⚡ electrical engineering

Stability of data-driven Koopman MPC with terminal conditions

यह शोध पत्र यह स्थापित करता है कि टर्मिनल स्थितियों के साथ मॉडल प्रिडिक्टिव कंट्रोल (MPC), जो कर्नेल एक्सटेंडेड डायनेमिक मोड डिकम्पोजिशन (kEDMD) के माध्यम से जनरेट किए गए डेटा-ड्रिवन कूपमैन सरोगेट मॉडल्स का उपयोग करता है, गैररेखीय प्रणालियों (nonlinear systems) के लिए रिकर्सिव फिजिबिलिटी और एसिम्प्टोटिक स्टेबिलिटी प्राप्त करता है, बशर्ते कि मॉडल एप्रोक्सिमेशन एरर एक आनुपातिक सीमा (proportional bound) को संतुष्ट करता हो।

मूल लेखक: Irene Schimperna, Lea Bold, Johannes Köhler, Karl Worthmann, Lalo Magni

प्रकाशित 2026-04-13

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Irene Schimperna, Lea Bold, Johannes Köhler, Karl Worthmann, Lalo Magni

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 कमरे के आर-पार चलना सिखाने की कोशिश कर रहे हैं ताकि वह ठोकर खाकर गिरे नहीं। आपके पास फर्श का सटीक ब्लूप्रिंट या रोबोट की मांसपेशियों (असली भौतिकी/true physics) की जानकारी नहीं है। लेकिन आपके पास अतीत में रोबोट के चलने के कुछ वीडियो क्लिप्स का एक ढेर है। आप इन क्लिप्स का उपयोग करके एक अनुमान लगाने वाली मशीन (एक सरोगेट मॉडल) बनाते हैं जो यह भविष्यवाणी करती है कि रोबोट अगला कदम कहाँ रखेगा।

यह पेपर इस बारे में है कि कैसे यह सुनिश्चित किया जाए कि भले ही आपकी अनुमान लगाने वाली मशीन एकदम सटीक न हो, फिर भी रोबोट सुरक्षित रूप से कमरे के केंद्र तक पहुँचे और वहीं रुक जाए, न कि इधर-उधर भटकता रहे या टकरा जाए।

यहाँ सरल उपमाओं (analogies) का उपयोग करके पेपर का विवरण दिया गया है:

1. समस्या: "अपूर्ण मानचित्र" (The Imperfect Map)

रोबोटिक्स और कंट्रोल की दुनिया में, हम अक्सर मॉडल प्रेडिक्टिव कंट्रोल (MPC) का उपयोग करते हैं। MPC को एक रोबोट के लिए जीपीएस नेविगेशन सिस्टम की तरह समझें। हर सेकंड, जीपीएस आगे देखता है, कुछ संभावित रास्तों का अनुकरण (simulate) करता है, सबसे अच्छा रास्ता चुनता है, और रोबोट को बताता है कि उसे अगला कदम कहाँ रखना है।

चुनौती: आमतौर पर, जीपीएस को एक सटीक मानचित्र की आवश्यकता होती है। लेकिन इस पेपर में, मानचित्र भौतिकी (physics) से नहीं, बल्कि डेटा (वीडियो क्लिप्स) से बनाया गया है।
जोखिम: क्योंकि मानचित्र एक अनुमान मात्र है, इसमें त्रुटियाँ (errors) हो सकती हैं। यदि जीपीएस बहुत अधिक गलत है, तो रोबोट सोच सकता है कि एक सुरक्षित रास्ता वास्तव में एक खाई है, या वह कभी रुक ही नहीं पाएगा।

2. समाधान: "सुरक्षा मार्जिन" और "आनुपातिक त्रुटियाँ" (Safety Margins and Proportional Errors)

लेखक इस बात का सुझाव देते हैं कि एक दोषपूर्ण मानचित्र के साथ भी यह काम कैसे किया जाए। वे दो मुख्य तरीकों का उपयोग करते हैं:

