Inferring Turn-Rate-Limited Engagement Zones with Sacrificial Agents for Safe Trajectory Planning

Resumen Técnico: Inferencia de Zonas de Compromiso Limitadas por Tasa de Giro mediante Agentes Sacrificiales

1. Planteamiento del Problema

En entornos de guerra moderna, los agentes autónomos deben navegar por espacios aéreos evitando amenazas activas (perseguidores) cuyas capacidades y ubicaciones son desconocidas o parciales. La información crítica sobre el enemigo (posición, rumbo, velocidad, radio de giro mínimo y rango de alcance) es a menudo incierta.
El objetivo principal es inferir los parámetros de un perseguidor con limitaciones de tasa de giro (modelado mediante cinemática de Dubins) utilizando observaciones binarias (interceptado o sobrevive) de agentes sacrificiales. Una vez inferidos estos parámetros, el sistema debe generar trayectorias seguras y óptimas en tiempo para agentes de alto valor, evitando todas las regiones de compromiso (EZ) posibles derivadas de la incertidumbre aprendida.

2. Metodología

El marco propuesto se basa en tres pilares fundamentales:

A. Modelado Geométrico (Regiones Alcanzables y Zonas de Compromiso)

• Se utiliza el concepto de Zona de Compromiso Básica con Curva y Recta (CSBEZ), que define el conjunto de estados desde los cuales un perseguidor puede interceptar a un evasor, considerando un radio de giro mínimo ($a$) y un rango máximo ($R$).
• Se define la Región Alcanzable (RR) como el conjunto de puntos que el perseguidor puede alcanzar desde su estado inicial. La EZ es una versión desplazada de la RR que tiene en cuenta el movimiento futuro del evasor.
• El problema se formula como la inferencia del vector de parámetros del perseguidor $\boldsymbol{\theta}_P = [x_P, y_P, \psi_P, a, R, v_P]^\top$.

B. Estrategia de Inferencia (Aprendizaje)
El algoritmo aprende los parámetros desconocidos minimizando una función de pérdida basada en los resultados de las trayectorias de los agentes sacrificiales.

• Casos de Aprendizaje: Se evalúan tres niveles de complejidad:
  1. Caso 1: Se desconoce solo la posición y el rumbo (la forma de la EZ es conocida).
  2. Caso 2: Se desconoce la posición, el rumbo y los parámetros cinemáticos ($a, R$), pero la velocidad es conocida.
  3. Caso 3: Se desconoce todo el vector de parámetros, incluyendo la velocidad ($v_P$). Para este caso, se requiere una medición adicional de la hora de lanzamiento del perseguidor.
• Supuestos de Intercepción:
  • Intercepción en el Borde: La captura ocurre exactamente en el límite de la RR.
  • Intercepción Interior: La captura puede ocurrir en cualquier punto dentro de la RR.
• Funciones de Pérdida: Se diseñan funciones de pérdida diferenciables (basadas en hinge loss cuadrático) que penalizan las inconsistencias entre la RR predicha y los resultados observados (trayectorias que sobreviven deben estar fuera de la RR; trayectorias interceptadas deben tocarla o estar dentro).
• Optimización Multi-inicio: Dado que el problema es no convexo y puede tener múltiples soluciones locales, se emplea un esquema de multi-inicio (usando muestreo LHS y el optimizador IPOPT). Esto genera un conjunto de vectores de parámetros factibles ($\mathcal{T}$) que son consistentes con los datos observados, capturando así la incertidumbre del modelo.

C. Selección de Trayectorias de Agentes Sacrificiales
Para maximizar la ganancia de información con el menor número de agentes, se proponen dos estrategias:

1. Heurística Geométrica: Para el caso de intercepción en el borde, selecciona trayectorias que maximicen la dispersión de los puntos de intercepción predichos alrededor de la RR, asegurando una exploración uniforme.
2. Diseño Experimental Bayesiano (BED): Para el caso de intercepción interior, utiliza un criterio de optimalidad-D basado en la matriz de información de Gauss-Newton. Selecciona la trayectoria que maximiza la ganancia de información esperada sobre los parámetros, eligiendo rutas que "raspen" el borde de la RR donde la sensibilidad del modelo es máxima.

