహాలను, భూమిపై ఉన్నవారిని సైతం బెదిరించవచ్చు.

దశాబ్దాలుగా, ఏరోస్పేస్ ఇంజనీర్లు హార్డ్-కోడెడ్ భౌతిక సమీకరణలపై, వాటిని సరిదిద్దే మానవ పైలట్లపై ఆధారపడ్డారు. ఇప్పుడు, స్టాన్ఫోర్డ్ పరిశోధకుల కొత్త ప్రీ-ప్రింట్ పేపర్, arXivలో అందుబాటులో ఉంది, వేరే విధానాన్ని ప్రతిపాదిస్తోంది. ఈ బృందం వరుస \"మానసిక అనుకరణలు\" చేసే AIని నిర్మిస్తోంది — ఇది భవిష్యత్తు అంతరిక్ష నౌకలు ఒకదానితో ఒకటి ఎలా సంభాషించుకుంటాయో ప్రాథమికంగా మార్చగల సామర్థ్యం అని వారు చెబుతున్నారు. వారి వ్యవస్థను అవుట్-ఆఫ్-దిస్-వరల్డ్ మోడల్, లేదా OWM అని పిలుస్తారు.

ఈరోజు అంతరిక్ష నౌకలు ఎలా డాక్ అవుతాయి — ఎక్కడ విఫలమవుతాయి

OWM ఎందుకు ముఖ్యమో అర్థం చేసుకోవడానికి, లో ఎర్త్ ఆర్బిట్ (LEO)లో నావిగేషన్ కోసం సాంప్రదాయ సాధనాలను అర్థం చేసుకోవడం సహాయపడుతుంది. సాంప్రదాయ నావిగేషన్ కంప్యూటర్లు గైడెన్స్, నావిగేషన్ అండ్ కంట్రోల్ (GNC) అల్గోరిథంను నడుపుతాయి. అవి ఎక్స్టెండెడ్ కల్మాన్ ఫిల్టర్ అనే గణిత సాధనాన్ని కూడా ఉపయోగిస్తాయి, ఇది GPS రిసీవర్లు, స్టార్ ట్రాకర్ల నుండి డేటాను తీసుకుని, వాహనాన్ని నడిపించడానికి అవసరమైన థ్రస్టర్ బర్న్ డ్యూటీ సైకిల్స్ను అందిస్తుంది.

కల్మాన్ ఫిల్టర్లు మరియు వీడియో సమస్య

కల్మాన్ ఫిల్టర్లు శక్తివంతమైనవి, కానీ అవి హై-స్పీడ్ వీడియోను ప్రాసెస్ చేయడంలో దారుణంగా విఫలమవుతాయి. ఆ పరిమితి ఇంజనీర్లను సాంప్రదాయ కంప్యూటర్ విజన్ టెక్నిక్ల వైపు నెట్టివేస్తుంది. అయితే అంతరిక్షంలో, ఆ టెక్నిక్లు తీవ్ర అడ్డంకిని ఎదుర్కొంటాయి: అవి పెళుసుగా ఉంటాయి. సౌర శ్రేణి నుండి సూర్యకాంతి మెరిసినా, లేదా లక్ష్యంలో కొంత భాగం అకస్మాత్తుగా నీడలో కప్పబడినా, కంప్యూటర్ విజన్ అల్గోరిథంలు పూర్తిగా దారి తప్పవచ్చు. ఒక క్షణం స్పష్టంగా కనిపించిన డాకింగ్ పోర్ట్, మరుసటి క్షణంలో గుర్తించలేని ఆకారంగా మారవచ్చు.

రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ ఎందుకు తడబడుతుంది

మెషిన్ లెర్నింగ్ సరైన పరిష్కారంలా అనిపిస్తుంది, పరిశోధకులు ప్రయత్నించారు కూడా. వారు రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ (RL) అల్గోరిథంలను వర్తించడం ప్రారంభించారు — కంప్యూటర్లను చెస్, Dotaలో గెలిపించడం నేర్పిన అదే రకమైన పద్ధతులు. కానీ RLకు ఒక సన్నని సౌకర్య ప్రాంతం ఉంది: నియమాలు స్థిరంగా, నిర్దిష్టంగా ఉన్నప్పుడు అది అద్భుతంగా పనిచేస్తుంది. నియమాలు మారితే, ఉదాహరణకు ISS డాకింగ్ పోర్ట్ ఏ వైపు ఉందో మార్చినా, అల్గోరిథంలకు ఏమి చేయాలో తెలియదు. ఒక కాన్ఫిగరేషన్లో నిర్దోషంగా పనిచేసిన డాకింగ్ యుక్తి మరొకదానిలో పూర్తిగా విఫలమవచ్చు.

ఇక్కడికి వస్తుంది అవుట్-ఆఫ్-దిస్-వరల్డ్ మోడల్

స్టాన్ఫోర్డ్ బృందం సమాధానం \"వరల్డ్ మోడల్.\" ఒకే నియమాల సమితిని గుర్తుపెట్టుకోవడం లేదా పెళుసైన ఫీచర్ డిటెక్షన్పై ఆధారపడటం బదులు, వరల్డ్ మోడల్ పర్యావరణం యొక్క అంతర్గత ప్రాతినిధ్యాన్ని నిర్మించి, దాన్ని మానసిక అనుకరణలు నడపడానికి ఉపయోగిస్తుంది. అంతరిక్ష నౌక వాస్తవానికి సాధ్యమయ్యే భవిష్యత్తుల గురించి కలలు కనగలదు — దాని థ్రస్టర్లు దాని పథాన్ని ఎలా మారుస్తాయి, స్టేషన్ తిరుగుతున్నప్పుడు ఎలా కనిపిస్తుంది, వెలుతురు పరిస్థితులు ఎలా మారవచ్చు — బర్న్కు కట్టుబడే ముందు ఊహించుకోగలదు.

ఇది సాంప్రదాయ GNC నుండి, స్వచ్ఛమైన RL నుండి రెండింటి నుండి అర్థవంతమైన మార్పు. సాంప్రదాయ అల్గోరిథంలు ప్రతి మిషన్ కోసం ట్యూన్ చేయాల్సిన చేతితో రూపొందించిన సమీకరణాలపై ఆధారపడతాయి. RL ఏజెంట్లు ఒక సన్నని రంగంలో విస్తృత శిక్షణపై ఆధారపడతాయి. వరల్డ్ మోడల్ సాధారణీకరించడం లక్ష్యంగా పెట్టుకుంటుంది: ప్రపంచం ఎలా పనిచేస్తుందో ఒక భవిష్యత్ సూచన నమూనాను నేర్చుకోవడం ద్వారా, సన్నివేశం మారినప్పుడు — వేరే డాకింగ్ పోర్ట్ దిశ లేదా ఊహించని నీడలు వంటివి — అది అనుకూలించగలదు.

బేస్బాల్ ఉపమానం: సమీకరణాలు లేకుండా ఆలోచించడం

పరిశోధకులు ఈ భావనను రాకెట్లతో ఎటువంటి సంబంధం లేని ఒక ఉపమానంతో వివరిస్తారు: బేస్బాల్ లేదా క్రికెట్ ఆటగాడు ఎగిరే బంతిని పట్టుకోవడం. ఒక ఔట్ఫీల్డర్ క్యాచ్ పట్టడానికి కదులుతున్నప్పుడు, వారు వెంటనే పాక్షిక అవకలన సమీకరణాలను పరిష్కరించడం ప్రారంభించరు. బదులుగా, బంతి ఎలా ప్రయాణిస్తుందో వారు అంతర్బోధాత్మక, భవిష్యత్ సూచన నమూనాపై ఆధారపడతారు — అనుభవం నుండి నిర్మించిన మానసిక అనుకరణ. వారు కాగితంపై పథాన్ని ఎప్పుడూ లెక్కించకుండానే పరిగెత్తి, సర్దుబాటు చేసి, బంతిని అడ్డుకుంటారు.