A. "सावधान चलने वाला" (Constraint Tightening)

कल्पना कीजिए कि आप धुंधले मानचित्र वाले एक संकीले गलियारे में चल रहे हैं। आप जानते हैं कि मानचित्र कुछ इंच गलत हो सकता है। इसलिए, सीधे बीच की रेखा पर चलने के बजाय, आप गलियारे के बीच में चलने का निर्णय लेते हैं, और दोनों तरफ एक बड़ा बफर ज़ोन छोड़ देते हैं।

पेपर में: वे मानचित्र की संभावित त्रुटियों को ध्यान में रखते हुए "सुरक्षित क्षेत्र" (constraints) को गणितीय रूप से सिकोड़ देते हैं। यह सुनिश्चित करता है कि भले ही भविष्यवाणी थोड़ी गलत हो, रोबोट वास्तविक सुरक्षित दीवारों के भीतर ही रहे।

B. "छंटती हुई धुंध" (Proportional Error)

यह इस पेपर का सबसे महत्वपूर्ण हिस्सा है।

खराब परिदृश्य: कल्पना कीजिए कि आपके मानचित्र पर एक स्थायी धब्बा है। आप लक्ष्य के कितने भी करीब क्यों न पहुँच जाएँ, वह धब्बा मानचित्र को 5 इंच गलत दिखाता रहेगा। आप लक्ष्य के करीब तो पहुँच सकते हैं, लेकिन आप कभी भी ठीक लक्ष्य पर नहीं रुक पाएंगे। इसे "प्रैक्टिकल स्टेबिलिटी" (पास पहुँचना, लेकिन पूर्णतः नहीं) कहा जाता है।
अच्छा परिदृश्य (पेपर की खोज): लेखक दिखाते हैं कि यदि आपका मानचित्र लक्ष्य के करीब आने पर छोटा होता जाता है, तो आप वास्तव में बिल्कुल सटीक रूप से रुक सकते हैं।
- उपमा: कल्पना कीजिए कि मानचित्र एक रबर की चादर जैसा है। जब आप दूर होते हैं, तो चादर खिंची हुई और धुंधली होती है (बड़ी त्रुटि)। लेकिन जैसे-जैसे आप लक्ष्य के करीब पहुँचते हैं, चादर वापस खिंच जाती है और एकदम स्पष्ट हो जाती है (बहुत छोटी त्रुटि)।
- गणित: वे इसे "प्रोपोरशनल एरर बाउंड" कहते हैं। इसका अर्थ है: त्रुटि = (स्थिरांक) × (लक्ष्य से दूरी)। यदि दूरी शून्य है, तो त्रुटि भी शून्य है।

3. जादुई उपकरण: "कूपमैन क्रिस्टल बॉल" (The Koopman Crystal Ball)

वे ऐसा मानचित्र कैसे बनाते हैं जो करीब आने पर स्पष्ट होता जाता है? वे kEDMD के साथ Koopman Operator नामक विधि का उपयोग करते हैं।

रूपक (Metaphor): कल्पना कीजिए कि रोबोट की गति एक अराजक नृत्य (chaotic dance) है। इसकी भविष्यवाणी करना कठिन है। लेकिन कूपमैन ऑपरेटर एक विशेष चश्मे की तरह है जो उस अराजक नृत्य को एक सरल, सीधी रेखा वाली स्लाइड में बदल देता है।
डेटा: वे वीडियो क्लिप्स से इस "सीधी रेखा वाली स्लाइड" को सीखने के लिए "कर्नेल एक्सटेंडेड डायनेमिक मोड डिकंपोजिशन" (kEDMD) का उपयोग करते हैं।
सुधार: लेखकों ने इस विधि को (जिसे PI-kEDMD कहा जाता है) थोड़ा बदला है ताकि यह सुनिश्चित किया जा सके कि मानचित्र केंद्र (लक्ष्य) पर एकदम सटीक हो। यह गारंटी देता है कि "धुंध" ठीक वहीं गायब हो जाएगी जहाँ रोबोट को रुकना है।

