Stealthy Coverage Control for Human-enabled Real-Time 3D Reconstruction

तकनीकी सारांश: मानव-सक्षम वास्तविक समय 3D पुनर्निर्माण के लिए स्टील्थी कवरेज कंट्रोल (Stealthy Coverage Control)

समस्या विवरण
छवियों से सटीक 3D पुनर्निर्माण के लिए नमूनों (samples) की एक ऐसी संख्या आवश्यक होती है जो लक्षित दृश्य की संरचनात्मक जटिलता के समानुपाती हो। हालाँकि, यह जटिलता स्थानिक रूप से गैर-समान होती है और पूर्व ज्ञान के रूप में अनुमान लगाना कठिन होता है। मौजूदा स्वायत्त कवरेज नियंत्रण रणनीतियाँ आमतौर पर एक दृश्य में समान नमूनाकरण (uniform sampling) लागू करती हैं, जो जटिल संरचनाओं के लिए अक्षम है। इसके विपरीत, जबकि मानव ऑपरेटरों के पास उन क्षेत्रों की पहचान करने की स्थितिजन्य जागरूकता होती है जिन्हें उच्च नमूनाकरण घनत्व की आवश्यकता है, मानव नेविगेशन को स्वायत्त कवरेज नियंत्रण के साथ एकीकृत करना एक महत्वपूर्ण चुनौती प्रस्तुत करता है: मैनुअल इनपुट स्वायत्त नियंत्रण नियमों के साथ संघर्ष कर सकते हैं, जिससे सिस्टम अस्थिर हो सकता है या ऑपरेटर की ड्रोन को प्रभावी ढंग से निर्देशित करने की क्षमता कम हो सकती है।

कार्यप्रणाली
लेखक एक स्टील्थी कवरेज कंट्रोल (Stealthy Coverage Control) नामक अर्ध-स्वायत्त प्रणाली का प्रस्ताव करते हैं, जो 3D पुनर्निर्माण के लिए एक स्वायत्त ड्रोन झुंड (swarm) में मानव हस्तक्षेप को एकीकृत करती है। सिस्टम आर्किटेक्चर एक Unity/ROS2-आधारित सिम्युलेटर पर निर्भर करता है जहाँ एक मानव ऑपरेटर एक हेड-माउंटेड डिस्प्ले (HMD) के माध्यम से एक वास्तविक समय 3D मॉडल (NeuralRecon द्वारा पुनर्निर्मित) और ड्रोन झुंड की औसत अवस्था (average state) को देखता है।

कार्यप्रणाली दो प्राथमिक तकनीकी घटकों पर आधारित है:

1. मानव-इच्छा-प्रतिबिंबित कवरेज नियंत्रण (Human-Intention-Reflecting Coverage Control):
   सिस्टम व्यक्तिगत ड्रोनों और अवलोकन सेल (observation cells) के बीच ज्यामितीय संबंध के आधार पर एक सेंसिंग परफॉरमेंस फंक्शन $f_1$ को परिभाषित करता है। मानव इरादे को शामिल करने के लिए, एक दूसरा फंक्शन $f_2$ एक "आभासी औसत ड्रोन" के सेंसिंग परफॉरमेंस का मूल्यांकन करता है जिसे मानव ऑपरेटर द्वारा नियंत्रित किया जाता है। प्रत्येक अवलोकन सेल के लिए एक महत्व सूचकांक (importance index) $\phi_j$ गतिशील रूप से अपडेट किया जाता है: यह तब बढ़ता है जब मानव-संचालित आभासी ड्रोन किसी क्षेत्र में उच्च सेंसिंग परफॉरमेंस प्राप्त करता है (जो अधिक डेटा की आवश्यकता को दर्शाता है), और तब घटता है जब सेल को भौतिक झुंड द्वारा पर्याप्त रूप से देखा जा चुका होता है। स्वायत्त नियंत्रक एक न्यूनतम क्षय दर (decay rate) सुनिश्चित करने के लिए बाधा-आधारित नियंत्रण (constraint-based control) का उपयोग करके एक वैश्विक उद्देश्य फलन $J$ (महत्व सूचकांकों का योग) को कम करता है।

2. नल्स्पेस प्रोजेक्शन के माध्यम से स्टील्थी नियंत्रण (Stealthy Control via Nullspace Projection):
   यह सुनिश्चित करने के लिए कि स्वायत्त कवरेज इनपुट मानव ऑपरेटर के मैनुअल कमांड में हस्तक्षेप न करें, लेखक एक रिडंडेंसी-आधारित नियंत्रण ढांचे का उपयोग करते हैं। प्रत्येक ड्रोन के लिए कुल वेग इनपुट (velocity input), मानव कमांड ($u_h$) और स्वायत्त कमांड ($u_{ai}$) का योग है। स्वायत्त इनपुट को सिस्टम के आउटपुट मैप (विशेष रूप से, झुंड की औसत स्थिति और ओरिएंटेशन) के नल्स्पेस (nullspace) में प्रोजेक्ट किया जाता है।

