⚡ electrical engineering

Distributionally Robust Acceleration Control Barrier Filter for Efficient UAV Obstacle Avoidance

यह शोध पत्र एक वितरण रूप से सुदृढ़ त्वरण नियंत्रण बाधा फ़िल्टर (distributionally robust acceleration control barrier filter) प्रस्तावित करता है जो द्वितीय-क्रम सुरक्षा बाधाओं, जोखिम-जागरूक अनिश्चितता शमन और निरंतर-समय प्रक्षेपों को एकीकृत करके यूएवी (UAVs) के लिए कुशल और सुरक्षित वास्तविक समय गतिशील बाधा निवारण सुनिश्चित करता है, जिससे अत्याधुनिक विधियों के तुलनीय प्रदर्शन प्राप्त होता है और साथ ही काफी कम कम्प्यूटेशनल ओवरहेड भी मिलता है।

मूल लेखक: Dnyandeep Mandaokar, Bernhard Rinner

प्रकाशित 2026-03-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dnyandeep Mandaokar, Bernhard Rinner

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 व्यस्त, शोर-शराबे वाले शहर के पार्क में एक ड्रोन उड़ा रहे हैं। अचानक, पक्षियों का एक झुंड, एक दौड़ता हुआ व्यक्ति, और एक दूसरा ड्रोन अलग-अलग दिशाओं से आपकी ओर तेजी से आते हैं। आपके पास प्रतिक्रिया देने के लिए एक सेकंड का भी हिस्सा है। यदि आप बहुत देर तक प्रतीक्षा करते हैं, तो आप टकरा जाएंगे। यदि आप बहुत अधिक प्रतिक्रिया देते हैं, तो आप नियंत्रण खोकर अनियंत्रित हो सकते हैं।

यह शोध पत्र एक नए "मस्तिष्क" को प्रस्तुत करता है जो ड्रोनों को बिना किसी सुपरकंप्यूटर की आवश्यकता के इन बाधाओं से अत्यंत तेज़ी से बचने में मदद करता है।

यहाँ उनके आविष्कार, DR-ACBF का विवरण दिया गया है, जिसे सरल उपमाओं (analogies) का उपयोग करके समझाया गया है:

1. समस्या: पुराने ड्रोनों का "धीमा मस्तिष्क"

अधिकांश वर्तमान सुरक्षा प्रणालियाँ ड्रोनों के लिए एक गणितीय पहेली हल करने वाले (mathematical puzzle solver) की तरह काम करती हैं। जब कोई बाधा सामने आती है, तो ड्रोन का कंप्यूटर सब कुछ रोक देता है, एक जटिल समीकरण (जिसे क्वाड्रेटिक प्रोग्राम या QP कहा जाता है) को हल करने की कोशिश करता है ताकि एक आदर्श पथ मिल सके, और फिर चलता है।

उपमा: कल्पना कीजिए कि आप कार चला रहे हैं, और अचानक एक हिरण आपके सामने आ जाता है। केवल ब्रेक लगाने के बजाय, आपकी कार रुक जाती है, एक कैलकुलेटर निकालती है, यह पता लगाने के लिए एक जटिल भौतिकी की समस्या हल करती है कि पेडल को कितनी जोर से दबाना है, और फिर ब्रेक लगाती है। जब तक वह गणित पूरा कर लेती है, तब तक आप हिरण से टकरा चुके होते हैं।
समस्या: यह "पहेली सुलझाने" की प्रक्रिया बहुत अधिक समय और बैटरी शक्ति लेती है, विशेष रूप से छोटे ड्रोनों के लिए जिनके पास कमजोर कंप्यूटर होते हैं।

2. समाधान: "ट्रैफिक पुलिस" (DR-ACBF)

लेखकों ने एक नई प्रणाली बनाई है जिसे डिस्ट्रीब्यूशनली रोबस्ट एक्सीलरेशन कंट्रोल बैरियर फ़िल्टर (DR-ACBF) कहा जाता है। हर बार एक जटिल पहेली सुलझाने के बजाय, यह एक ट्रैफिक पुलिस की तरह काम करता है जो सरल, तत्काल निर्देश देता है।

यह कैसे काम करता है, चरण-दर-चरण यहाँ दिया गया है:

A. "सुरक्षित क्षेत्र" बनाना (हाफ-स्पेस)

एक पूरा नया रास्ता कैलकुलेट करने के बजाय, यह सिस्टम हवा में एक साधारण अदृश्य दीवार खींच देता है।

