तकनीकी सारांश: सुदृढ़ अनुकूली असतत-समय नियंत्रण बाधा प्रमाण पत्र (Robust Adaptive Discrete-Time Control Barrier Certificate)

समस्या विवरण

यह शोध पत्र बाउंडेड बाहरी विक्षोभों (disturbances) और पैरामीट्रिक मॉडल अनिश्चितता के अधीन असतत-समय प्रणालियों (discrete-time systems) के लिए सुरक्षा सुनिश्चित करने की चुनौती को संबोधित करता है। जबकि कंट्रोल बैरियर फंक्शन्स (CBFs) निरंतर-समय प्रणालियों के लिए सुरक्षा-महत्वपूर्ण नियंत्रण हेतु एक मानक उपकरण बन गए हैं, अज्ञात मापदंडों वाले असतत-समय प्रणालियों (DT-CBFs) के लिए उनका अनुप्रयोग अभी भी अपूर्ण है।

मौजूदा मॉडल-आधारित विधियाँ अक्सर मॉडल अनिश्चितता से जूझती हैं, जो सुरक्षा गारंटी से समझौता कर सकती हैं। हालांकि निरंतर-समय प्रणालियों के लिए सुदृढ़ और अनुकूली विस्तार मौजूद हैं, वे डेरिवेटिव-आधारित तर्कों पर निर्भर करते हैं जो असतत समय में उपलब्ध नहीं होते हैं। इसके अतिरिक्त, असतत-समय नियंत्रकों को कार्यवत (causally) संचालित होना चाहिए (भविdt जानकारी के बिना), जो एक ऐसी बाधा है जिसे पूर्ववर्ती निरंतर-समय अनुकूली CBF साहित्य में पूरी तरह से संबोधित नहीं किया गया है। मुख्य समस्या एक ऐसा ढांचा विकसित करना है जो यह गारंटी दे सके कि सिस्टम की स्थिति ज्ञात बाधाओं और अज्ञात मापदंडों के बावजूद सुरक्षित सेट के भीतर बनी रहे, बिना वास्तविक सिस्टम मापदंडों ($\theta^*$) तक पहुँच की आवश्यकता के, और ऑनलाइन पैरामीटर अनुमान की अनुमति देते हुए।

कार्यप्रणाली (Methodology)

सिस्टम मॉडल

लेखक इनपुट-एफिन इनपुट-डिसक्रीट-टाइम सिस्टम पर विचार करते हैं जिन्हें इस प्रकार वर्णित किया गया है:
$$x_{t+1} = f_d(x_t) - [\phi(x_t)]^\top \theta + g(x_t)u_t + w_t$$
जहाँ $x_t$ अवस्था (state) है, $u_t$ इनपुट है, $\theta$ एक अज्ञात स्थिर पैरामीटर वेक्टर है, और $w_t$ एक ज्ञात पॉलीटोप में स्थित बाउंडेड विक्षोभ (disturbance) है। ड्रिफ्ट टर्म में एक ज्ञात नाममात्र भाग और अज्ञात मापदंडों में रैखिक रूप से निर्भर एक अनिश्चित भाग शामिल है।

सुदृढ़ अनुकूली नियंत्रण ढांचा (Robust Adaptive Control Framework)

प्रस्तावित दृष्टिकोण पैरामीटर एस्टिमेटर (अनुमान लगाने वाले) से सुरक्षा फिल्टर को अलग करता है, जिससे एक मॉड्यूलर डिज़ाइन की अनुमति मिलती है।

1. अनुकूली सुदृढ़ीकृत बाधा फलन (Adaptively Robustified Barrier Function):
   एक मानक बाधा फलन $B(x, \theta)$ के बजाय, लेखक एक समय-परिवर्ती बाधा फलन $B_{ra,t}(x)$ को परिभाषित करते हैं जो वर्तमान पैरामीटर अनुमान $\hat{\theta}_t$ और अनुमान त्रुटि पर आधारित एक दंड (penalty) पद को शामिल करता है:
   $$B_{ra,t}(x) := B(x, \hat{\theta}_t) - \frac{1}{2}e_{\theta,t}^\top \Gamma^{-1} e_{\theta,t}$$
   जहाँ $e_{\theta,t} = \hat{\theta}_t - \theta^*$ है और $\Gamma$ एक धनात्मक निश्चित मैट्रिक्स है। यह एक "सुदृढ़ीकृत" सुरक्षित सेट $S_{ra,t}$ बनाता है जो वर्तमान अनुमान द्वारा परिभाषित सेट का एक उपसमुच्चय (subset) है, जो यह सुनिश्चित करता है कि यदि अनुमान त्रुटिपूर्ण भी हो, तो भी सुरक्षा बनी रहे।

