Resumen Técnico: Alcance Inverso Impulsado por Interceptación para la Construcción de Zonas de Compromiso

Planteamiento del Problema

Los vehículos autónomos que operan en entornos disputados a menudo se enfrentan a perseguidores adversarios cuyas ubicaciones de lanzamiento son desconocidas. El análisis de compromiso tradicional suele asumir el conocimiento previo de los parámetros del perseguidor (posición de lanzamiento, alcance, maniobrabilidad) o se basa en distribuciones de probabilidad prescritas. Sin embargo, en muchos entornos operativos, las ubicaciones de las amenazas deben inferirse a partir de observaciones dispersas, indirectas o basadas en eventos (por. ej., eventos de interceptación binarios). Esto crea un problema de estimación y planificación acoplado: los agentes deben recopilar datos informativos sobre una amenaza mientras generan simultáneamente trayectorias que sigan siendo seguras durante la adquisición de información. Las formulaciones existentes de zonas de compromiso (EZ) generalmente fallan en este contexto porque dependen fundamentalmente de ubicaciones de lanzamiento conocidas o modelos de incertidumbre preexistentes, en lugar de construir las EZ directamente a partir de los datos de interceptación.

Metodología

El artículo propone un marco geométrico que infiere una región de lanzamiento de perseguidor factible directamente a partir de eventos de interceptación observados y propaga esta región para construir zonas de compromiso deterministas y probabilísticas.

1. Alcance Inverso Geométrico

El mecanismo de inferencia central se basa en las restricciones geométricas impuestas por los eventos de interceptación. Si un perseguidor intercepta a un agente en la ubicación $\mathbf{x}_{int}$, el perseguidor debe haber lanzado desde una ubicación capaz de alcanzar $\mathbf{x}_{int}$ dentro de su presupuesto de viaje (alcance máximo $R$ y radio de captura $r$).

• Generación de Restricciones: Cada interceptación induce una restricción de disco sobre la ubicación de lanzamiento desconocida. Si solo se conoce la ubicación de la interceptación, la región de lanzamiento factible es un disco de radio $R+r$ centrado en el punto de interceptación. Si también se mide el tiempo de lanzamiento, el radio se reduce a $d_{trav} + r$, donde $d_{trav}$ es la distancia recorrida basada en la diferencia de tiempo.
• Construcción de la Región Factible: La región de lanzamiento factible ($P_{pot}$) es la intersección de todos estos discos generados por $N_{int}$ eventos de interceptación. Esta región es convexa y está delimitada por arcos circulares. Un algoritmo exacto computa el límite identificando puntos de intersección válidos entre los discos y reteniendo los segmentos de arco que se encuentran dentro de todos los demás discos.

2. Construcción de la Zona de Compromiso (EZ)

Una vez inferida la región de lanzamiento factible $P_{pot}$, el artículo construye Zonas de Compromiso para definir espacios operativos seguros para los evasores.

• EZ Determinista: La región alcanzable (RR) se computa como la suma de Minkowski de la región de lanzamiento factible y un disco de radio $R+r$. La EZ se deriva entonces traduciendo esta RR en sentido opuesto a la dirección del evasor por una distancia proporcional a la relación de velocidad ($\nu R$). Cualquier trayectoria que permanezca fuera de esta EZ está garantizada como segura contra todos los perseguidores que se originen dentro del conjunto factible.
• EZ Probabilística (PEZ): Para permitir una planificación consciente del riesgo, el artículo introduce una extensión probabilística. Asumiendo una distribución uniforme sobre la región de lanzamiento factible, la probabilidad de interceptación en una posición dada del evasor se calcula como el área de traslape normalizada entre la región de lanzamiento y el disco de captura desplazado. Esto produce campos de riesgo graduados en lugar de límites binarios de seguro/inseguro.

3. Planificación de Sacrificio Impulsada por la Información

Para acelerar la localización del perseguidor, el marco emplea agentes "sacrificables" (atribuibles) diseñados para inducir interceptaciones.

