Autonomous Planning In-space Assembly Reinforcement-learning free-flYer (APIARY) International Space Station Astrobee Testing
यह शोध पत्र APIARY प्रयोग के सफल ऑन-ऑर्बिट प्रदर्शन का विवरण देता है, जिसने अंतर्राष्ट्रीय अंतरिक्ष स्टेशन पर नासा के एस्ट्रोबी फ्री-फ्लायर को नियंत्रित करने के लिए सुदृढीकरण लर्निंग (reinforcement learning) का उपयोग किया, जो अंतरिक्ष में तीव्र, स्वायत्त रोबोटिक व्यवहारों की क्षमता को प्रमाणित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक बहुत ही कीमती, नाजुक खिलौना ड्रोन है जो एक विशाल, शून्य-गुरुत्वाकर्षण वाले बुलबुले (इंटरनेशनल स्पेस स्टेशन) के अंदर तैर रहा है। आपका लक्ष्य इस ड्रोन को सिखाना है कि कैसे एक जगह से दूसरी जगह जाना है, गोल घूमना है और वापस डॉक (जुड़ना) होना है, और वह भी बिना किसी इंसान के रिमोट कंट्रोल पकड़े।
द दशकों से, हमने रोबोट्स को सख्त, गणितीय नियमपुस्तिकाओं का उपयोग करके चलना सिखाया है। इसे एक कुत्ते को "बैठो" कहना सिखाने जैसा समझें और उसे केवल तभी ट्रीट दें जब वह बिल्कुल वैसा ही करे जैसा गणित कहता है। यह काम करता है, लेकिन यह धीमा, कठोर और अगर फर्श फिसलन भरा हो जाए तो कुत्ता भ्रमित हो जाता है।
यह पेपर रोबोट को सिखाने का एक नया तरीका है: "करके सीखना" (Learning by Doing)।
यहाँ APIARY प्रयोग की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है:
1. रोबोट: एक "स्पेस फ्लायर"
इस्तेमाल किया गया रोबोट Astrobee है। यह एक घन (cube) के आकार का रोबोट है जो छोटे इलेक्ट्रिक पंखों (एक होवरक्राफ्ट की तरह) का उपयोग करके स्पेस स्टेशन के अंदर तैरता है। इसमें यह देखने के लिए कैमरे हैं कि वह कहाँ है और चीजों को पकड़ने के लिए एक छोटा सा हाथ (arm) है। आमतौर पर, पृथ्वी पर मौजूद इंसानों को इसे ठीक से चलाने के लिए घंटों तक योजना बनानी पड़ती है।
2. नया शिक्षक: "रीइन्फोर्समेंट लर्निंग" (Reinforcement Learning)
रोबोट को सख्त नियम पुस्तिका देने के बजाय, वैज्ञानिकों ने रीइन्फोर्समेंट लर्निंग (RL) का उपयोग किया।
- उपमा: एक बच्चे को साइकिल चलाना सिखाने की कल्पना करें। आप उन्हें संतुलन के बारे में भौतिकी (physics) का लेक्चर नहीं देते। इसके बजाय, आप उन्हें कोशिश करने देते हैं। जब वे डगमगाते हैं, तो वे गिर जाते हैं (एक "बुरा" परिणाम)। जब वे सीधे रहते हैं, तो उन्हें हाई-फाइव मिलता है (एक "अच्छा" परिणाम)। अंततः, बच्चा बिना गणित जाने संतुलन की अनुभूति सीख जाता है।
- रोबोट का प्रशिक्षण: वैज्ञानिकों ने एस्ट्रोबी रोबोट को एक सुपर-फास्ट वीडियो गेम (एक कंप्यूटर सिमुलेशन जिसे NVIDIA Isaac Lab कहा जाता है) के अंदर रखा। उन्होंने रोबोट को लाखों बार एक लक्ष्य स्थान तक पहुँचने की कोशिश करने दी। हर बार जब वह लक्ष्य के करीब पहुँचा, तो उसे एक "पॉइंट" मिला। हर बार जब वह टकराया या नियंत्रण से बाहर होकर घूमा, तो उसके पॉइंट्स कट गए।
