कल्पना कीजिए कि एक ऐसी दुनिया जहाँ आपका ड्रोन सिर्फ एक रिमोट-कंट्रोल खिलौना नहीं, बल्कि एक स्मार्ट खोजकर्ता है जो आपके वॉयस कमांड को समझ सकता है, जैसे कि "बड़े ओक के पेड़ के पीछे वाले लाल खलिहान की ओर उड़ो।" यह विज़न-लैंग्वेज नेविगेशन (Vision-Language Navigation) का सपना है। लंबे समय से, वैज्ञानिक रोबोटों को शब्दों को सुनने और चित्रों को देखने के लिए प्रशिक्षित करने की कोशिश कर रहे हैं ताकि वे समझ सकें कि कहाँ जाना है। लेकिन इसमें एक पेंच है: सोचने और चलने की गति बहुत अलग होती है। एक स्मार्ट कंप्यूटर दिमाग (जैसे कि एक लार्ज लैंग्वेज मॉडल) यह समझने में एक सेकंड का समय ले सकता है कि "लाल खलिहान" का क्या अर्थ है, लेकिन एक ड्रोन जो हवा में उड़ रहा है, उसे पेड़ की टहनी से टकराने से बचने के लिए हर सेकंड सैकड़ों बार सुरक्षा संबंधी निर्णय लेने की आवश्यकता होती है। यदि ड्रोन हर बार सोचने के लिए दिमाग का इंतज़ार करेगा, तो वह दुर्घटनाग्रस्त हो जाएगा। शोधकर्ता मुख्य सवाल यह पूछ रहे हैं: हम एक धीमे, बुद्धिमान दिमाग को निर्देश देने की अनुमति कैसे दें जिससे तेज़, उड़ने वाला शरीर घबराए नहीं या दुर्घटनाग्रस्त न हो जाए?

यह शोध पत्र एक चतुर समाधान पेश करता है जिसे Fly0 कहा जाता है, जो एक धीमे, विचारशील मस्तिष्क और एक तेज़, प्रतिक्रियाशील पायलट के बीच एक अनुवादक के रूप में कार्य करता है। स्मार्ट दिमाग से हर सेकंड ड्रोन को स्टीयर (दिशा दिखाने) के लिए कहने के बजाय, Fly0 दिमाग को केवल कभी-कभी—लगभग हर दो सेकंड में एक बार—अपना होमवर्क करने देता है ताकि वास्तविक दुनिया में एक स्थिर, अदृश्य "लक्ष्य एंकर" (target anchor) स्थापित किया जा सके। इसे 'मार्को पोलो' के खेल की तरह समझें। स्मार्ट दिमाग (पुकारने वाला) एक स्थान चिल्लाता है, "आप बड़े पेड़ के पास हैं!" और फिर ड्रोन (तैरने वाला) उस स्थान की ओर तैरना शुरू कर देता है। भले ही पेड़ किसी झाड़ी के पीछे छिप जाए या कैमरा क्षण भर के लिए उसे देख न पाए, ड्रोन घबराता नहीं है। वह उस अदृश्य एंकर की ओर तैरना जारी रखता जिसे दिमाग ने पहले सेट किया था, और रास्ते में टहनियों और चट्टानों से बचने के लिए अपने तेज़ सेंसरों का उपयोग करता है। दिमाग को केवल तभी फिर से बोलने की आवश्यकता होती है जब ड्रोन अपने पथ से बहुत दूर हो जाता है या लक्ष्य बदल जाता है।

शोधकर्ताओं ने इस विचार का परीक्षण उच्च-तकनीकी कंप्यूटर सिमुलेशन और वास्तविक ड्रोनों के साथ वास्तविक उड़ानों में किया। उन्होंने पाया कि यह "सेट इट एंड फॉरगेट इट" (सेट करें और भूल जाएं) दृष्टिकोण अन्य स्मार्ट तरीकों की तुलना में बहुत बेहतर काम करता है। अपने परीक्षणों में, Fly0 ने सिमुलेशन में लगभग 23.7% अधिक बार और वास्तविक जीवन में 21.4% अधिक बार लक्ष्यों तक सफलतापूर्वक पहुँचने में मदद की। यह कम बार दुर्घटनाग्रस्त हुआ और भ्रमित करने वाली वस्तुओं के पास होने पर कम गलतियाँ कीं। शोध पत्र सुझाव देता है कि रहस्य केवल एक स्मार्ट दिमाग होना नहीं है, बल्कि उस दिमाग के धीमे विचारों और ड्रोन की तेज़ गतिविधियों के बीच एक बेहतर पुल बनाना है। "सोचने" और "उड़ने" को अलग रखकर, ड्रोन अंततः जटिल निर्देशों को समझ सकते हैं बिना अपना संतुलन या अपने पंख खोए।

समस्या: एक तेज़ शरीर के लिए बहुत धीमा दिमाग

यह समझने के लिए कि Fly0 क्यों विशेष है, आपको ड्रोन के दो मुख्य कार्यों की कल्पना करनी होगी: सोचना और उड़ना।

