FALCON نے GPS کے بغیر راستہ پایا—200 خلائی اجسام کے مدار بھی بہتر کیے
FALCON نے GPS سگنل کے بغیر Starling کا مدار معلوم کرنے کے لیے دوسرے سیٹلائٹس اور خلائی ملبے کو متحرک landmarks کے طور پر استعمال کیا۔ اس کے onboard کیمروں نے اجسام کا مشاہدہ کیا، الگورتھم نے انہیں معلوم خلائی اجسام کے catalog سے ملایا اور تصدیق شدہ حوالوں سے spacecraft کی اپنی مداری حالت کا تخمینہ نکالا۔
یہ flight demonstration کامیاب رہی: تین دن میں FALCON نے زمینی آپریٹر کی مداخلت کے بغیر 200 سے زیادہ معلوم اجسام کے مداری تخمینے بھی بہتر کیے۔ تاہم GPS کے بغیر سے مراد ہر ماحول میں مکمل اور تیار شدہ GPS متبادل نہیں؛ آزمائش کم زمینی مدار میں ہوئی اور تقریباً 20,000 معلوم اجسام اور ان کے پیش گوئی شدہ مدار پہلے ہی spacecraft کے catalog میں موجود تھے۔
کیمرا کسی خلائی جسم کو landmark کیسے بناتا ہے؟
FALCON کا پورا نام Fast Autonomous Lost-in-space Catalog-based Optical Navigation ہے۔ یہ NASA اور Stanford University سے وجود میں آنے والی کمپنی EraDrive کا مشترکہ flight experiment ہے، جس میں Era-Core flight software اور embedded algorithms کو Starling کے star-tracker cameras اور onboard catalog کے ساتھ جوڑا گیا۔
Star tracker عام طور پر روشن اجرام کی ترتیب دیکھ کر spacecraft کی سمت متعین کرنے میں مدد دیتا ہے۔ FALCON اسی optical sensor میں دکھائی دینے والے دوسرے spacecraft اور orbital debris سے زاویۂ نظر، یعنی bearing-angle measurements، حاصل کرتا ہے۔ Stanford Space Rendezvous Laboratory کی تکنیکی وضاحت کے مطابق detected objects کو catalog میں موجود شناختوں سے ملایا جاتا ہے؛ شناخت کے بعد ان کے معلوم مداری مقامات optical beacons کا کردار ادا کرتے ہیں۔
یہ مسئلہ زمین پر کسی ساکن نشان کو پہچاننے سے زیادہ مشکل ہے، کیونکہ observer spacecraft اور landmark دونوں حرکت کر رہے ہوتے ہیں۔ الگورتھم کو مختلف مشاہدات، معلوم اجسام کے predicted orbits اور orbital dynamics کو ملا کر اپنی حالت کا ایسا تخمینہ نکالنا ہوتا ہے جو دیکھی گئی سمتوں سے مطابقت رکھے۔ غلط catalog match پورے navigation solution کو متاثر کر سکتا ہے، اس لیے صرف کسی روشن نقطے کا نظر آنا کافی نہیں؛ اس کی شناخت بھی قابلِ اعتماد ہونی چاہیے۔
اپنا مدار معلوم کرنے کے بعد catalog کیسے بہتر ہوا؟
FALCON کا data flow دو طرفہ ہے۔ پہلے catalog کے معلوم اجسام Starling کا اپنا مدار معلوم کرنے میں مدد دیتے ہیں؛ پھر observer کی حالت اور optical measurements کو استعمال کرکے دیکھے گئے اجسام کے orbital parameters دوبارہ estimate کیے جا سکتے ہیں۔ اسی وجہ سے ایک ہی نظام navigation کے ساتھ space situational awareness بھی فراہم کر سکتا ہے۔
NASA کی FALCON رپورٹ کے مطابق spacecraft پر تقریباً 20,000 معلوم خلائی اجسام اور ان کے predicted orbits کا مکمل catalog لوڈ کیا گیا تھا؛ تین روز میں نظام نے ground operators کی مداخلت کے بغیر 200 سے زیادہ اجسام کے معلوم مدار refine کیے، جبکہ الگ catalog-update تجربات میں onboard object-position predictions زمینی stations کی فراہم کردہ پیش گوئیوں سے بہتر نکلیں۔
یہاں “مدار بہتر کرنا” کسی جسم کا حقیقی راستہ بدلنا نہیں ہے۔ FALCON نے نئے observations کی مدد سے اس راستے کے تخمینے اور آئندہ مقام کی پیش گوئی بہتر کی۔ زیادہ درست orbital estimate مستقبل میں conjunction screening اور collision avoidance کو فائدہ پہنچا سکتا ہے، لیکن اس flight result کو ہر قسم کے تصادم سے بچاؤ کی مکمل عملی توثیق نہیں سمجھنا چاہیے۔
کامیابی کا دائرہ کتنا بڑا تھا؟