2. सुदृढ़ अनुकूली CBF प्रमाण पत्र (Robust Adaptive CBF Certificate):
   शोध पत्र एक पर्याप्त स्थिति (परिभाषा 4) स्थापित करता है कि किसी फलन को 'रोबस्ट एडेप्टिव DT-CBF' होने के लिए क्या चाहिए। यह स्थिति, जिसे "रोबस्ट एडेप्टिव CBC" कहा जाता है, निम्नलिखित को ध्यान में रखती है:

• बाउंडेड विक्षोभ ($w$)।
• पैरामीट्रिक मॉडल मिसमैच।
• पैरामीटर अनुमान का परिवर्तन ($\delta_{\theta,t}$)।
• बाधा फलन और सिस्टम डायनेमिक्स के लिप्सचिट्ज़ स्थिरांक (Lipschitz constants)।

महत्वपूर्ण रूप से, इस प्रमाण पत्र को $\theta^*$ की आवश्यकता के बिना, अनुमान त्रुटि और पैरामीटर परिवर्तनों के वर्स्ट-केस (worst-case) बाउंड्स का उपयोग करके ऑफलाइन सत्यापित किया जाता है।

3. ऑनलाइन इनपुट स्थिति (Online Input Condition):
   वास्तविक समय कार्यान्वयन के लिए, लेखक एक ऑनलाइन इनपुट स्थिति (समीकरण 17) व्युत्पन्न करते हैं जो केवल वर्तमान अनुमान $\hat{\theta}_t$ और वर्तमान अनुमान त्रुटि सीमा $\varepsilon_{\theta,t}$ पर निर्भर करती है। यह स्थिति स्वीकार्य नियंत्रण इनपुट का एक सेट $U_{ras,t}(x)$ परिभाषित करती है। एक सुरक्षा फिल्टर किसी भी नाममात्र नियंत्रण इनपुट को इस सेट पर प्रोजेक्ट करता है ताकि सुरक्षा सुनिश्चित की जा सके।

4. कार्यवत अनुमान और संश्लेषण (Causal Estimation and Synthesis):
   शोध पत्र सेट-मेंबरशिप प्रोजेक्शन के साथ क्लिप्ड रिकर्सिव लीस्ट स्क्वायर्स (RLS) का उपयोग करने वाला एक विशिष्ट एस्टिमेटर प्रस्तावित करता है। यह एस्टिमेटर पिछले डेटा ($F_{t-1}$) के आधार पर पैरामीटर सेट $\Theta_t$ और पॉइंट एस्टिमेट $\hat{\theta}_t$ को अपडेट करता है, जिससे यह सुनिश्चित होता है कि नियंत्रण इनपुट $u_t$ कार्यवत (causally) रूप से कंप्यूट किया गया है (बिना $t+1$ जानकारी पर निर्भर हुए)।

मुख्य योगदान

1. असतत-समय सुदृढ़ अनुकूली सुरक्षा गारंटी: यह कार्य बाउंडेड विक्षोभों और पैरामीट्रिक मिसमैच के तहत इनपुट-एफिन असतत-समय प्रणालियों के लिए सुदृढ़ सुरक्षा गारंटी स्थापित करता है। यह सुरक्षा फिल्टर के लिए उपयुक्त ऑनलाइन इनपुट स्थिति व्युत्पन्न करता है, जो असतत समय में डेरिवेटिव-आधारित तर्कों की कमी को दूर करता है।
2. मॉड्यूलर आर्किटेक्चर: ढांचा प्रदर्शित करता है कि पैरामीटर एस्टिमेशन मॉड्यूल को CBF-आधारित सुरक्षा फिल्टर से अलग डिज़ाइन किया जा सकता है। यह डिकपलिंग सुरक्षित अनुकूली नियंत्रकों के विकास को सरल बनाता है, जो मौजूदा निरंतर-समय परिणामों में स्पष्ट रूप से प्रकट नहीं हुआ है।
3. अंतर्निहित सुदृढ़ता विश्लेषण (Inherent Robustness Analysis): शोध पत्र प्रस्तावित नियंत्रण दृष्टिकोण की "अंतर्निहित सुदृढ़ता" का कठोर विश्लेषण प्रदान करता है। यह सिद्ध करता है कि यदि सिस्टम की स्थिति सुदृढ़ अनुकूली सुरक्षित सेट से बाहर है (विक्षोभों या खराब अनुमानों के कारण), तो नियंत्रण नीति अवस्था को सुरक्षित सेट अनुक्रम की ओर वापस ले जाने के लिए स्पर्शोन्मुखी (asymptotically) रूप से निर्देशित करती है।
4. सामान्य ऑनलाइन एस्टिमेटर अनुकूलता: यह कार्य उन सामान्य ऑनलाइन पैरामीटर एस्टिमेटर्स को समाहित करता है जो किसी विशिष्ट लर्निंग एल्गोरिदम से बंधे होने के बजाय पॉइंट एस्टिमेट, सेट एस्टिमेट और एस्टिमेट इंक्रीमेंट्स के यूनिफॉर्म बाउंड प्रदान करते हैं।

