एक घने जंगल के बीच से तेज़ गति से ड्रोन उड़ाना, पलक झपकते ही निर्णय लेने की चुनौती है। मशीन को पेड़ से टकराने से पहले एक बाधा को देखना होगा, यह तय करना होगा कि कैसे हिलना है, और अपने मोटरों को कमांड भेजना होगा। दशकों तक, इंजीनियरों ने ड्रोन के कंप्यूटर में दुनिया का एक नक्शा बनाकर, एक रास्ता निर्धारित करके और फिर उसका पालन करके इस समस्या को हल किया है। लेकिन नक्शा बनाने में समय और कंप्यूटिंग शक्ति लगती है, और यदि नक्शा गलत हो जाए, तो ड्रोन दुर्घटनाग्रस्त हो जाता है। एक नया दृष्टिकोण विशेषज्ञों को देखकर ड्रोन को उड़ना सिखाने की कोशिश करता है, जिससे मशीन यह सीख सके कि जो वह देख रही है और वह कैसे चलती है, उसके बीच सीधा संबंध क्या है, ठीक वैसे ही जैसे एक बच्चा पहियों के भौतिकी की गणना करने के बजाय संतुलन महसूस करके साइकिल चलाना सीखता है। इमिटेशन लर्निंग (imitation learning) के रूप में जानी जाने वाली इस पद्धति ने आशा दिखाई है, लेकिन यह अक्सर तब विफल हो जाती है जब ड्रोन किसी ऐसी स्थिति का सामना करता है जो उसने पहले नहीं देखी हो, या जब कंप्यूटर उड़ान की गति के साथ तालमेल बिठाने में बहुत धीमा हो।

अपनी कंप्यूटिंग क्षमता की सीमा पर उड़ने वाले छोटे ड्रोनों के लिए यह चुनौती और भी कठिन है। आधुनिक आर्टिफिशियल इंटेलिजेंस मॉडल जो भाषा और छवियों को समझ सकते हैं, वे अविश्वसनीय रूप से भारी होते हैं, जिन्हें चलाने के लिए भारी मात्रा में मेमोरी की आवश्यकता होती है। निर्णय लेने के लिए, इन मॉडलों को अक्सर जानकारी को चरण-दर-चरण प्रोसेस करना पड़ता है, जैसे कि एक किताब को एक बार में एक शब्द करके पढ़ना। पाँच मीटर प्रति सेकंड की गति से चल रहे ड्रोन के लिए, एक धीमे कंप्यूटर द्वारा एक लंबे वाक्य को पढ़ने के पूरा होने का इंतज़ार करने का मतलब है कि ड्रोन अपने नियंत्रणों को हिलाए बिना बीस मीटर की दूरी तय कर लेगा, जो एक घने जंगल में दुर्घटना का कारण बनने वाली दूरी है। शोधकर्ताओं को एक तरीका चाहिए था जिससे इन स्मार्ट मॉडलों को एक छोटे, बैटरी से चलने वाले कंप्यूटर पर चलाने के लिए पर्याप्त हल्का बनाया जा सके, और साथ ही उन्हें सुरक्षित रूप से उड़ने के लिए पर्याप्त तेज़ निर्णय लेने के काबिल बनाया जा सके।

एक शोधकर्ता ने 'एरो-वीपीए' (Aero-VPA) नामक एक नई प्रणाली विकसित की है जो ड्रोन के सोचने के तरीके को बदलकर इस समस्या का समाधान करती है। एक भारी, शब्द-दर-शब्द प्रोसेसिंग पद्धति के बजाय, उन्होंने एक सुव्यवस्थित आर्किटेक्चर बनाया है जो एक ही त्वरित नज़र में दुनिया की भविष्य की स्थिति का अनुमान लगाता है। यह प्रणाली एक संक्षिप्त विजुअल ब्रेन का उपयोग करती है जो कैमरा फीड को देखता है और यह अनुमान लगाने के लिए नियमों के एक छोटे सेट का उपयोग करता है कि आगे क्या होगा, जिससे इमेज के हर पिक्सेल को फिर से बनाने की आवश्यकता समाप्त हो जाती है। यह ड्रोन को केवल पाँच त्वरित चरणों में मूवमेंट कमांड का एक पूरा क्रम उत्पन्न करने की अनुमति देता है, जो एक छोटे ड्रोन के कंप्यूटर की सख्त समय सीमाओं के भीतर फिट बैठता है। शोधकर्ता ने इस प्रणाली का परीक्षण एक क्वाड्रोटर ड्रोन के अत्यधिक यथार्थवादी कंप्यूटर सिमुलेशन में किया, जो प्रक्रियात्मक रूप से निर्मित जंगलों (procedurally generated forests) के माध्यम से नेविगेट कर रहा था, जहाँ पेड़ों को रैंडम तरीके से रखा गया था ताकि विभिन्न चुनौतियों का सामना किया जा सके।