उपमा: कल्पना कीजिए कि हवा में एक विशाल, अदृश्य बाड़ (fence) बनी है। ड्रोन को बताया जाता है: "जब तक तुम इस दिशा में (बाड़ के सुरक्षित पक्ष की ओर) अपने इंजन को धकेलते हो, तुम सुरक्षित हो। यदि तुम दूसरी ओर धकेलते हो, तो तुम टकरा जाओगे।"
यह बेहतर क्यों है: एक बाड़ के सही पक्ष पर होने की जाँच करना तुरंत हो जाता है। इसके लिए जटिल गणित की आवश्यकता नहीं होती। यह एक कठिन पहेली को एक सरल "हाँ/नहीं" की जाँच में बदल देता है।

B. "क्रिस्टल बॉल" (अनिश्चितता को संभालना)

ड्रोन सब कुछ पूरी तरह से नहीं देख सकते। उनके सेंसर धुंधले हो सकते हैं, या उनकी प्रतिक्रिया समय (latency) में मामूली देरी हो सकती है।

उपमा: कल्पना कीजिए कि आप कोहरे में चल रहे हैं। आप जानते हैं कि वहाँ एक व्यक्ति है, लेकिन आप 100% निश्चित नहीं हैं कि वह ठीक कहाँ है। एक समझदार चलने वाला व्यक्ति वहाँ नहीं जाता जहाँ उसे लगता है कि व्यक्ति है; बल्कि वह एक बफर ज़ोन (अतिरिक्त स्थान) छोड़ देता है, ताकि यदि वह गलत भी हो, तो सुरक्षित रहे।
नवाचार: यह प्रणाली (Cantelli tightening) का उपयोग करती है जो स्वचालित रूप से यह गणना करती है कि सेंसर डेटा कितना अस्थिर होने पर उस "बफर ज़ोन" को कितना बड़ा होना चाहिए। यदि डेटा धुंधला है, तो सुरक्षित क्षेत्र बड़ा हो जाता है। यदि डेटा स्पष्ट है, तो यह छोटा हो जाता है, जिससे ड्रोन करीब और तेज़ी से उड़ पाता है।

C. "अर्ली वार्निंग सायरन" (DR-CVaR)

कभी-कभी, कोई बाधा दूर होती है लेकिन बहुत तेज़ गति से चलती है। एक सामान्य प्रणाली बाधा के करीब आने तक प्रतिक्रिया देने का इंतज़ार कर सकती है।

उपमा: स्मोक डिटेक्टर (धुआं पहचानने वाले यंत्र) के बारे में सोचें। एक मानक डिटेक्टर तब तक चिल्लाता नहीं है जब तक धुआं घना न हो जाए। यह नई प्रणाली एक सुपर-स्मार्ट डिटेक्टर की तरह है जो धुएं की संभावना को सूंघ लेती है। यह कहती है, "हे, वह आग गर्म हो रही है और इस दिशा में बढ़ रही है। हमें अभी निकलना होगा, भले ही हमें अभी धुआं दिखाई न दे रहा हो।"
नवाचार: यह "अर्ली वार्निंग" परत सबसे खराब परिदृश्यों को देखती है। यदि यह किसी जोखिम को बढ़ते हुए देखती है, तो यह "ट्रैफिक पुलिस" को खतरा होने से पहले ही बचने के लिए सक्रिय कर देती है, जिससे ड्रोन को प्रतिक्रिया देने के लिए अधिक समय मिलता है।

D. "फास्ट रिफ्लेक्स" (Gauss-Southwell प्रोजेक्शन)

यही वह मुख्य तत्व है जो इसे तेज़ बनाता है।

उपमा: कल्पना कीजिए कि आप एक चौकोर टुकड़े को गोल छेद में फिट करने की कोशिश कर रहे हैं। पुराना तरीका (QP) यह है कि हर कोण को धीरे-धीरे आज़माया जाए जब तक कि वह फिट न हो जाए। नया तरीका (Gauss-Southwell) एक गुलेल (slingshot) की तरह है। यह सबसे बड़ी समस्या (वह दीवार जो ड्रोन को रोक रही है) को देखता है और तुरंत ड्रोन को विपरीत दिशा में "धक्का" देता है ताकि वह मुसीबत से बाहर निकल सके। यह इसे एक निश्चित, बहुत कम समय में करता है, जिससे धीमा गणित बच जाता है।