• Función Objetivo: La trayectoria de un agente de sacrificio se optimiza para maximizar la ganancia de información esperada.
  • Pre-observación (Sin interceptaciones aún): El objetivo es maximizar la "fracción de cobertura de lanzamiento", es decir, la parte de la región de lanzamiento factible inicial que podría comprometer exitosamente la trayectoria, maximizando así la probabilidad de inducir una interceptación inicial.
  • Post-observación: El objetivo cambia para maximizar la contracción esperada del área de la región de lanzamiento factible. Se seleccionan trayectorias para inducir interceptaciones en ubicaciones que, al intersectarse con el conjunto factible actual, produzcan la mayor reducción de área.
• Optimización: Las trayectorias se parametrizan como B-splines y se optimizan utilizando resolvedores de punto interior (IPOPT) sujetos a restricciones cinemáticas (curvatura, tasa de giro) y a los objetivos específicos impulsados por la información.

Contribuciones Clave

El artículo describe cuatro contribuciones principales:

1. Método de Alcance Inverso Geométrico: Un método para inferir una región de lanzamiento de perseguidor factible para un solo perseguidor directamente a partir de eventos de interceptación sin conocimiento previo de la ubicación de lanzamiento.
2. Construcción de EZ Determinista: Una construcción de región alcanzable que mapea la incertidumbre de lanzamiento acotada en EZ deterministas, proporcionando garantías explícitas de seguridad en el peor de los casos para la planificación de trayectorias.
3. Extensión Probabilística: Una formulación de zona de compromiso probabilística que cuantifica la probabilidad de compromiso mediante el traslape geométrico, permitiendo una planificación consciente del riesgo donde cierta probabilidad de interceptación es tolerable.
4. Planificador Impulsado por la Información: Un objetivo de trayectoria para agentes de sacrificio que selecciona rutas para maximizar la contracción esperada de la región de lanzamiento factible, acelerando activamente la localización de la amenaza.

Resultados

El marco fue evaluado utilizando 1,000 simulaciones de Monte Carlo a través de tres doctrinas de compromiso del perseguidor (pasiva, nominal, agresiva) y cuatro configuraciones de detección/planificación (línea recta ingenua vs. spline optimizado; con vs. sin medición del tiempo de lanzamiento).

• Contracción de la Región: Las trayectorias de spline optimizadas redujeron el área de la región de lanzamiento factible significativamente más rápido que las trayectorias ingenuas de línea recta. Para un perseguidor agresivo, el área factible se contrajo en un 99.25% tras solo tres despliegues de sacrificio.
• Eficiencia de la Ruta: A medida que la región de lanzamiento factible se contraía, la longitud de las trayectorias seguras para agentes de alto valor disminuía, acercándose a la ruta óptima alcanzable con conocimiento perfecto de la ubicación del perseguidor. Para el perseguidor agresivo, la relación de tiempo de ruta segura normalizada cayó a dentro de un 0.29% del óptimo de información perfecta tras tres despliegues.
• Impacto de la Detección: Medir el tiempo de lanzamiento proporcionó beneficios sustanciales para los perseguidores pasivos y nominales al estrechar las restricciones, pero ofreció un beneficio adicional mínimo para los perseguidores agresivos, quienes típicamente interceptan cerca de su rango máximo (donde las restricciones de radio fijo y dependientes del tiempo son de tamaño similar).
• Convergencia: Los resultados indican que solo se requiere un pequeño número de despliegues de sacrificio bien ubicados para recuperar la mayor parte del beneficio operativo alcanzable en términos de optimalidad de ruta.

Significación y Reivindicaciones

El artículo afirma demostrar que un número relativamente pequeño de agentes de sacrificio puede aumentar sustancialmente la conciencia operativa y mejorar la seguridad en presencia de un perseguidor desconocido. La significación radica en la capacidad de:

• Eliminar la necesidad de conocimiento previo de la ubicación de lanzamiento del adversario.
• Construir zonas de compromiso directamente a partir de observaciones dispersas basadas en eventos.
• Proporcionar garantías de seguridad explícitas para el peor de los casos (deterministas) o evaluaciones de riesgo graduadas (probabilísticas) sin asumir una distribución de probabilidad específica para la amenaza.
• Acelerar activamente la localización de la amenaza mediante la planificación de trayectorias impulsada por la información, permitiendo que los activos de alto valor pasen de trayectorias conservadoras y largas a rutas cercanas a la optimalidad rápidamente.

Los autores señلون que el marco asume perseguidores de máxima capacidad y rango acotado, y que el trabajo futuro podría extenderse a múltiples perseguidores, capacidades inciertas y geometrías 3D más complejas.