MIT के शोधकर्ताओं ने SANDO पेश किया, औपचारिक टक्कर-मुक्त गारंटी वाला ड्रोन पथ प्लानर

MIT के शोधकर्ताओं ने मानवरहित हवाई वाहनों (UAV) के लिए SANDO नामक एक ट्रैजेक्टरी प्लानर का वर्णन किया है, जो Safe AutoNomous trajectory planning for Dynamic unknOwn environments (गतिशील अज्ञात वातावरणों के लिए सुरक्षित स्वायत्त ट्रैजेक्टरी प्लानिंग) का संक्षिप्त रूप है। MIT News के अनुसार, जिसने 7 अक्टूबर को इस काम की घोषणा की, यह प्रणाली ऐसे परिवेश से होकर मार्ग तय करती है जिसका ड्रोन ने कभी मानचित्र नहीं बनाया, तब भी जब उसमें मौजूद वस्तुएँ ऐसे ढंग से चलती हों जिसका कोई पूर्वानुमान नहीं लगा सकता, और टीम ने गणितीय रूप से सिद्ध किया कि इससे बनने वाली ट्रैजेक्टरी टक्करों से बचती हैं। यह शोधपत्र IEEE Transactions on Robotics में प्रकाशित हुआ है। शोधकर्ता ढही हुई इमारतों में खोज-और-बचाव उड़ानों, खदानों में छिपे सुरंग नेटवर्कों की खोज, या व्यस्त मोहल्लों में पैकेज डिलीवरी जैसे उपयोगों की ओर इशारा करते हैं।

इस तरह के प्लानर विमान के कैमरा और सेंसर डेटा को उसके लक्ष्य की ओर जाने वाले एक पथ में बदलते हैं। MIT का कहना है कि अधिकांश मौजूदा प्लानर या तो यह मान लेते हैं कि किसी अज्ञात स्थान में बाधाएँ स्थिर रहती हैं, या चलती बाधाओं से बचकर निकलते हैं लेकिन इस बात का कोई औपचारिक वादा नहीं करते कि कोई टक्कर नहीं होगी; व्यापक रूप से इस्तेमाल होने वाली जो प्रणालियाँ ऐसी गारंटी देती हैं, उन्हें आम तौर पर स्थिर दृश्य या पहले से ज्ञात बाधाओं की ज़रूरत होती है। शोधकर्ताओं के अनुसार, बदलते दृश्य में हर संभावित टक्कर की जाँच करना व्यावहारिक उपयोग के लिए बहुत धीमा होगा। प्रमुख लेखक कोटा कोंडो MIT की घोषणा में इसे इस तरह कहते हैं: “किसी अज्ञात गतिशील वातावरण में, आपके पास भरोसा करने के लिए ज़्यादा धारणाएँ नहीं होतीं।”

SANDO सबसे पहले एक सेफ्टी कॉरिडोर (सुरक्षा गलियारा) बनाता है, यानी आपस में जुड़े 3D क्षेत्रों की एक शृंखला जिनमें कोई बाधा नहीं होती और जिनसे होकर ड्रोन उड़ सकता है। पहले के गलियारों के विपरीत, यह गलियारा समय के साथ बदलता है। एक समर्पित मॉड्यूल चलती बाधाओं का पता लगाता है, उन्हें समूहों में बाँटता है और उन्हें ट्रैक करता है ताकि अनुमान लगाया जा सके कि वे किस ओर जा रही हैं। चूँकि उनका सटीक भावी पथ अज्ञात है, प्लानर हर बाधा की अधिकतम गति लेता है, हिसाब लगाता है कि वह एक निश्चित समय में कितनी दूर पहुँच सकती है, और उसे एक ऐसे गोले में लपेट देता है जो उन सभी बिंदुओं को ढक लेता है जहाँ तक वह पहुँच सकती है; फिर गलियारे को उन गोलों के इर्द-गिर्द आकार दिया जाता है। एक हीट-मैप प्लानर भीड़भाड़ वाले “हॉट” क्षेत्रों को चिह्नित करता है ताकि ड्रोन को उनसे दूर रखा जा सके। गलियारे के भीतर SANDO लक्ष्य तक सबसे तेज़ मार्ग खोजता है और उड़ान के दौरान गलियारे और ट्रैजेक्टरी दोनों को लगातार संशोधित करता रहता है। टीम ने अंतर्निहित ऑप्टिमाइज़ेशन को सरल बनाया ताकि ऑनबोर्ड कंप्यूटर जल्दी से दोबारा योजना बना सके।

शोधकर्ताओं के अनुसार, सिमुलेशन में SANDO कई अत्याधुनिक (state-of-the-art) प्रणालियों की तुलना में अपने लक्ष्य तक तेज़ी से पहुँचा और परखे गए किसी भी वातावरण में उसकी कोई टक्कर नहीं हुई। एक वास्तविक UAV के साथ 12 परीक्षण उड़ानों में, विमान के अपने कंप्यूटर और सेंसरों पर चलते हुए, उसने सभी चलती बाधाओं से बचाव किया। कोंडो कहते हैं, “SANDO को विकसित करने का सबसे कठिन हिस्सा गणित था।” कोंडो, जिन्होंने हाल ही में MIT से एयरोनॉटिक्स और एस्ट्रोनॉटिक्स में अपनी PhD पूरी की है, ने यह शोधपत्र हेसूस तोर्देसियास के साथ लिखा, जो अब मैड्रिड की कोमियास पोंटिफिकल यूनिवर्सिटी में असिस्टेंट प्रोफेसर हैं, और साथ ही MIT के तीन ग्रेजुएट छात्रों हुआन राचेद, लिली सन और यिशुआन जिया के साथ। जोनाथन पी. हाउ, जो MIT की लैबोरेटरी फॉर इंफॉर्मेशन एंड डिसीजन सिस्टम्स (LIDS) और उसकी एयरोस्पेस कंट्रोल्स लैबोरेटरी में काम करते हैं, वरिष्ठ लेखक हैं। सिंगापुर की डिफेंस साइंस एंड टेक्नोलॉजी एजेंसी ने इस काम को आंशिक रूप से वित्तपोषित किया।

चीन की झेजियांग यूनिवर्सिटी के एसोसिएट प्रोफेसर फ़ेई गाओ, जिनकी इस परियोजना में कोई भूमिका नहीं थी, ने उस समस्या का सार बताया जिसे यह प्लानर लक्षित करता है: “जो पथ योजना बनाते समय सुरक्षित होता है, वह वातावरण बदलने के साथ असुरक्षित हो सकता है।” वे SANDO के समय के साथ बदलने वाले (time-varying) उड़ान गलियारों, कठोर बाध्यताओं (hard constraints) वाले ट्रैजेक्टरी ऑप्टिमाइज़ेशन और हार्डवेयर परीक्षणों को इस बात का श्रेय देते हैं कि वे जटिल गतिशील परिस्थितियों के लिए एक व्यावहारिक दृष्टिकोण प्रस्तुत करते हैं। अगले कदमों के रूप में, शोधकर्ताओं का कहना है कि वे SANDO को गणना के लिहाज़ से कम मांग वाला बना सकते हैं और उसे मशीन लर्निंग मॉडलों के साथ जोड़ सकते हैं ताकि उपयोगकर्ता किसी रोबोट को सरल भाषा में निर्देश दे सकें। MIT News शोधपत्र के साथ SANDO के कोड का लिंक भी देता है।