• परिभाषा: एक नियंत्रण इनपुट "स्टील्थी" है यदि वह मानव ऑपरेटर द्वारा महसूस किए जाने वाले औसत अवस्था $\bar{g}$ के विकास को नहीं बदलता है।
• कार्यान्वयन: स्वायत्त नियंत्रण वेक्टर को एक मैट्रिक्स $A(g)$ से गुणा किया जाता है जो ऐसा बनाया गया है कि वह ड्रोन अवस्थाओं से औसत अवस्था से संबंधित जैकोबियन (Jacobian) के ट्रांसपोज़ के कर्नेल (kernel) में स्थित हो। यह सुनिश्चित करता है कि जबकि ड्रोन इमेज सैंपलिंग को अनुकूलित करने के लिए चलते हैं (अपनी सापेक्ष स्थितियों को बदलते हैं), झुंड की औसत मुद्रा (pose) पूरी तरह से मानव के वेग कमांड द्वारा नियंत्रित रहती है। यह अलगाव (decoupling) मानव-इन-द-लूप सिस्टम की स्थिरता और संचालन क्षमता को बनाए रखता है।

प्रमुख योगदान

• अर्ध-स्वायत्त रणनीति: एक नवीन ढांचा जो जटिल वास्तविक समय मेष-परिवर्तन (mesh-change) डिटेक्शन एल्गोरिदम की आवश्यकता के बिना, जटिल क्षेत्रों को अधिक सघनता से नमूना लेने के लिए निर्देशित करने हेतु मानव लचीली तर्कशक्ति का लाभ उठाता है।
• स्टील्थी कवरेज कंट्रोल: एक नियंत्रण नियम जो स्वायत्त इमेज सैंपलिंग अनुकूलन को मानव नेविगेशन से गणितीय रूप से अलग करता है। यह स्वायत्त कवरेज बलों के कारण औसत अवस्था में होने वाले "ड्रिफ्ट" को रोककर कुशल कवरेज नियंत्रण करने की अनुमति देता है, जिससे परिचालन संबंधी संघर्षों से बचा जा सकता है।
• सिस्टम आर्किटेक्चर: एक पूर्ण कार्यान्वयन जो वास्तविक समय 3D पुनर्निर्माण (NeuralRecon), कवरेज नियंत्रण, और मानव-इन-द-लूप इंटरेक्शन को ROS2/Unity वातावरण के भीतर एकीकृत करता है।

परिणाम
सिमुलेशन अध्ययन फर्नीचर (वॉर्डरोब, मेज, सोफे) वाले एक आभासी इनडोर वातावरण में तीन ड्रोनों के साथ किए गए।

• स्टील्थ सत्यापन: उन परीक्षणों में जहाँ मानव ऑपरेटर ने एक वृत्ताकार प्रक्षेपवक्र (circular trajectory) का आदेश दिया, स्टील्थी कंट्रोल वाले सिस्टम ने औसत ड्रोन स्थिति को पथ का सटीक रूप से पालन करने दिया। इसके विपरीत, बिना स्टील्थी कंट्रोल वाले सिस्टम में स्वायत्त कवरेज बलों के कारण औसत स्थिति में महत्वपूर्ण ड्रिफ्ट देखा गया, जिससे मैनुअल नियंत्रण कठिन हो गया।
• पुनर्निर्माण की गुणवत्ता: 3D मॉडलों के तुलनात्मक अध्ययन से पता चला कि पूर्णतः स्वायत्त सिस्टम (मानव हस्तक्षेप के बिना) में कुछ त्रुटियाँ थीं, जैसे सोफे के ऊपर तैरती हुई गैर-मौजूद वस्तुएं और वॉर्डरोब के ऊपरी हिस्से पर विकृत मेष। अर्ध-स्वायत्त प्रणाली में, जहाँ मानव ने झुंड को जटिल क्षेत्रों (जैसे सोफे के ऊपरी हिस्से और वॉर्डरोब के किनारों) की ओर निर्देशित किया, वहां काफी अधिक सटीक और विस्तृत मॉडल प्राप्त हुआ। मानव-निर्देशित सैंपलिंग ने प्रभावी रूप से आर्टिफैक्ट्स को हटा दिया और ज्यामितीय विरूपणों को ठीक कर दिया।

महत्व और दावे
पेपर का दावा है कि प्रस्तावित अर्ध-स्वायत्त प्रणाली शुद्ध रूप से स्वायत्त कवरेज कंट्रोल की तुलना में पुनर्निर्मित मॉडल की गुणवत्ता के मामले में बेहतर प्रदर्शन करती है। इसका महत्व मानव स्थितिजन्य पहचान का लाभ उठाकर स्थानिक रूप से विषम संरचनात्मक जटिलता को संभालने की क्षमता में निहित है, जबकि नियंत्रण इनपुट के अलगाव के माध्यम से सिस्टम स्थिरता बनाए रखी जाती है। लेखक का तर्क है कि यह दृष्टिकोण नियंत्रण प्रदर्शन या मानव संचालन क्षमता से समझौता किए बिना सहकारी इमेज सैंपलिंग को सक्षम करता है।

लेखक विनम्रतापूर्वक नोट करते हैं कि वर्तमान कार्यान्वयन केंद्रीकृत है, और भविष्य के कार्यों में वितरित कार्यान्वयन (distributed implementation), मानव-इन-द-लूप सिस्टम के कठोर क्लोज्ड-लूप स्थिरता विश्लेषण, और सिमुलेशन से परे प्रयोगात्मक सत्यापन की आवश्यकता है।