⚡ electrical engineering

Autonomous Detection and Coverage of Unknown Target Areas by Multi-Agent Systems

यह शोध पत्र एक नवीन मल्टी-एजेंट कवरेज कंट्रोल एल्गोरिदम प्रस्तावित करता है जो गतिशील रूप से निर्मित डेंसिटी फंक्शन्स, सेंट्रॉइडल वोरोनोई टेसेलेशन और कंट्रोल बैरियर फंक्शन्स को एकीकृत करके, लक्ष्य क्षेत्र के बारे में पूर्व ज्ञान के बिना एजेंटों को स्वायत्त रूप से उसका पता लगाने और इष्टतम, टकराव-मुक्त स्थानिक वितरण प्राप्त करने में सक्षम बनाता है।

मूल लेखक: Jie Song, Yang Bai, Mikhail Svinin, Naoki Wakamiya

प्रकाशित 2026-03-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jie Song, Yang Bai, Mikhail Svinin, Naoki Wakamiya

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 नन्हे, स्वायत्त (autonomous) ड्रोनों के एक बेड़े के कप्तान हैं। आपका मिशन क्या है? एक विशाल, धुंधले मैदान में बिखरे हुए "रहस्यमय क्षेत्रों" (mystery zones) को ढूंढना और उन्हें कवर करना। पेच यह है कि आपके पास कोई नक्शा नहीं है। आप नहीं जानते कि वे क्षेत्र कहाँ हैं, वे कितने बड़े हैं, या वे कितने मौजूद हैं। आपको बस अपने ड्रोनों को बाहर भेजना है, उन्हें क्षेत्रों को खोजने देना है, और फिर यह सुनिश्चित करना है कि वे बिना एक-दूसरे से टकराए हर इंच को पूरी तरह से कवर करने के लिए सही ढंग से फैल जाएं।

यह शोध पत्र प्रस्तुत करता है कि कैसे ये ड्रोन ठीक यही कर सकते हैं। यह यहाँ बताया गया है कि यह कैसे काम करता है, सरल अवधारणाओं में विभाजित किया गया है:

1. समस्या: अंधेरे में उड़ना

अधिकांश पुराने ज़माने के ड्रोन झुंड (swarms) एक शिक्षक की मार्गदर्शिका वाले छात्रों की तरह होते हैं। उन्हें बताया जाता है, "निर्देश X, Y पर जाओ और इस वर्ग को कवर करो।" लेकिन वास्तविक दुनिया में, चीजें बहुत अव्यवस्यित होती हैं। आपको आपदा क्षेत्र में जीवित बचे लोगों की तलाश करने या जंगल की आग की निगरानी करने की आवश्यकता हो सकती है जहाँ खतरे वाले स्थान अज्ञात होते हैं और लगातार बदलते रहते हैं।

लेखक एक ऐसा सिस्टम चाहते थे जहाँ ड्रोन खुद सब कुछ समझ सकें। उन्हें एक मधुमक्खियों के झुंड की तरह होना चाहिए था जो बिना किसी नक्शे के फूलों के नए पैच को खोज सकती हैं, और फिर उस पूरे पैच को कुशलतापूर्वक कवर करने के लिए खुद को पुनर्गठित कर सकती हैं।

2. समाधान: खोज की "सुगंध"

मुख्य विचार एक डिजिटल "सुगंध" या घनत्व फलन (density function) है।

प्रारंभिक अवस्था: शुरुआत में, ड्रोन एक लॉन पर बिखे गए बीजों की तरह समान रूप से फैले होते हैं। वे बस इधर-उधर घूम रहे होते हैं, कुछ तलाश रहे होते हैं।
खोज: जब एक ड्रोन किसी लक्ष्य क्षेत्र (जैसे जमीन पर एक लाल वर्ग) से टकराता है, तो वह केवल वहीं नहीं रुकता। वह एक संकेत भेजता है: "अरे, मैंने यहाँ कुछ महत्वपूर्ण पाया है!"
सुगंध: यह संकेत हवा में एक "सुगंध" (गणितीय रूप से एक घनत्व शिखर/density peak) पैदा करता है। यह एक चुंबक की तरह है जो अन्य ड्रोनों को उस ओर खींचता है।
श्रृंखला अभिक्रिया (Chain Reaction): जैसे-जैसे अन्य ड्रोन उसकी ओर खिंचे चले आते हैं और भी लक्ष्य को खोज लेते हैं, वे मिश्रण में अपनी "सुगंध" भी जोड़ देते हैं। अचानक, आपके पास लक्ष्य क्षेत्र के ऊपर एक मजबूत, बहु-स्तरीय सुगंध का बादल होता है। जितने अधिक ड्रोन उसे खोजेंगे, खिंचाव उतना ही मजबूत होता जाएगा, जिससे यह सुनिश्चित होगा कि पूरा समूह सही स्थान पर केंद्रित हो जाए।

