Risk-Aware Autonomous Driving with Linear Temporal Logic Specifications

यहाँ शोध पत्र "Risk-Aware Autonomous Driving with Linear Temporal Logic Specifications" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

स्वायत्त ड्राइविंग (Autonomous driving) प्रणालियों को विविध जोखिमों के बीच संतुलन बनाने में महत्वपूर्ण चुनौतियों का सामना करना पड़ता है, जिसमें सुरक्षा (टक्कर), यातायात नियमों का अनुपालन और सामाजिक मानदंड शामिल हैं। जबकि मानव चालक सहज रूप से दूरस्थ या मामूली घटनाओं की तुलना में निकट-भविष्य (near-future) और गंभीर (severe) घटनाओं को प्राथमिकता देते हैं, मौजूदा टेम्पोरल लॉजिक-आधारित योजना ढाँचे अक्सर इस व्यवहार को दोहराने में विफल रहते हैं।

• वर्तमान विधियों की सीमाएँ:
  • पारंपरिक टेम्पोरल लॉजिक योजना का लक्ष्य विनिर्देशों (specifications) की 100% संतुष्टि करना होता है, जो अनिश्चित वातावरण में अवास्तविक है।
  • मौजूदा संभावabilistic दृष्टिकोण विनिर्देशों को संतुष्ट करने की प्रायिकता (probability) को अधिकतम करते हैं, लेकिन वे घटनाओं के समय (timing) (उल्लंघन कब होता है) और गंभीरता (severity) (उल्लंघन कितना बुरा है) के बीच अंतर करने में विफल रहते हैं।
  • वर्तमान जोखिम मॉडल (जैसे, ड्राइवर'स रिस्क फील्ड) अक्सर टक्कर से बचने तक सीमित होते हैं और टेम्पोरल लॉजिक द्वारा व्यक्त जटिल यातायात नियमों के लिए बड़े पैमाने पर लागू नहीं होते हैं।

मुख्य समस्या एक ऐसा नियंत्रण संश्लेषण (control synthesis) ढांचा विकसित करना है जो सुरक्षा उल्लंघनों (जैसे, पैदल यात्री से टकराना) और को-सेफ्टी लक्ष्यों (जैसे, गंतव्य तक पहुँचना) के बीच संतुलन बना सके, और समय और गंभीरता के संबंध में मानव-समान जोखिम जागरूकता की नकल कर सके।

2. कार्यप्रणाली (Methodology)

प्रस्तावित दृष्टिकोण लीनियर टेम्पोरल लॉजिक (LTL) को डिस्काउंटेड ऑक्यूपेशन मेजर्स (discounted occupation measures) की अवधारणा से प्राप्त मानव-समान जोखिम मीट्रिक के साथ एकीकृत करता है।

A. सिस्टम मॉडलिंग (System Modeling)

• MDP और MC: एगो वाहन (ego vehicle) को एक मार्कोव निर्णय प्रक्रिया (MDP) के रूप में मॉडल किया गया है, जबकि अप्रत्याशित वातावरण (अन्य वाहन, पैदल यात्री) को एक मार्कोव चेन (MC) के रूप में मॉडल किया गया है। इन दोनों को एक 'प्रोडक्ट MDP' में संयोजित किया जाता है।
• LTL विनिर्देश (Specifications): यातायात नियमों और लक्ष्यों को LTL का उपयोग करके एनकोड किया गया है, जिन्हें विशेष रूप से विभाजित किया गया है:
  • सेफ्टी फॉर्मुला ($\psi_s$): "बुरी चीजें कभी नहीं होतीं" (जैसे, कोई टक्कर नहीं, रेड लाइट नहीं तोड़ना)। उल्लंघन को एक गैर-स्वीकार्य (non-accepting) अवस्था तक पहुँचने के रूप में परिभाषित किया गया है।
  • को-सेफ्टी फॉर्मुला ($\psi_{cs}$): "अच्छी चीजें अंततः होती हैं" (जैसे, लक्ष्य तक पहुँचना)। संतुष्टि को एक स्वीकार्य (accepting) अवस्था तक पहुँचने के रूप में परिभाषित किया गया है।
• प्रोडक्ट ऑटोमेटा (Product Automaton): उत्पाद MDP बनाने के लिए MDP को LTL फॉर्मूला से प्राप्त डिटरमिनिस्टिक फाइनाइट ऑटोमेटा (DFA) के साथ जोड़ा जाता है, जहाँ अवस्थाएँ वाहन/वातावरण की स्थिति और तार्किक प्रगति (logical progress) दोनों का प्रतिनिधित्व करती हैं।

B. मानव-समान जोखिम मीट्रिक (Human-Like Risk Metric)

यह शोध पत्र एक नया जोखिम मीट्रिक पेश करता है जो डिस्काउंटिंग (discounting) और कॉस्ट मैपिंग (cost mapping) को शामिल करके सरल घटना प्रायिकताओं की सीमाओं को दूर करता है:

