World-Model-Grounded LLM Planning for AUV and ASV Navigation Near Offshore Wind Farms

एक ऐसे रोबोट की कल्पना करें जो "जाओ और उस विंड टरबाइन का निरीक्षण करो" जैसे सरल वाक्य को समझ सकता है और फिर वहां तक पहुँचने के चरणों का पता लगा सकता है। वर्षों से, वैज्ञानिक आर्टिफिशियल इंटेलिजेंस को ठीक यही करने के लिए प्रशिक्षित कर रहे हैं, जिसके लिए वे लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करते हैं—वही तकनीक जो स्मार्ट असिस्टेंट और चैटबॉट्स को शक्ति प्रदान करती है। ये सिस्टम एक बड़े लक्ष्य को छोटे कार्यों में तोड़ने में उत्कृष्ट हैं, जैसे कि "आगे बढ़ें," "बाएं मुड़ें," या "रुकें।" हालांकि, उनकी एक गंभीर कमी है: वे भौतिकी (फिजिक्स) को नहीं समझते। वे नाव या पनडुब्बी चलाने के शब्दों को तो जानते हैं, लेकिन वे पानी के वजन, धारा के खिंचाव, या इंजन के जवाब देने में लगने वाले विलंब को महसूस नहीं कर सकते। यदि आप एक मानक लैंग्वेज मॉडल को किसी टरबाइन के चारों ओर जहाज चलाने के लिए कहते हैं, तो वह ऐसा मोड़ सुझा सकता है जो कागज पर तो एकदम सही दिखता है, लेकिन वास्तविकता में विफल हो जाता है क्योंकि पानी नाव को बगल में धकेल देता है या इंजन के धीमे होने के कारण, जिससे जहाज सीधे संरचना से टकरा जाता है। कंप्यूटर क्या सोचता है और समुद्र में वास्तव में क्या होता है, इसके बीच का यह अंतर ही वह केंद्रीय समस्या है जिसे नॉर्वेजियन डिफेंस रिसर्च एस्टेब्लिशमेंट और हेरियट-वाट यूनिवर्सिटी के शोधकर्ताओं ने हल करने का प्रयास किया।

टीम ने स्वायत्त रोबोटों को एक "वर्ल्ड मॉडल" देकर उन्हें अपतटीय पवन फार्मों (ऑफशोर विंड फार्म्स) के पास मार्गदर्शन करने का एक नया तरीका विकसित किया। इसे एक दूसरे मस्तिष्क के रूप में न सोचें जो सोचता है, बल्कि एक अत्यधिक सटीक सिम्युलेटर के रूप में सोचें जो बैकग्राउंड में चलता है। इस प्रणाली में, लैंग्वेज मॉडल अभी भी कमांडर के रूप में कार्य करता है, जो मिशन विवरण के आधार पर कार्यों का क्रम तय करता है। लेकिन रोबोट के हिलने से पहले, वर्ल्ड मॉडल "कितनी देर" और "कितना" के प्रश्न का उत्तर देने के लिए हस्तक्षेप करता है। यह प्रत्येक गति के सटीक समय की गणना करता है और यह जांचता है कि क्या योजना लहरों, धाराओं और रोबोट के थ्रस्टर्स के काम करने के विशिष्ट तरीके जैसी भौतिक वास्तविकताओं के बीच जीवित रह पाएगी। यदि योजना ऐसी दिखती है जो टकराव का कारण बन सकती है, तो वर्ल्ड मॉडल समय या पथ को समायोजित करता है, यह सुनिश्चित करता है कि रोबोट सुरक्षित रहे और अपने लक्ष्य तक भी पहुँचे।

इस दृष्टिकोण का परीक्षण करने के लिए, शोधकर्ताओं ने दो बहुत अलग प्रकार के रोबोटों के साथ काम किया: एक अंडरवॉटर वाहन जो सभी दिशाओं में, जिसमें बगल की ओर भी, चल सकता है, और एक सतही नाव जो केवल आगे, पीछे और मुड़ सकती है, बिल्कुल एक कार की तरह। उन्होंने एक हाइब्रिड सिस्टम बनाया जहाँ एक मानक भौतिक सिम्युलेटर गति के बुनियादी नियम प्रदान करता था, और एक न्यूरल नेटवर्क उन छोटी, अव्यवस्थित त्रुटियों को सुधारने के लिए सीखा जो वास्तविक दुनिया की मशीनें करती हैं। इस संयोजन ने सिस्टम को रोबोट की भविष्य की स्थिति की अत्यधिक सटीकता के साथ भविष्यवाणी करने में सक्षम बनाया। उनके सिमुलेशन में, सिस्टम एक मिनट के बाद अंडरवॉटर रोबोट कहाँ होगा, इसकी त्रुटि एक मिलीमीटर से भी कम के साथ, और सतही नाव कहाँ होगी, इसकी त्रुटि आधे मीटर से भी कम के साथ, भविष्यवाणी कर सका।