"सोचने" का काम एक विशाल AI मॉडल (जिसे MLLM कहा जाता है) द्वारा किया जाता है। यह मॉडल एक प्रतिभाशाली लाइब्रेरियन की तरह है जो एक मानचित्र पढ़ सकता है, "पेड़ के सामने की ओर उड़ें" जैसे वाक्य को समझ सकता है, और एक चित्र पर सही स्थान की ओर इशारा कर सकता है। लेकिन यह लाइब्रेरियन धीमा है। इसे पढ़ने, सोचने और उत्तर लिखने में समय लगता है।

"उड़ने" का काम ड्रोन के फ्लाइट कंट्रोलर द्वारा किया जाता है। यह एक रिफ्लेक्सिव एथलीट की तरह है जिसे हवा में रहने और चीजों से टकराने से बचने के लिए हर सेकंड 50 से 100 बार पंखों और मोटरों को समायोजित करने की आवश्यकता होती है।

पुराने तरीकों में, वैज्ञानिकों ने धीमे लाइब्रेरियन से एथलीट को स्टीयर कराने की कोशिश की। उन्होंने धीमे दिमाग से हर बार नया स्टीयरिंग कमांड देने के लिए कहा जब भी ड्रोन हिलता था। इससे तीन बड़ी समस्याएँ हुईं:

1. गति का बेमेल होना (The Speed Mismatch): ड्रोन दिमाग के सोचने का इंतज़ार करता था, और जब तक जवाब आता, तब तक ड्रोन या तो भटक चुका होता या किसी दीवार से टकराने वाला होता।
2. स्मृति अंतराल (The Memory Gap): यदि ड्रोन अपना सिर घुमाता और लक्ष्य (जैसे कि पेड़) कैमरा दृश्य से गायब हो जाता, तो धीमा दिमाग भूल जाता कि वह कहाँ था। ड्रोन भ्रमित होकर रुक जाता या गोल-गोल उड़ने लगता।
3. सटीकता की समस्या (The Precision Problem): दिमाग कह सकता है "पेड़ की ओर उड़ें," लेकिन ड्रोन को यह जानने की आवश्यकता है कि टकराने से बचने के लिए उसे 3D स्पेस में ठीक कहाँ रुकना है। एक साधारण टेक्स्ट उत्तर तेज़ गति से उड़ने के लिए पर्याप्त सटीक नहीं है।

समाधान: निरंतर एंकर (The Persistent Anchor)

Fly0 इसे खेल के नियम बदलकर हल करता है। दिमाग को स्टीयर करने के लिए कहने के बजाय, यह दिमाग से एक गंतव्य निर्धारित करने के लिए कहता है और फिर पीछे हट जाता है।

यहाँ बताया गया है कि Fly0 चरण-दर-चरण कैसे काम करता है:

1. "अनुबंध" (संरचित आउटपुट): जब ड्रोन दिमाग को एक तस्वीर और एक कमांड (जैसे, "दाईं ओर स्थित बिजली के खंभे के सामने की ओर उड़ें") भेजता है, तो दिमाग केवल अनुमान नहीं लगाता। यह एक सख्त नियम पुस्तिका का पालन करता है। इसे जानकारी का एक विशिष्ट पैकेज वापस करना चाहिए: चित्र पर एक बिंदु, वस्तु के चारों ओर एक बॉक्स, एक संबंध शब्द (जैसे "सामने" या "ऊपर"), और एक कॉन्फिडेंस स्कोर (वह कितना आश्वस्त है)। यह दिमाग को अस्पष्ट या अव्यवस्थित उत्तर देने से रोकता है।

2. "3D लिफ्ट" (अनिश्चितता की जाँच): दिमाग का उत्तर केवल एक चित्र पर एक 2D बिंदु है। Fly0 उस बिंदु को लेता है और गहराई सेंसर (जैसे 3D कैमरा) का उपयोग करके उसे वास्तविक दुनिया में 'लिफ्ट' करता है। लेकिन यहाँ स्मार्ट हिस्सा है: यह त्रुटियों की जाँच करता है। यदि डेप्थ डेटा अस्थिर है या वस्तु छिपी हुई है, तो Fly0 कहता है, "मुझे इस पर भरोसा नहीं है," और खराब डेटा को अनदेखा कर देता है। यह लक्ष्य को तभी स्वीकार करता है जब वह ठोस हो।

3. "फ्री-स्पेस" समायोजन: यदि कमांड "पेड़ के सामने की ओर उड़ें" है, तो दिमाग पेड़ के तने की ओर इशारा कर सकता है। लेकिन ड्रोन पेड़ के अंदर नहीं उड़ सकता। Fly0 का एक नियम है जो कहता है, "ठीक है, पेड़ यहाँ है, लेकिन 'सामने' वास्तव में उससे 2 मीटर आगे, खाली हवा में है।" यह लक्ष्य को एक सुरक्षित, खुले स्थान पर स्थानांतरित कर देता है जहाँ ड्रोन वास्तव में होवर (hover) कर सके।

