अमेरिकी सैन्य ऑटोनोमस ऑफ-रोड कombat वाहनों के लिए करीब आ रहा है

यूएस आर्मी कombat क्षमता विकास कमांड के आर्मी रिसर्च लेबोरेटरी और टेक्सास विश्वविद्यालय में ऑस्टिन के शोधकर्ताओं ने एक एल्गोरिदम विकसित किया है जो स्वायत्त वाहनों के लिए बड़े प्रभाव डाल सकता है। इस एल्गोरिदम के साथ, स्वायत्त जमीन वाहन मानव ड्राइविंग देखकर अपने नेविगेशन सिस्टम में सुधार कर सकते हैं।

शोधकर्ताओं द्वारा विकसित दृष्टिकोण को अनुकूली योजना पैरामीटर सीखने से प्रदर्शन, या एपीएलडी कहा जाता है। इसे एक सेना प्रयोगात्मक स्वायत्त जमीन वाहन पर परीक्षण किया गया था।

शोध आईईईई रोबोटिक्स और ऑटोमेशन लेटर्स में प्रकाशित किया गया था। काम का शीर्षक “एपीएलडी: अनुकूली योजना पैरामीटर सीखने से प्रदर्शन।”

एपीएलडी

डॉ गारेट वार्नेल एक सेना शोधकर्ता हैं।

“एपीएलडी जैसे दृष्टिकोण का उपयोग करके, वर्तमान सैनिक मौजूदा प्रशिक्षण सुविधाओं में स्वायत्त प्रणालियों में सुधार करने में योगदान दे सकते हैं क्योंकि वे अपने वाहनों को सामान्य रूप से संचालित करते हैं,” वार्नेल ने कहा। “इस तरह की तकनीक सेना की योजनाओं में एक महत्वपूर्ण योगदान होगी जो अगली पीढ़ी के लड़ाकू वाहनों को डिज़ाइन और क्षेत्र में तैनात करने के लिए है जो ऑफ-रोड तैनाती वातावरण में स्वायत्त रूप से नेविगेट करने में सक्षम हैं।”

नई प्रणाली विकसित करने के लिए, शोधकर्ताओं ने प्रदर्शन से मशीन लर्निंग एल्गोरिदम और क्लासिक स्वायत्त नेविगेशन प्रणालियों को जोड़ा। इस दृष्टिकोण की एक सबसे अच्छी विशेषता यह है कि यह एपीएलडी को एक मौजूदा प्रणाली में सुधार करने की अनुमति देता है ताकि यह मानव की तरह व्यवहार करे, न कि पूरी क्लासिक प्रणाली को बदलने के।

इसके कारण, तैनात प्रणाली क्लासिक नेविगेशन प्रणालियों में मौजूद विशेषताओं जैसे कि अनुकूलता, व्याख्यात्मकता और सुरक्षा को बनाए रखने में सक्षम है, जबकि एक अधिक लचीली प्रणाली भी बनाती है जो नए वातावरण के अनुकूल हो सकती है।

“एक मानव ड्राइविंग का एकल प्रदर्शन, एक सामान्य एक्सबॉक्स वायरलेस कंट्रोलर का उपयोग करके प्रदान किया गया, एपीएलडी को सिखाने की अनुमति दी कि वाहन की मौजूदा स्वायत्त नेविगेशन प्रणाली को विभिन्न स्थानीय वातावरण के आधार पर अलग तरह से कैसे ट्यून किया जाए,” वार्नेल ने कहा। “उदाहरण के लिए, जब एक तंग गलियारे में, मानव चालक धीमा हो गया और सावधानी से चला। इस व्यवहार को देखने के बाद, स्वायत्त प्रणाली ने भी समान वातावरण में अपनी अधिकतम गति को कम करने और अपने गणना बजट में वृद्धि करने के लिए सीखा। यह अंततः वाहन को अन्य तंग गलियारों में स्वायत्त रूप से नेविगेट करने में सक्षम बनाता है जहां यह पहले विफल हो गया था।”

https://www.youtube.com/watch?v=u2xxPTZA0DY

परिणामों ने दिखाया कि प्रशिक्षित एपीएलडी प्रणाली परीक्षण वातावरण में अधिक कुशलता से और कम गलतियों के साथ नेविगेट कर सकती है जो क्लासिक प्रणाली की तुलना में है। इसके अलावा, यह प्रशिक्षण के लिए जिम्मेदार मानव से भी तेजी से वातावरण में नेविगेट कर सकता है।