3. व्यवस्था: पार्टी की बैठने की आदर्श व्यवस्था

एक बार जब ड्रोन लक्ष्य की ओर आकर्षित हो जाते हैं, तो उन्हें इस तरह व्यवस्थित होने की आवश्यकता होती है ताकि वे एक ही कोने में ढेर न लग जाएं। उन्हें एक पार्टी के मेहमानों की तरह समान रूप से फैलना होगा जो भीड़भाड़ किए बिना सभी से बात करना चाहते हैं।

यह शोध पत्र सेंट्रॉइडल वोरोनोई टेसेलेशन (Centroidal Voronoi Tessellation - CVT) नामक एक गणितीय ट्रिक का उपयोग करता है।

एक पिज्जा की कल्पना करें: यदि आपके पास एक पिज्जा है और आप चाहते हैं कि आप इसे ऐसे स्लाइस में काटें कि हर स्लाइस का आकार और आकृति बिल्कुल एक समान हो, तो आपको एक विशिष्ट काटने के पैटर्न की आवश्यकता होगी।
ड्रोन का काम: CVT एल्गोरिदम एक आदर्श पिज्जा कटर की तरह कार्य करता है। यह प्रत्येक ड्रोन को बताता है, "आप इस लक्ष्य क्षेत्र के इस विशिष्ट हिस्से के लिए जिम्मेदार हैं। अपने स्लाइस के ठीक केंद्र में जाएँ।"
परिणाम: ड्रोन स्वाभाविक रूप से लक्ष्य के पूरे आकार को कवर करने के लिए फैल जाते हैं, चाहे वह एक वृत्त हो, एक वर्ग हो, या कोई अजीब सा आकार हो। वे स्वचालित रूप से समायोजित हो जाते हैं यदि लक्ष्य का आकार बदल जाता है।

4. सुरक्षा जाल: व्यक्तिगत बुलबुला

एक बड़ा जोखिम है: यदि ये सभी ड्रोन एक ही "सुगंध" की ओर भाग रहे हैं, तो वे आपस में टकरा सकते हैं।

इसे ठीक करने के लिए, लेखकों ने कंट्रोल बैरियर फंक्शन्स (Control Barrier Functions - CBFs) को जोड़ा है। इसे प्रत्येक ड्रोन के चारों ओर एक अदृश्य, व्यक्तिगत बुलबुले के रूप में सोचें।

नियम: "आप लक्ष्य की ओर बढ़ सकते हैं, लेकिन आपको कभी भी अपने बुलबुले को दूसरे ड्रोन के बुलबुले से छूने नहीं देना है।"
जादू: यदि कोई ड्रोन देखता है कि कोई दूसरा बहुत करीब आ रहा है, तो सुरक्षा प्रणाली तुरंत "लक्ष्य की ओर बढ़ें" कमांड को ओवरराइड करती है और कहती है, "रुकिए! बगल में हटिए!" यह टक्कर से बचने के लिए सबसे सुरक्षित पथ की गणना करता है जबकि लक्ष्य तक पहुँचने का प्रयास भी जारी रखता है।

5. सिमुलेशन: परीक्षण के लिए रखना

लेखकों ने कंप्यूटर सिमुलेशन में दो परिदृश्यों के साथ इसका परीक्षण किया:

दो लक्ष्य: 10 ड्रोन एक ग्रिड में शुरू हुए। उन्होंने दो अलग-अलग लाल वर्गों को खोजा। "सुगंध" ने उन्हें खींचा, और "पिज्जा कटर" (CVT) ने उन्हें व्यवस्थित किया ताकि 5 ड्रोन एक वर्ग को और 5 ड्रोन दूसरे वर्ग को कवर करें। वे कभी टकराए नहीं।
विभिन्न आकारों के तीन लक्ष्य: 15 ड्रोन भेजे गए। उन्होंने तीन वर्ग खोजे: एक बड़ा, एक मध्यम और एक छोटा।
- बड़े वर्ग के ऊपर "सुगंध" अधिक मजबूत थी क्योंकि वहां अधिक ड्रोन मिले।
- सिस्टम ने स्वाभाविक रूप से बड़े वर्ग को अधिक ड्रोन और छोटे वाले को कम ड्रोन भेजे, जिससे क्षेत्र के आकार के अनुसार ड्रोनों की संख्या का सटीक मिलान हुआ।

