⚡ electrical engineering

Designing Control Barrier Functions Using a Dynamic Backup Policy

यह शोध पत्र एक इक्विलिब्रियम मैनिफोल्ड (equilibrium manifold) द्वारा पैरामीटराइज्ड बैकअप पॉलिसियों के एक परिवार को परिभाषित करके और एक संवर्धित स्टेट-एंड-रेफरेंस स्पेस (augmented state-and-reference space) में भविष्य के बाधा उल्लंघन की दूरी का मूल्यांकन करके, मनमाने बाधाओं वाले नॉनलीनियर कंट्रोल-एफिन (nonlinear control-affine) सिस्टम के लिए कंट्रोल बैरियर फंक्शन्स के निर्माण हेतु एक व्यवस्थित विधि प्रस्तावित करता है।

मूल लेखक: Victor Freire, Marco M. Nicotra

प्रकाशित 2026-06-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Victor Freire, Marco M. Nicotra

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 हाई-परफॉर्मेंस रेस कार चला रहे हैं जिसमें एक बहुत सख्त नियम है: आपको कभी भी ट्रैक की दीवारों से नहीं टकराना है, और आपको कभी भी गैस पेडल को इंजन की क्षमता से अधिक जोर से नहीं दबाना है।

अब, कल्पना कीजिए कि आप उस कार को एक विशिष्ट गंतव्य तक पहुँचने के लिए यथासंभव तेज़ चलाना चाहते हैं, लेकिन आप दुर्घटनाग्रस्त नहीं होना चाहते। यह वही समस्या है जिसका सामना इंजीनियर रोबोट या सेल्फ-ड्राइविंग कारों को प्रोग्राम करते समय करते हैं। उन्हें एक "सेफ्टी फ़िल्टर" (Safety Filter) की आवश्यकता होती है जो ड्राइवर के कमांड और कार के इंजन के बीच स्थित हो। यदि ड्राइवर कुछ खतरनाक करने की कोशिश करता है, तो फ़िल्टर सुरक्षा के लिए कार को धीरे से वापस सही दिशा में धकेलता है, बिना सवारी का मज़ा खराब किए।

यह शोध पत्र उस सेफ्टी फ़िल्टर को बनाने का एक नया, स्मार्ट तरीका पेश करता है। यहाँ उनके विचार का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. समस्या: "क्रिस्टल बॉल" (भविष्य देखने वाला गोला) मिलना कठिन है

आमतौर पर, किसी रोबोट को सुरक्षित रखने के लिए, इंजीनियर उसके चारों ओर एक सटीक "सुरक्षित क्षेत्र" का मानचित्र बनाने की कोशिश करते हैं। लेकिन जटिल मशीनों (जैसे एक रोबोटिक हाथ या संतुलन बनाने वाला पोल) के लिए, ऐसा मानचित्र बनाना अविश्वसनीय रूप से कठिन है। यदि मानचित्र गलत है, तो रोबोट टकरा सकता है। यदि मानचित्र बहुत अधिक सतर्क है, तो रोबोट कछुए की तरह चलता है।

2. समाधान: "बैकअप प्लान" रणनीति

लेखक एक दृष्टिकोण का सुझाव देते हैं जो "रेफरेंस गवर्नर" (Reference Governor) नामक अवधारणा से प्रेरित है। इसे इस प्रकार समझें:

एक भविष्य की हर संभावित आपदा का अनुमान लगाने के बजाय, सिस्टम एक सरल प्रश्न पूछता है: "यदि मैं अभी अपनी 'शानदार' हरकतें करना छोड़ दूँ और केवल अपने 'सेफ मोड' (बैकअप प्लान) पर स्विच कर दूँ, तो क्या मैं फिर भी सुरक्षित रहूँगा?"

"सेफ मोड" (बैकअप पॉलिसी): कल्पना कीजिए कि रोबोट के पास एक पूर्व-निर्धारित "पैनिक बटन" है। यदि आप इसे दबाते हैं, तो रोबोट तेज़ होने की कोशिश छोड़ देता है और बस खुद को एक सुरक्षित, स्थिर स्थिति में धीरे-धीरे संतुलित करता है।
परीक्षण: सिस्टम रोबोट की वर्तमान स्थिति को देखता है और पूछता है: "यदि मैं अभी पैनिक बटन दबा दूँ, तो क्या मैं रुकने से पहले ही दुर्घटनाग्रस्त हो जाऊँगा?"
- यदि उत्तर नहीं है (मैं सुरक्षित रहूँगा), तो रोब सहित रोबोट को जो चाहे करने की अनुमति है (तेज़ गाड़ी चलाना, हाथ हिलाना)।
- यदि उत्तर हाँ है (मैं रुकने से पहले ही टकरा जाऊँगा), तो सिस्टम तुरंत रोबोट को दुर्घटना से बचने के लिए धीमा कर देता है या दिशा बदलने के लिए मजबूर करता है।

