MADR: MPC-guided Adversarial DeepReach
MADR एक नवीन ढांचा प्रस्तुत करता है जो पारंपरिक हैमिल्टन-जैकबी पहुंच क्षमता (Hamilton-Jacobi reachability) और भौतिकी-सूचित गहन शिक्षण (physics-informed deep learning) की सीमाओं को दूर करने के लिए मॉडल प्रेडिक्टिव कंट्रोल मार्गदर्शन के साथ एडवरसेरियल डीप लर्निंग को जोड़ता है, जिससे सिम्युलेटेड और वास्तविक रोबोटिक सिस्टम दोनों पर बेहतर अभिसरण (convergence) और प्रदर्शन के साथ सुदृढ़, उच्च-आयामी, दो-खिलाड़ी शून्य-योग खेल (two-player zero-sum game) समाधान सक्षम होते हैं।
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 एक ऐसी दुनिया की जहाँ रोबोटों को न केवल स्थिर बाधाओं जैसे दीवारों या पेड़ों के बीच से रास्ता बनाना है, बल्कि अप्रत्याशित बलों और यहाँ तक कि उन अन्य एजेंटों के बीच भी नेविगेट करना है जो सक्रिय रूप से उन्हें रोकने की कोशिश कर रहे हैं। यह स्वायत्त प्रणालियों (autonomous systems) की वास्तविकता है, जैसे तूफानी मौसम में उड़ते ड्रोन या भीड़भाड़ वाली जगहों में चलते रोबोट। इन मशीनों को सुरक्षित रखने के लिए, इंजीनियर एक गणितीय ढांचे पर भरोसा करते हैं जो एक सरल लेकिन गहन प्रश्न पूछता है: एक शुरुआती बिंदु और नियमों के एक सेट को देखते हुए, क्या कोई रोबोट यह गारंटी दे सकता है कि वह बिना टकराए अपने लक्ष्य तक पहुँच जाएगा, भले ही सब कुछ गलत हो जाए? यह ढांचा, जिसे 'रीचेबिलिटी एनालिसिस' (reachability analysis) कहा जाता है, रोबोट के लिए एक "सुरक्षित क्षेत्र" (safe zone) की गणना करता है। यदि रोबोट इस क्षेत्र के भीतर रहता है, तो यह गणितीय रूप से गारंटी देता है कि वह किसी भी सबसे खराब स्थिति (worst-case scenario) में जीवित रहेगा, चाहे वह हवा का अचानक झोंका हो या किसी प्रतिद्वंद्वी रोबोट द्वारा उसे रोकने की कोशिश। हालाँकि, दशकों तक, यह शक्तिशाली उपकरण अपने ही बनाए पिंजरे में कैद रहा है। जैसे-जैसे चरों (variables) की संख्या बढ़ती है, इन सुरक्षित क्षेत्रों को मैप करने के लिए आवश्यक गणित अविश्वसनीय रूप से जटिल होता जाता है। कुछ गतिशील भागों वाला रोबोट मॉडल करना आसान है, लेकिन कई सेंसरों और गतिशील भागों वाला एक ड्रोन इतनी विशाल समस्या पैदा करता है कि पारंपरिक कंप्यूटर इसे उचित समय में हल नहीं कर सकते। यह सीमा, जिसे अक्सर 'डाइमेंशनलिटी का अभिशाप' (curse of dimensionality) कहा जाता है, सबसे कठोर सुरक्षा गारंटी को वास्तविक दुनिया की उच्च-आयामी मशीनों की पहुँच से दूर रखे हुए है।
शोधकर्ताओं की एक टीम ने अब MADR नामक एक नए दृष्टिकोण के साथ इस बाधा को तोड़ दिया है, जिसका अर्थ है MPC-गाइडेड एडवर्सरियल डीपरीच (MPC-guided Adversarial DeepReach)। इसका मूल विचार एक कंप्यूटर को दो अलग-अलग तरीकों को मिलाकर इन सुरक्षित क्षेत्रों के आकार को सीखना सिखाना है। पहला एक डीप लर्निंग तकनीक है जो अपने आप अंतर्निहित भौतिकी समीकरणों को हल करने की कोशिश करती है, लेकिन यह अक्सर तेजी से या सटीकता से सही उत्तर पर अभिसरण (converge) करने में संघर्ष करती है। दूसरा एक प्लानिंग टूल है जिसका उपयोग रोबोट अपने अगले कदम का निर्णय लेने के लिए करते हैं, जो सेकंडों में हजारों संभावित भविष्यों का अनुकरण (simulate) कर सकता है। शोधकर्ताओं ने महसूस किया कि यदि वे उस प्लानिंग टूल का उपयोग उन उच्च-गुणवत्ता वाले उदाहरणों को उत्पन्न करने के लिए करते हैं कि कैसे एक रोबोट और एक विरोधी (adversary) आपस में क्रिया करेंगे, तो वे उन उदाहरणों का उपयोग सीखने की प्रक्रिया को निर्देशित करने के लिए कर सकते हैं। कंप्यूटर को अंधेरे में अनुमान लगाने देने के बजाय, उन्होंने इसे सिम्युलेट किए गए युद्धों के परिणाम दिए, जहाँ एक एजेंट सुरक्षित रहने की कोशिश करता है और दूसरा टक्कर होने के लिए मजबूर करने की कोशिश करता है। इस मार्गदर्शन ने सिस्टम को पहले की तुलना में बहुत तेज़ी से और बहुत अधिक सटीकता के साथ सुरक्षित क्षेत्रों को सीखने में मदद की।