यह क्यों महत्वपूर्ण है

यह एक बड़ा कदम है क्योंकि यह किसी इंसान को नक्शा देने की आवश्यकता को समाप्त कर देता है।

वास्तविक दुनिया में उपयोग: कल्पना कीजिए कि भूकंप के बाद मलबे के नीचे जीवित बचे लोगों को खोजने के लिए रोबोटों की एक टीम भेजी जाती है। वे नहीं जानते कि जीवित बचे लोग कहाँ हैं। वे फैलते हैं, जीवित बचे लोगों को खोजते हैं, और फिर मलबे के हर कोने की निगरानी करने के लिए खुद को स्वचालित रूप से व्यवस्थित करते हैं, और इस दौरान आपस में टकराने से भी बचते हैं।

संक्षेप में: यह शोध पत्र रोबोट के एक झुंड को स्व-संगठित जासूस (self-organizing detectives) बनना सिखाता है। वे रहस्य को सूंघते हैं, अपने दोस्तों को दृश्य पर खींचते हैं, जमीन को कवर करने के लिए खुद को पूरी तरह व्यवस्थित करते हैं, और एक-दूसरे से सुरक्षित दूरी बनाए रखते हैं—और यह सब बिना किसी मानव द्वारा नक्शा दिए किया जाता है।

यहाँ शोध पत्र "Autonomous Detection and Coverage of Unknown Target Areas by Multi-Agent Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र अज्ञात वातावरण में मल्टी-एजेंट कवरेज कंट्रोल की चुनौती को संबोधित करता है। पारंपरिक कवरेज समस्याओं के विपरीत, जहाँ एजेंटों को लक्षित क्षेत्र के आकार, स्थान और सीमाओं के बारे में पूर्व जानकारी दी जाती है, यह परिदृश्य मानता है कि एजेंटों के पास शून्य पूर्व जानकारी (zero prior information) है।

मुख्य चुनौतियाँ:
- अज्ञात लक्ष्य वितरण (Unknown Target Distribution): एजेंटों को लक्ष्य क्षेत्रों की खोज करने के लिए अन्वेषण (explore) करना होगा।
- एकाधिक विच्छेदित लक्ष्य (Multiple Disconnected Targets): मौजूदा एल्गोरिदम अक्सर कई, स्थानिक रूप से अलग या अनियमित आकार के लक्ष्य क्षेत्रों के साथ संघर्ष करते हैं।
- सुरक्षा बाधाएं (Safety Constraints): एजेंटों को टकराव से बचना चाहिए और क्षेत्र को कवर करते समय सेंसर ओवरलैप को रोकना चाहिए।
- स्थानीय न्यूनतम (Local Minima): ह्यूरिस्टिक तरीके (जैसे आर्टिफिशियल पोटेंशियल फील्ड्स) अक्सर स्थानीय न्यूनतम में फंस जाते हैं, जिससे वे वैश्विक इष्टतमता (global optimality) प्राप्त करने में विफल रहते हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक नया नियंत्रण ढांचा (control framework) प्रस्तावित करते हैं जो सेंट्रॉइडल वोरोनोई टेसेलेशन (CVT) को एक गतिशील रूप से निर्मित घनत्व फलन (dynamically constructed density function) और कंट्रोल बैरियर फंक्शन्स (CBFs) के साथ एकीकृत करता है। यह प्रणाली एक केंद्रीकृत नियंत्रण वास्तुकला (centralized control architecture) के तहत कार्य करती है।

A. गतिशील घनत्व फलन निर्माण (Dynamic Density Function Construction)

पूर्व-निर्धारित मानचित्र के बिना अज्ञात लक्ष्यों की ओर एजेंटों को निर्देशित करने के लिए, शोध पत्र में एक समय-परिवर्तनीय घनत्व फलन, $\phi(q, t)$ पेश किया गया है, जिसे इस प्रकार परिभाषित किया गया है:
$\phi(q, t) = \phi_0 + \sum_{i=1}^{N} \rho_i(t) \cdot \mathcal{G}(q; \mu_i, \sigma_i)$

