💻 संगणक विज्ञान

FISC: A Fluid-Inspired Framework for Decentralized and Scalable Swarm Control

यह शोध पत्र FISC का प्रस्ताव और मूल्यांकन करता है, जो एक विकेंद्रीकृत नियंत्रण ढांचा है जो एजेंटों को तरल तत्वों के रूप में मॉडल करके बड़े रोबोटिक झुंडों के स्केलेबल समन्वय को सक्षम बनाता है जो बिना किसी स्पष्ट अंतर-एजेंट संचार के सामूहिक रूप से अंतरिक्ष के माध्यम से प्रवाहित होते हैं, जिससे कम्प्यूटेशनल फ्लूइड डायनेमिक्स समाधानों के साथ मात्रात्मक सहमति के साथ मैक्रोस्कोपिक सामंजस्य प्राप्त होता है।

मूल लेखक: Mohini Priya Kolluri, Ammar Waheed, Zohaib Hasnain

प्रकाशित 2026-02-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohini Priya Kolluri, Ammar Waheed, Zohaib Hasnain

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 लोगों की एक विशाल भीड़ को एक घुमावदार सुरंग से निकालने के लिए निर्देशित करने की कोशिश कर रहे हैं। आमतौर पर, सबको बिना टकराए सुचारू रूप से चलाने के लिए, आपको वॉकी-टॉकी की एक जटिल प्रणाली की आवश्यकता होगी जहाँ हर कोई अपने पड़ोसियों से बात करता है, या एक केंद्रीय कमांडर जो हर एक व्यक्ति को आदेश चिल्लाकर देता है। लेकिन क्या होगा अगर आप भीड़ को पानी की एक नदी की तरह चला सकें?

यही इस शोध पत्र (paper) का प्रस्ताव है। शोधकर्ताओं ने रोबोटों के बड़े समूहों (स्वार्म्स) को नियंत्रित करने का एक नया तरीका बनाया है, जिसमें उन्हें व्यक्तिगत मशीनों के रूप में नहीं, बल्कि एक तरल (fluid) के रूप में देखा जाता है।

यहाँ उनके विचार का विवरण दिया गया है, सरल उपमाओं (analogies) का उपयोग करते हुए:

1. बड़ा विचार: पानी के रूप में रोबोट

वास्तविक दुनिया में, पानी एक पाइप के माध्यम से स्वाभाविक रूप से बहता है। यदि पाइप संकरा हो जाता है, तो पानी तेज हो जाता है। यदि यह चौड़ा हो जाता है, तो यह धीमा हो जाता है और फैल जाता है। पानी यह सब बिना किसी एकल बूंद के अपने बगल वाली बूंद से "बात" किए करता है; वे बस उस स्थान के भौतिक विज्ञान (physics) का पालन करते हैं जिसमें वे हैं।

लेखकों, मोहिनी प्रिया कोलुरी, अमर वाहीद और ज़ोहेब हसन ने चाहा कि उनके ड्रोन का झुंड बिल्कुल उसी तरह व्यवहार करे। वे चाहते थे कि रोबोट एक स्थान से होकर बहें, कमरे के आकार के आधार पर गति बढ़ाएं और घटाएं, बिना एक-दूसरे से चैट किए या किसी केंद्रीय बॉस के आदेश का इंतज़ार किए।

2. गुप्त नुस्खा: "रोबोट चौकड़ी" (The Robot Quartet)

इसे काम करने के योग्य बनाने के लिए, टीम ने नियमों का एक नया सेट बनाया। भौतिक विज्ञान में, हम तरल पदार्थों को चार मुख्य चीजों का उपयोग करके वर्णित करते हैं: गति (Speed), घनत्व (Density), दबाव (Pressure) और तापमान (Temperature)।

शोधकर्ताओं ने यह समझने में सफलता प्राप्त की कि इन चार अवधारणाओं को रोबोट की भाषा में कैसे अनुवादित किया जाए:

रोबोट की गति (Robot Speed): वांछित दिशा में समूह कितनी तेजी से आगे बढ़ रहा है।
रोबोट का घनत्व (Robot Density): एक विशिष्ट स्थान पर रोबोट कितने घने हैं (जैसे कि एक कमरे में कितने लोग हैं)।
रोबोट का दबाव (Robot Pressure): यह एक चतुर हिस्सा है। एक तरल में, दबाव अणुओं के आपस में टकराने से आता है। रोबोट के लिए, "दबाव" इस बात से बनता है कि उन्हें अपनी बनावट बनाए रखने के लिए कितना तेज या धीमा होना पड़ता है। यदि उन्हें अपना आकार बनाए रखने के लिए बहुत मेहनत करनी पड़ती है, तो "दबाव" अधिक होता है।
रोबोट का तापमान (Robot Temperature): यह गर्मी के बारे में नहीं है। यह "अराजकता" (chaos) का एक माप है। यदि सभी रोबोट पूरी तरह से तालमेल में चल रहे हैं, तो "तापमान" कम है। यदि वे झटक रहे हैं या बेतरतीब ढंग से चल रहे हैं, तो "तापमान" अधिक है।

3. उन्होंने इसे कैसे काम करने के लायक बनाया ("वेलोसिटी-फिटिंग" ट्रिक)

शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने हवा के प्रवाह के एक विशेष टनल (जिसे कन्वर्जिंग-डाइवर्जिंग नोजल कहा जाता है) के माध्यम से हवा के प्रवाह के एक सुपर-कंप्यूटर सिमुलेशन का उपयोग ब्लूप्रिंट के रूप में किया। यह एक पूर्ण मानचित्र होने जैसा है कि पानी को वास्तव में कैसे बहना चाहिए।

फिर, उन्होंने एक गणितीय "अनुवादक" (जिसे वे वेलोसिटी-फिटिंग कहते हैं) का उपयोग किया। यह अनुवादक उस आदर्श जल प्रवाह मानचित्र को देखता है और कहता है: "ठीक है, इस विशिष्ट स्थान पर 10 रोबोटों को उस पानी की तरह कार्य करने के लिए, उन्हें ठीक इस गति से चलना होगा।"

महत्वपूर्ण बात यह है कि रोबोटों को केवल गति के निर्देश मिलते हैं। उन्हें यह नहीं बताया जाता कि "बाएं मुड़ें" या "उस व्यक्ति से बचें।" उन्हें बस उनके स्थान के आधार पर गति का निर्देश मिलता है। क्योंकि गति के निर्देशों की गणना "तरल" गणित का उपयोग करके की जाती है, इसलिए रोबोट स्वाभाविक रूप से फैलते हैं, तेज होते हैं और धीमे होते हैं, ठीक वैसे ही जैसे पानी करता है, बिना एक-दूसरे को संदेश भेजे।

4. परिणाम: एक डिजिटल नदी

उन्होंने लगभग 1,000 क्वाडकॉप्टर ड्रोन के सिमुलेशन के साथ इसका परीक्षण किया।

परीक्षण: उन्होंने ड्रोन को एक ऐसी सुरंग में भेजा जो संकरी होती है और फिर चौड़ी हो जाती है।
परिणाम: ड्रोन एक तरल की तरह व्यवहार करते हैं। जब सुरंग संकरी हुई, तो ड्रोन तेज हो गए और एक-दूसरे के करीब आ गए (संपीड़न/compressing)। जब सुरंग चौड़ी हुई, तो वे धीमे हो गए और फैल गए (विस्तार/expanding)।
प्रमाण: उन्होंने रोबोट की गति की तुलना उसी सुरंग में हवा के वास्तविक प्रवाह से की। रोबोट का "प्रवाह" वास्तविक वायु प्रवाह के बहुत करीब था, जिसमें केवल मामूली त्रुटियां थीं।

5. यह क्यों महत्वपूर्ण है

यह शोध पत्र दावा करता है कि यह एक बड़ी उपलब्धि है क्योंकि यह एक प्रमुख समस्या को हल करता है: स्केलेबिलिटी (Scalability)।