4. परिणाम: एक सुरक्षित आगमन

यह पेपर गणितीय रूप से सिद्ध करता है कि:

रिकर्सिव फिएसिबिलिटी (Recursive Feasibility): रोबोट कभी फंसेगा नहीं। धुंधले मानचित्र और सुरक्षा बफ़र्स के बावजूद, जीपीएस हमेशा आगे बढ़ने के लिए एक वैध रास्ता ढूँढ लेगा।
एसिम्प्टोटिक स्टेबिलिटी (Asymptotic Stability): रोबोट अंततः कमरे के ठीक केंद्र तक पहुँचेगा और रुक जाएगा। वह केवल करीब नहीं पहुँचेगा; वह बिल्कुल सटीक स्थान पर रुकेगा।

संक्षेप में (Summary in a Nutshell)

लेखकों ने रोबोट के लिए एक नेविगेशन सिस्टम बनाया है जो भौतिकी के बजाय डेटा से सीखता है। उन्होंने सिद्ध किया है कि यदि आप अपने लर्निंग सिस्टम को सावधानीपूर्वक इस तरह से बनाते हैं कि लक्ष्य के करीब आने पर उसकी गलतियाँ कम हो जाती हैं, तो रोबोट न केवल सुरक्षित रहेगा बल्कि ठीक वहीं रुकेगा जहाँ उसे रुकना चाहिए।

उन्होंने इसका परीक्षण एक सिम्युलेटेड "लहराते पेंडुलम" (Van der Pol oscillator) पर किया और दिखाया कि उनकी विधि मानक डेटा-ड्रिवन विधियों की तुलना में बहुत बेहतर काम करती है, जो अक्सर रोबोट को लक्ष्य से बस थोड़ा सा दूर हमेशा लहराते रहने के लिए छोड़ देती हैं।

यहाँ Schimperna et al. के शोध पत्र "Stability of data-driven Koopman MPC with terminal conditions" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र अज्ञात नॉनलीन डायनेमिकल सिस्टम्स (nonlinear dynamical systems) के लिए डेटा-ड्रिवन सरोगेट मॉडल्स (data-driven surrogate models) का उपयोग करके मॉडल प्रेडिक्टिव कंट्रोल (MPC) डिजाइन करने की चुनौती को संबोधित करता है।

मुख्य मुद्दा: मानक MPC स्थिरता प्रमाण (stability proofs) यह मानकर चलते हैं कि मॉडल प्लांट का सटीक वर्णन करता है। हालाँकि, डेटा-ड्रिवन मॉडल (जैसे कि कोपमान ऑपरेटर पर आधारित) स्वाभाविक रूप से अनुमान त्रुटियों (approximation errors) से युक्त होते हैं।
अंतराल (The Gap): मॉडल-प्लांट मिसमैच (model-plant mismatch) की उपस्थिति में, मानक MPC फॉर्मुलेशन अक्सर रिकर्सिव फिजिबिलिटी (recursive feasibility) (प्रत्येक समय चरण पर एक वैध नियंत्रण अनुक्रम खोजने की क्षमता) और एसिम्प्टोटिक स्टेबिलिटी (asymptotic stability) (इक्विलिब्रियम पॉइंट की ओर अभिसरण) सुनिश्चित करने में विफल रहते हैं।
विशिष्ट लक्ष्य: लेखक उन कठोर शर्तों को प्राप्त करने का लक्ष्य रखते हैं जिनके तहत एक MPC कंट्रोलर, टर्मिनल कंडीशंस (टर्मिनल कॉस्ट और टर्मिनल सेट) वाले डेटा-ड्रिवन सरोगेट मॉडल का उपयोग करके, अनुमान त्रुटियों के बावजूद वास्तविक अज्ञात सिस्टम को एसिम्प्टोटिकली स्थिर (asymptotically stabilize) कर सकता है। वे विशेष रूप से यह सुनिश्चित करने पर ध्यान केंद्रित करते हैं कि त्रुटि का स्तर (error bound) स्टेट और इनपुट नॉर्म्स के आनुपातिक (proportional) हो।