3. परिणाम: तेज़, हल्का, सुरक्षित

लेखकों ने कंप्यूटर सिमुलेशन और वास्तविक, छोटे ड्रोनों (Crazyflies) दोनों पर इसका परीक्षण किया।

गति: यह पुराने "पहेली सुलझाने वाले" तरीकों की तुलना में 31% तेज़ चलता है। इसका मतलब है कि ड्रोन मिलीसेकंड में प्रतिक्रिया दे सकता है।
सुरक्षा: इसने लगभग हर परीक्षण में टक्करों से सफलतापूर्वक बचाव किया (99.6% सफलता दर), भले ही बाधाएं अप्रत्याशित रूप से चल रही हों।
दक्षता: यह कम बैटरी और कंप्यूटिंग शक्ति का उपयोग करता है, जिसका अर्थ है कि यह छोटे, सस्ते ड्रोनों पर भी चल सकता है।

सारांश

इस नए सिस्टम को ड्रोन के मस्तिष्क को एक धीमे, अत्यधिक सोचने वाले प्रोफेसर (जो हिलने से पहले जटिल समीकरण हल करता है) से अपग्रेड करके एक तेज़, सहज एथलीट (जो एक दीवार देखता है, तुरंत जानता है कि किस तरफ कूदना है, और बिना हिचकिचाहट के ऐसा करता है) बनाने के रूप में समझें।

यह ड्रोनों को भीड़भाड़ वाले, गतिशील वातावरण में—जैसे कि शहर में पैकेज पहुँचाना या आपदा क्षेत्र में जीवित बचे लोगों की तलाश करना—बिना टकराए या भारी कंप्यूटर की आवश्यकता के सुरक्षित रूप से उड़ने की अनुमति देता है।

यहाँ मंडाओकार और रिनर के शोध पत्र "Distributionally Robust Acceleration Control Barrier Filter for Efficient UAV Obstacle Avoidance" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र अव्यवस्थित और अप्रत्याशित वातावरण में संचालित होने वाले अनमैन्ड एरियल व्हीकल्स (UAVs) के लिए डायनेमिक ऑब्स्टेकल अवॉयडेंस (DOA) की चुनौती को संबोधित करता है। मुख्य बाधाएं और चुनौतियां निम्नलिखित हैं:

वास्तविक समय की आवश्यकताएं (Real-time Requirements): UAVs को तेज़ गति से चलने वाली बाधाओं (जैसे अन्य ड्रोन, पक्षी, मनुष्य) के प्रति तेजी से प्रतिक्रिया देनी होती है, जबकि उनके पास सीमित ऑनबोर्ड कंप्यूटिंग संसाधन होते हैं।
विलंबता और अनिश्चितता (Latency and Uncertainty): धारणा-से-क्रियान्वयन (perception-to-actuation) विलंबता, सेंसर शोर, और अनिश्चित बाधा गतिकी (त्वरण/acceleration) उच्च गति पर सुरक्षा उल्लंघन का कारण बन सकते हैं।
मौजूदा विधियों की सीमाएं:
- ट्रैजेक्टरी ऑप्टिमाइज़ेशन/NMPC: ये गणनात्मक रूप से महंगे हैं और अक्सर उच्च-आवृत्ति नियंत्रण लूप (100 Hz) के लिए बहुत धीमे होते हैं।
- मानक कंट्रोल बैरियर फंक्शन्स (CBF): ये अक्सर स्थिति (position) या वेग (velocity) स्तर पर कार्य करते हैं, जिनमें लो-लेवल थ्रस्ट कंट्रोल के अनुकूल सीधे त्वरण बाधाओं (acceleration constraints) का अभाव होता है। इसके अलावा, क्वाड्रेटिक प्रोग्रामिंग (QP) के माध्यम से हल किए गए मानक CBFs विलंबता उत्पन्न कर सकते हैं और अत्यधिक रूढ़िवादी हो सकते हैं या वितरण संबंधी अनिश्चितता (distributional uncertainty) को मजबूती से संभालने में विफल हो सकते हैं।

2. कार्यप्रणाली: DR-ACBF फ्रेमवर्क

लेखक एक डिस्ट्रीब्यूशनली रोबस्ट एक्सेलेरेशन कंट्रोल बैरियर फंक्शन (DR-ACBF) फ़िल्टर प्रस्तावित करते हैं। यह फ्रेमवर्क एक नाममात्र त्वरण कमांड (nominal acceleration command) को रैखिक अर्ध-स्थान बाधाओं (linear half-space constraints) का उपयोग करके एक सुरक्षित कमांड में संशोधित करता है, जिससे पुनरावृत्त (iterative) QP सॉल्वर की आवश्यकता समाप्त हो जाती है।