$\phi_0$ : एक छोटा सकारात्मक स्थिरांक जो यह सुनिश्चित करता है कि घनत्व हर जगह सख्ती से सकारात्मक रहे।
$\rho_i(t)$ : एक बाइनरी स्विचिंग वेरिएबल (0 या 1)। यह केवल तभी 1 होता है जब एजेंट $i$ अपने सेंसर रेंज के भीतर एक लक्ष्य क्षेत्र का पता लगाता है।
$\mathcal{G}$ : डिटेक्टिंग एजेंट की स्थिति ( $\mu_i$ ) पर केंद्रित एक गॉसियन घटक (Gaussian component)।
तंत्र (Mechanism): जब कोई एजेंट एक लक्ष्य का पता लगाता है, तो वह घनत्व फलन में एक गॉसियन पीक (Gaussian peak) को "सक्रिय" कर देता है। जैसे-जैसे अधिक एजेंट एक ही या अलग-अलग लक्ष्यों का पता लगाते हैं, ये पीक्स एक-दूसरे के ऊपर अध्यारोपित (superimpose) होते हैं, जिससे एक मल्टीमॉडल घनत्व परिदृश्य बनता है जो अन्य एजेंटों को खोजे गए क्षेत्रों की ओर आकर्षित करता है।

B. CVT के माध्यम से कवरेज अनुकूलन (Coverage Optimization via CVT)

एजेंट एक लोकेशनल कॉस्ट फंक्शन $H(p, t)$ को कम करने का लक्ष्य रखते हैं, जो उनके वोरोनोई सेल्स (Voronoi cells) और एजेंटों के बीच भारित दूरी (weighted distance) को दर्शाता है:
$H(p, t) = \sum_{i=1}^{N} \int_{V_i} \|q - p_i\|^2 \phi(q, t) \, dq$

वोरोनोई विभाजन (Voronoi Partitioning): डोमेन को एजेंटों की स्थितियों के आधार पर वोरोनोई सेल्स $V_i$ में विभाजित किया जाता है।
सेंट्रॉइडल अभिसरण (Centroidal Convergence): एजेंट अपने संबंधित वोरोनोई सेल्स के सेंट्रॉइड ( $c_i$ ) की ओर बढ़ते हैं, जिसकी गणना वर्तमान घनत्व फलन के सापेक्ष की जाती है। यह एक इष्टतम स्थानिक वितरण सुनिश्चित करता है जहाँ एजेंटों को खोजे गए उच्च-घनत्व (लक्ष्य) क्षेत्रों में समान रूप से फैलाया जाता है।

C. CBF के माध्यम से सुरक्षा (Safety via Control Barrier Functions)

यह सुनिश्चित करने के लिए कि टकराव से बचा जा सके और गैर-ओवरलैपिंग सेंसर कवरेज बना रहे, नामित CVT नियंत्रण इनपुट को एक क्वाड्रेटिक प्रोग्राम (QP) का उपयोग करके संशोधित किया जाता है जो CBFs द्वारा बाधित है।

सुरक्षा सेट (Safety Set): एजेंटों के किसी भी जोड़े के बीच न्यूनतम सुरक्षा दूरी $d_{min}$ द्वारा परिभाषित।
QP फॉर्मूलेशन: प्रत्येक टाइम स्टेप पर, नियंत्रक सुरक्षा बाधा को संतुष्ट करते हुए नामित CVT इनपुट से विचलन को कम करने के लिए नियंत्रण इनपुट $u_i$ को हल करता है:
$\dot{h}_{ij}(t) + \gamma h_{ij}(t) \geq 0$
जहाँ $h_{ij}$ एजेंट $i$ और $j$ के बीच की दूरी से संबंधित बैरियर फंक्शन है।

3. मुख्य योगदान (Key Contributions)

पूर्व ज्ञान के बिना स्वायत्त पहचान: यह विधि एजेंटों को केवल स्थानीय सेंसर डेटा के आधार पर लक्ष्य क्षेत्रों को खोजने, पहचानने और कवर करने में सक्षम बनाती है, जिससे पूर्व-मानचित्रित वातावरण की आवश्यकता समाप्त हो जाती है।
एकाधिक विच्छेदित लक्ष्यों को संभालना: एकल निरंतर क्षेत्रों के लिए डिज़ाइन किए गए तरीकों के विपरीत, यह दृष्टिकोण नए लक्ष्यों के मिलने पर घनत्व फलन को गतिशील रूप से अपडेट करके कई, बिखरे हुए और अनियमित आकार के लक्ष्यों को स्वाभाविक रूप से संभालता है।
आकार-जागरूक वितरण (Size-Aware Distribution): घनत्व फलन स्पष्ट रूप से लक्ष्य के "महत्व" या आकार को एनकोड करता है। बड़े लक्ष्य अधिक ओवरलैपिंग गॉसियन पीक्स उत्पन्न करते हैं, जो स्पष्ट आकार अनुमान के बिना स्वाभाविक रूप से आनुपातिक रूप से अधिक एजेंटों को आकर्षित करते हैं।
औपचारिक सुरक्षा गारंटी: CBFs का एकीकरण एजेंटों के बीच टकराव से बचने की गणितीय गारंटी प्रदान करता है और अन्वेषण और कवरेज चरणों के दौरान सुरक्षित अंतर बनाए रखता है।

