तकनीकी सारांश: PoSafeNet – पोसेट-स्ट्रक्चर्ड न्यूरल नेट्स के साथ सुरक्षित लर्निंग

1. समस्या का निरूपण (Problem Formulation)

यह शोध पत्र सुरक्षा-महत्वपूर्ण रोबोटिक प्रणालियों में लर्निंग-आधारित कंट्रोलर्स को तैनात करने की एक महत्वपूर्ण सीमा को संबोधित करता है: विषम सुरक्षा बाधाओं (heterogeneous safety constraints) को संभालना, जिनमें केवल आंशिक प्राथमिकता संबंध (partial priority relations) होते हैं।

मौजूदा सुरक्षित लर्निंग दृष्टिकोण, जैसे कि डिफरेंशिएबल क्वाड्रेटिक प्रोग्राम्स (dQPs) या डिफरेंशिएबल मॉडल प्रेडिक्टिव कंट्रोल (dMPC) का उपयोग करने वाले, आमतौर पर कई सुरक्षा बाधाओं को एक साथ या एक निश्चित कुल क्रम (total ordering) के माध्यम से लागू करते हैं। लेखक तर्क देते हैं कि यह सुरक्षा का एक अप्राकृतिक और प्रतिबंधात्मक प्रतिनिधित्व थोपता है। वास्तविक परिदृश्यों में (जैसे, स्वायत्त ड्राइविंग या रोबोट हेरफेर), सुरक्षा आवश्यकताएं तुलना योग्य नहीं हो सकती हैं; उदाहरण के लिए, बाईं ओर टक्कर से बचना बनाम दाईं ओर टक्कर से बचना दो अलग-अलग मूल सिद्धांत हो सकते हैं जहाँ न तो एक दूसरे पर हावी है, या जहाँ सभी बाधाओं को सममित रूप से लागू करने से असंभवता या अत्यधिक रूढ़िवादिता उत्पन्न हो सकती है।

मुख्य चुनौती इस प्रकार औपचारिक रूप दी गई है: जब अंतर्निहित बाधाएं केवल एक आंशिक क्रम (Poset) स्वीकार करती हैं, तो कई सुरक्षा-महत्वपूर्ण नीतियों को स्केलेबल और अनुकूलनीय तरीके से कैसे संयोजित किया जा सकता है, बजाय एक एकल वैश्विक प्राथमिकता के? शोध पत्र का तर्क है कि सुरक्षा प्रमाणों (safety certificates) की अनुपस्थिति के बजाय, बाधा संयोजन को नियंत्रित करने वाले संरचनात्मक इंडक्टिव बायस (structural inductive bias) की कमी ही प्राथमिक बाधा है।

2. कार्यप्रणाली: PoSafeNet

लेखक PoSafeNet (पोसेट-स्ट्रक्चर्ड सेफ्टी नेटवर्क) प्रस्तावित करते हैं, जो एक ऐसा लर्निंग फ्रेमवर्क है जो सुरक्षा संयोजन को प्रत्येक चरण पर हल की जाने वाली बाधा संतुष्टि समस्या के बजाय पॉलिसी क्लास के एक संरचनात्मक गुण के रूप में मानता है।

मुख्य अवधारणाएं

• सुरक्षा पोसेट (Safety Poset): सुरक्षा बाधाओं को एक आंशिक रूप से क्रमबद्ध सेट $(S, \preceq)$ के रूप में मॉडल किया गया है। यदि $i \prec j$, तो बाधा $j$ की प्राथमिकता $i$ से स्पष्ट रूप से अधिक है। तुलनात्मक बाधाएं ($i \parallel j$) एक दूसरे के विरुद्ध रैंक नहीं की जाती हैं।
• लीनियर एक्सटेंशन (Linear Extensions): एक कुल क्रम (total ordering) जो आंशिक क्रम का सम्मान करता है, उसे लीनियर एक्सटेंशन कहा जाता है। लेखक सुरक्षा निष्पादन के स्थान का प्रतिनिधित्व करने के लिए सभी वैध लीनियर एक्सटेंशन के सेट का उपयोग करते हैं।
• अनुक्रमिक प्रोजेक्शन (Sequential Projection): एक संयुक्त अनुकूलन समस्या (joint optimization problem) को हल करने के बजाय, PoSafeNet अनुक्रमिक क्लोज्ड-फॉर्म प्रोजेक्शन के माध्यम से सुरक्षा लागू करता है। एक दिए गए लीनियर एक्सटेंशन $\sigma = (j_1, \dots, j_N)$ के लिए, नाममात्र नियंत्रण इनपुट $u_{nom}$ को प्रत्येक बाधा द्वारा परिभाषित व्यवहार्य हाफस्पेस (feasible halfspaces) पर अनुक्रमिक रूप से प्रोजेक्ट किया जाता है:
  $$u^{(k)} = \Pi_{j_k}(u^{(k-1)})$$
  जहाँ $\Pi_j$ कंट्रोल बैरियर फंक्शन्स (CBFs) से व्युत्पन्न एक डिफरेंशिएबल प्रोजेक्शन ऑपरेटर है। इस ऑपरेटर का एक क्लोज्ड-फॉर्म समाधान है, जो पुनरावृत्ति सॉल्वर (iterative solvers) की आवश्यकता को समाप्त करता है।