प्रारंभिक परिणाम आश्चर्यजनक थे और उन्होंने इन मशीनों के सीखने के तरीके में एक छिपे हुए दोष को उजागर किया। जब शोधकर्ता ने ड्रोन को केवल एक विशेषज्ञ पायलट के कार्यों की नकल करने के लिए प्रशिक्षित किया, तो ड्रोन ने एक खतरनाक शॉर्टकट सीख लिया। इसने पेड़ों या आगे के रास्ते को देखना बंद कर दिया और इसके बजाय बस अपने मोटरों को भेजे गए पिछले कमांड को दोहराने लगा। एक सिमुलेशन में जहाँ ड्रोन पूरी तरह से उड़ रहा था, वहाँ यह आदत ठीक काम करती थी क्योंकि पिछला कमांड आमतौर पर सही होता था। लेकिन जिस क्षण ड्रोन अपने रास्ते से भटक गया, वह गलत कमांड को दोहराता रहा, और अंधाधड़ बाधाओं की ओर उड़ता गया। यह व्यवहार, जिसे शोधकर्ता "कॉपीकैट" (copycat) समस्या कहते हैं, का अर्थ था कि भले ही ड्रोन कागज़ पर एकदम सही दिखता था, लेकिन वह अकेले उड़ते समय साठ में से एक भी मिशन पूरा करने में विफल रहा।

इसे ठीक करने के लिए, शोधकर्ता ने एक प्रशिक्षण विधि पेश की जहाँ ड्रोन को उड़ने की अनुमति दी गई, और जब भी उसने कोई गलती की, एक सुरक्षा पर्यवेक्षक (safety supervisor) ने हस्तक्षेप किया और उसे उस विशिष्ट स्थिति के लिए सही कदम सिखाया। इससे ड्रोन की सफलता दर में सुधार हुआ, लेकिन यह एक सीमा पर आकर रुक गई। ड्रोन कुछ देर तक उड़ता, फिर दुर्घटनाग्रस्त हो जाता, या हिचकिचाहट के लूप में फंस जाता। सफलता दर लगभग बीस प्रतिशत बनी रही, जिसका अर्थ था कि ड्रोन पाँच में से चार बार विफल होता या दुर्घटनाग्रस्त हो जाता। शोधकर्ता ने महसूस किया कि ड्रोन की दृष्टि बहुत संकीर्ण थी; वह केवल अपने सामने देख सकता था, और एक बार जब कोई बाधा दृष्टि से बाहर चली जाती, तो ड्रोन भूल जाता था कि वह वहाँ थी।

महत्वपूर्ण मोड़ तब आया जब शोधकर्ता ने ड्रोन को स्मार्ट बनाने के बजाय, उसे एक ऐसा सुरक्षा जाल दिया जो सीखने पर निर्भर नहीं था। शोधकर्ता ने एक सरल, नियत (deterministic) सुरक्षा परत जोड़ी जो एक ढाल के रूप में कार्य करती थी। इस ढाल ने पिछले पंद्रह सेकंड में ड्रोन ने जो कुछ भी देखा था, उसकी स्मृति रखी, जिससे उसके आसपास के स्थान का एक मानसिक मानचित्र तैयार हुआ, जिसमें वे बाधाएं भी शामिल थीं जो ड्रोन के पीछे या बगल में चली गई थीं। यदि ड्रोन किसी याद की गई बाधा की ओर उड़ने की कोशिश करता, तो ढाल उसे धीरे से दूर धकेल देती या धीमा कर देती। इसमें यह नियम भी था कि यदि ड्रोन फंस जाए या रास्ता भटक जाए, तो क्या करना है, जैसे कि अभी-अभी तय किए गए पथ के साथ पीछे जाना या खुद को अगले लक्ष्य की ओर धकेलना।

जब इस सुरक्षा ढाल को प्रशिक्षित ड्रोनों के साथ जोड़ा गया, तो परिणाम नाटकीय रूप से बदल गए। सबसे अच्छा प्रदर्शन करने वाले ड्रोन की सफलता दर इक्कीस प्रतिशत से बढ़कर बावन प्रतिशत हो गई। दुर्घटनाओं की संख्या बहत्तर प्रतिशत से घटकर केवल बाईस प्रतिशत रह गई। इसका नुकसान यह था कि ड्रोन अधिक सतर्क हो गया; वह अक्सर धीमा हो जाता था और अपने मिशन को पूरा करने में अधिक समय लेता था, जिससे मिशन समय समाप्त होने (timed out) वाले उड़ानों की संख्या तीन प्रतिशत से बढ़कर तेईस प्रतिशत हो गई। हालाँकि, ड्रोन अब पेड़ों से नहीं टकरा रहा था। ढाल इतनी प्रभावी थी कि इसने परीक्षण किए गए ड्रोन के हर संस्करण के प्रदर्शन में सुधार किया, चाहे उन्हें कैसे भी प्रशिक्षित किया गया हो।