पुराना तरीका: यदि आपके पास 10 रोबोट हैं, तो आप उन सभी से बात कर सकते हैं। यदि आपके पास 10,000 हैं, तो उन सभी से बात करना असंभव, धीमा और विफल होने के प्रति संवेदनशील हो जाता है।
नया तरीका: रोबोट के झुंड को एक तरल के रूप में मानकर, आपको व्यक्तिगत रूप से उनसे बात करने की आवश्यकता नहीं है। आप बस पूरे समूह के "दबाव" और "प्रवाह" को निर्धारित करते हैं। रोबोट बाकी चीजें खुद समझ लेते हैं, ठीक वैसे ही जैसे पानी के अणु करते हैं।

सारांश

यह शोध पत्र FISC नामक एक फ्रेमवर्क प्रस्तुत करता है। यह सिद्ध करता है कि आप रोबोटों की व्यक्तिगत पहचान को अनदेखा करके और उन्हें एक एकल, बहते हुए तरल के रूप में मानकर एक विशाल रोबोट झुंड को नियंत्रित कर सकते हैं। उन्हें "तरल भौतिकी" के आधार पर सरल गति निर्देश देकर, झुंड स्वाभाविक रूप से व्यवस्थित होता है, बाधाओं के बीच से गुजरता है, और अपना आकार बनाए रखता है, और यह सब बिना रोबोटों के एक-दूसरे को एक भी संदेश भेजे।

नोट: यह शोध पत्र पूरी तरह से इस अवधारणा के कंप्यूटर सिमुलेशन पर केंद्रित है। यह दावा नहीं करता है कि इसे अभी तक वास्तविक दुनिया में वास्तविक भौतिक रोबोटों पर परखा गया है, न ही यह चिकित्सा या अन्य विशिष्ट अनुप्रयोगों के बारे में चर्चा करता है। यह एक सैद्धांतिक और सिमुलेशन-आधारित प्रमाण है कि यह "तरल-समान" नियंत्रण विधि काम करती है।

तकनीकी सारांश: FISC – विकेंद्रीकृत और स्केलेबल स्वार्म कंट्रोल के लिए एक फ्लूइड-प्रेरित ढांचा

समस्या विवरण

बड़े रोबोटिक स्वार्म्स (झुंडों) में स्केलेबल समन्वय प्राप्त करना अक्सर एजेंटों के बीच अंतर-एजेंट संचार (inter-agent communication) पर निर्भरता के कारण बाधित होता है, जो विलंबता (latency), बैंडविड्थ बाधाओं और एकल बिंदु विफलता (single points of failure) को जन्म देता है। जबकि स्वार्म रोबोटिक्स अनुसंधान लंबे समय से तरल उपमाओं (जैसे, "स्वार्म डेंसिटी," "विस्कोसिटी," "प्रेशर") का उपयोग करता आया है, ये अवधारणाएं काफी हद तक रूपक (metaphorical) ही बनी हुई हैं। मौजूदा दृष्टिकोणों में अक्सर एक कठोर गणितीय ढांचे का अभाव होता है जो शास्त्रीय द्रव यांत्रिकी (classical fluid mechanics) की तरह स्वार्म-स्तर के स्टेट वेरिएबल्स को परिभाषित कर सके। फलस्वरूप, मौलिक द्रव गतिकी विधियों, जैसे कि संरक्षण नियमों (conservation laws) और कंस्टिट्यूटिव संबंधों (constitive relations) को रोबोटिक स्वार्म्स पर व्यवस्थित रूप से लागू नहीं किया जा सकता है। वर्तमान विधियाँ या तो एजेंट-स्तरीय इंटरेक्शन नियमों पर निर्भर करती हैं जिनमें मैक्रोस्कोपिक क्लोजर (macroscopic closure) का अभाव होता है, या केवल वर्णनात्मक निदान (descriptive diagnostics) के रूप में निरंतर मात्राओं (continuum quantities) को प्राप्त करती हैं, या मीन-फील्ड लिमिट (mean-field limits) का उपयोग करती हैं जो वास्तविक स्वार्म आकारों पर विफल हो जाती हैं। स्वार्म ऑब्जर्वेबल्स (swarm observables) के एक न्यूनतम सेट की पहचान करने में एक महत्वपूर्ण अंतराल है जो फ्लूइड प्रिमिटिव वेरिएबल्स की गणितीय संरचना को धारण करते हों और भौतिक प्रासंगिकता प्रदर्शित करते हों, जिससे बिना स्पष्ट संचार के विकेंद्रीकृत नियंत्रण सक्षम हो सके।