3. नवाचार: बैकअप प्लान का एक "परिवार"

इस विचार के पिछले संस्करणों में एक दोष था: उनके पास केवल एक बैकअप प्लान था। यह एक इमारत में केवल एक आपातकालीन निकास होने जैसा था। यदि आप किसी कोने में होते, तो वह निकास बहुत दूर हो सकता था।

यह शोध पत्र एक डायनेमिक बैकअप पॉलिसी (Dynamic Backup Policy) पेश करता है।

उपमा: कल्पना कीजिए कि रोबोट के पास केवल एक आपातकालीन निकास नहीं है; उसके पास सुरक्षित निकासों का एक पूरा मोहल्ला है जो उसकी स्थिति के अनुसार बदलता रहता है।
सिस्टम एक "वर्चुअल रेफरेंस" (लक्ष्य बिंदु) का उपयोग करके वर्तमान स्थिति के लिए सर्वश्रेष्ठ बैकअप प्लान चुनता है। यह एक GPS की तरह है जो आपकी वर्तमान स्थिति के आधार पर तुरंत आपके लिए सबसे नजदीकी, सुरक्षित पार्किंग स्थल की गणना करता है, बजाय इसके कि आपको एक ही निश्चित पार्किंग लॉट तक जाने के लिए मजबूर करे।

4. यह कैसे काम करता है (गणितीय जादू)

इसे कंप्यूटर पर काम करने योग्य बनाने के लिए, लेखकों को दो कठिन समस्याओं को हल करना पड़ा:

"अनंत भविष्य" की समस्या: कंप्यूटर के लिए "हमेशा के लिए" सुरक्षित रहना जाँचना असंभव है।
- उनका समाधान: वे एक छोटे, प्रबंधनीय समय (जैसे 10 सेकंड) के लिए भविष्य की जाँच करते हैं। फिर, वे एक गणितीय गारंटी (एक "ल्यपुनोव" फंक्शन) का उपयोग करते हैं कि, "यदि आप इन 10 सेकंड के लिए सुरक्षित हैं और अंत में इस विशिष्ट 'सुरक्षित क्षेत्र' में पहुँच जाते हैं, तो आप उसके बाद हमेशा के लिए सुरक्षित रहने की गारंटी रखते हैं।"
"टेढ़ी-मेढ़ी किनारी" (Jagged Edge) की समस्या: कभी-कभी, "निकटतम सुरक्षित निकास" के लिए गणित जटिल और गणना करने में कठिन हो जाता है (जैसे कागज का मुड़ा हुआ टुकड़ा)।
- उनका समाधान: उन्होंने उन टेढ़ी-मेढ़ी किनारों को चिकना करने के लिए उन्नत गणितीय उपकरणों (जिन्हें क्लार्क जनरलाइज्ड जैकोबियन कहा जाता है) का उपयोग किया ताकि कंप्यूटर इस समस्या को तेज़ी से और विश्वसनीय रूप से हल कर सके।

5. प्रमाण: बैलेंसिंग पोल (संतुलन बनाने वाला पोल)

अपने विचार को सिद्ध करने के लिए, उन्होंने एक क्लासिक रोबोटिक्स चुनौती पर इसका परीक्षण किया: एक कार्ट पर उल्टा पेंडुलम (Inverted Pendulum on a Cart)।

सेटअप: कल्पना कीजिए कि एक चलती हुई कार्ट पर एक झाड़ू का डंडा संतुलित है। लक्ष्य यह है कि कार्ट को बिंदु A से बिंदु B तक ले जाना है बिना झाड़ू के गिरे या कार्ट के दीवारों से टकराए।
परिणाम: उन्होंने अपने नए "ट्रैजेक्टरी DSM-CBF" तरीके की तुलना अन्य तरीकों से की।
- "सामान्य" तरीका दुर्घटनाग्रस्त हो गया।
- "पुराना सुरक्षित" तरीका बहुत धीमा और अत्यधिक सतर्क था।
- "बैकअप" तरीका काम तो कर गया लेकिन सुस्त था।
- उनका नया तरीका: रोबोट ने अन्य तरीकों की तुलना में कार्ट को लक्ष्य तक तेज़ और अधिक सुचारू रूप से पहुँचाया, जबकि यह गारंटी भी दी कि वह कभी दीवारों से नहीं टकराएगा या झाड़ू नहीं गिराएगा।