D. Planificación de Trayectorias Seguras
Una vez obtenido el conjunto de parámetros factibles $\mathcal{T}$, se construye un mapa de amenazas uniendo todas las EZs posibles. Se formula un problema de optimización no lineal (usando B-splines y IPOPT) para encontrar la trayectoria más corta (óptima en tiempo) para un agente de alto valor que evite completamente la unión de todas las zonas de compromiso aprendidas.

3. Contribuciones Clave

1. Marco de Inferencia Basado en Optimización: Un sistema que estima vectores de parámetros de perseguidores a partir de trayectorias de agentes sacrificiales y resultados binarios, produciendo un conjunto de soluciones factibles en lugar de una única estimación puntual.
2. Modelos de Intercepción Diferenciables: Dos formulaciones de pérdida (borde e interior) que permiten el aprendizaje por gradiente de parámetros cinemáticos bajo diferentes supuestos de captura.
3. Estrategias de Selección de Trayectorias: Métodos activos (heurística y BED) para desplegar agentes sacrificiales de manera eficiente, reduciendo la incertidumbre más rápido que una exploración aleatoria.
4. Integración Aprendizaje-Planificación: Un enfoque unificado donde el conjunto de parámetros aprendidos se utiliza directamente para generar trayectorias seguras y óptimas, evitando la necesidad de esperar a que la incertidumbre sea cero para planificar.

4. Resultados

Los autores realizaron 500 simulaciones de Monte Carlo con diferentes parámetros de perseguidores:

• Convergencia de Parámetros:
  • En el caso de intercepción en el borde, se requieren aproximadamente 5 a 7 agentes para una convergencia precisa de los parámetros en escenarios sin ruido, y un poco más en escenarios con ruido.
  • En el caso de intercepción interior, se necesitan más agentes (aprox. 9 a 12 sin ruido, 11 a 20 con ruido) debido a la menor información contenida en el resultado binario cuando la captura no está restringida al borde.
• Cobertura Geométrica: El conjunto unido de las RR aprendidas cubrió más del 95% del área de la RR real en más del 94% de los pasos de despliegue, incluso con ruido en las mediciones. Esto demuestra que el método mantiene una cobertura conservadora y segura.
• Eficiencia de la Planificación:
  • El uso de incluso un solo agente sacrificial reduce drásticamente la longitud de la trayectoria segura planificada en comparación con no tener información.
  • Con 3 a 5 agentes, las trayectorias planificadas se acercan significativamente a la longitud óptima que se lograría con conocimiento perfecto del perseguidor.
  • Esto demuestra que no es necesario aprender todos los parámetros con precisión milimétrica para obtener beneficios sustanciales en la seguridad y eficiencia de la navegación.

5. Significado e Impacto

Este trabajo es significativo porque:

• Transforma datos escasos en información accionable: Demuestra que observaciones binarias simples (éxito/fracaso) son suficientes para restringir fuertemente las capacidades de un adversario.
• Gestión de la Incertidumbre: En lugar de asumir un único modelo de enemigo, el método mantiene un conjunto de hipótesis factibles, lo que permite una planificación de seguridad robusta que considera la incertidumbre residual.
• Eficiencia Operativa: Proporciona un marco para desplegar agentes de bajo costo (sacrificiales) de manera inteligente para proteger activos de alto valor, optimizando el compromiso entre el riesgo de perder un agente y la ganancia de información para la supervivencia futura.
• Aplicabilidad en Tiempo Real: La combinación de modelos cinemáticos físicos con optimización basada en gradientes permite que el sistema sea computacionalmente viable para su integración en sistemas de planificación de vuelo autónomos.

En conclusión, el artículo presenta un avance fundamental en la navegación autónoma en entornos hostiles, permitiendo a los agentes "aprender" las reglas del juego del enemigo mediante la interacción controlada y utilizar ese conocimiento para navegar de manera segura y eficiente.