Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments
यह शोध पत्र एक विश्वास-अनुकूलित (belief-adaptive) ऑनलाइन स्वायत्तता ढांचे को प्रस्तुत करता है जो GNSS विश्वास को एक गुप्त अवस्था (latent state) के रूप में मॉडल करके सेंसर वेटिंग को सक्रिय रूप से समायोजित करने और विलंबता (latency) को संभालने के लिए GNSS-क्षीण शहरी वातावरण में क्वाड्रोटर नेविगेशन को बढ़ाता है, जिससे पूर्व पर्यावरणीय ज्ञान की आवश्यकता के बिना अनुमान सटीकता और प्रक्षेपवक्र सुगमता में सुधार होता 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
एक घने शहर में छोटे ड्रोन को उड़ाना अत्यधिक कठिनाई वाली नेविगेशन समस्या है। एक खुले मैदान के विपरीत जहाँ एक ड्रोन ऊपर कक्षा में घूम रहे उपग्रहों से संकेतों पर भरोसा कर सकता है कि वह वास्तव में कहाँ है, एक शहरी घाटी (सिटी कैन्यन) भ्रम का स्थान है। ऊँची इमारतें आकाश से सीधी दृष्टि रेखा (लाइन ऑफ साइट) को बाधित करती हैं, और कंक्रीट एवं कांच की कठोर सतहें उन उपग्रह संकेतों को इधर-उधर उछाल देती हैं, जिससे ऐसे 'इको' या प्रतिध्वनि पैदा होती है जो देरी से और विकृत रूप में पहुँचते हैं। ड्रोन के कंप्यूटर के लिए, ये परावर्तन गलत स्थितियों के रूप में दिखाई देते हैं, जिससे मशीन को लगता है कि वह कहीं और है जहाँ वह वास्तव में नहीं है। जब ड्रोन इस गलत जानकारी के आधार पर अपना रास्ता सुधारने की कोशिश करता है, तो वह अपने निर्धारित पथ से भटक सकता है या, इससे भी बुरा, उस बाधा से टकरा सकता है जिसे उसने लगता था कि उसने बचा लिया है। इन मशीनों को शहरी हवाई यात्रा के भविष्य में सुरक्षित रूप से संचालित करने के लिए, उन्हें यह जानने की आवश्यकता है कि उन्हें अपने सेंसरों पर केवल तभी भरोसा करना चाहिए जब वे सही हों, और उन्हें तब अनदेखा करना चाहिए जब वातावरण उन्हें झूठ बोल रहा हो।
क्रैनफील्ड यूनिवर्सिटी के शोधकर्ताओं ने ड्रोनों को इन जटिल परिस्थितियों में बिना वर्षों के पिछले उड़ान डेटा से सीखे नेविगेट करने में मदद करने के लिए एक नई विधि विकसित की है। उनका दृष्टिकोण एक विशिष्ट प्रकार की बुद्धिमत्ता पर केंद्रित है: वास्तविक समय में एक सेंसर की विश्वसनीयता को आंकने की क्षमता। मानक नेविगेशन प्रणालियों में, एक ड्रोन अपने आंतरिक मोशन सेंसर (जो बहुत तेज़ी से गति को ट्रैक करते हैं) से प्राप्त डेटा को उपग्रह प्रणाली (जो वैश्विक स्थिति प्रदान करती है लेकिन शहरों में धीमी और त्रुटिपूर्ण हो सकती है) के डेटा के साथ जोड़ता है। आमतौर पर, कंप्यूटर दोनों स्रोतों को समान रूप से विश्वसनीय मानता है, या अपनी विश्वसनीयता को केवल तभी समायोजित करता है जब वह पहले ही गलती कर चुका होता है। नया ढांचा इसे बदलकर ड्रोन को एक "विश्वास" (belief) देता है कि उसे किसी दिए गए क्षण में उपग्रह संकेत पर कितना भरोसा करना चाहिए। यह विश्वास कोई स्थिर सेटिंग नहीं है; यह एक जीवंत अनुमान है जिसे ड्रोन उड़ते समय निरंतर अपडेट करता है, जिससे वह समस्या होने से पहले ही खराब डेटा को सक्रिय रूप से अनदेखा कर पाता है।
इस कार्य का मूल एक ऐसी प्रणाली है जो उपग्रह संकेत की विश्वसनीयता को एक 'हिडन स्टेट' (छिपी हुई अवस्था) के रूप में मानती है, ठीक वैसे ही जैसे एक चालक सहजता से महसूस करता है कि सुरंग में प्रवेश करते समय एक सड़क मानचित्र अविश्वसनीय होता जा रहा है। शोधकर्ताओं ने एक गणितीय मॉडल बनाया है जहाँ इस "विश्वास" को एक एकल संख्या द्वारा दर्शाया गया है जो समय के साथ बदलती रहती है। जब ड्रोन यह पता लगाता है कि उपग्रह डेटा अजीब व्यवहार कर रहा है—शायद इसलिए क्योंकि संकेत किसी इमारत से टकराकर वापस आ रहा है या देरी से पहुँच रहा है—तो सिस्टम केवल त्रुटि बड़ी होने का इंतज़ार नहीं करता है। इसके बजाय, यह तुरंत आत्मविश्वास को समायोजित करने के लिए एक परिष्कृत लर्निंग रूल (सीखने के नियम) का उपयोग करता है। यह नियम इस बात का विश्लेषण करता है कि त्रुटि कैसे बदल रही है, न कि केवल त्रुटि के आकार का। त्रुटि के स्वरूप का विश्लेषण करके, सिस्टम यह बता सकता है कि संकेत के खराब होने की संभावना है या यह केवल एक अस्थायी गड़बड़ी है, और यह ड्रोन के नेविगेशन को तदनुसार समायोजित करता है। यह ड्रोन को तब अधिक निर्भर रहने की अनुमति देता है जब आकाश अवरुद्ध हो और जैसे ही दृश्य स्पष्ट होता है, उपग्रह संकेत पर वापस स्विच करने की अनुमति देता है, और यह सब अपने पूरे उड़ान पथ की पुनर्गणना किए बिना संभव होता है।
