🤖 machine learning

ORN-CBF: Learning Observation-conditioned Residual Neural Control Barrier Functions via Hypernetworks

यह शोध पत्र ORN-CBF का प्रस्ताव करता है, जो एक हाइपरनेटवर्क-आधारित लर्निंग फ्रेमवर्क है जो अवलोकन-सशर्त (observation-conditioned) न्यूरल कंट्रोल बैरियर फंक्शन्स उत्पन्न करने के लिए हैमिल्टन-जैकबी रीचैबिलिटी विश्लेषण का उपयोग करता है, जो सिमुलेशन और हार्डवेयर प्रयोगों के माध्यम से आंशिक रूप से दृश्यमान वातावरण में कठोर सुरक्षा गारंटी और बेहतर सामान्यीकरण सुनिश्चित करता है।

मूल लेखक: Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

प्रकाशित 2026-03-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट को एक भीड़भाड़ वाले, अपरिचित कमरे में बिना किसी चीज़ से टकराए चलने के लिए सिखा रहे हैं। यह सुरक्षित स्वायत्त नियंत्रण (safe autonomous control) की मूल चुनौती है।

आपने जो पेपर साझा किया है, वह एक नई विधि पेश करता है जिसे ORN-CBF कहा जाता है। इसे समझने के लिए, आइए हम समस्या और समाधान को रोजमर्रा के उदाहरणों (analogies) का उपयोग करके तोड़ते हैं।

समस्या: "अंधा" रोबोट और "परफेक्ट" मैप

रोबोटों के पास आमतौर पर एक "नॉमिनल कंट्रोलर" (जैसे एक मानव चालक) होता है जो उन्हें बताता है कि उन्हें कहाँ जाना है। लेकिन एक नए वातावरण में, यह चालक कुर्सी को तब तक नहीं देख पाएगा जब तक कि बहुत देर न हो जाए।

इसे ठीक करने के लिए, हम एक सेफ्टी फ़िल्टर (Safety Filter) का उपयोग करते हैं। इस फ़िल्टर को एक अत्यधिक सतर्क सह-पायलट (super-vigilant co-pilot) के रूप में सोचें। इसका एकमात्र काम ड्राइवर पर नज़र रखना और कहना है, "रुको! अगर तुम उस तरफ जाओगे, तो तुम टकरा जाओगे!" फिर सह-पायलट धीरे से रोबोट को खतरे से दूर ले जाता है।

इस सह-पायलट को डिजाइन करना कठिन काम है।

पुराने तरीके एक ज्ञात शहर के स्थिर मानचित्र (static map) देने जैसे हैं। यदि रोबोट एक नए शहर में प्रवेश करता है जहाँ इमारतें अलग हैं, तो वह मानचित्र बेकार हो जाता है।
अन्य सीखने के तरीके एक ऐसे छात्र की तरह हैं जिसने एक विशिष्ट परीक्षा के उत्तर रट लिए हैं। यदि परीक्षा के प्रश्न थोड़े भी बदल जाते हैं (जैसे बाधा का नया आकार), तो छात्र विफल हो जाता है।
बड़ी समस्या: कई मौजूदा सुरक्षा फ़िल्टर "आशावादी" होते हैं। वे सोच सकते हैं कि एक जगह सुरक्षित है जबकि वास्तव में वह एक जाल हो सकती है, या वे इतने रूढ़िवादी हो सकते हैं कि रोबोट को हिलने-डुलने से ही रोक दें।

समाधान: ORN-CBF (एक "स्मार्ट सह-पायलट")

लेखक एक ऐसी प्रणाली प्रस्तावित करते हैं जो यह सीखने के लिए डिज़ाइन की गई है कि वह रोबोट जो अभी देख रहा है (उसका अवलोकन/observation) उसके आधार पर सुरक्षा फ़िल्टर कैसे बने। यह तीन चतुर तरीकों से काम करता है:

1. "रेसिडुअल" ट्रिक (सुरक्षा जाल - The Safety Net)

कल्पना कीजिए कि आप एक चौकोर कमरे के अंदर एक आदर्श वृत्त (circle - सुरक्षित क्षेत्र) बनाने की कोशिश कर रहे हैं।

पुराना तरीका: हर बार जब कमरा बदलता है, तो शुरू से पूरा वृत्त बनाने की कोशिश करना। यह कठिन है और इसमें गलतियों की संभावना अधिक है।
ORN-CBF का तरीका: एक आदर्श वर्ग (कमरे की सीमाएं) से शुरुआत करें। फिर, केवल वर्ग और वृत्त के बीच के अंतर को रेखांकित करें।
- गणितीय शब्दों में, वे एक साइंड डिस्टेंस फंक्शन (SDF) लेते हैं। इसे एक "दीवार-से-दूरी" के मानचित्र के रूप में सोचें। यह आपको बताता है कि आप दीवार से कितनी दूर हैं।
- न्यूरल नेटवर्क पूरे मानचित्र को सीखने की कोशिश नहीं करता है। यह केवल रेसिडुअल (residual) (मानचित्र को पूर्ण बनाने के लिए आवश्यक छोटे समायोजन) को सीखता है।
- यह क्यों महत्वपूर्ण है: केवल "समायोजन" सीखकर, यह प्रणाली गारंटी देती है कि रोबोट कभी यह नहीं सोचेगा कि दीवार सुरक्षित है। यह यह कहने जैसा है कि, "हम जानते हैं कि दीवार यहाँ है; हमें बस यह पता लगाने की आवश्यकता है कि हम बिना छुए इसके कितने करीब जा सकते हैं।" यह गणितीय रूप से गारंटी देता है कि रोबोट उस चीज़ से नहीं टकराएगा जिसे वह देख सकता है।

2. "हाइपरनेटवर्किंग" ट्रिक (कुशल शेफ - The Efficient Chef)

आमतौर पर, एक नए वातावरण को संभालने के लिए, आपको हर बार जब रोबोट मुड़ता है, तो एक विशाल AI मॉडल को फिर से प्रशिक्षित करने की आवश्यकता हो सकती है। यह बहुत धीमा है।

उपमा (Analogy): एक रेस्टोरेंट की कल्पना करें।
- मुख्य नेटवर्क (Main Network) वह शेफ है जो भोजन पकाता है (सुरक्षित पथ की गणना करता है)। शेफ तेज़ और सरल होता है।
- हाइपरनेटवर्क (Hypernetwork) वह हेड शेफ है जो रेसिपी लिखता है।
- इस प्रणाली में, रोबोट एक नया कमरा देखता है (एक नया अवलोकन)। हेड शेफ (हाइपरनेटवर्क) जल्दी से कमरे को देखता है और शेफ (मुख्य नेटवर्क) के लिए एक कस्टम रेसिपी लिखता है।
- हेड शेफ को हर कुछ सेकंड में (जब दृश्य बदलता है) एक नई रेसिपी लिखने की आवश्यकता होती है। शेफ फिर प्रति सेकंड हजारों सुरक्षा निर्णय लेने के लिए उस रेसिपी का उपयोग करता है।
- परिणाम: रोबोट बिना हर मिलीसेकंड में खुद को फिर से प्रशिक्षित किए, नए अवरोधों के प्रति तुरंत प्रतिक्रिया करता है।

3. "हैमिल्टन-जैकबी" शिक्षक (परफेक्ट सिम्युलेटर)

आप रोबोट को वास्तविक जीवन में टकराए बिना सुरक्षित रहना कैसे सिखा सकते हैं?