सारांश

संक्षेप में, यह शोध पत्र इंजीनियरों को जटिल मशीनों के लिए "सेफ्टी फ़िल्टर" बनाने का एक व्यवस्थित नुस्खा प्रदान करता है। अनुमान लगाने के बजाय, सिस्टम लगातार पूछता है: "यदि मैं अभी अपने सबसे अच्छे 'सेफ मोड' पर स्विच कर दूँ, तो क्या मैं बच पाऊँगा?" यदि उत्तर हाँ है, तो मशीन तेज़ी से चलने के लिए स्वतंत्र है। यदि उत्तर नहीं है, तो मशीन सुरक्षित रहने के लिए बस उतना ही धीमा हो जाती है जितनी आवश्यकता है। यह रोबोट को एक ही समय में तेज़ और सुरक्षित दोनों होने की अनुमति देता है।

तकनीकी सारांश: एक डायनेमिक बैकअप पॉलिसी का उपयोग करके कंट्रोल बैरियर फंक्शन्स (CBFs) को डिजाइन करना

समस्या विवरण
कंट्रोल बैरियर फंक्शन्स (CBFs) स्टेट और इनपुट बाधाओं (constraints) के अधीन नॉनलीनियर कंट्रोल-एफाइन सिस्टम्स के लिए सेफ्टी फिल्टर्स को सिंथेसाइज करने हेतु स्थापित उपकरण हैं। हालांकि, मनमाने बाधाओं वाले सामान्य सिस्टम्स के लिए वैध CBFs का व्यवस्थित निर्माण अभी भी एक खुला प्रश्न बना हुआ है। जबकि अभ्यासी अक्सर स्लैक वेरिएबल्स (slack variables) के साथ ट्यून किए गए कैंडिडेट CBFs पर निर्भर करते हैं, उनमें कठोर सुरक्षा गारंटी का अभाव होता है। मौजूदा व्यवस्थित दृष्टिकोणों में मशीन लर्निंग, सम-ऑफ-स्क्वेयर्स ऑप्टिमाइज़ेशन, और बैकअप CBFs शामिल हैं जो पूर्व-निर्धारित पॉलिसियों का लाभ उठाते हैं। एक विशिष्ट अंतराल उन CBFs को डिजाइन करने में है जो मनमाने बाधाओं को कठोरता से संभाल सकें और साथ ही एक डायनेमिक, पैरामीटराइज्ड बैकअप रणनीति प्रदान करें, जो लाइपुनोव-आधारित (Lyapunov-based) विधियों की रूढ़िवादिता या पारंपरिक रेफरेंस गवर्नर (RG) दृष्टिकोणों की सुस्ती से बच सके।

कार्यप्रणाली (Methodology)
प्रस्तावित विधि एक संवर्धित स्टेट-एंड-रेफरेंस स्पेस ( $\mathbb{R}^n \times \mathbb{R}^l$ ) के भीतर CBFs का निर्माण करती है, जो रेफरेंस गवर्नर साहित्य और डायनेमिक सेफ्टी मार्जिन (DSMs) से प्रेरित है। मुख्य कार्यप्रणाली में निम्नलिखित चरण शामिल हैं:

सिस्टम सेटअप और धारणाएं: यह दृष्टिकोण बाधाओं के अधीन कंट्रोल-एफफाइन सिस्टम्स $\dot{x} = f(x) + g(x)u$ पर विचार करता है। यह एक इक्विलिब्रियम मैनिफोल्ड (equilibrium manifold) की उपस्थिति मानता है जो एक वर्चुअल रेफरेंस $v$ द्वारा पैरामीटराइज्ड है, साथ ही एक निरंतरतः अवकलनीय (continuously differentiable), स्थानीय रूप से स्थिर करने वाली कंट्रोल पॉलिसी $\pi(x, v)$ जो इक्विलिब्रियम $\bar{x}(v)$ को एसिम्प्टोटिकली स्टेबल बनाती है।
ट्रैजेक्टरी-आधारित DSM परिभाषा: लाइपुनोव फंक्शन्स के बजाय, लेखक "प्री-स्टेबलाइज्ड" सिस्टम (जहाँ कंट्रोल इनपुट $\pi(x, v)$ पर स्थिर है) की ट्रैजेक्टरी के आधार पर एक डायनेमिक सेफ्टी मार्जिन (DSM) $\Delta(x, v)$ को परिभाषित करते हैं। DSM भविष्य के समय क्षितिज (time horizon) में बाधा उल्लंघन की न्यूनतम दूरी को मापता है, यह मानते हुए कि संदर्भ $v$ स्थिर रहता है:
$\Delta(x, v) = \inf_{\tau \in [0, \infty)} c(\Phi(\tau, x, v), v)$
जहाँ $\Phi$ प्री-स्टेबलाइज्ड डायनेमिक्स का फ्लो है और $c$ बाधाओं का वर्णन करता है।
सेंसिटिविटी विश्लेषण (Sensitivity Analysis): CBF कंडीशन के लिए आवश्यक ली डेरिवेटिव्स (Lie derivatives) की गणना करने के लिए, पेपर फ्लो $\Phi$ के प्रारंभिक अवस्था $x$ ( $S_x$ ) और संदर्भ $v$ ( $S_v$ ) के सापेक्ष सेंसिटिविटी जैकोबियन्स (sensitivity Jacobians) को व्युत्पन्न करता है। यह सिद्ध करता है कि सौम्य धारणाओं (mild assumptions) के तहत, ये सेंसिटिविटी मैट्रिसेस $\tau \to \infty$ होने पर ज्ञात मानों की ओर अभिसरित (converge) होते हैं।
व्यवहार्य सूत्रीकरण (Tractable Formulation): अनंत क्षितिज की कम्प्यूटेशनल जटिलता और इन्फिमम फंक्शन की संभावित नॉन-स्मूथनेस को संबोधित करने के लिए, विधि निम्नलिखित का उपयोग करती है:
- टर्मिनल कंस्ट्रेंट्स के साथ परिमित क्षितिज (Finite Horizon): अनंत क्षितिज को $[0, T]$ तक सीमित किया गया है, जिसमें एक टर्मिनल DSM $\Delta_F$ (जैसे, लाइपुनोव-आधारित) $\tau > T$ के लिए इनवेरिएंस सुनिश्चित करता है।
- क्लार्क जनरलाइज्ड जैकोबियन्स (Clarke Generalized Jacobians): उन मामलों को संभालने के लिए जहाँ इन्फिमम अद्वितीय नहीं है (नॉन-स्मूथनेस), सुरक्षा फिल्टर बाधाओं को क्लार्क के जनरलाइज्ड जैकोबियन्स का उपयोग करके लागू किया जाता है, जिससे यह सुनिश्चित होता है कि CBF कंडीशन सभी सब-ग्रेडिएंट्स के लिए सत्य हो।
सेफ्टी फिल्टर कार्यान्वयन: परिणामी CBF का उपयोग एक क्वाड्रेटिक प्रोग्राम (QP) सेफ्टी फिल्टर में किया जाता है। यह फिल्टर एक नाममात्र कंट्रोलर $\kappa(x)$ और एक रेफरेंस नेविगेशन फील्ड $\rho(v)$ से विचलन को कम करता है, इस शर्त के अधीन कि DSM का समय व्युत्पन्न (सेंसिटिविटी जैकोबियन्स के माध्यम से गणना किया गया) CBF कंडीशन को संतुष्ट करता है।

मुख्य योगदान
यह पेपर चार विशिष्ट योगदानों के साथ पिछले DSM और बैकअप CBF कार्यों का विस्तार करता है:

पैरामीटराइज्ड बैकअप पॉलिसी: बैकअप पॉलिसी केवल एक स्थिर नीति नहीं है बल्कि सिस्टम के इक्विलिब्रियम मैनिफोल्ड द्वारा पैरामीटराइज्ड है। यह सुरक्षा फिल्टर को एक निश्चित बैकअप नीति के बजाय बैकअप पॉलिसियों के एक परिवार का उपयोग करने की अनुमति देता है।
डायनेमिक पैरामीट्राइजेशन: बैकअप पॉलिसी डायनेमिक है क्योंकि इसका पैरामीट्राइजेशन (संदर्भ $v$ ) समय के साथ परिवर्तनशील है, जो अधिक लचीला सुरक्षा प्रवर्तन (safety enforcement) की अनुमति देता है।
सेंसिटिविटी मैट्रिसेस की स्थिरता: लेखक कठोरता से प्रदर्शित करते हैं कि अंतर्निहित सेंसिटिविटी मैट्रिसेस ( $S_x$ और $S_v$ ) सौम्य धारणाओं के तहत एसिम्प्टोटिकली स्टेबल हैं, जो CBF डेरिवेटिव्स की गणना को सुगम बनाते हैं।
नॉन-स्मूथनेस को संभालना: परिणामी CBF की संभावित नॉन-स्मूथनेस को क्लार्क जनरलाइज्ड जैकोबियन्स का उपयोग करके कठोरता से संबोधित किया गया है, जिससे यह सुनिश्चित होता है कि सुरक्षा गारंटी तब भी बनी रहती है जब ट्रैजेक्टरी-आधारित न्यूनतम अद्वितीय नहीं होता है।