कार्यप्रणाली (Methodology)

यह शोध पत्र FISC (फ्लूइड-इंस्पायर्ड स्वार्म कंट्रोल) प्रस्तावित करता है, जो बड़े रोबोटिक स्वार्म्स को निरंतर प्रणालियों (continuum systems) के रूप में मानता है, जिसके लिए संपीड़ित द्रव गतिकी (compressible fluid dynamics) के समान चार प्रिमिटिव स्टेट वेरिएबल्स को परिभाषित किया गया है: स्वार्म वेलोसिटी ( $u_s$ ), स्वार्म डेंसिटी ( $\rho_s$ ), स्वार्म प्रेशर ( $P_s$ ), और स्वार्म टेम्परेचर ( $T_s$ )।

1. प्रिमिटिव वेरिएबल्स की परिभाषा

यह ढांचा व्यक्तिगत एजेंट अवस्थाओं को डिस्क्रीट कंट्रोल वॉल्यूम ( $\Delta V_j$ ) के भीतर मैक्रोस्कोपिक फ्लूइड वेरिएबल्स में मैप करता है:

स्वार्म वेलोसिटी ( $u_s$ ): इसे मिशन-परिभाषित ड्रिफ्ट दिशा पर व्यक्तिगत एजेंट वेगों के मास-वेटेड प्रोजेक्शन के रूप में परिभाषित किया गया है। यह मोमेंटम संरक्षण सुनिश्चित करता है और लंबवत गति (perpendicular motion) को तापमान और दबाव में योगदान देने वाले उतार-चढ़ाव के रूप में मानता है।
स्वार्म डेंसिटी ( $\rho_s$ ): इसे समन्वित द्रव्यमान (एजेंट प्रति इकाई आयतन) के स्थानीय सांद्रण के रूप में परिभाषित किया गया है, जो संपीड़ितता मॉडलिंग (compressibility modeling) का आधार बनता है।
स्वार्म प्रेशर ( $P_s$ ): इसे त्वरण-आधारित मोमेंटम फ्लक्स विश्लेषण से प्राप्त किया जाता है। यह कंट्रोल वॉल्यूम सीमाओं पर एजेंट मोमेंटम को उलटने के लिए आवश्यक नॉर्मल एक्सेलेरेशन फील्ड को मापता है, जो स्थानीय माध्य के सापेक्ष वेग भिन्नता (velocity variance) को कैप्चर करता है।
स्वार्म टेम्परेचर ( $T_s$ ): यह आंतरिक गतिज विकार (internal kinetic disorder) और कंट्रोल अथॉरिटी का प्रतिनिधित्व करता है। यह रैंडम काइनेटिक एनर्जी फ्लक्चुएशन और उपलब्ध कंट्रोल अथॉरिटी (जो अधिकतम त्वरण और रिएक्शन डिले से संबंधित है) को जोड़ता है, जो द्रवों में ध्वनि की गति के समान है।

2. सैद्धांतिक आधार

सिस्टम आइसेंट्रोपिक फ्लो (isentropic flow) विशेषताओं को मानता है, जो ऊर्जा समीकरण को एक बैरोट्रोपिक संबंध ( $P_s = k \rho_s^{\gamma_s}$ ) में कम कर देता है। यह एक "घर्षण रहित" बेसलाइन स्थापित करता है जहाँ संचार हानि और एक्चुएशन डिसिपेशन नगण्य हैं, जिससे केवल समन्वय संबंधी मैकेनिक्स को अलग किया जा सके। कंस्टिट्यूटिव पैरामीटर्स (विशिष्ट ऊष्मा, गैस स्थिरांक, ध्वनि की गति) को इन वेरिएबल्स को फ्लूइडिक गुणों से जोड़ने के लिए तैयार किया गया है।

