A Forward Reachability Perspective on Control Barrier Functions and Discount Factors in Reachability Analysis

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "منظور الوصول الأمامي لوظائف حاجز التحكم وعوامل الخصم في تحليل الوصول" (A Forward Reachability Perspective on Control Barrier Functions and Discount Factors in Reachability Analysis).

1. بيان المشكلة

تتناول الورقة تحدي تصميم سياسات تحكم آمنة للأنظمة غير الخطية المعرضة لاضطرابات معادية عبر أفق زمني غير محدد. الهدف الجوهري هو تحديد مجموعات التحكم الثابتة (المجموعات التي يمكن للنظام البقاء فيها للأبد) وبناء وظائف حاجز التحكم (CBFs) لفرض الأمان.

محدودية المناهج الحالية (الوصول الخلفي):

• تعتمد الطرق التقليدية على تحليل الوصول الخلفي (حساب أنبوب الوصول الخلفي، BRT) لإيجاد أكبر مجموعة تحكم ثابتة قوية.
• تستخدم هذه الطرق عادةً صياغات هاميلتون-جاكوبي (HJ) مع عوامل خصم تؤدي إلى دوال قيم تكون إما:
  • مسطحة (تدرج صفري) داخل المجموعة الثابتة، مما يجعلها عديمة الفائدة لتوليد مدخلات التحكم عبر قيود الحاجز.
  • غير محدودة أو غير مستمرة عند محاولة فرض قيود الحاجز (على سبيل المثال، باستخدام عوامل خصم سالبة)، مما يؤدي إلى حلول غير فريدة في معادلات التفاضل الجزئي (HJ PDEs).
• بناءً على ذلك، لا ينتج عن الوصول الخلفي بشكل طبيعي وظائف حاجز تحكم (CBFs) صالحة وقابلة للاشتقاق تحقق قيود الحاجز المطلوبة في كل مكان.

2. المنهجية

يقترح المؤلفون إطار عمل جديد يعتمد على الوصول الأمامي والألعاب التفاضلية لسد الفجوة بين تحليل الوصول ووظائف حاجز التحكم (CBFs).

أ. أنبوب الوصول الأمامي الحتمي (FRT)

بدلاً من النظر للخلف من مجموعة الفشل، يحدد المؤلفون أنبوب الوصول الأمامي الحتمي (FRT) لمجموعة أولية $C$.

• التعريف: الـ FRT هو مجموعة كل الحالات التي حتمًا مرت عبر المجموعة الأولية $C$ في الماضي، بغض النظر عن مدخل التحكم (بافتراض أسوأ حالات الاضطرابات).
• صياغة اللعبة: يتم صياغته كلعبة تفاضلية حيث يعمل الاضطراب بشكل معادٍ لتوسيع الأنبوب، ويعمل التحكم على كبح نموه.
• التوصيف الرياضي: يتم توصيف الـ FRT كمجموعة المستوى العلوي الصارم للصفر لدالة القيمة $V_\gamma(x)$.

ب. صياغة هاميلتون-جاكوبي مع عامل الخصم

يقدم المؤلفون دالة تكلفة محددة للعبة التفاضلية تتضمن عامل خصم $\gamma > 0$ يُطبق بالرجوع إلى الوراء في الزمن:
$$J_\gamma = \sup_{t \in (-\infty, 0]} e^{\gamma t} h_C(x(t))$$
حيث $h_C$ هي دالة تحدد المجموعة الأولية.

• HJ-FRT-VI: دالة القيمة $V_\gamma$ هي الحل الوحيد لـ "حل فيسيكوسية" (viscosity solution) لمتراجحة تباين هاميلتون-جاكوبي (HJ-FRT-VI) المحددة:
  $$0 = \min \left\{ V_\gamma(x) - h_C(x), \quad \max_{u \in U} \min_{d \in D} \left( \nabla V_\gamma \cdot f(x, u, d) + \gamma V_\gamma(x) \right) \right\}$$
• الرؤية الجوهرية: المصطلح $+\gamma V_\gamma(x)$ (الناجم عن الخصم الزمني العكسي) يفرض بشكل طبيعي قيد الحاجز المطلوب لـ CBFs، على عكس المصطلح $-\gamma V$ في الصياغات الخلفية.

ج. الربط بوظائف حاجز التحكم (CBFs)

تؤسس الورقة رابطاً نظرياً صارماً:

1. الـ FRT كـ CBF: إذا كانت حدود الـ FRT قابلة للاشتقاق المستمر ($C^1$)، فإن دالة القيمة $V_\gamma$ نفسها تعد وظيفة حاجز تحكم (CBF) قوية وصالحة.
2. الحلول الفائقة (Supersolutions) كـ CBFs: حتى لو كانت دالة القيمة $V_\gamma$ غير قابلة للاشتقاق (وهو ما يمكن أن يحدث عند الحدود)، فإن أي حل فائق من الفئة $C^1$ لـ HJ-FRT-VI يعد وظيفة حاجز تحكم (CBF) صالحة.
   • الحل الفائق $W$ يحقق نسخة المتراجحة من معادلة HJ التفاضلية.
   • مجموعة المستوى العلوي الصفري لمثل هذه الدالة $W$ هي مجموعة تحكم ثابتة قوية تعمل كـ تقريب خارجي للـ FRT.

