Hybrid Reinforcement Learning and Search for Flight Trajectory Planning

एक शहर से दूसरे शहर तक हवाई जहाज उड़ाना शायद ही कभी मानचित्र पर एक सीधी रेखा खींचने जैसा होता है। हालांकि पृथ्वी गोल है, लेकिन वायुमंडल एकसमान नहीं है; यह हवा, तापमान और दबाव का एक निरंतर बदलता हुआ, तीन-आयामी महासागर है। इस वातावरण के माध्यम से सबसे कुशल मार्ग खोजने के लिए, पायलटों और स्वचालित प्रणालियों को एक ऐसा मार्ग निकालना होता है जो इन अदृश्य धाराओं के बीच नेविगेट करते हुए ईंधन की खपत को न्यूनतम करे। यह एक जटिल गणितीय चुनौती है क्योंकि विमान स्वयं एक अत्यंत जटिल मशीन है, जहाँ गति या ऊंचाई में प्रत्येक परिवर्तन मौसम के साथ इस तरह से अंतःक्रिया करता है जिसके लिए भविष्यवाणियों के लिए शक्तिशाली कंप्यूटर सिमुलेशन की आवश्यकता होती है। जब किसी उड़ान की योजना कई दिनों पहले बनाई जाती है, तो कंप्यूटरों के पास इन भारी गणनाओं को करने के लिए पर्याप्त समय होता है। हालांकि, आपात स्थिति में, जैसे कि जब कोई यात्री गंभीर रूप से बीमार हो जाता है और विमान को निकटतम अस्पताल की ओर मोड़ना पड़ता है, तो वही गणनाएं सेकंडों में की जानी चाहिए। एक प्रणाली जो सटीक तो है लेकिन धीमी है, वह संकट के समय बेकार है, फिर भी एक प्रणाली जो तेज़ तो है लेकिन गलत है, वह खतरनाक ईंधन की कमी या गंतव्य चूकने का कारण बन सकती है।

यूनिवर्सिटी ऑफ बोलोग्ना के शोधकर्ताओं ने, एयरबस प्रदर्शन मॉडल के साथ मिलकर, दो अलग-अलग प्रकार के कृत्रिम बुद्धिमत्ता (AI) को जोड़कर इस समस्या को हल करने का एक नया तरीका विकसित किया है। पहला प्रकार, जिसे 'रीइन्फोर्समेंट लर्निंग' (reinforcement learning) के रूप में जाना जाता है, एक अनुभवी पायलट की तरह कार्य करता है जिसने हजारों मार्गों पर उड़ान भरी है और जो यात्रा के सामान्य आकार और मौसम के आधार पर तुरंत एक अच्छे पथ को पहचान सकता है। दूसरा प्रकार, एक पारंपरिक खोज एल्गोरिदम (search algorithm) है, जो एक सूक्ष्म इंजीनियर की तरह कार्य करता है, जो यह सुनिश्चित करने के लिए हर संभव भिन्नता की जांच करता है कि सर्वोत्तम मार्ग पाया जा सके। शोधकर्ताओं ने पाया कि "पायलट" AI को पहले एक मोटा, तेज़ मार्ग रेखांकित करने देने से, वे फिर "इंजीनियर" AI को केवल उस रेखाचित्र के पास के मार्गों को देखने के लिए कह सकते थे। इस दृष्टिकोण ने, जिसका उन्होंने एक मानक डेस्कटॉप कंप्यूटर पर परीक्षण किया, सिस्टम को अकेले सूक्ष्म खोज (meticulous search) का उपयोग करने की तुलना में 50 प्रतिशत तेजी से समाधान खोजने में सक्षम बनाया, जबकि ईंधन की खपत लगभग उतनी ही रही।

इस नई पद्धति का मूल यह है कि दोनों कृत्रिम बुद्धिमत्ता प्रणालियाँ एक-दूसरे से कैसे संवाद करती हैं। पहला सिस्टम, रीइन्फोर्समेंट लर्निंग एजेंट, यूरोप भर के हजारों यादृच्छिक उड़ान परिदृश्यों पर प्रशिक्षित है। इसका काम आदर्श पथ खोजना नहीं है, बल्कि बहुत जल्दी एक बहुत अच्छा पथ खोजना है। यह शुरुआती बिंदु, गंतव्य और मौसम को देखता है, और फिर केवल कुछ मोड़ों के साथ उन्हें जोड़ने वाली एक सरल रेखा खींचता है। यह गणना को तेज़ रखने के लिए ऊंचाई के सूक्ष्म विवरणों को अनदेखा करता है, और इसके बजाय सामान्य दिशा और हवा पर ध्यान केंद्रित करता है। इस प्रक्रिया को पूरा करने में एजेंट को केवल लगभग डेढ़ सेकंड का समय लगता है, चाहे उड़ान कितनी भी लंबी क्यों न हो। एक बार जब यह मोटा मार्ग खींचा जाता है, तो दूसरा सिस्टम कार्यभार संभाल लेता है। यह पारंपरिक योजनाकार (planner) है, जो आमतौर पर विकल्पों के एक विशाल ग्रिड में हर संभावित मार्ग की जांच करने में बहुत समय बिताता है। इस नए हाइब्रिड सेटअप में, योजनाकार को एक सख्त निर्देश दिया जाता है: उसे केवल पहले एजेंट द्वारा खींचे गए मोटे मार्ग के आसपास एक संकीर्ण गलियारे (corridor) के भीतर अंतिम, पूर्ण मार्ग की खोज करने की अनुमति है।