3. कार्यान्वयन और नियंत्रण रणनीति

नियंत्रण आर्किटेक्चर वेलोसिटी-ओनली है, जो सीमित सेंसिंग वाले कम लागत वाले एरियल प्लेटफॉर्म के लिए उपयुक्त है।

रेफरेंस सॉल्यूशन: एक कन्वर्जिंग-डाइवर्जिंग नोजल के माध्यम से एयरफ्लो का एक CFD सिमुलेशन लक्षित वेलोसिटी और प्रेशर फील्ड प्रदान करता है।
वेलोसिटी-फिटिंग प्रक्रिया: यह एक महत्वपूर्ण ऑप्टिमाइज़ेशन स्टेप है जो निरंतर CFD फील्ड्स को डिस्क्रीट एजेंट कमांड में अनुवादित करता है। प्रत्येक कंट्रोल वॉल्यूम के लिए, एल्गोरिदम इष्टतम एजेंट संख्या ( $N^*_j$ $N_{j}^{*}$ ) और वांछित स्वार्म वेलोसिटी ( $v_{s,d,j}$ $v_{s, d, j}$ ) के लिए समाधान करता है जो युग्मित बाधाओं (coupled constraints) को संतुष्ट करता है:
1. एजेंटों के वेग का औसत लक्षित वेलोसिटी से मेल खाना चाहिए।
2. एजेंटों के वेग का वेरिएंस लक्षित प्रेशर फील्ड उत्पन्न करना चाहिए।
  इस प्रक्रिया में भौतिक एजेंट सीमाओं (जैसे अधिकतम गति, टिल्ट एंगल) का सम्मान करते हुए वेलोसिटी को स्केल किया जाता है, जबकि मैक्रोस्कोपिक फ्लूइड स्ट्रक्चर को बनाए रखा जाता है।
निष्पादन (Execution): एजेंटों को उनके स्थानिक स्थान (spatial location) के आधार पर कंट्रोल वॉल्यूम में असाइन किया जाता है। प्रत्येक एजेंट को उसके विशिष्ट वॉल्यूम के लिए प्राप्त वेलोसिटी कमांड प्राप्त होता है। इसके लिए किसी अंतर-एजेंट संचार की आवश्यकता नहीं है; समन्वय कमांड के स्थानिक रूप से इंडेक्स्ड ब्रॉडकास्ट से उभरता है।

मुख्य योगदान

स्वार्म प्रिमिटिव्स का औपचारिककरण: शोध पत्र एक न्यूनतम क्वाटेट वेरिएबल्स ( $Q = \{u_s, \rho_s, P_s, T_s\}$ ) को स्थापित करता है जो शास्त्रीय फ्लूइड वेरिएबल्स को प्रतिबिंबित करते हैं, जिससे डिस्क्रीट, परिमित आबादी (finite populations) के लिए संरक्षण नियमों और कंस्टिट्यूटिव संबंधों का सीधा अनुप्रयोग संभव होता है।
विकेंद्रीकृत नियंत्रण के लिए वेलोसिटी-फिटिंग: यह निरंतर फ्लूइड फील्ड्स को डिस्क्रीट एजेंटों के लिए निष्पादन योग्य वेलोसिटी कमांड में अनुवादित करने की एक नवीन प्रक्रिया पेश करता है। यह विधि स्पष्ट रूप से बाउंड्री एनफोर्समेंट या अंतर-एजेंट नेगोशिएशन के बिना, प्रेशर बाधाओं को वेलोसिटी वेरिएंस के माध्यम से अंतर्निहित रूप से लागू करती है।
स्केलेबल सिमुलेशन फ्रेमवर्क: लेखक लगभग $O(10^3)$ क्वाडकॉप्टर एजेंटों के एक कन्वर्जिंग-डाइवर्जिंग डोमेन का उपयोग करके सिमुलेशन के माध्यम से इस ढांचे का मूल्यांकन करते हैं, और CFD समाधानों के विरुद्ध इस दृष्टिकोण को मान्य करते हैं।

