Sir Airffic Goइसमें से बहुत कुछ रिसर्च पेपर से आता है, पर शब्द आसान रखे गए हैं। मेरे साथ बने रहें।
समझ के चार चरण
- डिटेक्शन: तस्वीर में लोग, कारें और बिजली की लाइनें ढूँढना और उनके चारों ओर डिब्बा बनाना।
- ट्रैकिंग: मिली हुई चीज़ आगे कहाँ जाती है, उसका पीछा करना।
- अपनी जगह पता करना: तस्वीर की हलचल और IMU से हिसाब लगाना कि आप कितना और कहाँ चले (VIO: विज़ुअल-इनर्शियल ओडोमेट्री)।
- समझना और निर्देश मानना: "लाल छत वाले घर के पीछे देखो" जैसी बात समझना और शब्दों को दिखने वाली चीज़ से जोड़ना (VLM: ऐसा AI जो तस्वीर और भाषा को एक साथ संभालता है)।
नक्शा बनाते हुए उड़ना: SLAM और VIO
2000 के दशक के आख़िर में यूनिवर्सिटी लैब ने एक कैमरा और एक IMU से छोटे ड्रोन की जगह का अंदाज़ा लगाना शुरू किया। सब कुछ वहीं से शुरू हुआ।
SVO, VINS-Mono और ORB-SLAM जैसे तरीके प्रकाशित हुए और सबकी साझा नींव बन गए। खुली रिसर्च प्रोडक्ट के पुर्ज़ों में बदल गई।
आज के कमर्शियल ड्रोन पुलों के नीचे और इमारतों के अंदर इसी जमा हुई मेहनत की वजह से उड़ पाते हैं।
ऊपर से चीज़ें छोटी और टेढ़ी दिखती हैं
ज़मीन पर ली गई तस्वीरों से सीखा AI ऊपर से देखे नज़ारे में उलझ जाता है: लोग बिंदु बन जाते हैं और कारों का आकार बदल जाता है।
VisDrone और DOTA जैसे हवाई डेटासेट इसलिए बनाए गए ताकि आसमान के लिए ख़ास AI ट्रेन किया जा सके।
जिसके पास डेटा है, वही तय करता है कि AI कितना समझदार बनेगा। फ़ाउंडेशन मॉडल के दौर में भी यह नहीं बदला।
Sir Airffic GoAI में फ़र्क अक्सर एल्गोरिदम से ज़्यादा इस पर टिका होता है कि आपके पास कितना हवाई डेटा है। रणनीति वाले अध्याय के लिए इसे याद रखें।
जिस दिन AI ने इंसानी चैंपियनों को हराया
2023 में University of Zurich में बने Swift नाम के AI ड्रोन ने इंसानी विश्व-चैंपियन ड्रोन रेसरों को हरा दिया। यह काम Nature पत्रिका में छपा।
Swift ने सिर्फ़ कैमरा और IMU से अपनी जगह का अंदाज़ा लगाया, और रीइनफ़ोर्समेंट लर्निंग से उड़ना सीखा — यानी सिमुलेशन में बार-बार अभ्यास करके।
यह एक तय रेस-ट्रैक पर था। असली आसमान में, बदलते मौसम और रुकावटों के बीच, वही हुनर पाना अभी भी खुली चुनौती है।
डीप रीइनफ़ोर्समेंट लर्निंग से चैंपियन-स्तर की ड्रोन रेसिंग (UZH)
सबूत: [N124]
अगली लहर: शब्दों पर देखना, सोचना और काम करना
लगभग 2023 से तस्वीर और भाषा को साथ संभालने वाले बड़े AI मॉडल (फ़ाउंडेशन मॉडल) रोबोट के दिमाग का काम करने लगे।
ड्रोन पर ऐसी रिसर्च बढ़ रही है जिसमें वह नज़ारा समझते हुए बोले गए निर्देश मानता है (एरियल विज़न-लैंग्वेज नेविगेशन)।
बड़े मॉडल भारी होते हैं, और उन्हें विमान पर तेज़ी से चलाना अभी भी मुश्किल है। इसीलिए अगला अध्याय — चिप — साथ में पढ़ना ज़रूरी है।
सबूत: [N133]
अक्सर पूछे जाने वाले सवाल
ड्रोन कंप्यूटर विज़न किन कामों में इस्तेमाल होता है?
पुलों और बिजली की लाइनों में दरार ढूँढना, फ़सल की सेहत जाँचना, खोज-और-बचाव में लोगों को ढूँढना, सुरक्षा और ट्रैफ़िक पर नज़र रखना, और डिलीवरी की जगह जाँचना आम इस्तेमाल हैं।
विज़ुअल-इनर्शियल ओडोमेट्री (VIO) क्या है?
एक तरीका जो तस्वीर की हलचल को IMU के रफ़्तार-बदलाव और घुमाव के माप से जोड़कर हिसाब लगाता है कि ड्रोन कितना चला। GPS के बिना उड़ने की यह बुनियादी तकनीक है।