4. सिमुलेशन परिणाम (Simulation Results)

लेखकों ने विभिन्न कॉन्फ़िगरेशन के साथ पायथन सिमुलेशन का उपयोग करके एल्गोरिदम को मान्य किया:

परिदृश्य 1 (2 लक्ष्य, 10 एजेंट): एजेंट एक ग्रिड में शुरू हुए। दो अलग-अलग वर्गाकार लक्ष्यों का पता चलते ही, वे फैल गए, घनत्व पीक बनाए, और दोनों क्षेत्रों को समान रूप से कवर करने के लिए अभिसरित (converge) हुए। न्यूनतम अंतर-एजेंट दूरी सुरक्षा थ्रेशोल्ड ( $d_{min} = 0.64$ मी) से ऊपर रही।
परिदृश्य 2 (3 लक्ष्य, 15 एजेंट): सिस्टम तीन लक्ष्यों तक स्केल हुआ। एजेंट तीन अलग-अलग समूहों में स्व-संगठित हुए, क्लस्टरिंग या दोलन (oscillation) के बिना सभी लक्ष्यों को कुशलतापूर्वक कवर किया।
परिदृश्य 3 (विषम लक्ष्य, 15 एजेंट): विभिन्न आकारों के तीन लक्ष्यों का उपयोग किया गया। एल्गोरिदम ने लक्ष्यों के आकार के अनुपात में एजेंटों को सफलतापूर्वक वितरित किया (उदाहरण के लिए, सबसे बड़े लक्ष्य ने 6 एजेंटों को आकर्षित किया, सबसे छोटे ने 4 को), जो स्पष्ट ज्यामितीय ज्ञान के बिना आकार-जागरूकता (size-awareness) प्रदर्शित करता है।
प्रदर्शन मेट्रिक्स:
- टकराव बचाव (Collision Avoidance): न्यूनतम युग्म दूरी (pairwise distance) लगातार CBF द्वारा परिभाषित सुरक्षा थ्रेशोल्ड से ऊपर रही।
- अभिसरण (Convergence): प्रक्षेपवक्र (trajectories) सुचारू थे, जो बिना किसी अनावश्यक क्लस्टरिंग के समन्वित अभिसरण को दर्शाते हैं।

5. महत्व और सीमाएं (Significance and Limitations)

महत्व:

प्रस्तावित विधि सैद्धांतिक कवरेज कंट्रोल और वास्तविक दुनिया के अनुप्रयोगों के बीच के अंतर को पाटती है जहाँ वातावरण के मानचित्र उपलब्ध नहीं होते (जैसे आपदा प्रतिक्रिया, खोज और बचाव)।
यह मल्टी-टारगेट परिदृश्यों के लिए एक मजबूत समाधान प्रदान करता है, जो जटिल वातावरण में आम हैं लेकिन पारंपरिक सिंगल-रीजन एल्गोरिदम के लिए कठिन हैं।
CVT (इष्टतमता के लिए) और CBF (सुरक्षा के लिए) का संयोजन एक ऐसा नियंत्रण नियम बनाता है जो कुशल और सुरक्षित दोनों है।

सीमाएं और भविष्य का कार्य:

केंद्रीकृत निर्भरता (Centralized Dependency): वर्तमान दृष्टिकोण वैश्विक घनत्व फलन और वोरोनोई विभाजन की गणना करने के लिए एक केंद्रीकृत नियंत्रक पर निर्भर करता है। यह बहुत बड़े पैमाने के सिस्टम में स्केलेबिलिटी को सीमित करता है और 'सिंगल पॉइंट ऑफ फेल्योर' पेश करता है।
एजेंट विफलता के प्रति मजबूती: यदि कोई एजेंट विफल होता है या बाहर हो जाता है, तो केंद्रीकृत असाइनमेंट बाधित हो सकता है, जिससे लक्ष्य क्षेत्र का कुछ हिस्सा बिना कवर के रह सकता है।
भविष्य की दिशा: लेखक सहकारी परिवहन और पर्यावरणीय निगरानी के लिए वास्तविक दुनिया में तैनाती हेतु स्केलेबिलिटी और मजबूती में सुधार करने के लिए एल्गोरिदम के एक विकेंद्रीकृत संस्करण (decentralized version) को विकसित करने की योजना बना रहे हैं।