परिणाम
विधि को एक कार्ट पर इनवर्टेड पेंडुलम (inverted pendulum on a cart) पर मान्य किया गया है, जो इनपुट सैचुरेशन, कई बाधाओं, तीव्र नॉन-लिनियरिटी, उच्च रिलेटिव डिग्री और नॉन-मिनिमम फेज डायनेमिक्स द्वारा विशेषता वाला एक सिस्टम है। सिस्टम को स्टेट और इनपुट सीमाओं का सम्मान करते हुए एक प्रारंभिक स्थिति से लक्ष्य तक जाने का कार्य सौंपा गया है।

चार अन्य दृष्टिकोणों (नॉमिनल कंट्रोल, लाइपुनोव-आधारित DSM-CBF, रेफरेंस गवर्नर (ERG), और बैकअप CBF) के विरुद्ध तुलनात्मक सिमुलेशन दर्शाते हैं कि:

नॉमिनल कंट्रोलर बाधाओं को पूरा करने में विफल रहता है।
लाइपुनोव-आधारित DSM-CBF अत्यधिक रूढ़िवादी है, जिसके परिणामस्वरूप धीमी प्रदर्शन मिलता है।
रेफरेंस गवर्नर (ERG) दृष्टिकोण व्यवस्थित रूप से CBF-आधारित विधियों की तुलना में धीमा है।
बैकअप CBF (एक निश्चित बैकअप पॉलिसी का उपयोग करके) काम तो करता है लेकिन प्रस्तावित विधि की तुलना में धीमा है।
प्रस्तावित ट्रैजेक्टरी-आधारित DSM-CBF बेहतर प्रदर्शन प्राप्त करता है जबकि बाधा संतुष्टि सुनिश्चित करता है। लेखक इस प्रदर्शन को संदर्भ $v$ के माध्यम से बैकअप पॉलिसी को पैरामीटराइज करने से प्राप्त अतिरिक्त स्वतंत्रता के कारण देते हैं, जो सिस्टम को फिक्स्ड-पॉलिसी बैकअप की तुलना में बाधाओं को अधिक कुशलता से नेविगेट करने की अनुमति देता है।

महत्व और दावे
यह पेपर मनमाने बाधाओं वाले नॉनलीनियर सिस्टम्स के लिए वैध CBFs के निर्माण हेतु एक व्यवस्थित दृष्टिकोण प्रदान करने का दावा करता है, जो अनुमानित (heuristic) कैंडिडेट फंक्शन्स पर निर्भरता से आगे बढ़ता है। प्री-स्टेबलाइज्ड सिस्टम के ट्रैजेक्टरी प्रेडिक्शन का लाभ उठाकर, यह विधि CBFs की कठोर सुरक्षा और रेफरेंस गवर्नर्स के लचीलेपन के बीच के अंतर को पाटती है। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण कम्प्यूटेशनल रूप से व्यवहार्य है क्योंकि ट्रैजेक्टरी प्रेडिक्शन केवल वर्तमान अवस्था और संदर्भ पर निर्भर करता है, न कि ऑप्टिमाइजेशन वेरिएबल्स पर, जिससे MPC की तुलना में लागत नगण्य रहती है। यह कार्य स्थापित करता है कि ट्रैजेक्टरी विश्लेषण से प्राप्त डायनेमिक सेफ्टी मार्जिन वैध CBFs हैं, जो लाइपुनोव-आधारित निर्माणों के लिए एक कठोर विकल्प प्रदान करते हैं जो ओपन-लूप अनस्टेबल सिस्टम्स के लिए बहुत अधिक रूढ़िवादी हो सकते हैं।