1. डिस्काउंटिंग ($\gamma < 1$): सुदृढीकरण शिक्षण (reinforcement learning) के समान, भविष्य की घटनाओं को डिस्काउंट किया जाता है। यह मानव अंतर्ज्ञान को दर्शाता है कि भविष्य में होने वाले जोखिमों को निकट-भविष्य के जोखिमों की तुलना में कम तत्काल माना जाता है।
2. कॉस्ट मैपिंग ($c(z)$): विभिन्न अवस्थाओं को गंभीरता के आधार पर लागत (cost) दी जाती है (जैसे, पैदल यात्री से टकराने की लागत लेन बदलने से अधिक होती है)।
3. मीट्रिक: एक नीति $\pi$ का जोखिम अपेक्षित डिस्काउंटेड लागतों के योग के रूप में परिभाषित किया गया है:
   $$R_{\bar{\pi}} = E_{\bar{\pi}} \left[ \sum_{t=0}^{\infty} \gamma^t c(z_t) \right]$$
   यह गणितीय रूप से डिस्काउंटेड ऑक्यूपेशन मेजर्स का उपयोग करने के समान है, जो इस मीट्रिक को 'ड्राइवर'स रिस्क फील्ड' (DRF) मॉडल से जोड़ता है लेकिन इसे LTL विनिर्देशों तक विस्तारित करता है।

C. लीनियर प्रोग्रामिंग (LP) के माध्यम से नियंत्रण संश्लेषण

नियंत्रण संश्लेषण समस्या को एक लीनियर प्रोग्रामिंग (LP) समस्या के रूप में पुनर्गठित किया गया है:

• उद्देश्य: को-सेफ्टी लक्ष्य (लक्ष्य तक पहुँचना) की संतुष्टि की प्रायिकता को अधिकतम करना।
• बाधाएं (Constraints): सुरक्षा उल्लंघन के जोखिम मीट्रिक को एक थ्रेशोल्ड ($r_{th}$) से नीचे रखना।
• चर (Variables): डिस्काउंटेड ऑक्यूपेशन मेजर्स $\beta_{\bar{\pi}}(z, a)$ निर्णय चर के रूप में कार्य करते हैं।
• सुधारित सूत्रीकरण: जटिल परिदृश्यों में अपरिहार्यता (infeasibility) को संभालने के लिए (जहाँ सख्त थ्रेशोल्ड समस्या को हल करने योग्य नहीं बनाते), लेखक एक सॉफ्ट थ्रेशोल्ड ($r_s$) और एक हार्ड थ्रेशोल्ड ($r_h$) पेश करते हैं। एक रिलैक्सेशन वेरिएबल $\xi$ लक्ष्य तक पहुँचने के लिए आवश्यक होने पर अस्थायी जोखिम वृद्धि (दंड $K\xi$ के माध्यम से न्यूनतम करते हुए) की अनुमति देता है, जिससे अत्यधिक रूढ़िवादी या असंभव व्यवहार को रोका जा सके।

D. कार्यान्वयन ढांचा (Implementation Framework)

1. एब्स्ट्रैक्शन (Abstraction): निरंतर वाहन गतिशीलता (बाइसिकल मॉडल) को एक परिमित-अवस्था MDP में विविक्त (discretize) किया जाता है।
2. पॉलिसी एक्सट्रैक्शन: LP सॉल्वर से प्राप्त इष्टतम ऑक्यूपेशन मेजर्स को एक स्टेशनरी पॉलिसी में परिवर्तित किया जाता है।
3. रिफाइनमेंट: एक मॉडल प्रेडिक्टिव कंट्रोलर (MPC) उच्च-स्तरीय नीति द्वारा उत्पन्न संदर्भ अवस्थाओं को ट्रैक करता है, जो निरंतर गतिशीलता और विक्षोभों (disturbances) को संभालता है।

3. मुख्य योगदान (Key Contributions)