खोज क्षेत्र को सीमित करके, शोधकर्ताओं ने प्रभावी रूप से एक विशाल, समय लेने वाली समस्या को एक बहुत छोटी, प्रबंधनीय समस्या में बदल दिया। कल्पना कीजिए कि एक ऐसी खोज की जिसमें सामान्यतः दस लाख अलग-अलग संभावनाओं की जांच करनी पड़ती; मोटा रेखाचित्र उपयोग करके खोज को निर्देशित करके, सिस्टम को शायद केवल कुछ हज़ार की जांच करने की आवश्यकता होगी। उनके परीक्षणों के परिणाम, जिनमें पृथ्वी के यादृच्छिक बिंदुओं के बीच उड़ानों का अनुकरण किया गया था, ने दिखाया कि यह शॉर्टकट बहुत बड़ी कीमत पर नहीं आया। लगभग हर मामले में, हाइब्रिड सिस्टम की ईंधन खपत, धीमी और विस्तृत खोज प्रणाली के समान ही थी। जहाँ अंतर थे, वे बहुत मामूली थे, आमतौर पर एक प्रतिशत से भी कम। इसका मतलब है कि विमान ने शॉर्टकट लेने से काफी अधिक ईंधन नहीं जलाया, लेकिन कंप्यूटर ने बहुत सारा समय बचा लिया।

शोधकर्ताओं ने यह भी परीक्षण किया कि यह विधि विभिन्न स्थितियों के तहत, जैसे कि खोज ग्रिड के घनत्व या उड़ान की लंबाई में परिवर्तन के तहत, कैसा प्रदर्शन करती है। उन्होंने पाया कि यह विधि तब सबसे प्रभावी थी जब खोज ग्रिड बड़ा और जटिल था, जो ठीक वही स्थिति है जब एक तेज़ समाधान की सबसे अधिक आवश्यकता होती है। इन कठिन परिदृश्यों में, हाइब्रिड सिस्टम ने गणना के समय को लगभग आधा कर दिया। हालांकि, उन्होंने यह भी पता लगाया कि खोज क्षेत्र को कितना छोटा किया जा सकता है, इसकी एक सीमा है। यदि मोटे पथ के आसपास का गलियारा बहुत संकीर्ण बनाया जाता है, तो सिस्टम कभी-कभी सर्वोत्तम मार्ग को चूक जाता है, जिससे ईंधन का उपयोग थोड़ा बढ़ जाता है। इससे उन्हें यह सीखने को मिला कि गति और सटीकता के बीच का संतुलन खोज ग्रिड के विशिष्ट आकार पर निर्भर करता है, लेकिन सही सेटिंग्स के साथ, सिस्टम लगातार तेज़, उच्च-गुणवत्ता वाले परिणाम दे सकता है।

इस कार्य के निहितार्थ केवल कंप्यूटर स्क्रीन पर समय बचाने से कहीं अधिक हैं। वास्तविक दुनिया में, सेकंडों में उड़ान पथ की पुनर्गणना करने की क्षमता चिकित्सा आपात स्थिति या अचानक मौसम की घटना के दौरान जीवन और मृत्यु का मामला हो सकती है। शोधकर्ताओं ने उल्लेख किया कि जबकि उनके वर्तमान परीक्षणों ने मौसम को एक निश्चित, ज्ञात कारक के रूप में माना है, उनके सिस्टम की संरचना भविष्य में अनिश्चितता को संभालने के लिए डिज़ाइन की गई है। क्योंकि रीइन्फोर्समेंट लर्निंग एजेंट पैटर्न को पहचानने के लिए प्रशिक्षित है, इसे संभावित रूप से अप्रत्याशित मौसम परिवर्तनों, जैसे कि अचानक आने वाले तूफानों से निपटने के लिए अनुकूलित किया जा सकता है, ताकि होने से पहले ही उनसे बचने के लिए सीखा जा सके। फिलहाल, यह अध्ययन प्रदर्शित करता है कि एक तेज़, सहज अनुमान को सावधानीपूर्वक, विस्तृत जांच के साथ जोड़ना जटिल नियोजन समस्याओं को हल करने का एक शक्तिशाली तरीका है। यह सिद्ध करता है कि विमानन की उच्च-दांव वाली दुनिया में, सर्वोत्तम पथ खोजने के लिए आपको हमेशा हर एक संभावना की जांच करने की आवश्यकता नहीं होती है; कभी-कभी, यह जानना कि कहाँ देखना है, पर्याप्त होता है।