A. त्वरण-स्तर का CBF फॉर्मूलेशन

गतिकी (Dynamics): UAV को एक सेकंड-ऑर्डर सिस्टम ( $\dot{p}=v, \dot{v}=a$ ) के रूप में मॉडल किया गया है।
बैरियर फंक्शन: एक दूरी-आधारित बैरियर फंक्शन $h_i$ को परिभाषित किया गया है। दो बार अवकलन (differentiation) लागू करने और दूसरे-क्रम की स्थिति ( $\ddot{h} + k_1\dot{h} + k_2h \geq 0$ ) लागू करने के बाद, लेखक कमांड किए गए त्वरण ( $A_i a_e \leq b_i$ ) पर एक क्लोज्ड-फॉर्म लीनियर इनइक्वलिटी प्राप्त करते हैं।
प्रभावी क्लीयरेंस ( $R_{eff}$ ): विलंबता ( $\Delta$ ), एक्चुएटर सीमाएं (अधिकतम त्वरण $a_{max}$ , जर्क $j_{max}$ ), और बाधा त्वरण सीमाएं ( $\hat{a}_{max}$ ) को संभालने के लिए, सुरक्षा मार्जिन को एक प्रभावी क्लीयरेंस टर्म में विस्तारित किया गया है। यह सुनिश्चित करता है कि विलंबित क्रियान्वयन के बावजूद UAV सुरक्षित रहे।

B. वितरण संबंधी सुदृढ़ता और जोखिम आवंटन (Distributional Robustness and Risk Allocation)

कैंटेली टाइटनिंग (Cantelli Tightening): स्थिति/वेग की अनिश्चितता (covariance) को संभालने के लिए, लेखक बाधाओं को संभाव्यता के आधार पर कड़ा करने के लिए कैंटेली इनइक्वलिटी का उपयोग करते हैं। एक रिस्क बजट $\alpha_{total}$ को निकटता और क्लोजिंग स्पीड के आधार पर प्रत्येक बाधा के लिए आवंटित किया जाता है।
बाधा त्वरण अनुमान: बाधा के त्वरण के ऊपरी स्तर ( $\hat{a}_{max}$ ) का ऑनलाइन अनुमान लगाने के लिए एक स्लाइडिंग-मोड डिफरेंशिएटर (SMD) का उपयोग किया जाता है, जिससे यह सुनिश्चित होता है कि सुरक्षा मार्जिन आक्रामक बाधा युद्धाभ्यास (maneuvers) के अनुकूल हो।

C. DR-CVaR अर्ली वार्निंग ट्रिगर

एक डिस्ट्रीब्यूशनली रोबस्ट कंडीशनल वैल्यू एट रिस्क (DR-CVaR) परत एक 'अर्ली-वार्निंग सिस्टम' के रूप में कार्य करती है।
यह ट्रैकर के गॉसियन आउटपुट से भविष्यवाणियों का नमूना (sample) लेती है और एक लघु क्षितिज (short horizon) पर संभावित उल्लंघनों की जांच करती है।
यदि जोखिम एक सीमा से अधिक हो जाता है, तो ट्रिगर ACBF फ़िल्टर को टकराव होने से पहले ही सक्रिय कर देता है, जिससे सुरक्षा मार्जिन (कम $\alpha$ और अधिक $H$ ) को कड़ा किया जाता है। यह उन रिएक्टिव फिल्टर्स की तुलना में "देर से" सक्रिय होने की समस्या को रोकता है जो केवल टकराव के करीब आने पर काम करते हैं।

D. फिक्स्ड-टाइम गॉस-सॉथवेल प्रोजेक्शन (Fixed-Time Gauss-Southhell Projection)

QP को हल करने के बजाय (जो धीमा है), यह विधि गॉस-सॉथवेल प्रोजेक्शन का उपयोग करती है।
यह पुनरावृत्त एल्गोरिदम "सबसे अधिक उल्लंघन करने वाली" बाधा की पहचान करता है और नाममात्र त्वरण को व्यवहार्य अर्ध-स्थान (feasible half-space) पर प्रोजेक्ट करता है।
यह निश्चित संख्या में पुनरावृत्तियों (जैसे, 15) के साथ चलता है, जो 100 Hz नियंत्रण लूप के लिए उपयुक्त निश्चित गणना समय की गारंटी देता है।