डॉ पीटर स्टोन यूटी ऑस्टिन में रोबोटिक्स कंसोर्टियम के प्रोफेसर और अध्यक्ष हैं।

“मशीन लर्निंग के दृष्टिकोण से, एपीएलडी उन एंड-टू-एंड लर्निंग सिस्टम से अलग है जो स्क्रैच से पूरी नेविगेशन प्रणाली सीखने का प्रयास करते हैं,” स्टोन ने कहा। “इन दृष्टिकोणों में आमतौर पर बहुत सारे डेटा की आवश्यकता होती है और वे ऐसे व्यवहार पैदा कर सकते हैं जो न तो सुरक्षित हैं और न ही मजबूत हैं। एपीएलडी नियंत्रण प्रणाली के उन हिस्सों का लाभ उठाता है जिन्हें सावधानी से इंजीनियर किया गया है, जबकि पैरामीटर ट्यूनिंग प्रक्रिया पर अपने मशीन लर्निंग प्रयासों को केंद्रित करता है, जो अक्सर एक व्यक्ति की直觉 पर आधारित होता है।”

नई प्रणाली रोबोटिक्स के क्षेत्र में गैर-विशेषज्ञों को स्वायत्त वाहन नेविगेशन में प्रशिक्षित और सुधार करने की अनुमति देती है। उदाहरण के लिए, असीमित संख्या में उपयोगकर्ता प्रणाली को सुधारने के लिए आवश्यक डेटा प्रदान कर सकते हैं, विशेषज्ञ इंजीनियरों पर निर्भर नहीं होना जो प्रणाली को मैन्युअल रूप से बदलने के लिए।

डॉ जोनाथन फिंक एक सेना शोधकर्ता हैं।

“वर्तमान स्वायत्त नेविगेशन प्रणालियों को आमतौर पर प्रत्येक नए तैनाती वातावरण के लिए हाथ से फिर से ट्यून किया जाना चाहिए,” फिंक ने कहा। “यह प्रक्रिया बेहद कठिन है – यह किसी ऐसे व्यक्ति द्वारा किया जाना चाहिए जिसे रोबोटिक्स में व्यापक प्रशिक्षण प्राप्त हो, और इसमें बहुत सारे परीक्षण और त्रुटियां शामिल हैं जब तक कि सही प्रणाली सेटिंग्स नहीं मिल जाती। इसके विपरीत, एपीएलडी मानव ड्राइविंग देखकर सिस्टम को स्वचालित रूप से ट्यून करता है – कुछ जो कोई भी कर सकता है यदि उनके पास वीडियो गेम कंट्रोलर के साथ अनुभव है। तैनाती के दौरान, एपीएलडी प्रणाली को वास्तविक समय में खुद को फिर से ट्यून करने की भी अनुमति देता है क्योंकि वातावरण बदलता है।”

सैन्य उपयोग

यह प्रणाली सेना के लिए उपयोगी होगी, जो वर्तमान में आधुनिक वैकल्पिक रूप से संचालित लड़ाकू वाहनों और रोबोटिक लड़ाकू वाहनों को विकसित करने पर काम कर रही है। वर्तमान में, कई वातावरण इतने जटिल हैं कि यहां तक कि सबसे अच्छी स्वायत्त नेविगेशन प्रणालियों के लिए भी हैं।

डॉ एक्स्यूसू शियाओ यूटी ऑस्टिन में एक पोस्टडॉक्टरल शोधकर्ता हैं और पेपर के प्रमुख लेखक हैं।

“सेना के लिए तत्काल प्रासंगिकता के अलावा, एपीएलडी पारंपरिक इंजीनियरिंग दृष्टिकोणों और उभरते मशीन लर्निंग तकनीकों के बीच की खाई को पाटने का अवसर पैदा करता है, ताकि वास्तविक दुनिया में मजबूत, अनुकूलनीय और बहुमुखी मोबाइल रोबोट बनाए जा सकें।”

एपीएलडी प्रणाली अब विभिन्न बाहरी वातावरण में परीक्षण की जाएगी। शोधकर्ताओं की टीम यह भी देखेगी कि क्या अतिरिक्त सेंसर जानकारी प्रणाली को अधिक जटिल व्यवहार सीखने में मदद कर सकती है।