వరల్డ్ మోడల్ అంతరిక్ష నౌకకు అలాంటిదే ఇస్తుంది. ప్రతి అడుగులో కక్ష్యా చలన సమీకరణాలను స్పష్టంగా పరిష్కరించడం బదులు, AI ఫలితాలను అంతర్గతంగా అనుకరించగలదు. అది డాకింగ్ సమీపించే విధానాన్ని \"కలలో\" దాటగలదు, ఊహాత్మక చర్యలను తన నేర్చుకున్న భౌతిక, గ్రహణ నమూనాతో పరీక్షించగలదు. మానసిక అనుకరణ ఢీకొనడం లేదా సరిపోలని అమరికను సూచిస్తే, యుక్తి నిజ ప్రపంచంలో తప్పుగా మారే ముందే వ్యవస్థ సర్దుబాటు చేసుకోగలదు.

భవిష్యత్తు అంతరిక్ష నౌకలకు ఇది ఏమి అర్థం కావచ్చు

దీని ప్రభావాలు ISSతో డాకింగ్కు మించి విస్తరిస్తాయి. ఎక్కువ అంతరిక్ష నౌకలు స్వయంప్రతిపత్తిగా పనిచేస్తున్నప్పుడు — ఉపగ్రహాలకు సేవలు అందించడం, కక్ష్యలో నిర్మాణాలను అమర్చడం, లేదా రద్దీగా ఉన్న కక్ష్య మార్గాల్లో ట్రాఫిక్ను నావిగేట్ చేయడం — కొత్త పరిస్థితుల గురించి ఆలోచించే సామర్థ్యం అత్యవసరమవుతుంది. వాహనాలు సహకరించుకోవాల్సిన, శిధిలాలను నివారించాల్సిన, ఏ ఇంజనీరూ పూర్తిగా ఊహించని పరిస్థితులకు అనుకూలించాల్సిన భవిష్యత్తుకు హార్డ్-కోడెడ్ సమీకరణాలు, పెళుసైన కంప్యూటర్ విజన్ స్కేల్ కాకపోవచ్చు.

స్టాన్ఫోర్డ్ పేపర్ ఒక ప్రీ-ప్రింట్, అంటే ఇది ఇంకా పీర్-రివ్యూ కాలేదు, మూల వచనం OWM నిర్మాణం, శిక్షణ డేటా, లేదా పనితీరు బెంచ్మార్క్లను వివరించదు. కానీ ప్రధాన ఆలోచన ఆకర్షణీయం: అంతరిక్ష నౌకలకు తమ ప్రపంచం గురించి మానసిక నమూనాను నిర్మించడం నేర్పించండి, తర్వాత థ్రస్టర్లు మండించే ముందు తలలో సాధన చేయనివ్వండి. అది పనిచేస్తే, డాకింగ్ వణుకు పుట్టించే పారలల్ పార్కింగ్ పని నుండి సాధారణ పనిగా మారవచ్చు — అంతరిక్ష నౌక ఈ విధానం ఎలా తప్పు జరగవచ్చో వెయ్యి మార్గాలను ఇప్పటికే ఊహించి, ఒక మార్గాన్ని కనుగొన్నది.

ప్రస్తుతానికి, సమస్య ఎప్పటిలాగే కఠినంగానే ఉంది. గంటకు 28,000 కి.మీ వేగాలను సరిపోల్చడం, కక్ష్యా జారడాన్ని భర్తీ చేయడం, విపత్కర ఢీకొనడాన్ని నివారించడం — ఇవి రాత్రికి రాత్రి మాయమయ్యే సవాళ్లు కావు. కానీ స్టాన్ఫోర్డ్ పరిశోధకులు తదుపరి తరం అంతరిక్ష నౌకలు కేవలం లెక్కించుకుంటూ స్టేషన్కు చేరుకోవు అని పందెం వేస్తున్నారు. అవి కలలు కంటూ అక్కడికి చేరుకుంటాయి.

ఈ వ్యాసం Universe Today నివేదిక ఆధారంగా రూపొందింది. మూల వ్యాసాన్ని చదవండి.

Originally published on universetoday.com