प्रकृति में, उड़ने वाले जानवर अचानक अशांति की शुरुआत सहित अपने परिवेश में आने वाले परिवर्तनों को महसूस करते हैं, और सुरक्षित रहने के लिए जल्दी से समायोजित हो जाते हैं।विमान डिज़ाइन करने वाले इंजीनियर अपने वाहनों को आने वाली गड़बड़ी की भविष्यवाणी करने और उचित प्रतिक्रिया देने की समान क्षमता देना चाहेंगे।

वास्तव में, पिछले मई में सिंगापुर एयरलाइंस की घातक उड़ान जैसी आपदाओं से बचा जा सकता था, जिसमें विमान को गंभीर अशांति का सामना करने के बाद 100 से अधिक यात्री घायल हो गए थे, अगर विमान में वाहन को स्थिर करने के तंत्र के साथ ऐसी स्वचालित संवेदन और भविष्यवाणी क्षमताएं होतीं तो इससे बचा जा सकता था।

अब कैलटेक के सेंटर फॉर ऑटोनॉमस सिस्टम्स एंड टेक्नोलॉजीज (सीएएसटी) और एनवीडिया के शोधकर्ताओं की एक टीम ने ऐसी क्षमताओं की दिशा में एक महत्वपूर्ण कदम उठाया है।एक नये मेंकागज़जर्नल मेंएनपीजे रोबोटिक्स, टीम एक नियंत्रण रणनीति का वर्णन करती है जिसे उन्होंने मानव रहित हवाई वाहनों या यूएवी के लिए विकसित किया है, जिसे फाल्कन (फूरियर एडेप्टिव लर्निंग एंड कंट्रोल) कहा जाता है।

रणनीति का उपयोग करता हैसुदृढीकरण सीखना, कृत्रिम बुद्धिमत्ता का एक रूप, अनुकूल रूप से यह सीखना कि अशांत हवा समय के साथ कैसे बदल सकती है और फिर उस ज्ञान का उपयोग यूएवी को नियंत्रित करने के लिए करता है जो कि वास्तविक समय में अनुभव कर रहा है।

"नागरिक उड़ानों से लेकर ड्रोन तक हर चीज़ के लिए सहज अशांति के बड़े परिणाम होते हैं। साथ में।"जलवायु परिवर्तनएयरोनॉटिक्स और मेडिकल इंजीनियरिंग के हंस डब्ल्यू लीपमैन प्रोफेसर, सीएएसटी के बूथ-क्रेसा लीडरशिप चेयर और नए पेपर के लेखक मोरी ग़रीब कहते हैं, "इस प्रकार की अशांति का कारण बनने वाली चरम मौसम की घटनाएं बढ़ रही हैं।"

"अत्यधिक अशांति दो अलग-अलग कतरनी प्रवाहों के बीच इंटरफेस पर भी उत्पन्न होती है - उदाहरण के लिए, जब उच्च गति वाली हवाएं एक ऊंची इमारत के आसपास ठहराव से मिलती हैं। इसलिए, शहरी सेटिंग्स में यूएवी को ऐसे अचानक परिवर्तनों की भरपाई करने में सक्षम होने की आवश्यकता है। फाल्कन इन्हें देता हैवाहन आने वाली अशांति को समझने और आवश्यक समायोजन करने का एक तरीका है।"

फाल्कन सुदृढीकरण सीखने का उपयोग करने वाली पहली यूएवी नियंत्रण रणनीति नहीं है।हालाँकि, पिछली रणनीतियों ने उस अंतर्निहित मॉडल को सीखने की कोशिश नहीं की है जो वास्तव में दर्शाता है कि अशांत हवाएँ कैसे काम करती हैं।इसके बजाय, वे सभी मॉडल-मुक्त तरीके रहे हैं।इस तरह के तरीके एक इनाम फ़ंक्शन को अधिकतम करने पर ध्यान केंद्रित करते हैं जिनका उपयोग अलग-अलग सेटिंग्स, जैसे कि अलग-अलग हवा की स्थिति या वाहन कॉन्फ़िगरेशन से निपटने के लिए दोबारा प्रशिक्षण के बिना नहीं किया जा सकता है क्योंकि वे केवल एक वातावरण पर ध्यान केंद्रित करते हैं।

कैलटेक में कंप्यूटिंग और गणितीय विज्ञान के ब्रेन प्रोफेसर और नए पेपर के लेखक अनिमा आनंदकुमार कहते हैं, "भौतिक दुनिया में यह इतना अच्छा नहीं है, जहां हम जानते हैं कि स्थितियां काफी तेजी से और तेजी से बदल सकती हैं।""हमें अशांति के अंतर्निहित मॉडल को अच्छी तरह से सीखने के लिए एआई की आवश्यकता है ताकि वह इस आधार पर कार्रवाई कर सके कि वह कैसे सोचता है कि हवा बदल जाएगी।"

"मौलिक एआई में प्रगति विमानन उद्योग का चेहरा बदल देगी, यात्री विमानों, यूएवी और वाहक विमानों सहित कई प्लेटफार्मों पर सुरक्षा, दक्षता और प्रदर्शन को बढ़ाएगी। ये नवाचार हवाई यात्रा और संचालन को स्मार्ट, सुरक्षित बनाने का वादा करते हैं।"और अधिक सुव्यवस्थित,'' एनवीडिया के सह-लेखक काम्यार अज़ीज़ादेनेशेली कहते हैं।