3. प्रमुख योगदान

त्वरण-स्थान बाधाएं (Acceleration-Space Constraints): त्वरण पर रैखिक अर्ध-स्थान बाधाएं उत्पन्न करने वाला पहला CBF फॉर्मूलेशन, जो इसे बिना QP सॉल्वर के लो-लेवल UAV थ्रस्ट कंट्रोलर के अनुकूल बनाता है।
वितरण संबंधी सुदृढ़ता (Distributional Robustness): बाधा गतिकी और सेंसर शोर को अत्यधिक रूढ़िवादी हुए बिना संभालने के लिए कैंटेली टाइटनिंग और DR-CVR का एकीकरण।
गणना दक्षता (Computational Efficiency): QP के स्थान पर फिक्स्ड-टाइम गॉस-सॉथवेल प्रोजेक्शन का उपयोग करने से, यह CBF-QP आधारित सॉल्वरों की तुलना में गणना भार को 31% कम करता है और 100 Hz निष्पादन दर बनाए रखता है।
अर्ली वार्निंग तंत्र: DR-CVR ट्रिगर जोखिम वृद्धि का पूर्वानुमान लगाकर सफलता दर में सुधार करता है, जिससे यह सुनिश्चित होता है कि सुरक्षा फ़िल्टर पर्याप्त लीड टाइम के साथ सक्रिय हो जाए।

4. परिणाम

सिमुलेशन परिणाम

प्रदर्शन: 3,000 सिमुलेशन रन के साथ MPC, CBF-QP, और रोबस्ट पॉलिसी CBF (RP-CBF) बेसलाइन के विरुद्ध परीक्षण किया गया।
सफलता दर: DR-ACBF ने 99.64% की सफलता दर प्राप्त की, जो बेसलाइन के बराबर है।
दक्षता:
- प्रोसेसिंग समय: बेसलाइन की तुलना में 31% से 54% तक कम हुआ (औसत $t_{cp} \approx 0.44$ ms बनाम CBF-QP के लिए 0.71 ms)।
- कमांड समय: बचाव कमांड जारी करने में विलंबता कम हुई।
एब्लेशन स्टडी (Ablation Study): DR-CVR ट्रिगर को हटाने से सफलता दर 82.5% से गिरकर 34.9% हो गई, जो प्रारंभिक चेतावनी परत के महत्वपूर्ण महत्व को सिद्ध करती है।

हार्डवेयर प्रयोग

प्लेटफ़ॉर्म: OptiTrack मोशन कैप्चर के साथ Crazyflie 2.1 UAVs।
परिदृश्य: फेंकी गई वस्तुओं और अन्य UAVs से बचने के लिए होवरिंग और चलते हुए UAVs।
परिणाम: सिस्टम ने सभी उड़ान परीक्षणों में सभी बाधाओं को सफलतापूर्वक बचाया।
- सेपरेशन डिस्टेंस: सभी परीक्षणों में त्रिज्याओं के योग ( $R_{sum} = 0.2$ m) से अधिक सुरक्षित दूरी बनाए रखी।
- विलंबता: संसाधन-सीमित हार्डवेयर पर विश्वसनीय प्रतिक्रिया समय (लगभग 60–80 ms) प्रदर्शित किया।

5. महत्व

यह कार्य औपचारिक सुरक्षा गारंटी (formal safety guarantees) और वास्तविक-समय प्रदर्शन के बीच के अंतर को पाटता है। पोजीशन/वेलोसिटी बाधाओं से त्वरण बाधाओं की ओर बढ़कर और भारी QP सॉल्वर्स को फिक्स्ड-टाइम प्रोजेक्शन से बदलकर, लेखक उच्च-आवृत्ति, मजबूत टक्कर बचाव (collision avoidance) को सक्षम करते हैं। वितरण संबंधी सुदृढ़ता का एकीकरण यह सुनिश्चित करता है कि सुरक्षा तब भी बनी रहे जब बाधाओं का व्यवहार अनिश्चित या आक्रामक हो, जो इस दृष्टिकोण को जटिल शहरी लॉजिस्टिक्स, आपदा प्रतिक्रिया और स्वायत्त ड्रोन स्वार्म्स (autonomous drone swarms) के लिए अत्यधिक उपयुक्त बनाता है।