आर्किटेक्चर

PoSafeNet को एक मल्टी-हेड न्यूरल नेटवर्क के रूप में स्थापित किया गया है:

1. नाममात्र हेड्स (Nominal Heads): प्रत्येक हेड एक विशिष्ट लीनियर एक्सटेंशन $\sigma^{(h)}$ से जुड़ा एक नाममात्र नियंत्रण इनपुट $u^{(h)}_{nom}$ उत्पन्न करता है।
2. अनुक्रमिक प्रवर्तन (Sequential Enforcement): प्रत्येक हेड अपने नाममात्र इनपुट पर संबंधित अनुक्रमिक प्रोजेक्शन ऑपरेटरों को लागू करता है, जिससे एक सुरक्षित निष्पादन $u^{(h)}$ प्राप्त होता है।
3. अनुकूलन चयन/मिश्रण (Adaptive Selection/Mixing): अंतिम नियंत्रण आउटपुट को या तो निम्नलिखित द्वारा उत्पन्न किया जाता है:
   • हार्ड सिलेक्शन (Hard Selection): अवलोकनों के आधार पर एक सिंगल हेड का चयन करना (जैसे, प्रशिक्षण के दौरान Gumbel-Softmax के माध्यम से)।
   • सॉफ्ट मिक्सचर (Soft Mixture): कई हेड्स के आउटपुट का उत्तरोत्तर (convexly) मिश्रण करना।

सैद्धांतिक गारंटी

• पोसेट-सम्मानित सुरक्षा (Poset-Respecting Safety): निर्माण के अनुसार, कोई भी सिंगल हेड जो लीनियर एक्सटेंशन को निष्पादित करता है, वह पोसेट-सम्मानित सुरक्षा की परिभाषा को संतुष्ट करता है: एक निचली प्राथमिकता वाली बाधा का उल्लंघन तभी किया जाता है जब उच्च प्राथमिकता वाली एक को लागू करने के लिए आवश्यक हो।
• मिक्सिंग सुरक्षा (Mixing Safety): शोध पत्र गारंटी प्रदान करता है कि विशिष्ट ज्यामितीय स्थितियों (जैसे, जब तुलनात्मक बाधाएं संघर्ष नहीं करती हैं, जिसका अर्थ है कि एक पर प्रोजेक्ट करने से दूसरे का उल्लंघन नहीं होता है) के तहत कॉनवेक्स मिक्सिंग सुरक्षा को बनाए रखती है। उन मामलों में जहां ये स्थितियां पूरी नहीं होती हैं (जैसे, विपरीत बाधाओं के साथ विजन-आधारित ड्राइविंग), सुरक्षा गारंटी को अनुभवजन्य (empirical) माना जाता है।

3. प्रमुख योगदान

शोध पत्र पांच प्राथमिक योगदानों को रेखांकित करता है:

1. पोसेट-स्ट्रक्चर्ड सुरक्षा: लर्निंग-आधारित नियंत्रण के लिए एक संरचनात्मक इंडक्टिव बायस के रूप में आंशिक क्रमों का परिचय, जो विषम सुरक्षा प्राथमिकताओं के चयनात्मक और संदर्भ-निर्भर समाधान को सक्षम बनाता है।
2. PoSafeNet फ्रेमवर्क: एक न्यूरल कंट्रोल फ्रेमवर्क जो निर्माण द्वारा सुरक्षा लागू करता है, यह सुनिश्चित करता है कि निचली प्राथमिकता वाली बाधाओं का उल्लंघन केवल तभी किया जाए जब उच्च प्राथमिकता वाली बाधाओं को संतुष्ट करना आवश्यक हो।
3. कुशल प्रवर्तन (Efficient Enforcement): क्लोज्ड-फॉर्म प्रोजेक्शन का उपयोग करके एक कुशल प्रवर्तन तंत्र का विकास, जो dQPs को हल करने के कम्प्यूटेशनल ओवरहेड को समाप्त करता है।
4. औपचारिक गारंटी: औपचारिक गारंटी प्रदान करना कि सीखा गया पॉलिसी मानक सिस्टम डायनेमिक्स के तहत पोसेट-सम्मानित सुरक्षा को संतुष्ट करता है।
5. अनुभवजन्य सत्यापन (Empirical Validation): 2D बाधा बचाव, सुरक्षित रोबोट हेरफेर और विजन-आधारित स्वायत्त ड्राइविंग सहित विविध रोबोटिक कार्यों में प्रभावशीलता का प्रदर्शन।