2. कार्यप्रणाली (Methodology)

A. सिस्टम सेटअप और धारणाएँ (System Setup and Assumptions)

प्लांट: एक डिस्क्रीट-टाइम नॉनलीन सिस्टम $x^+ = f(x, u)$ जिसमें अज्ञात डायनेमिक्स हैं, जहाँ मूल (origin) एक नियंत्रित इक्विलिब्रियम है।
सरोगेट मॉडल: कंट्रोलर एक डेटा-ड्रिवन अनुमान $x^+ = f^\varepsilon(x, u)$ का उपयोग करता है, जहाँ $\varepsilon$ अनुमान सटीकता (approximation accuracy) को दर्शाता है।
प्रमुख धारणा 1 (त्रुटि सीमाएँ): शोध पत्र आनुपातिक और समान त्रुटि सीमाओं (proportional and uniform error bounds) के अस्तित्व की धारणा रखता है:
$\|f(x, u) - f^\varepsilon(x, u)\| \leq \min\{c_x^\varepsilon \|x\| + c_u^\varepsilon \|u\|, \eta^\varepsilon\}$
महत्वपूर्ण रूप से, त्रुटि को स्टेट और इनपुट के शून्य होने पर शून्य होना चाहिए (आनुपातिकता), और जैसे-जैसे डेटा घनत्व बढ़ता है ( $\varepsilon \to 0$ ), स्थिरांक (constants) भी शून्य की ओर बढ़ने चाहिए।
धारणा 2 (टर्मिनल कंडीशंस): टर्मिनल कॉस्ट $V_f^\varepsilon$ और टर्मिनल सेट $X_f^\varepsilon$ को सरोगेट मॉडल के आधार पर इस प्रकार डिजाइन किया गया है कि वे टर्मिनल सेट के भीतर लयापुनोव डिक्रीज (Lyapunov decrease) की शर्तों को पूरा करें।

B. कंस्ट्रेंट टाइटनिंग के साथ MPC फॉर्मुलेशन (MPC Formulation with Constraint Tightening)

मॉडल त्रुटियों के बावजूद रिकर्सिव फिजिबिलिटी सुनिश्चित करने के लिए, लेखक कंस्ट्रेंट टाइटनिंग (constraint tightening) को शामिल करते हैं:

प्रेडिक्शन होराइजन $k$ के साथ बढ़ने वाले मार्जिन द्वारा ऑप्टिमाइजेशन समस्या में स्टेट कंस्ट्रेंट्स को टाइट (tighten) किया जाता है।
स्टेप $k$ पर टाइट किया गया कंस्ट्रेंट सेट $S \ominus B_{\bar{c}(k)\eta^\varepsilon}$ द्वारा परिभाषित है, जहाँ $\bar{c}(k)$ सरोगेट मॉडल के लिप्सचिट्ज कॉन्स्टेंट (Lipschitz constant) और यूनिफॉर्म एरर बाउंड $\eta^\varepsilon$ पर निर्भर करता है।
यह सुनिश्चित करता है कि भले ही मॉडल त्रुटि के कारण वास्तविक सिस्टम अनुमानित प्रक्षेपवक्र (predicted trajectory) से विचलित हो जाए, वास्तविक स्टेट मूल फेसिबल सेट $S$ के भीतर रहे।

C. स्थिरता विश्लेषण (Stability Analysis)

लेखक थ्योरम 1 (Theorem 1) को सिद्ध करते हैं, जो स्थापित करता है कि:

रिकर्सिव फिजिबिलिटी: यदि प्रारंभिक अवस्था (initial state) फेसिबल है, तो भविष्य के सभी समय चरणों के लिए ऑप्टिमाइजेशन समस्या फेसिबल बनी रहेगी।
एसिम्प्टोटिक स्टेबिलिटी: ओरिजिन (origin) क्लोज्ड-लूप सिस्टम के लिए एसिम्प्टोटिकली स्टेबल है।