लेखक हैमिल्टन-जैकबी (HJ) रीचेबिलिटी नामक एक गणितीय उपकरण का उपयोग करते हैं। इसे एक परफेक्ट फिजिक्स सिम्युलेटर के रूप में सोचें।
रोबोट के चलने से पहले, वे कंप्यूटर में लाखों सिमुलेशन चलाते हैं। वे पूछते हैं: "यदि रोबोट बिंदु A पर है और बिंदु B पर एक दीवार है, तो पूर्णतः सुरक्षित क्षेत्र क्या है?"
वे इस परफेक्ट सिम्युलेटर से प्राप्त उत्तरों का उपयोग अपने रोबोट के "हेड शेफ" को प्रशिक्षित करने के लिए करते हैं।
क्योंकि प्रशिक्षण डेटा एक परफेक्ट सिम्युलेटर से आता है, रोबोट इष्टतम (optimal) सुरक्षित क्षेत्र सीखता है—वह सबसे बड़ा संभव क्षेत्र जहाँ वह टकराए बिना चल सकता है।

परिणाम: क्या यह काम करता है?

टीम ने दो रोबोटों पर इसका परीक्षण किया:

ग्राउंड रोबोट (एक स्मार्ट रूमबा की तरह): एक वेयरहाउस सिमुलेशन और लैब में एक वास्तविक रोबोट पर परीक्षण किया गया।
क्वाडकोप्टर (एक ड्रोन): एक सिम्युलेटेड जंगल और एक वास्तविक ड्रोन पर परीक्षण किया गया।

निष्कर्ष प्रभावशाली थे:

सफलता दर (Success Rate): नई विधि (ORN-CBF) लगभग 100% परीक्षणों में सफल रही, जबकि पुराने तरीके अक्सर विफल रहे (कभी-कभी केवल 20-40% सफलता)।
सामान्यीकरण (Generalization): जब उन्होंने ड्रोन का परीक्षण उन पेड़ों के साथ किया जो इसके प्रशिक्षण वाले पेड़ों से अलग आकार के थे, तब भी यह पूरी तरह से काम कर गया। इसने केवल प्रशिक्षण वाले जंगल को याद नहीं किया; इसने सुरक्षा की अवधारणा को सीखा।
वास्तविक दुनिया: यह केवल कंप्यूटर सिमुलेशन में ही नहीं, बल्कि वास्तविक हार्डवेयर पर भी काम कर गया।

सारांश

ORN-CBF रोबोट को अज्ञात स्थानों में सुरक्षित रहने के लिए सिखाने का एक नया तरीका है।

यह सुरक्षा के नियमों को सीखने के लिए एक परफेक्ट सिम्युलेटर का उपयोग करता है।
यह नए दृश्यों के प्रति तुरंत प्रतिक्रिया देने के लिए दो-भाग वाले AI (हेड शेफ + शेफ) का उपयोग करता है।
यह एक गणितीय सुरक्षा जाल का उपयोग करता है जो गारंटी देता है कि रोबोट कभी यह नहीं सोचेगा कि दीवार सुरक्षित है।

यह रोबोट को एक सुपरपावर देने जैसा है: एक नए, अस्त-व्यस्त कमरे को देखने, तुरंत उसमें से सबसे सुरक्षित रास्ता निकालने और कभी भी दीवार से न टकराने की क्षमता।

यहाँ शोध पत्र "ORN-CBF: Learning Observation-conditioned Residual Neural Control Barrier Functions via Hypernetworks" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

अज्ञात वातावरण में संचालित होने वाले स्वायत्त सिस्टम (Autonomous systems) सुरक्षा बनाए रखने में महत्वपूर्ण चुनौतियों का सामना करते हैं। जबकि कंट्रोल बैरियर फंक्शन्स (CBFs) सुरक्षा फ़िल्टरिंग (सुरक्षा सुनिश्चित करने के लिए नाममात्र के नियंत्रण इनपुट को संशोधित करना) के लिए एक मानक विधि हैं, आंशिक रूप से अवलोकन योग्य (partially observable) वातावरण में उनका अनुप्रयोग कई कारकों के कारण सीमित है:

डिजाइन जटिलता (Design Complexity): स्टेट/इनपुट बाधाओं वाले नॉनलीनियर सिस्टम के लिए CBFs को मैन्युअल रूप से डिजाइन करना कठिन है।
अवलोकन निर्भरता (Observation Dependency): मौजूदा लर्निंग-आधारित CBFs अक्सर नए बाधा विन्यास (obstacle configurations) के प्रति सामान्यीकरण करने में संघर्ष करते हैं या मैक्सिमल सेफ सेट (उन अवस्थाओं का सबसे बड़ा सेट जिनसे सिस्टम विफलता से बच सकता है) को पुनः प्राप्त करने में विफल रहते हैं।
सुरक्षा गारंटी (Safety Guarantees): कई न्यूरल CBF दृष्टिकोणों में यह कठोर गारंटी का अभाव होता है कि अनुमानित सुरक्षित सेट (safe set) देखे गए विफलता सेट (बाधाओं) के साथ प्रतिच्छेद (intersect) नहीं करेगा।
रियल-टाइम बाधाएं (Real-time Constraints): स्थानीय अवलोकनों (जैसे ऑक्यूपेंसी ग्रिड) पर निर्भर सिस्टम को वास्तविक समय में CBF उत्पन्न करने की आवश्यकता होती है, जिससे ऑफलाइन डिजाइन विधियाँ अप्रभावी हो जाती हैं।

2. कार्यप्रणाली: ORN-CBF (Methodology: ORN-CBF)

लेखक ORN-CBF (ऑब्जर्वेशन-कंडीशन्ड रेसिडुअल न्यूरल CBF) का प्रस्ताव करते हैं, जो एक लर्निंग-आधारित फ्रेमवर्क है जो वास्तविक समय के पर्यावरणीय अवलोकनों पर आधारित सुरक्षा फिल्टर उत्पन्न करता है।

A. अवलोकन-आधारित स्वरूप (Observation-Conditioned Formulation)

CBF को अवस्था $x$ और अवलोकन $o$ के फलन के रूप में एक साथ मानने के बजाय (जिसके लिए जटिल अवलोकन गतिकी $\dot{o}$ को मॉडल करने की आवश्यकता होती है), लेखक CBF को अवलोकन पर आधारित मानते हैं: $h(x|o)$ ।

धारणा (Assumption): अवलोकन (जैसे ऑक्यूपेंसी ग्रिड) स्टेट फीडबैक की तुलना में कम आवृत्ति पर अपडेट होते हैं। अपडेट के बीच, अवलोकन को स्थिर माना जाता है।
लाभ (Benefit): यह विशिष्ट स्थिर अवलोकन के लिए लक्षित वैल्यू फंक्शन को कंप्यूट करने के लिए मानक हैमिल्टन-जैकobi (HJ) रीचैबिलिटी टूल्स के उपयोग की अनुमति देता है, बिना सेंसर गतिकी को मॉडल किए।

B. HJ रीचैबिलिटी के साथ रेसिडुअल लर्निंग (Residual Learning with HJ Reachability)

यह सुनिश्चित करने के लिए कि सीखा गया CBF मैक्सिमल सेफ सेट का अनुमान लगाता है, लेखक हैमिल्टन-जैकobi (HJ) वैल्यू फंक्शन को ग्राउंड ट्रुथ के रूप में उपयोग करते हैं।

रेसिडुअल दृष्टिकोण (Residual Approach): पूरे CBF को सीखने के बजाय, नेटवर्क बाधाओं के साइनेड डिस्टेंस फंक्शन (SDF) और HJ वैल्यू फंक्शन के बीच के रेसिडुअल को सीखता है:
$h(x|o) = d(x|o) - r(x|o)$
जहाँ $d(x|o)$ एक SDF (निकटतम बाधा से दूरी) है और $r(x|o) \geq 0$ सीखा गया रेसिडुअल है।
सुरक्षा गारंटी (Safety Guarantee): $r(x|o) \geq 0$ (एक नॉन-नेगेटिव एक्टिवेशन फंक्शन जैसे Softplus के माध्यम से) को लागू करके, परिणामी CBF $h(x|o)$ यह गारंटी देता है कि यह SDF से कम या उसके बराबर है। यह गणितीय रूप से सुनिश्चित करता है कि अनुमानित सुरक्षित सेट देखे गए विफलता सेट (बाधाओं) के साथ कभी भी प्रतिच्छेद नहीं करेगा।

