एल्गोरिदम स्वायत्त वाहनों में दृश्य भू-संबंधी नेविगेशन को सक्षम बनाता है

कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी (कैलटेक) के शोधकर्ताओं द्वारा विकसित एक नए गहरे शिक्षण एल्गोरिदम ने स्वायत्त प्रणालियों को उनके आसपास के क्षेत्र को देखकर यह पहचानने में सक्षम बनाया है कि वे कहां हैं। पहली बार, यह प्रौद्योगिकी क्षेत्र में मौसमी परिवर्तन की परवाह किए बिना काम कर सकती है।

शोध 23 जून को अमेरिकन एसोसिएशन फॉर द एडवांसमेंट ऑफ साइंस (एएएएस) द्वारा साइंस रोबोटिक्स पत्रिका में प्रकाशित किया गया था।

दृश्य भू-संबंधी नेविगेशन

इस प्रक्रिया को दृश्य भू-संबंधी नेविगेशन (वीटीआरएन) कहा जाता है, और यह पहली बार 1960 के दशक में विकसित किया गया था। स्वायत्त प्रणाली वीटीआरएन के माध्यम से खुद को स्थित करने में सक्षम होती हैं bằng उच्च-रिज़ॉल्यूशन सैटेलाइट छवियों के साथ निकटवर्ती क्षेत्र की तुलना करके।

हालांकि, वर्तमान पीढ़ी के वीटीआरएन को डेटाबेस में छवियों के साथ बारीकी से मेल खाने वाले क्षेत्र की आवश्यकता होती है। क्षेत्र में कोई भी परिवर्तन, जैसे कि बर्फ या गिरती पत्तियां, प्रणाली को गैर-मिलान वाली छवियों से विफल कर सकता है। इसका मतलब है कि वीटीआरएन प्रणालियों को आसानी से भ्रमित किया जा सकता है जब तक कि हर संभव स्थिति में लैंडस्केप छवियों का डेटाबेस न हो।

इस परियोजना से जुड़ी टीम सून-जो चुंग, ब्रेन प्रोफेसर ऑफ एयरोस्पेस और कंट्रोल और डायनेमिकल सिस्टम और जेपीएल में शोध वैज्ञानिक के प्रयोगशाला से आती है। टीम ने वीटीआरएन प्रणालियों के लिए परेशानी पैदा करने वाली मौसमी सामग्री को हटाने के लिए गहरे शिक्षण और कृत्रिम बुद्धिमत्ता (एआई) का उपयोग किया।

एंथोनी फ्रागोसो एक व्याख्याता और कर्मचारी वैज्ञानिक हैं, साथ ही साथ विज्ञान रोबोटिक्स पत्र के प्रमुख लेखक हैं।

“नियम यह है कि दोनों छवियों – सैटेलाइट से और स्वायत्त वाहन से – को वर्तमान तकनीकों के लिए काम करने के लिए समान सामग्री होनी चाहिए,” फ्रागोसो कहते हैं। “वे जो अंतर संभाल सकते हैं वह लगभग इतना ही है जो एक इंस्टाग्राम फिल्टर द्वारा किया जा सकता है जो एक छवि के रंगों को बदलता है।” “वास्तविक प्रणालियों में, हालांकि, चीजें मौसम के आधार पर बहुत भिन्न होती हैं क्योंकि छवियों में अब एक ही वस्तुएं नहीं होती हैं और सीधे तुलना नहीं की जा सकती है।”

https://www.youtube.com/watch?v=U5Kr0YI3sec

स्व-पर्यवेक्षित शिक्षण

इस प्रक्रिया को चुंग और फ्रागोसो ने स्नातक छात्र कॉनर ली और स्नातक छात्र ऑस्टिन मैककॉय के सहयोग से विकसित किया था, और यह “स्व-पर्यवेक्षित शिक्षण” का उपयोग करता है।

अल्गोरिदम को कुछ पहचानने के लिए सिखाने के लिए मानव अनुवर्ती द्वारा बड़े डेटासेट को क्यूरेट करने पर निर्भर रहने के बजाय, जैसा कि अधिकांश कंप्यूटर-दृष्टि रणनीतियों के मामले में, यह प्रक्रिया अल्गोरिदम को स्वयं सिखाने में सक्षम बनाती है। एआई मानव आंखों द्वारा छोड़े गए विवरण और विशेषताओं को छवियों में पैटर्न का पता लगाने के द्वारा पहचानता है।

वर्तमान पीढ़ी के वीटीआरएन में नई प्रणाली को जोड़कर, यह अधिक सटीक स्थानीयकरण प्रदान करता है। एक प्रयोग में शोधकर्ताओं ने गर्मियों की पत्तियों की छवियों को सर्दियों की पत्ती से मिलाने का प्रयास किया, साथ ही साथ संबंध-आधारित वीटीआरएन तकनीक का उपयोग किया। उन्होंने पाया कि 50 प्रतिशत प्रयास नेविगेशन विफलताओं में परिणत हुए, लेकिन जब उन्होंने नई अल्गोरिदम को वीटीआरएन में डाला, तो 92 प्रतिशत प्रयास सही ढंग से मेल खाए, और शेष 8 प्रतिशत को पहले से ही समस्याग्रस्त के रूप में पहचाना जा सकता था।

“कंप्यूटर हमारी आंखों से देखे जाने वाले अस्पष्ट पैटर्न का पता लगा सकते हैं और यहां तक कि सबसे छोटे रुझान को भी उठा सकते हैं,” ली कहते हैं। “वीटीआरएन खतरनाक लेकिन सामान्य परिस्थितियों में एक असंभव प्रौद्योगिकी बनने के खतरे में थी। हमने इस समस्या को हल करने में दशकों के काम को बचाया।”

अंतरिक्ष में अनुप्रयोग

नई प्रणाली का उपयोग केवल पृथ्वी पर स्वायत्त ड्रोन के लिए नहीं किया जा सकता है, बल्कि यह अंतरिक्ष मिशनों के लिए भी उपयोगी हो सकती है। जेपीएल के मार्स 2020 पर्सिवरेंस रोवर मिशन ने जेज़ेरो क्रेटर में प्रवेश, उतरने और उतरने के दौरान वीटीआरएन का उपयोग किया था, जिसे पहले सुरक्षित प्रवेश के लिए बहुत खतरनाक माना जाता था।

चुंग के अनुसार, जैसे कि पर्सिवरेंस जैसे रोवर के लिए, “कुछ स्वायत्त ड्राइविंग आवश्यक है क्योंकि पृथ्वी और मंगल के बीच संचार 7 मिनट लगते हैं, और मंगल पर कोई जीपीएस नहीं है।”

टीम का मानना है कि नई प्रणाली मंगल के ध्रुवीय क्षेत्रों में भी उपयोगी हो सकती है, जो तीव्र मौसमी परिवर्तनों का अनुभव करते हैं। यह वैज्ञानिक उद्देश्यों के लिए सुधारित नेविगेशन को सक्षम कर सकता है, जैसे कि पानी की तलाश।

टीम अब प्रौद्योगिकी को मौसम परिवर्तन जैसे कि धुंध, वर्षा और बर्फ के लिए खाता बढ़ाने के लिए काम करेगी। यह काम स्व-ड्राइविंग कारों के लिए सुधारित नेविगेशन प्रणाली के लिए नेतृत्व कर सकता है।