प्रूफ लॉजिक: प्रमाण इष्टतम वैल्यू फंक्शन (optimal value function) $V_N^\varepsilon$ को लयापुनोव कैंडिडेट के रूप में उपयोग करता है। यह प्रदर्शित करता है कि वैल्यू फंक्शन में कमी (decrease) की गारंटी है क्योंकि आनुपातिक त्रुटि सीमा (proportional error bound) यह सुनिश्चित करती है कि जैसे-जैसे सिस्टम ओरिजिन की ओर बढ़ता है, प्रेडिक्शन एरर भी शून्य होता जाता है। यह टर्मिनल कॉस्ट को ओरिजिन के पास एरर टर्म्स पर हावी होने की अनुमति देता है।

D. डेटा-ड्रिवन कार्यान्वयन: कर्नल EDMD (Kernel EDMD - kEDMD)

शोध पत्र Kernel Extended Dynamic Mode Decomposition (kEDMD) के साथ इन सैद्धांतिक स्थिरता शर्तों को जोड़ता है:

कोपमान ऑपरेटर (Koopman Operator): यह विधि कोपमान ऑपरेटर का उपयोग करके नॉनलीन सिस्टम को उच्च-आयामी (संभावित रूप से अनंत) लीनियर स्पेस में ले जाती है।
PI-kEDMD: लेखक एक विशिष्ट संस्करण का उपयोग करते हैं जिसे फिजिक्स-इन्फॉर्म्ड kEDMD (PI-kEDMD) कहा जाता है।
- मानक kEDMD को कंट्रोल-एफिन (control-affine) सिस्टम्स के लिए विस्तारित किया गया है।
- महत्वपूर्ण संशोधन: आनुपातिक त्रुटि सीमा की आवश्यकता को पूरा करने के लिए, ओरिजिन ( $x=0$ ) पर रिग्रेशन समस्या को $f^\varepsilon(0, 0) = 0$ लागू करने के लिए संशोधित किया गया है।
सैद्धांतिक गारंटी: थ्योरम 2 ([26] का संदर्भ देते हुए) पुष्टि करता है कि PI-kEDMD मॉडल्स आवश्यक आनुपातिक त्रुटि सीमाओं ( $c_x^\varepsilon \|x\| + c_u^\varepsilon \|u\|$ ) को संतुष्ट करते हैं, बशर्ते कि डेटा फिल डिस्टेंस (fill distance) और क्लस्टर रेडियस पर्याप्त रूप से छोटे हों।

3. मुख्य योगदान (Key Contributions)

टर्मिनल MPC के लिए कठोर स्थिरता प्रमाण: पिछले कार्यों के विपरीत, जो अक्सर प्रैक्टिकल स्टेबिलिटी (एक पड़ोस तक अभिसरण) पर निर्भर थे या जिनके लिए अनंत होराइजन की आवश्यकता थी, यह शोध पत्र मॉडल त्रुटियों की उपस्थिति में फाइनाइट होराइजन और टर्मिनल कंडीशंस के साथ MPC के लिए एसिम्प्टोटिक स्टेबिलिटी को सिद्ध करता है।
आनुपातिक त्रुटि सीमा की आवश्यकता: शोध पत्र ने यह पहचान और सिद्ध किया है कि आनुपातिकता (proportionality) (त्रुटि $\propto$ स्टेट/इनपुट परिमाण) ही एसिम्प्टोटिक स्टेबिलिटी के लिए महत्वपूर्ण शर्त है, जो इसे यूनिफॉर्म बाउंड्स से अलग करती है जो केवल प्रैक्टिकल स्टेबिलिटी की गारंटी देते हैं।
kEDMD के साथ एकीकरण: लेखक प्रदर्शित करते हैं कि कैसे PI-kEDMD स्वाभाविक रूप से इन आनुपातिक त्रुटि सीमाओं को संतुष्ट करता है, जिससे एक स्थिर डेटा-ड्रिवन MPC कंट्रोलर बनाने के लिए एक रचनात्मक ढांचा (constructive framework) प्रदान होता है।
कंस्ट्रेंट टाइटनिंग रणनीति: वे रिकर्सिव फिजिबिलिटी की गारंटी देने के लिए लिप्सचिट्ज कॉन्स्टेंट और यूनिफॉर्म एरर बाउंड पर आधारित एक विशिष्ट कंस्ट्रेंट टाइटनिंग पद्धति प्रदान करते हैं।