परिणाम और दावे

• सुरक्षा गारंटी: प्राथमिक सैद्धांतिक परिणाम (थ्योरम 2) बताता है कि यदि कोई बाधा फलन रोबस्ट एडेप्टिव CBC स्थिति को संतुष्ट करता है, तो स्वीकार्य नियंत्रण इनपुटों का सेट गैर-रिक्त (non-empty) है। इसके अलावा, यदि नियंत्रण नीति इस सेट से इनपुट चुनती है, तो क्लोज्ड-लूप सिस्टम समय-परिवर्ती सुरक्षित सेट्स $\{S_{ra,t}\}$ के संबंध में सुदृढ़ रूप से सुरक्षित रहता है।
• कार्यवतता (Causality): प्रस्तावित संश्लेषण यह सुनिश्चित करता है कि नियंत्रण इनपुट केवल उपलब्ध पिछले डेटा का उपयोग करके कंप्यूट किए जाते हैं, जो सैंपलड-डेटा सिस्टम की कार्यवत आवश्यकताओं को पूरा करते हैं।
• अभिसरण बनाम सुरक्षा (Convergence vs. Safety): लेखक स्पष्ट रूप से नोट करते हैं कि जबकि पैरामीटर अभिसरण ($\theta^*$ तक) अति-रूढ़िवादिता (conservatism) को कम करेगा, सुरक्षा गारंटी पैरामीटर अनुमानों के अभिसरण पर निर्भर नहीं है। सुरक्षा तब तक बनी रहती है जब तक कि वास्तविक पैरामीटर अनुमानित सेट $\Theta_t$ के भीतर रहता है।
• कार्यान्वयन: शोध पत्र कार्यान्वयन के लिए एक एल्गोरिदम (एल्गोरिदम 1) का विवरण देता है, यह उल्लेख करते हुए कि हालांकि सामान्य अनुकूलन समस्या गैर-उत्तल (non-convex) है, यह एक उत्तल (convex) अनुकूलन समस्या बन जाती है यदि बाधा फलन अवस्था के संबंध में अवतल (concave) है, जो कई DT-CBF फॉर्मुलेशन में एक मानक धारणा है।

महत्व

यह शोध पत्र दावा करता है कि इसका प्राथमिक महत्व असतत-समय प्रणालियों के लिए एक सामान्य सुदृढ़ अनुकूली सुरक्षित नियंत्रण ढांचा स्थापित करने में निहित है। यह विशिष्ट बाधा फलन डिजाइन करने, नए पैरामीटर अनुमान एल्गोरिदम विकसित करने, या विशिष्ट प्रणालियों के लिए बाधा फलनों की उपस्थिति को सत्यापित करने का दावा नहीं करता है। इसके बजाय, यह वह सैद्धांतिक आधार (प्रमाण पत्र और ऑनलाइन स्थिति) प्रदान करता है जो मौजूदा अनुमान उपकरणों को असतत-समय परिवेश में CBF-आधारित नियंत्रकों के साथ सुरक्षित रूप से एकीकृत करने की अनुमति देता है।

यह कार्य निरंतर-समय अनुकूली CBF सिद्धांत और असतत-समय कार्यान्वयन (जैसे MPC और सुदृढीकरण शिक्षण/Reinforcement Learning) की व्यावहारिक वास्तविकताओं के बीच के अंतर को पाटता है, एक ऐसी रणनीति प्रदान करता है जो विक्षोभों के प्रति सुदृढ़ और मॉडल अनिश्चितताओं के प्रति अनुकूली है, बिना वास्तविक सिस्टम मापदंडों के ज्ञान की आवश्यकता के।