C. हाइपरनेटवर्क आर्किटेक्चर (Hypernetwork Architecture)

रियल-टाइम कंट्रोल के लिए आवश्यक कम्प्यूटेशनल दक्षता को संभालने के लिए, लेखक एक हाइपरनेटवर्क आर्किटेक्चर का उपयोग करते हैं:

हाइपरनेटवर्क (Hypernetwork): एक बड़ा, जटिल न्यूरल नेटवर्क (CNN) जो डिस्क्रीटाइज्ड SDF (अवलोकन से प्राप्त) को इनपुट के रूप में लेता है और मुख्य नेटवर्क के लिए पैरामीटर्स ( $\Theta$ ) आउटपुट करता है। यह केवल तभी कंप्यूट किया जाता है जब एक नया अवलोकन आता है (कम आवृत्ति)।
मुख्य नेटवर्क (Main Network): एक हल्का मल्टी-लेयर पर्सेप्ट्रॉन (MLP) जिसमें साइनुसोइडल एक्टिवेशन (SIREN) होता है, जो सिस्टम स्टेट $x$ को इनपुट के रूप में लेता है और पैरामीटर्स $\Theta$ का उपयोग करके रेसिडुअल $r(x|o)$ आउटपुट करता है। इसे वैल्यू और ग्रेडिएंट्स के लिए बार-बार क्वेरी किया जाता है (उच्च आवृत्ति)।
प्रशिक्षण (Training): मॉडल को ऑफलाइन संख्यात्मक सॉल्वर (जैसे hj_reachability) के माध्यम से कंप्यूट किए गए HJ वैल्यू फंक्शन्स का उपयोग करके सुपरवाइज्ड तरीके से प्रशिक्षित किया जाता है। लॉस फंक्शन एक रेडियली वेटेड MSE (RWMSE) है जो ज़ीरो-लेवल सेट (सुरक्षा सीमा) के पास सटीकता को प्राथमिकता देता है।

3. प्रमुख योगदान (Key Contributions)

नया आर्किटेक्चर: एक हाइपरनेटवर्क-आधारित डिज़ाइन जो कुशलतापूर्वक पर्यावरणीय अवलोकनों पर एक न्यूरल CBF को कंडीशन करता है, जिससे महंगे अवलोकन प्रसंस्करण को उच्च-आवृत्ति स्टेट मूल्यांकन से अलग किया जा सके।
सैद्धांतिक सुरक्षा गारंटी: HJ वैल्यू फंक्शन के रेसिडुअल को सीखकर और गैर-नकारात्मकता को लागू करके, यह विधि गारंटी देती है कि सुरक्षित सेट देखे गए बाधाओं के साथ ओवरलैप नहीं होगा, जो कि अन्य न्यूरल CBF दृष्टिकोणों में अक्सर गायब होता है।
मैक्सिमल सेफ सेट रिकवरी: एक सुपरवाइजर के रूप में HJ रीचैबिलिटी का उपयोग करने से यह विधि केवल एक रूढ़िवादी (conservative) उपसमुच्चय के बजाय इष्टतम (मैक्सिमल) कंट्रोल-इनवेरिएंट सेट का अनुमान लगाने की अनुमति देती है।
दक्षता (Efficiency): रेसिडुअल लर्निंग रणनीति लर्निंग कार्य की जटिलता को कम करती है, और हाइपरनेटवर्क दृष्टिकोण सिंगल-नेटवर्क मॉडल की तुलना में इन्फरेंस समय को काफी कम कर देता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