- ट्विस्ट: रोबोट को कठिन बनाने के लिए, वैज्ञानिकों ने हर बार गेम के नियम बदल दिए। कभी उन्होंने रोबोट को भारी बनाया, कभी हल्का, तो कभी लक्ष्य को हिला दिया। यह एक धावक को रेत, कीचड़ और बर्फ पर प्रशिक्षित करने जैसा है ताकि वह वास्तविक दुनिया के किसी भी ट्रैक को संभाल सके।
3. बड़ी चुनौती: "सिम-टू-रियल" (Sim-to-Real) गैप
रोबोटिक्स में एक प्रसिद्ध समस्या है: जो चीज़ वीडियो गेम में काम करती है, वह हमेशा वास्तविक जीवन में काम नहीं करती।
- उपमा: यह वीडियो गेम में एक एकदम सपाट और परफेक्ट ग्रीन पर गोल्फ खेलने जैसा है। जब आप वास्तविक कोर्स पर जाते हैं, तो हवा चलती है, घास असमान होती है, और गेंद अलग तरह से उछलती है।
- समाधान: टीम ने रोबोट को एक ऐसे विस्तृत और विविध सिमुलेशन में प्रशिक्षित किया कि जब वे अंततः कोड को असली रोबोट पर डाला, तो उसे कुछ भी फिर से सीखने की आवश्यकता नहीं पड़ी। यह ऐसा था जैसे रोबोट ने कंप्यूटर के भीतर लाखों अलग-अलग वास्तविक कोर्सों पर पहले ही अभ्यास कर लिया हो।
4. बड़ा दिन: अंतरिक्ष में परीक्षण
27 मई, 2025 को, टीम ने अपने "दिमाग" (AI पॉलिसी) को असली एस्ट्रोबी रोबोट पर इंटरनेशनल स्पेस स्टेशन में अपलोड किया।
- परीक्षण: लगभग 7 मिनट के लिए, रोबोट को अपने आप उड़ना था। उसे ये करना था:
- अपने चार्जिंग डॉक से अलग होना।
- 0.5 मीटर आगे उड़ना।
- गोल घूमना।
- वापस डॉक होने की कोशिश करना।
- परिणाम: यह सफल रहा! रोबोट सफलतापूर्वक उड़ा, घूमा और चला।
- गड़बड़ी: डॉक होने की पहली कोशिश पर, रोबोट थोड़ा भ्रमित हो गया (शायद स्पेस स्टेशन थोड़ा हिल गया था)। लेकिन यहाँ दिलचस्प बात यह है कि रोबोट के पास एक सेफ्टी नेट था। जब उसे एहसास हुआ, "अरे, मैं वहाँ नहीं हूँ जहाँ मुझे होना चाहिए," तो उसने तुरंत पुराने, उबाऊ, मानव-निर्मित नियमों की ओर स्विच कर दिया ताकि खुद को टकराने से बचा सके। वह घबराया नहीं; उसने बस कहा, "ठीक है, मैं एक पल के लिए पुराने शिक्षक को कमान संभालने दूँगा।"
5. यह क्यों मायने रखता है?
- गति: इंसानों द्वारा किसी चाल की योजना बनाने में दिनों के बजाय, हम एक कंप्यूटर में कुछ घंटों में AI को प्रशिक्षित कर सकते हैं और मिनटों में इसे अंतरिक्ष में अपलोड कर सकते हैं।
- अनुकूलन क्षमता: यदि रोबोट का कोई पहिया टूट जाता है या वह कोई ऐसी भारी वस्तु उठा लेता है जिसकी उसने उम्मीद नहीं की थी, तो एक RL रोबोट चलते-चलते (on the fly) कैसे चलना है, यह समझ सकता है क्योंकि उसने केवल कदमों की सूची नहीं, बल्कि गति की अवधारणा सीखी है।
- भविष्य: यह उन रोबोट्स की दिशा में पहला कदम है जो बिना किसी इंसान के मार्गदर्शन के, अपने आप विशाल अंतरिक्ष दूरबीन बना सकते हैं या उपग्रहों की मरम्मत कर सकते हैं।
संक्षेप में: वैज्ञानिकों ने एक अंतरिक्ष रोबोट को वीडियो गेम में 'ट्रायल-एंड-एरर' (कोशिश और गलती) के माध्यम से रास्ता "महसूस" करना सिखाया, और फिर यह साबित किया कि वह वास्तव में शून्य गुरुत्वाकर्षण में भी ऐसा ही कर सकता है। यह एक रोबोट के लिए एक छोटा कदम है, लेकिन अंतरिक्ष अन्वेषण को तेज़ और स्मार्ट बनाने की दिशा में एक बड़ी छलांग है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।