4. परिणाम (संख्यात्मक केस स्टडी) (Results - Numerical Case Study)

इस फ्रेमवर्क का परीक्षण कंट्रोल्ड वेंडर पोल ऑसिलेटर (controlled van der Pol oscillator) के यूलर डिस्क्रीटाइजेशन (Euler discretization) पर किया गया:

सेटअप: दो परिदृश्यों की तुलना विभिन्न वर्चुअल ऑब्जर्वेशन पॉइंट्स ( $d=352$ और $d=1327$ ) का उपयोग करके की गई।
तुलना:
- मानक kEDMD: ओरिजिन पर आनुपातिक बाउंड लागू करने के लिए विशिष्ट संशोधन के बिना, सिस्टम ने प्रैक्टिकल एसिम्प्टोटिक स्टेबिलिटी प्रदर्शित की। त्रुटि एक गैर-शून्य (non-zero) स्थिरांक मान पर स्थिर हो गई।
- PI-kEDMD: $f^\varepsilon(0,0)=0$ लागू करने वाले संशोधित रिग्रेशन के साथ, सिस्टम ने वास्तविक एसिम्प्टोटिक स्टेबिलिटी प्राप्त की, जिससे स्टेट एरर शून्य हो गया।
प्रदर्शन: PI-kEDMD दृष्टिकोण ने कम प्रेडिक्शन होराइजन ( $N=4$ और $N=9$ ) के साथ सफल स्थिरीकरण की अनुमति दी, जो टर्मिनल कंडीशन डिजाइन की प्रभावकारिता को दर्शाता है।

5. महत्व और सीमाएं (Significance and Limitations)

महत्व:

यह कार्य सैद्धांतिक नियंत्रण स्थिरता और आधुनिक डेटा-ड्रिवन लर्निंग के बीच के अंतर को पाटता है। यह "ब्लैक-बॉक्स" या "ग्रे-बॉक्स" कोपमान मॉडल्स को सुरक्षा-महत्वपूर्ण (safety-critical) नियंत्रण अनुप्रयोगों में उपयोग करने के लिए एक गणितीय रूप से कठोर मार्ग प्रदान करता है जहाँ एसिम्प्टोटिक कन्वर्जेंस की आवश्यकता होती है।
यह प्रमाणित करता है कि सही डेटा प्रोसेसिंग (PI-kEDMD) और कंट्रोल डिजाइन (टर्मिनल कंडीशंस + टाइटनिंग) के साथ, डेटा-ड्रिवन MPC मॉडल-आधारित MPC जितना ही मजबूत हो सकता है।

सीमाएं और भविष्य का कार्य:

रूढ़िवादी कंस्ट्रेंट टाइटनिंग (Conservative Constraint Tightening): वर्तमान विधि लिप्सचिट्ज कॉन्स्टेंट पर आधारित कंस्ट्रेंट टाइटनिंग का उपयोग करती है, जो प्रेडिक्शन होराइजन के साथ अनबाउंड होकर बढ़ती है। यह ऑप्टिमाइजेशन समस्या को लंबे होराइजन या उच्च-त्रुटि वाले मॉडल्स के लिए निष्फल (infeasible) बना सकता है।
भविष्य की दिशा: लेखक सुझाव देते हैं कि कंजर्वेटिवनेस को कम करने और लंबे प्रेडिक्शन होराइजन की अनुमति देने के लिए लिप्सचिट्ज-आधारित टाइटनिंग को अधिक परिष्कृत तकनीकों से बदला जा सकता है, जैसे कि इन्क्रीमेंटल स्टेबिलाइज़ेबिलिटी (जैसा कि [22] में देखा गया है) पर आधारित तकनीकें।