4. प्रयोगात्मक परिणाम

लेखक तीन डोमेन में अनस्ट्रक्चर्ड बेसलाइन (E2E, BarrierNet, ABNet, DFBNet) और dQP-आधारित विधियों के विरुद्ध PoSafeNet का मूल्यांकन करते हैं:

• 2D मल्टी-ऑब्स्टेकल नेविगेशन: तीन परस्पर तुलनाहीन बाधाओं (एक antichain) वाले परिदृश्य में, QP-आधारित विधियाँ अक्सर असंभवता के कारण विफल रहीं या उन्हें स्लैक वेरिएबल्स की आवश्यकता पड़ी जिसने सुरक्षा मार्जिन को कम कर दिया। PoSafeNet ने सख्त सकारात्मक सुरक्षा मार्जिन के साथ 100% व्यवहार्यता प्राप्त की और सुचारू प्रक्षेपवक्र (trajectories) प्रदान किए।
• सुरक्षित रोबोट हेरफेर (Safe Robot Manipulation): जॉइंट लिमिट्स (उच्च प्राथमिकता) और बाधा बचाव (कम प्राथमिकता) वाले दो-लिंक मैनिपुलेटर के लिए, अनस्ट्रक्चर्ड विधियों ने जॉइंट-लिमिट उल्लंघन या अस्थिरता प्रदर्शित की। PoSafeNet ने कम ट्रैकिंग एरर बनाए रखते हुए शून्य जॉइंट-स्पेस उल्लंघन प्राप्त किया और QP-आधारित बेसलाइन की तुलना में काफी तेज़ रोलआउट समय दिखाया।
• विजन-आधारित स्वायत्त ड्राइविंग: VISTA सिम्युलेटर में, PoSafeNet ने टकराव बचाव (उच्च प्राथमिकता) और लेन कीपिंग (कम प्राथमिकता) के बीच प्राथमिकता संघर्ष को संभाला। अनस्ट्रक्चर्ड बेसलाइन टक्करों या अस्थिर लेन डिपार्चर से ग्रस्त थे। PoSafeled ने शून्य टक्करों के साथ 100% पास रेट प्राप्त किया, और टकराव बचाव को प्राथमिकता देते हुए लेन के पालन को बनाए रखा।

कम्प्यूटेशनल दक्षता: PoSafeNet ने हेड्स की संख्या के साथ लगभग रैखिक स्केलेबिलिटी प्रदर्शित की और dQP-आधारित लेयर्स (ABNet) की तुलना में काफी तेज़ था, जो अनुकूलन समाधान के कारण भारी ओवरहेड का सामना करते हैं।

5. महत्व और दावे

शोध पत्र का दावा है कि PoSafeNet सुरक्षा प्रवर्तन को एक बाधा संतुष्टि समस्या से एक संरचित लर्निंग समस्या में बदल देता है। विषम सुरक्षा प्राथमिकताओं के आंशिक क्रम को स्पष्ट रूप से मॉडल करके, यह फ्रेमवर्क:

• असंभवता को हल करता है (Resolves Infeasibility): विषम बाधाओं के एक साथ प्रवर्तन के कारण होने वाली असंभवता से बचता है।
• अर्थ को बनाए रखता है (Preserves Semantics): सुरक्षा आवश्यकताओं के इच्छित प्राथमिकता अर्थों को एक मनमाने कुल क्रम के बिना बनाए रखता है।
• स्केलेबिलिटी में सुधार करता है (Improves Scalability): अनुकूलन-आधारित सुरक्षा लेयर्स के लिए एक कम्प्यूटेशनल रूप से कुशल विकल्प प्रदान करता है, जो इसे वास्तविक समय नियंत्रण के लिए उपयुक्त बनाता है।

लेखक सीमाओं को भी नोट करते हैं, जिसमें सुरक्षा पोसेट को निर्दिष्ट करने के लिए डोमेन ज्ञान की आवश्यकता और वर्तमान में कंट्रोल-एफिन (control-affine) सिस्टम पर ध्यान केंद्रित करना शामिल है। वे भविष्य के कार्य के रूप में सुरक्षा पोसेट्स की खोज को स्वचालित करने और ढांचे को स्टोकेस्टिक और मल्टी-एजेंट सेटिंग्स में विस्तारित करने का सुझाव देते हैं।