विधि का मूल्यांकन दो रोबोट प्लेटफॉर्म पर किया गया: एक डूबिन्स कार (ग्राउंड रोबोट) और एक क्वाडकोप्टर (2D डबल इंटीग्रेटर)।

सिमुलेशन (ग्राउंड रोबोट):
- विभिन्न प्रेडिक्शन होराइजन लंबाई के विरुद्ध SDF-MPC, DCBF-MPC, और NTC-MPC जैसे बेसलाइन के खिलाफ परीक्षण किया गया।
- परिणाम: ORN-CBF ने विभिन्न प्रेडिक्शन होराइजन लंबाई में 100% सफलता दर प्राप्त की, जो बेसलाइन (जो 20% से 70% के बीच थे) से काफी बेहतर प्रदर्शन करती है।
सिमुलेशन (क्वाडकोप्टर):
- आउट-ऑफ-डोमेन सामान्यीकरण (0.5m रेडियस बाधाओं पर प्रशिक्षित, 0.2m–1.0m पर परीक्षण) के साथ एक जंगल जैसे वातावरण में परीक्षण किया गया।
- परिणाम: ORN-CBF ने आउट-ऑफ-डोमेन परिदृश्यों में 90.5% सफलता दर बनाए रखी, जबकि एक हैंड-ट्यून्ड एक्सपोनेंशियल CBF (ECBF) की सफलता दर 45% थी।
हार्डवेयर प्रयोग:
- पूरी तरह से सिंथेटिक डेटा पर प्रशिक्षित मॉडलों (Sim-to-Real) का उपयोग करके एक भौतिक डूबिन्स कार और एक क्रेजीफ्लाई (Crazyflie) क्वाडकोप्टर पर तैनात किया गया।
- परिणाम: ग्राउंड रोबोट ने मॉडल मिसमैच और सेंसर शोर के बावजूद हार्डवेयर परीक्षणों में 100% सफलता प्राप्त की। क्वाडकोप्टर ने जटिल बाधा क्षेत्रों में सफलतापूर्वक नेविगेट किया।

5. महत्व और प्रभाव (Significance and Impact)

सिद्धांत और व्यवहार के बीच सेतु: यह शोध पत्र कठोर HJ रीचैबिलिटी विश्लेषण (जो अक्सर रियल-टाइम के लिए बहुत धीमा होता है) और व्यावहारिक न्यूरल कंट्रोल के बीच के अंतर को सफलतापूर्वक पाटता है, जिससे मैक्सिमल सेफ सेट्स रियल-टाइम सुरक्षा फ़िल्टरिंग के लिए सुलभ हो जाते हैं।
मजबूती (Robustness): विधि अनदेखे बाधा आकार और आकृतियों के प्रति मजबूत सामान्यीकरण प्रदर्शित करती है, साथ ही बिना पुन: प्रशिक्षण के वास्तविक दुनिया के हार्डवेयर पर मजबूत नेविगेशन प्रदान करती है।
स्केलेबिलिटी (Scalability): हाइपरनेटवर्क दृष्टिकोण गतिशील, आंशिक रूप से अवलोकन योग्य वातावरण में सुरक्षा-महत्वपूर्ण नियंत्रण के लिए एक स्केलेबल समाधान प्रदान करता है, जो स्वायत्त नेविगेशन में एक महत्वपूर्ण बाधा को संबोधित करता है।

सीमाएँ (Limitations): वर्तमान दृष्टिकोण एक स्थिर वातावरण मानता है और प्रशिक्षण के लिए ऑफलाइन HJ गणना पर निर्भर करता है, जो वर्तमान में 6 स्टेट आयामों वाले सिस्टम तक सीमित है। भविष्य के कार्यों में इसे गतिशील वातावरण और उच्च-आयामी प्रणालियों तक विस्तारित करने का लक्ष्य है।