د. النهج القائم على التعلم (Neural FRT-CBF)

لحساب هذه الحلول الفائقة للأنظمة المعقدة، يقترح المؤلفون طريقة تعتمد على الشبكات العصبية:

• البنية: شبكة عصبية متعددة الطبقات (MLP) تخرج دالتين $u_\theta(x)$ و $v_\theta(x)$.
• البارامترية: يتم تعريف الـ CBF المتعلم كـ $W_\theta(x) = h_C(x) + u_\theta(x)^2$. هذا القيد الصارم يضمن أن $W_\theta(x) \geq h_C(x)$، مما يضمن احتواء المجموعة المتعلمة للمجموعة الأولية.
• دالة الخسارة (Loss Function): يعمل التدريب على تقليل ثلاثة حدود:
  1. خسارة HJ-Supersolution: تعاقب انتهاك متراجحة HJ-FRT-VI (قيد الحاجز).
  2. خسارة احتواء المجموعة: تضمن بقاء المجموعة المتعلمة ضمن قيود السلامة العالمية ($X$).
  3. خسارة ثبات التحكم: تفرض الشروط المماسية عند حدود المجموعة المتعلمة.

3. المساهمات الرئيسية

1. إطار عمل الوصول الأمامي: أول عمل يربط بشكل منهجي بين الوصول الأمامي ووظائف حاجز التحكم (CBFs)، على عكس أدبيات الوصول الخلفي السائدة.
2. الربط النظري عبر عوامل الخصم: يثبت أن تضمين عامل خصم في دالة تكلفة الوصول الأمامي يؤدي طبيعياً إلى استدعاء قيد الحاجز ($\nabla V \cdot f + \gamma V \geq 0$) في معادلة HJ.
3. توصيف الحلول الفائقة: يثبت أن أي حل فائق من الفئة $C^1$ لـ HJ-FRT-VI يعد وظيفة حاجز تحكم (CBF) قوية وصالحة. يوفر هذا طريقة بنائية لتوليد CBFs قابلة للاشتقاق حتى عندما تكون دالة القيمة الفعلية غير سلسة.
4. ضمان التقريب الخارجي: يثبت أن المجموعة المحددة بواسطة أي CBF صالح مستخرجة بهذه الطريقة هي مجموعة تحكم ثابتة قوية تحتوي على الـ FRT الحتمي.
5. خوارزمية التعلم العصبي: طور المؤلفون خوارزمية عملية تعتمد على التعلم (Neural FRT-CBF) لحساب هذه الحلات الفائقة للأنظمة غير الخطية عالية الأبعاد، متجنبين "لعنة الأبعاد" المرتبطة بحلالات HJ القائمة على الشبكات (grid-based).

4. النتائج

• مثال المكامل المزدوج (Double Integrator): تم اختبار الطريقة على نظام مكامل مزدوج.
  • السيناريو: تم اختيار المجموعة الأولية لتكون غير ثابتة (دائرة).
  • النتيجة: كان نهج الوصول الخلفي سيعاني لإيجاد CBF سلس لهذه المجموعة. نجحت الطريقة المقترحة في تعلم CBF سلس ($W_\theta$) تكون مجموعة المستوى العلوي الصفري لها هي مجموعة تحكم ثابتة تحتوي بدقة على المجموعة الأولية وتقوم بتقريب خارجي للمجموعة الثابتة الدنيا.
  • التصور: أظهرت النتائج أن الدالة المتعلمة قابلة للاشتقاق المستمر وتحقق قيد الحاجز، بينما أظهرت دالة القيمة الفعلية للـ FRT (المحسوبة عبر طرق الأفق المحدود) نقاطاً غير قابلة للاشتقاق.
• التقارب: تضمن البراهين النظرية (عبر خرائط التقلص/contraction mapping) تفرد دالة القيمة وتقارب عملية التعلم.

5. الأهمية

• الربط بين النظرية والتطبيق: يحل هذا العمل انفصالاً نظرياً طويل الأمد حيث كان يتم التعامل مع تحليل الوصول (الذي يُستخدم غالباً للتحقق) و CBFs (التي تُستخدم للتحكم في الوقت الفعلي) كإطارين منفصلين وغير متوافقين غالباً.
• القوة (Robustness): من خلال نمذجة الاضطرابات صراحة كخصم في لعبة تفاضلية، فإن الـ CBFs الناتجة هي قوية، مما يضمن الأمان حتى تحت أسوأ حالات الاضطرابات.
• القابلية للاشتقاق: التركيز على الحلول الفائقة يسمح ببناء CBFs سلسة وقابلة للاشتقاق، وهو أمر ضروري للتحكم القائم على التدرج (مثل صياغات البرمجة التربيعية QP) ويتجنب مشكلات التذبذب (chattering) أو عدم الاستمرار الشائعة في الدوال غير السلسة.
• القابلية للتوسع: يوفر النهج القائم على التعلم مساراً لتطبيق ضمانات سلامة صارمة على الأنظمة عالية الأبعاد حيث تكون حلالات HJ التقليدية القائمة على الشبكات غير مجدية حسابياً.

باختالام، تعيد هذه الورقة تعريف العلاقة بين الوصول والسلامة من خلال إظهار أن الوصول الأمامي مع عامل خصم هو دالة التكلفة المثلى عكسياً لوظائف حاجز التحكم، مما يوفر إطاراً موحداً، صارماً رياضياً، وقابلاً للتطبيق حسابياً لتصميم التحكم الآمن.