A Surveillance Evasion Game with Continuous Sensor Redeployment via Bilevel Optimization

Resumen Técnico: Un Juego de Evasión de Vigilancia con Redeployamiento Continuo de Sensores mediante Optimización Bilevel

Formulación del Problema
El artículo aborda el desafío de seguridad crítico de los Sistemas Aéreos No Tripulados (UAS) que explotan brechas espacio-temporales en los perímetros de sensores para infiltrarse en espacios aéreos restringidos sin ser detectados. Los autores modelan esta interacción como un juego diferencial de suma cero entre dos jugadores: un UAS adversario (atacante) y una red de sensores heterogénea (defensora) compuesta por sensores direccionales y omnidireccionales.

A diferencia de enfoques anteriores que a menudo restringen a los defensores a grafos de colocación discretos, configuraciones fijas o asumen una cobertura omnidireccional estática, este trabajo formula el problema sobre espacios de estrategia continuos. El atacante busca una trayectoria espacio-temporal libre de colisiones desde un punto de inicio hasta un punto objetivo que minimice la probabilidad acumulada de detección. Por el contrario, el defensor busca maximizar esta probabilidad optimizando la colocación espacial de los sensores. Una complejidad clave surge del uso por parte del defensor de sensores direccionales rotatorios, que crean regiones de cobertura no convexas que varían con el tiempo y brechas predecibles que un adversario inteligente puede explotar. Los autores señalan que encontrar un punto de silla global es intratable debido a la naturaleza no convexa y de alta dimensión de los espacios de estrategia conjunta y las discontinuidades introducidas por los campos de visión (FOV) rotatorios de los sensores. En consecuencia, el objetivo es calcular un Equilibrio de Nash Local (LNE), un estado en el que ningún jugador puede mejorar su recompensa mediante desviaciones unilaterales infinitesimales.

Metodología
La solución propuesta emplea un marco de optimización bilevel iterativo que alterna entre resolver los subproblemas de mejor respuesta del atacante y del defensor hasta lograr la convergencia a un LNE.

1. Mejor Respuesta del Atacante:
   Dada una colocación fija de sensores, el atacante resuelve un problema de programación no lineal (NLP) para minimizar la probabilidad de detección. Para manejar el paisaje de detección no convexo, los autores utilizan un enfoque de dos pasos:

   • Inicialización: El algoritmo Space-Time Probabilistic Rapidly-exploring Random Tree (STP-RRT*) genera una trayectoria inicial factible y libre de colisiones que navega alrededor de las regiones de cobertura dinámicas de los sensores.
   • Refinamiento: Un solucionador NLP basado en gradientes (IPOPT) refina esta trayectoria para minimizar la probabilidad acumulada de detección. El modelo de detección utiliza una función sigmoide suave para aproximar la visibilidad, asegurando la diferenciabilidad para la optimización basada en gradientes.

2. Mejor Respuesta del Defensor:
   Dada la trayectoria optimizada del atacante, el defensor resuelve un problema de redeployamiento continuo de sensores para maximizar la probabilidad de detección.

   • Redeployamiento Continuo: A diferencia de los métodos basados en grafos discretos, se permite que los sensores se deslicen libremente a lo largo de los límites de edificios poligonales convexos.
   • Restricciones Suaves: Para permitir la optimización basada en gradientes en estos límites, los autores imponen restricciones de colocación utilizando una aproximación suave log-sum-exp de la distancia firmada al borde del edificio más cercano. Esta técnica preserva la diferenciabilidad en los vértices del polígono, superando la no diferenciabilidad de las restricciones de límite rígidas.

3. Esquema Iterativo:
   El marco alterna entre la minimización del atacante y la maximización del defensor. El proceso termina cuando los residuos de gradiente para ambos jugadores caen por debajo de una tolerancia prescrita, satisfaciendo las condiciones de estacionariedad de primer orden para un LNE. Si el algoritmo entra en un ciclo límite (oscilación no decreciente), el defensor se reinicia desde una nueva colocación aleatoria para recuperar la convergencia.

Contribuciones Clave
El artículo realiza tres contribuciones principales:

• Formulación del Juego: Una formulación de juego diferencial de suma cero entre dos jugadores que modela regiones de detección no convexas y variables en el tiempo de sensores direccionales rotatorios sobre espacios de estrategia continuos.
• Redeployamiento Continuo: Una formulación novedosa para el defensor que permite que los sensores se deslicen continuamente a lo largo de los límites físicos de los edificios, impuesto mediante una restricción diferenciable log-sum-exp, habilitando la optimización basada en gradientes.
• Optimización Bilevel Iterativa: Un marco algorítmico que converge a un Equilibrio de Nash Local optimizando alternadamente la colocación de sensores y las trayectorias del atacante, con condiciones analíticas de estacionariedad de primer orden derivadas para ambos jugadores.

Resultados y Validación
El marco se evaluó mediante simulaciones numéricas y una demostración experimental física:

• Simulación Monte Carlo: Una simulación de 500 ensayos demostró que el marco propuesto logra una mejora de 4× en la probabilidad de detección del defensor en comparación con la colocación aleatoria de sensores (la línea base natural). El método logró una tasa de convergencia del 96.8% a un Equilibrio de Nash Local. En el estado convergido, la probabilidad de detección del defensor aumentó significativamente (de una media de ~0.103 a ~0.419), mientras que la tasa de éxito del atacante disminuyó.
• Comportamiento de Convergencia: La optimización alternada típicamente se estabilizó en una meseta, con residuos numéricos decayendo hasta cerca de $10^{-6}$. Se observó comportamiento de ciclo límite en solo 1 de cada 500 ensayos (2%), lo cual se resolvió exitosamente mediante reinicialización.
• Demostración Experimental: El marco se probó en un entorno físico a escala reducida que simulaba un escenario de defensa aeroportuaria con un cañón urbano. Utilizando un Crazyflie 2.1 como atacante y cámaras PTZ como defensores, los experimentos validaron que la optimización bilevel produce mejoras consistentes en la estrategia. La estrategia LNE ($a^*, d^*$) resultó en un costo de detección ($J$) de 0.9451, significativamente mayor que la colocación heurística inicial ($J=0.6847$) y superior a escenarios donde solo un jugador optimizaba su estrategia.

Significado y Afirmaciones
Los autores posicionan este trabajo como una línea base desplegable para colocaciones de sensores heterogéneos en misiones de Contramedidas UAS (CUAS). Afirman que el significado radica en cerrar tres brechas en la literatura existente: la falta de redeployamiento continuo de sensores a lo largo de los límites de los edificios, la ausencia de modelado probabilístico de FOV direccionales en contextos de teoría de juegos, y el alejamiento de espacios de estrategia discretos hacia la optimización bilevel basada en gradientes.

El artículo enmarca modestamente su contribución como establecer un primer paso necesario al aislar la contribución de la topología de despliegue, reconociendo que el problema más complejo de schedule-colocación acoplada permanece para trabajos futuros. Los resultados confirman que optimizar la colocación de sensores en un espacio continuo, teniendo en cuenta la naturaleza dinámica de los sensores direccionales, mejora significativamente la seguridad del perímetro contra adversarios inteligentes en comparación con líneas base estáticas o aleatorias.