1. मानव-समान LTL जोखिम मीट्रिक: ड्राइवर'स रिस्क फील्ड मॉडल का LTL विनिर्देशों के लिए विस्तार, जो सिस्टम को समय (डिस्काउंटिंग के माध्यम से) और गंभीरता (कॉस्ट मैपिंग के माध्यम से) के आधार पर घटनाओं को तौलने में सक्षम बनाता है।
2. LP-आधारित संश्लेषण: डिस्काउंटेड ऑक्यूपेशन मेजर्स का उपयोग करके जोखिम-जागरूक नियंत्रण समस्या को एक सुलभ लीनियर प्रोग्रामिंग समस्या में पुनर्गठित करना, जो कुशल इष्टतम नीतियों की गणना की अनुमति देता है।
3. सॉफ्ट/हार्ड थ्रेशोल्ड तंत्र: यह एक बेहतर नियंत्रण सूत्रीकरण है जो सख्त सुरक्षा आवश्यकताओं और लक्ष्य प्राप्ति के बीच संतुलन बनाता है, जिससे गतिशील वातावरण में अपरिहार्यता को रोका जा सके और महत्वपूर्ण सुरक्षा सीमाओं को बनाए रखा जा सके।
4. वैलिडेशन: CARLA सिम्युलेटर का उपयोग करके जटिल, अनिश्चित यातायात परिदृश्यों में ढांचे का प्रदर्शन।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस दृष्टिकोण को CARLA सिम्युलेटर में तीन परिदृश्यों में सत्यापित किया गया था:

1. पैदल यात्री क्रॉसिंग: सिस्टम ने जोखिम थ्रेशोल्ड के आधार पर रुकने की दूरी को सफलतापूर्वक समायोजित किया। कम थ्रेशोल्ड के परिणामस्वरूप जल्दी रुकना (अधिक रूढ़िवादी), जबकि उच्च थ्रेशोल्ड ने करीब जाने की अनुमति दी।
2. अप्रत्याशित निर्माण कार्य (Unexpected Construction): एक परिदृश्य में जहाँ निर्माण क्षेत्र ने पथ को अवरुद्ध कर दिया (जिससे मूल सुरक्षा विनिर्देश अपरिहार्य हो गए), सिस्टम ने सफलतापूर्वक एक न्यूनतम-उल्लंघन प्रक्षेपवक्र (minimal-violation trajectory) का संचालन किया। इसने लक्ष्य प्राप्ति के लिए मामूली नियम उल्लंघन (कम लागत) को चुनने के बजाय, अनिश्चित काल तक रुकने या टकराने के बजाय विपरीत लेन में प्रवेश करने का विकल्प चुना।
3. अनप्रोटेक्टेड टर्न (Unprotected Turn): वाहन ने ट्रैफिक लाइट और गतिशील विपरीत वाहन वाले एक जटिल चौराहे को संभाला। इसने हरी बत्ती का इंतजार किया, आने वाले ट्रैफिक को रास्ता दिया, और सुरक्षित होने पर ही आगे बढ़ा, जिससे टक्कर के जोखिम और यातायात नियम अनुपालन के बीच संतुलन बना।

प्रदर्शन मेट्रिक्स:

• विधि ने पूर्वनिर्धारित स्तरों के भीतर औसत जोखिम को प्रभावी ढंग से बनाए रखा।
• डिस्काउंटिंग फैक्टर संवेदनशीलता: कम डिस्काउंटिंग कारक ($\gamma=0.5$) ने तत्काल जोखिमों पर ध्यान केंद्रित किया, जबकि उच्च कारक ($\gamma=0.8$) ने जोखिमों को पहले महसूस किया, जिसके परिणामस्वरूप सपाट (flatter) जोखिम वक्र प्राप्त हुआ।
• स्केलेबिलिटी: अवस्था स्थान (state space) के आकार के आधार पर गणना का समय 15ms से 60ms के बीच रहा, हालांकि लेखकों का कहना है कि वास्तविक दुनिया के यातायात के लिए सूक्ष्म एब्स्ट्रैक्शन हेतु और अधिक अनुकूलन की आवश्यकता होगी।

5. महत्व (Significance)

यह शोध पत्र औपचारिक विधियों (जो शुद्धता सुनिश्चित करती हैं लेकिन अनिश्चितता के साथ संघर्ष करती हैं) और संभावabilistic जोखिम मूल्यांकन (जो अनिश्चितता को संभालती है लेकिन औपचारिक गारंटी की कमी होती है) के बीच के अंतर को पाटता है।

• व्यावहारिकता: "सब-या-कुछ-नहीं" संतुष्टि से हटकर एक जोखिम-संतुलित दृष्टिकोण अपनाकर, यह विधि वास्तविक दुनिया के ड्राइविंग के लिए अधिक उपयुक्त है जहाँ अनिश्चितता के कारण नियमों का पूर्ण पालन असंभव है।
• मानव संरेखण (Human Alignment): मानव-समान जोखिम धारणा (समय और गंभीरता) का स्पष्ट मॉडलिंग स्वायत्त ड्राइविंग व्यवहार को मानव यात्रियों और अन्य सड़क उपयोगकर्ताओं के लिए अधिक अनुमानित और स्वीकार्य बनाता है।
• भविष्य की दिशा: यह कार्य वास्तविक दुनिया के डेटा से जोखिम मापदंडों को सीखने और कई स्वायत्त एजेंटों के बीच रणनीतिक बातचीत को संभालने के लिए आधार तैयार करता है।