4. "निरंतर एंकर" (जादुई ट्रिक): एक बार लक्ष्य सेट हो जाने के बाद, Fly0 इसे एक निरंतर 3D एंकर के रूप में सहेज लेता है। यह एक GPS समन्वय की तरह है जो ड्रोन की मेमोरी में रहता है, भले ही कैमरा अब पेड़ को न देख पा रहा हो। अब ड्रोन का तेज़ फ्लाइट कंट्रोलर कार्यभार संभालता है। यह धीमे दिमाग को अनदेखा कर देता है और बस उस सहेजे गए एंकर की ओर उड़ता है, बाधाओं से बचने के लिए अपने स्वयं के तेज़ सेंसरों का उपयोग करता है। दिमाग को केवल तभी फिर से जागने की आवश्यकता होती है जब ड्रोन लक्ष्य के करीब पहुँच जाता है या यदि लक्ष्य बदल जाता है।

परिणाम क्या दर्शाते हैं

शोधकर्ताओं ने इस प्रणाली का परीक्षण दो तरीकों से किया: एक अति-यथार्थवादी कंप्यूटर सिमुलेशन में और वास्तविक जीवन में पार्क और परिसरों में उड़ते वास्तविक ड्रोनों के साथ।

• सफलता दर: कंप्यूटर परीक्षणों में, Fly0 ने अगले सबसे अच्छे तरीके की तुलना में 23.7% अधिक बार सफलता प्राप्त की। वास्तविक जीवन में, यह 21.4% अधिक बार सफल रहा। यह एक बहुत बड़ी छलांग है।
• सुरक्षा: ड्रोन कम बार दुर्घटनाग्रस्त हुए। टक्कर की दर काफी कम हो गई, जो दर्शाता है कि "एंकर" पद्धति दिमाग को सीधे स्टीयर करने देने की तुलना में ड्रोन को अधिक सुरक्षित रखती है।
• भ्रम को संभालना: जब कई समान पेड़ थे ("रिपीटेड ऑब्जेक्ट" की समस्या) या जब लक्ष्य पत्तियों के पीछे छिपा हुआ था, तो Fly0 ने इसे बहुत बेहतर तरीके से संभाला। क्योंकि इसने एंकर को मेमोरी में रखा, इसलिए दृश्य बाधित होने पर यह भ्रमित नहीं हुआ।
• गति: यह प्रणाली तब भी काम करती है जब "दिमाग" (जो एक शक्तिशाली सर्वर पर चल रहा था) के साथ कनेक्शन धीमा हो या उसमें देरी हो। ड्रोन सुचारू रूप से उड़ता रहा क्योंकि उसे हर सेकंड नए निर्देश मांगने की आवश्यकता नहीं थी।

Fly0 क्या नहीं है

यह ध्यान रखना महत्वपूर्ण है कि यह पेपर क्या कहता है कि Fly0 नहीं है।

• यह एक नया फ्लाइट कंट्रोलर नहीं है। ड्रोन वास्तव में उड़ने के लिए अभी भी मानक, सिद्ध फ्लाइट सॉफ्टवेयर (Ego-Planner) का उपयोग करता है।
• यह एक नया AI दिमाग नहीं है। उन्होंने मौजूदा लार्ज लैंग्वेज मॉडल्स (जैसे Qwen2.5VL) का उपयोग किया और कोई नया मॉडल नहीं बनाया।
• यह हर चीज़ के लिए जादुई समाधान नहीं है। यदि ड्रोन बहुत घने जंगल में है जहाँ कोई खुली जगह नहीं है, या यदि निर्देश अविश्वसनीय रूप से जटिल और नेस्टेड हैं (जैसे "उस पेड़ के पीछे वाला पेड़ जो लैंप के बाईं ओर स्थित साइन के दाईं ओर है"), तो सिस्टम अभी भी भ्रमित हो सकता है। पेपर स्वीकार करता है कि जटिल स्थानिक संबंधों को समझना अभी भी एक कठिन समस्या है।

निष्कर्ष

Fly0 से मुख्य सबक यह है कि ड्रोनों को स्मार्ट बनाने के लिए हमें केवल स्मार्ट दिमाग की ही नहीं आवश्यकता है। हमें बेहतर इंटरफेस की आवश्यकता है—सिस्टम के धीमे, विचारशील भाग को तेज़, प्रतिक्रियाशील भाग के साथ जोड़ने के बेहतर तरीके। AI को "स्टीयर करने वाले" के बजाय एक "लक्ष्य निर्धारित करने वाले" के रूप में मानकर, और ड्रोन को पकड़ने के लिए एक स्थिर मेमोरी एंकर देकर, हम स्वायत्त उड़ान को सुरक्षित, अधिक विश्वसनीय और वास्तविक दुनिया को समझने में सक्षम बना सकते हैं। यह शोध पत्र सुझाव देता है कि कर्तव्यों का यह अलगाव ही अगली पीढ़ी के उड़ने वाले रोबोटों के द्वार खोलने की कुंजी है।