उनके परीक्षणों के परिणाम आश्चर्यजनक थे। जब रोबोटों को विंड टरबाइन टावरों और केबलों के चारों ओर नेविगेट करने के मिशन दिए गए, तो अकेले काम करने वाला लैंग्वेज मॉडल पूरी तरह विफल रहा। वह हर एक प्रयास में बाधाओं से टकरा गया क्योंकि वह पानी की धाराओं के कारण होने वाले बहाव या इंजनों के विलंब का हिसाब नहीं रख सका। इसके विपरीत, जब लैंग्वेज मॉडल को वर्ल्ड मॉडल के साथ जोड़ा गया, तो अंडरवॉटर और सतही दोनों रोबोट बिना किसी टक्कर के अपने गंतव्य तक पहुँच गए। इस सिस्टम ने अनियंत्रित प्रयासों की तुलना में, अंडरवॉटर वाहन के लिए जहाँ रोबोट रुका और उसका इच्छित लक्ष्य था, के बीच की दूरी को लगभग 93 प्रतिशत और सतही नाव के लिए 70 से 82 प्रतिशत तक कम कर दिया।

इस कार्य का एक विशेष रूप से चतुर हिस्सा सतही नाव से संबंधित था, जो अक्सर इतनी छोटी और सस्ती होती है कि उसमें समुद्र तल का वास्तविक समय में मानचित्रण करने के लिए सोनार या लेजर स्कैनर जैसे महंगे सेंसर नहीं लगाए जा सकते। ऑनबोर्ड सेंसरों पर निर्भर रहने के बजाय, शोधकर्ताओं ने सिस्टम को उपग्रह छवियों, समुद्री चार्ट और मौसम के पूर्वानुमानों का उपयोग करके पर्यावरण को "देखने" के लिए प्रशिक्षित किया। एक विजन-लैंग्वेज मॉडल ने इन मौजूदा मानचित्रों का विश्लेषण करके उथले चट्टानों या डूबी हुई संरचनाओं जैसे अवरोधों की पहचान की, और उन्हें एक डिजिटल मानचित्र में बदल दिया जिसका उपयोग रोबोट कर सके। यह विधि मानव द्वारा मैन्युअल रूप से मानचित्र पर अवरोधों को खींचने के समान प्रभावी साबित हुई, जिसने नौगम्य क्षेत्रों और गैर-नौगम्य क्षेत्रों के बीच अंतर करने में 96 प्रतिशत की सटीकता दर हासिल की। इसका अर्थ है कि कम लागत वाले रोबोट जल्द ही भारी, महंगे उपकरण ले जाए बिना जटिल तटीय क्षेत्रों में नेविगेट कर सकेंगे।

शोधकर्ताओं ने यह भी परीक्षण किया कि यह सिस्टम जटिल लहरों के पैटर्न और अप्रत्याशित धाराओं वाले अधिक यथार्थवादी, उच्च-सटीक सिमुलेशन में कितनी अच्छी तरह टिक पाएगा। इस चुनौतीपूर्ण वातावरण में भी, रोबोट बिना किसी टक्कर के रहे। सिस्टम में एक सुरक्षा तंत्र शामिल था जो रोबोट के चलते समय लगातार योजना का पुनर्मूल्यांकन करता था। यदि रोबोट अचानक आई लहर के कारण मार्ग से भटक जाता, तो सिस्टम शेष पथ की तुरंत पुनर्गणना करता ताकि यह सुनिश्चित हो सके कि वह सुरक्षित रूप से लक्ष्य तक पहुँच सके। यह क्लोज्ड-लूप प्रक्रिया, जो एक निरंतर चेक-एंड-बैलेंस की तरह कार्य करती है, सफलता के लिए महत्वपूर्ण थी, विशेष रूप से तंग युद्धाभ्यास के दौरान जहाँ एक छोटी सी त्रुटि दुर्घटना का कारण बन सकती थी।

अंततः, यह अध्ययन प्रदर्शित करता है कि जबकि आर्टिफिशियल इंटेलिजेंस भाषा को समझने और अनुक्रमों की योजना बनाने में शक्तिशाली है, वास्तविक दुनिया में उपयोगी होने के लिए इसे भौतिक वास्तविकता के आधार की आवश्यकता है। लैंग्वेज मॉडल के उच्च-स्तरीय तर्क को भौतिकी-जागरूक वर्ल्ड मॉडल के साथ जोड़कर, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो समुद्री पवन फार्मों जैसे जटिल और गतिशील वातावरण के माध्यम से स्वायत्त वाहनों को सुरक्षित रूप से निर्देशित कर सकता है। यह कार्य सुझाव देता है कि समुद्री रोबोटिक्स का भविष्य लैंग्वेज मॉडल को और अधिक स्मार्ट बनाने में नहीं है, बल्कि उसे उस भौतिक दुनिया की बेहतर समझ देने में है जिसमें वह काम करता है, जिससे वह ऐसे निर्णय ले सके जो न केवल तार्किक हैं, बल्कि भौतिक रूप से संभव भी हैं।