اہم نتیجہ یہ ہے کہ optical observations سے self-orbit determination اور catalog refinement حقیقی spacecraft پر خودکار طور پر انجام پائے۔ Space.com کی آزاد رپورٹ بھی چار CubeSats پر مشتمل Starling کے کم زمینی مدار، moving landmarks، تقریباً 20,000 اجسام کے database اور تین روزہ autonomous orbit-refinement تجربے کی تصدیق کرتی ہے۔
البتہ دستیاب عوامی خلاصے FALCON کی ایسی جامع accuracy metric نہیں دیتے جسے عام GPS receiver کے ساتھ metre-by-metre مقابلے میں رکھا جا سکے۔ اس لیے “کامیاب” کا محتاط مطلب یہ ہے کہ نظام نے مطلوبہ autonomous functions انجام دیے اور catalog کے مقابلے میں بہتر object-position predictions بنائیں؛ یہ ثابت نہیں ہوا کہ ہر فاصلے، observation geometry یا mission profile میں GPS جیسی accuracy ملے گی۔
کارکردگی کا مکمل engineering جائزہ صرف کامیاب orbit solution پر ختم نہیں ہوتا۔ convergence time، bearing measurements کی geometry، catalog کی عمر اور uncertainty، غلط object identification کا امکان، processor load اور خراب observations کو رد کرنے کی صلاحیت بھی اہم ہیں۔ عوامی flight report مرکزی نتائج بتاتی ہے، مگر ان تمام dimensions کی عددی breakdown شائع نہیں کرتی۔
کم زمینی مدار کی کامیابی deep space کا ثبوت کیوں نہیں؟
FALCON radio-navigation signal سے آزاد تھا، مگر پیشگی معلومات سے آزاد نہیں۔ اسے قابلِ استعمال optical observations، معلوم اجسام کا onboard catalog اور ان کے predicted orbits درکار تھے۔ catalog پرانا ہو، شناخت مبہم ہو یا landmarks کی زاویائی ترتیب کمزور ہو تو solution کی uncertainty بڑھ سکتی ہے؛ یہ architecture سے نکلنے والی حدود ہیں، رپورٹ شدہ flight failure نہیں۔
آزمائش زمین کے گرد ایسے ماحول میں ہوئی جہاں بڑی تعداد میں catalog کیے ہوئے satellites اور debris موجود ہیں۔ چاند یا مریخ کے راستے میں یہی 20,000-object catalog یکساں coverage فراہم نہیں کرے گا۔ وہاں دستیاب reference objects، ان کی ephemerides، camera visibility، فاصلہ اور relative geometry مختلف ہوں گے، اس لیے LEO میں کامیاب matching کو براہِ راست lunar یا interplanetary validation نہیں کہا جا سکتا۔
اس کے باوجود بنیادی تصور deep space کے لیے اہم ہے: طویل communication delay کے دوران spacecraft ہر navigation update کے لیے زمین کا انتظار نہیں کر سکتا۔ FALCON کا camera-to-catalog طریقہ منتقل کیا جا سکتا ہے، مگر نئے ماحول کے لیے الگ landmark catalog، sensors، uncertainty models، fault handling اور flight validation درکار ہوں گے۔
اگلا امتحان پورے swarm کا مشترک navigation ہے
موجودہ نتیجے میں FALCON نے onboard cameras اور catalog سے Starling کی self-orbit determination اور دیکھے گئے اجسام کی orbit refinement ثابت کی۔ اعلان کردہ اگلے مرحلے میں Starling کے چار spacecraft tracking observations ایک دوسرے سے بانٹ کر اپنی پوزیشنیں اجتماعی طور پر refine کریں گے۔ یہ مستقبل کا extension ہے، مکمل ہو چکا swarm-level FALCON result نہیں۔
مختلف زاویوں سے حاصل ہونے والے measurements coverage اور observation geometry بہتر کر سکتے ہیں، مگر ان کے ساتھ time synchronization، crosslink reliability، مشترک catalog اور متضاد observations کو حل کرنے کے مسائل بھی بڑھیں گے۔ اسی آزمائش سے معلوم ہوگا کہ ایک spacecraft پر کامیاب loop تقسیم شدہ نظام میں کتنی مضبوطی سے چلتا ہے۔
FALCON کی ثابت شدہ کامیابی GPS کو ہر خلائی مشن سے خارج کرنا نہیں، بلکہ ایک مکمل onboard loop چلانا ہے: camera observation، catalog matching، self-orbit determination اور catalog refinement۔ اس loop نے کم زمینی مدار میں کام کیا؛ چاند یا مریخ کے لیے فیصلہ کن مرحلہ مختلف landmarks، زیادہ فاصلے اور مشترک swarm observations کے ساتھ اس کی accuracy اور robustness ثابت کرنا ہوگا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