शोधकर्ता ने पाया कि सुरक्षा ढाल विशेष रूप से घने जंगलों में प्रभावी थी, जहाँ पेड़ एक-दूसरे के बहुत करीब थे। इन तंग जगहों में, ढाल के साथ ड्रोन की सफलता दर मात्र सात प्रतिशत से बढ़कर लगभग सैंतालीस प्रतिशत हो गई। ढाल के बिना, ड्रोन इन स्थितियों में लगभग हमेशा दुर्घटनाग्रस्त हो जाता। ढाल ने इसे इसलिए प्रबंधित किया क्योंकि उसने उन बाधाओं को याद रखा जो अब कैमरे के दृश्य में नहीं थीं, जिससे ड्रोन उस पेड़ की ओर अंधाधुंध उड़ने से बच गया जिसे वह अभी-अभी पार कर चुका था। सिस्टम ने बाधा को देखने और प्रतिक्रिया देने के बीच के विलंब (delay) को भी संभालना सीखा, जो रोबोटिक्स की एक सामान्य समस्या है जहाँ मशीन का मस्तिष्क उसकी आँखों की तुलना में थोड़ा धीमा होता है।

इन सफलताओं के बावजूद, शोधकर्ता सावधानी से यह नोट करते हैं कि यह कार्य अभी सिमुलेशन चरण में है। ड्रोन अभी वास्तविक दुनिया में नहीं उड़ा है, और परीक्षण चलाने के लिए उपयोग किया गया कंप्यूटर एक शक्तिशाली क्लाउड सर्वर था, न कि वह छोटा, कम शक्ति वाला चिप जिसके लिए यह प्रणाली बनाई गई है। वर्तमान संस्करण का ड्रोन औसतन लगभग एक मीटर प्रति सेकंड की गति से उड़ता है, जो विशेषज्ञों की तीन से सात मीटर प्रति सेकंड की गति से बहुत कम है। शोधकर्ता ने कई बाधाओं की पहचान की है, जैसे कि ड्रोन हवा को कैसे संभालता है, कैमरा तेज़ धूप में कैसा देखता है, और वास्तविक छोटे कंप्यूटर पर यह प्रणाली कैसा प्रदर्शन करती है।

अध्ययन ने मशीनों को उड़ाना सिखाने के बारे में एक मौलिक सबक भी रेखांकित किया। विशेषज्ञ की नकल करना पर्याप्त नहीं है यदि मशीन एक ऐसा शॉर्टकट ढूंढ लेती है जो प्रशिक्षण के दौरान तो काम करता है लेकिन वास्तविक दुनिया में विफल हो जाता है। ड्रोन की पिछले कमांड को दोहराने की प्रवृत्ति एक चतुर चाल थी जो उसने प्रशिक्षण के दौरान त्रुटि को कम करने के लिए सीखी थी, लेकिन यह एक गतिशील वातावरण में घातक दोष था। सुरक्षा ढाल ने ड्रोन की सीखने की प्रक्रिया को ठीक नहीं किया; इसने केवल ड्रोन की क्रियाओं को नियंत्रित किया ताकि उसे सुरक्षित रखा जा सके जबकि वह बाकी चीजें सीख रहा था। शोधकर्ता ने पाया कि ड्रोन की सीखने की क्षमता अभी भी सीमित थी, और सुरक्षा परत आपदाओं को रोकने के लिए मुख्य कार्य कर रही थी।

यह कार्य जटिल, असंरचित वातावरण में बिना किसी विशाल कंप्यूटर या पूर्व-निर्मित मानचित्र के छोटे ड्रोनों को स्वायत्त उड़ान के सक्षम बनाने की दिशा में एक महत्वपूर्ण कदम है। एक हल्के, तेज़ दिमाग और एक सरल, स्मृति-आधारित सुरक्षा ढाल को मिलाकर, शोधकर्ता ने एज हार्डवेयर (edge hardware) पर फुर्तीली उड़ान के लिए एक मार्ग दिखाया है। सिस्टम पूर्ण नहीं है, और यह अभी वास्तविक दुनिया के लिए तैयार नहीं है, लेकिन यह दर्शाता है कि गति, स्मृति और सावधानी के सही संयोजन के साथ, एक छोटा ड्रोन बिना टकराए जंगल में नेविगेट करना सीख सकता है। अगले चरणों में वास्तविक हार्डवेयर और वास्तविक बाहरी परिस्थितियों में इस प्रणाली का परीक्षण करना शामिल होगा ताकि यह देखा जा सके कि सिमुलेशन में सीखे गए सबक तब भी काम करते हैं या नहीं जब हवा चलती है और पेड़ हिलते हैं।