टीम ने सरल द्वि-आयामी खेलों से लेकर ड्रोनों और ह्यूमनॉइड रोबोटों को शामिल करने वाले जटिल, उच्च-आयामी सिमुलेशन तक, विविध चुनौतीपूर्ण परिदृश्यों पर इस पद्धति का परीक्षण किया। एक प्रयोग में, उन्होंने एक खंभे की ओर तेज़ गति से उड़ते हुए ड्रोन का मॉडल बनाया जो तेज़, अप्रत्याशित हवा का सामना कर रहा था। नए तरीके ने लगभग सभी मामलों में ड्रोन को सुरक्षित रखने में सफलता प्राप्त की, जबकि पिछले दृष्टिकोण तब विफल रहे जब हवा विशेष रूप से तीव्र थी। एक अन्य परीक्षण में, उन्होंने दो रोबोटों के बीच 'टैग' (पकड़ने का खेल) के खेल का अनुकरण किया, जहाँ एक दूसरे को पकड़ने की कोशिश करता है। सिस्टम ने ऐसी रणनीतियाँ सीखीं जो सैद्धांतिक रूप से सर्वोत्तम संभव समाधान के लगभग बराबर थीं, जो कि ऐसे जटिल सिस्टम के लिए पहले असंभव माना जाता था। शोधकर्ताओं ने अपने काम को कंप्यूटर से बाहर निकालकर वास्तविक दुनिया में भी उतारा। उन्होंने छोटे ड्रोनों और ग्राउंड रोबोटों को अपने नए सुरक्षा सॉफ्टवेयर से लैस किया और मोशन-कैप्चर एरिना में पीछा करने और बचने के खेल खेलते हुए देखा। यहाँ तक कि जब रोबोट मिनटों तक उड़ रहे थे, जो उनके प्रशिक्षण के लिए उपयोग किए गए संक्षिप्त सिमुलेशन से कहीं अधिक लंबा समय था, सिस्टम ने अपना प्रदर्शन बनाए रखा। रोबोटों ने सफलतापूर्वक या तो पकड़े जाने से बचा या अपने लक्ष्यों को पकड़ा, जिससे यह प्रदर्शित हुआ कि प्रशिक्षण के कुछ सेकंडों में सीखी गई सुरक्षा गारंटी लंबे समय तक भी सत्य बनी रह सकती है।
यह उपलब्धि विशेष रूप से महत्वपूर्ण है कि यह सिस्टम "विरोधी" (adversary) को कैसे संभालता है। कई सुरक्षा प्रणालियों में, कंप्यूटर मान लेता है कि सबसे खराब स्थिति एक यादृच्छिक, अराजक विक्षोभ (disturbance) है। लेकिन टैग के खेल या सैन्य ड्रोन मुठभेड़ में, प्रतिद्वंद्वी बुद्धिमान और सुविचारित होता है। नया ढांचा प्रतिद्वंद्वी को एक रणनीतिक खिलाड़ी के रूप में मानता है जो सक्रिय रूप से रोबोट की सुरक्षा को कम करने की कोशिश कर रहा है। इस विशिष्ट प्रकार के बुद्धिमान विरोध की भविष्यवाणी करने के लिए सिस्टम को प्रशिक्षित करके, परिणामी सुरक्षा क्षेत्र अधिक मजबूत होते हैं। शोधकर्ताओं ने पाया कि जब उन्होंने अपनी पद्धति की अन्य अत्याधुनिक तकनीकों के साथ तुलना की, तो उनके दृष्टिकोण ने लगातार सुरक्षित पथ और रोबोट कहाँ जा सकता है, इसके अधिक सटीक भविष्यवाणियाँ प्रदान कीं। हार्डवेयर परीक्षणों में, रोबोट जटिल युद्धाभ्यास करने में सक्षम थे, जैसे कि मानव ऑपरेटर से बचने के लिए नीचे की ओर गोता लगाना या एक ग्राउंड रोबोट द्वारा प्रतिद्वंद्वी को घेरना, और यह सब नए एल्गोरिदम द्वारा गणना की गई सख्त सुरक्षा सीमाओं का पालन करते हुए किया गया।
इस कार्य की सफलता यह सुझाव देती है कि हम एक ऐसे भविष्य के करीब पहुँच रहे हैं जहाँ स्वायत्त प्रणालियाँ अत्यधिक सतर्क या धीमी हुए बिना, गतिशील और अप्रत्याशित वातावरण में सुरक्षित रूप से कार्य कर सकती हैं। कठोर गणितीय सिद्धांत और व्यावहारिक, डेटा-संचालित शिक्षण के बीच की खाई को पाटकर, शोधकर्ताओं ने दिखाया है कि यह कल की जटिल मशीनों के लिए सुरक्षा गारंटी को स्केल करना संभव है। यह सिस्टम केवल यह अनुमान नहीं लगाता कि कहाँ सुरक्षित है; यह सबसे खराब अंतःक्रियाओं से सीखता है ताकि एक ऐसा ढाल बना सके जो तब भी कायम रहे जब खेल के नियम किसी प्रतिद्वंद्वी द्वारा खेले जा रहे हों। यह कोई जादू की छड़ी नहीं है जो हर समस्या को तुरंत हल कर देती है, बल्कि एक ठोस कदम है जो इंजीनियरों को कठिन कार्यों के साथ रोबोटों को भरोसे के साथ सौंपने की अनुमति देता है, यह जानते हुए कि उनकी सुरक्षा के पीछे का गणित दुनिया की सबसे खराब परिस्थितियों के विरुद्ध परीक्षित है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।