जैसा कि फाल्कन के संक्षिप्त नाम में कहा गया है, रणनीति फूरियर विधियों पर आधारित है, जिसका अर्थ है कि यह संकेतों, हवा की स्थिति का प्रतिनिधित्व करने के लिए साइनसोइड्स या आवधिक तरंगों के उपयोग पर निर्भर करती है।तरंगें आवश्यक गणना को न्यूनतम रखते हुए, मानक पवन गति का अच्छा अनुमान प्रदान करती हैं।उन तरंगों के भीतर, जब अत्यधिक अशांति उत्पन्न होती है, तो अस्थिरता आवृत्ति में ध्यान देने योग्य परिवर्तन के रूप में दिखाई देती है।

कैलटेक में ग्रेजुएट एयरोस्पेस प्रयोगशालाओं के निदेशक ग़रीब कहते हैं, "यदि आप सीख सकते हैं कि उन आवृत्तियों की भविष्यवाणी कैसे की जाए, तो हमारी विधि आपको कुछ भविष्यवाणी दे सकती है कि आपके रास्ते में क्या आने वाला है।"

"फूरियर विधियां यहां अच्छी तरह से काम करती हैं क्योंकि अशांत तरंगों को आवृत्तियों के संदर्भ में बेहतर ढंग से तैयार किया जाता है, उनकी अधिकांश ऊर्जा कम आवृत्तियों में होती है," सह-प्रमुख लेखक साहिन लाले कहते हैं, जो अब न्यूरल प्रोपल्शन सिस्टम्स, इंक. में एक वरिष्ठ स्टाफ रिसर्च इंजीनियर हैं।जिन्होंने कैल्टेक में रहते हुए काम पूरा किया।"इस पूर्व ज्ञान का उपयोग सीमित मात्रा में जानकारी के साथ भी, अशांत गतिशीलता को सीखना और नियंत्रित करना दोनों को सरल बनाता है।"

फाल्कन रणनीति की प्रभावशीलता का परीक्षण करने के लिए, शोधकर्ताओं ने कैलटेक में जॉन डब्ल्यू लुकास विंड टनल में एक बेहद चुनौतीपूर्ण परीक्षण सेटअप बनाया।उन्होंने अपने प्रतिनिधि यूएवी के रूप में एक पूरी तरह से सुसज्जित एयरफ़ॉइल विंग सिस्टम का उपयोग किया, इसे दबाव सेंसर और नियंत्रण सतहों से सुसज्जित किया जो सिस्टम की ऊंचाई और यॉ जैसी चीज़ों के लिए ऑनलाइन समायोजन कर सकते थे।फिर उन्होंने पवन सुरंग में एक चलने योग्य लगाव के साथ एक बड़ा सिलेंडर रखा।जब हवा सिलेंडर के ऊपर से बहती है, तो इससे उसमें बेतरतीब, बड़े उतार-चढ़ाव पैदा होते हैंहवाएयरफ़ोइल तक पहुँचना।पेपर के सह-प्रमुख लेखक पीटर आई. रेन कहते हैं, "भौतिक अशांत वातावरण में एक सुदृढीकरण सीखने के एल्गोरिदम को प्रशिक्षित करना सभी प्रकार की अनूठी चुनौतियाँ पेश करता है," पीटर आई. रेन कहते हैं, जो अब वर्चु फाइनेंशियल में एक मात्रात्मक रणनीतिकार हैं।

"हम पूरी तरह से साफ संकेतों या सरलीकृत प्रवाह सिमुलेशन पर भरोसा नहीं कर सकते थे, और सब कुछ वास्तविक समय में किया जाना था।"

लगभग नौ मिनट की सीख के बाद, फाल्कन-सहायता प्राप्त प्रणाली इस चरम वातावरण में खुद को स्थिर करने में सक्षम थी।

आनंदकुमार कहते हैं, "प्रत्येक नए अवलोकन के साथ, कार्यक्रम बेहतर होता जाता है क्योंकि इसमें अधिक जानकारी होती है।"

ग़रीब कहते हैं, "भविष्य वास्तव में इस बात पर निर्भर करता है कि सॉफ्टवेयर कम और कम प्रशिक्षण की आवश्यकता के मामले में कितना शक्तिशाली हो जाता है।""त्वरित अनुकूलन चुनौती बनने जा रही है, और हम धक्का, धक्का, धक्का देने जा रहे हैं।"

भविष्य की ओर देखते हुए, उन्होंने आगे कहा कि शोधकर्ता यूएवी और यहां तक ​​कि यात्री विमानों को एक-दूसरे के साथ स्थितियों के बारे में समझी और सीखी गई जानकारी साझा करने की क्षमता देने की कल्पना करते हैं।सेंसर माप और कृत्रिम बुद्धिमत्ता-आधारित शिक्षा को विमान-से-विमान साझा करना, विशेष रूप से जब किसी गड़बड़ी के आसपास हो, तो विमान को सुरक्षित रखने में मदद मिल सकती है।

ग़रीब कहते हैं, "मुझे विश्वास है कि ऐसा होने वाला है।""अन्यथा, चीजें बहुत खतरनाक हो जाएंगीचरम मौसमी घटनाएँआवृत्ति में वृद्धि।"

अधिक जानकारी:साहिन लाले एट अल, फाल्कन: फूरियर एडेप्टिव लर्निंग एंड कंट्रोल फॉर डिस्टर्बेंस रिजेक्शन अंडर एक्सट्रीम टर्बुलेंस,एनपीजे रोबोटिक्स(2024)।डीओआई: 10.1038/एस44182-024-00013-0