यह विचार काम करता है या नहीं, यह परीक्षण करने के लिए, टीम ने ऊँची, आयताकार बाधाओं से भरी एक आभासी नगरी के माध्यम से ड्रोन उड़ाने के हजारों कंप्यूटर सिमुलेशन चलाए। उन्होंने सिमुलेशन को सिग्नल ब्लॉकेज के वास्तविक भौतिकी और इमारतों से टकराकर वापस आने वाले उपग्रह संकेतों के विशिष्ट तरीके की नकल करने के लिए प्रोग्राम किया, जिससे ऐसे त्रुटि उत्पन्न होते हैं जो समय के साथ बदलते हैं और इस पर निर्भर करते हैं कि ड्रोन कहाँ स्थित है। उन्होंने इसमें देरी (लैग) भी शामिल की, जो यह सिम्युलेट करती है कि जब ड्रोन का कंप्यूटर सिग्नल को प्रोसेस करने में समय लेता है तो क्या होता है। इन परीक्षणों में, उन्होंने अपने नए 'बलीफ-अडेप्टिव' (विश्वास-अनुकूलित) सिस्टम की तुलना पुराने तरीकों से की। पुराने तरीके, जो त्रुटियों के होने के बाद प्रतिक्रिया देते हैं, अक्सर ड्रोन को पथ से भटकने या एक टेढ़े-मेढ़े, अस्थिर पथ का अनुसरण करने के लिए मजबूर कर देते थे। हालाँकि, नए सिस्टम ने ड्रोन को उसके इच्छित मार्ग के बहुत करीब रखा। नए तरीके का उपयोग करने वाले ड्रोन ने अपने नियोजित पथ से काफी कम विचलन दिखाया और शहरी वातावरण में उपग्रह संकेतों के अत्यधिक दूषित होने के बावजूद भी एक सुचारू और अधिक स्थिर उड़ान बनाए रखी।
सिमुलेशन के परिणाम स्पष्ट और सुसंगत थे। नए दृष्टिकोण ने मानक तरीकों की तुलना में ड्रोन की अनुमानित स्थिति में त्रुटियों को लगभग अस्सी प्रतिशत तक कम कर दिया, जो बदलती परिस्थितियों के अनुकूल नहीं होते हैं। इसने उड़ान पथ को ट्रैक करने की त्रुटियों को भी तीस प्रतिशत कम कर दिया। यह सुधार अधिक सेंसर जोड़ने या ड्रोन को भारी बनाने से नहीं आया, बल्कि उसके पास मौजूद जानकारी को संसाधित करने के एक स्मार्ट तरीके से आया। सिस्टम ने दुनिया के अपने आंतरिक मानचित्र को सटीक रखने में सफलता प्राप्त की क्योंकि वह जानता था कि उपग्रह पर कब भरोसा करना है और कब संदेह करना है। महत्वपूर्ण रूप से, इस पद्धति के लिए यह आवश्यक नहीं है कि ड्रोन को पहले से विशिष्ट शहर के लेआउट पर प्रशिक्षित किया जाए। यह चलते-चलते सीखता है, जिससे यह व्यापक प्री-प्रोग्रामिंग या ऑफलाइन प्रशिक्षण की आवश्यकता के बिना किसी भी शहरी वातावरण के लिए उपयुक्त बनता है।
यह कार्य सुझाव देता है कि सुरक्षित शहरी उड़ान की कुंजी मशीनों को अपने स्वयं के डेटा पर सवाल उठाने की क्षमता देने में निहित है। वातावरण के साथ विकसित होने वाले एक गतिशील विश्वास के रूप में एक सेंसर की विश्वसनीयता को मॉडल करके, शोधकर्ताओं ने एक ऐसा नेविगेशन सिस्टम बनाया है जो मजबूत और कुशल है। यह ढांचा मौजूदा उड़ान नियंत्रण प्रणालियों में हार्डवेयर या सॉफ्टवेयर के पूर्ण बदलाव की आवश्यकता के बिना फिट बैठता है, जिसका अर्थ है कि इसे वर्तमान ड्रोन तकनीक में अपेक्षाकृत आसानी से एकीकृत किया जा सकता है। हालांकि ये निष्कर्ष वर्तमान में कंप्यूटर सिमुलेशन पर आधारित हैं, वे भविष्य के वास्तविक दुनिया के परीक्षणों के लिए एक मजबूत आधार प्रदान करते हैं। यदि ये परिणाम वास्तविक उड़ान परीक्षणों में भी कायम रहते हैं, तो यह विधि हमारे शहरों के जटिल और अप्रत्याशित हवाई क्षेत्र में ड्रोनों के विश्वसनीय, स्वायत्त संचालन को सक्षम करने की दिशा में एक महत्वपूर्ण कदम हो सकती 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।