परिणाम

फ्रेमवर्क का मूल्यांकन एक कन्वर्जिंग-डाइवर्जिंग नोजल डोमेन के लिए CFD समाधानों के विरुद्ध स्वार्म-व्युत्पन्न फील्ड्स की तुलना करके किया गया।

मात्रात्मक सहमति (Quantitative Agreement): RMSE विश्लेषण ने वेलोसिटी के लिए 0.15–0.9, डेंसिटी के लिए 0.61–0.98, और प्रेशर के लिए 0–0.937 की नॉर्मलाइज्ड एरर प्रदर्शित की।
स्ट्रक्चरल कोहेरेंस: स्वार्म ने कंप्रेसिबल फ्लो फीचर्स को सफलतापूर्वक पुनरुत्पादित किया, जिसमें थ्रोट (throat) के माध्यम से त्वरण और डाउनस्ट्रीम विस्तार शामिल है। डेंसिटी फील्ड स्वाभाविक रूप से विकसित हुआ, जो इनलेट पर उच्च सांद्रता, थ्रोट पर कमी और एग्जिट की ओर विस्तार दिखाता है, जो कंप्रेसिबल फ्लूइड व्यवहार के अनुरूप है।
मजबूती (Robustness): सिस्टम ने निरंतर एजेंट इनफ्लो (रिजर्वायर मोड) के तहत और बिना किसी अंतर-एजेंट संचार के वैश्विक सामंजस्य बनाए रखा। एक सरल कोलिजन मिटिगेशन स्कीम का परीक्षण किया गया, जिसने दिखाया कि हालांकि टकरावों ने देरी उत्पन्न की, फिर भी समग्र डेंसिटी और वेलोसिटी ट्रेंड्स फ्लूइड डायनेमिक्स के साथ सुसंगत रहे।
वेलोसिटी-ओनली कंट्रोल: अध्ययन ने पुष्टि की कि केवल वेलोसिटी कमांड का उपयोग करना, जिसमें प्रेशर प्रभाव वेलोसिटी-फिटिंग प्रक्रिया के माध्यम से अंतर्निहित हैं, मैक्रोस्कोपिक स्ट्रक्चर को बनाए रखने के लिए पर्याप्त है।

महत्व और दावे

शोध पत्र का दावा है कि यह स्वार्म रोबोटिक्स के लिए वर्णनात्मक फ्लूइड उपमाओं और सिद्धांत-आधारित, परीक्षण योग्य नियंत्रण कंस्ट्रक्ट्स के बीच के अंतर को पाटता है। एक न्यूनतम सेट ऑफ स्वार्म ऑब्जर्वेबल्स की पहचान करके, जो परिमित जनसंख्या आकारों पर संरक्षण नियमों के तहत क्लोज होते हैं, FISC विकेंद्रीकृत समन्वय के लिए एक स्केलेबल और विश्लेषणात्मक रूप से ठोस ढांचा प्रदान करता है।

लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण:

स्वार्म स्ट्रक्चर बनाए रखने के लिए अंतर-एजेंट संचार या भौतिक सीमाओं की आवश्यकता को समाप्त करता है।
स्वार्म को एक निरंतर प्रणाली के रूप में मानने की अनुमति देता है जो प्रथम सिद्धांतों (first principles) से प्राप्त मैक्रोस्कोपिक स्ट्रक्चर को बनाए रखती है।
एक प्लेटफॉर्म-एग्नोस्टिक फाउंडेशन प्रदान करता है जो होमोजेनियस या हेटेरोजेनियस रोबोटिक एजेंटों पर लागू हो सकता है।
बाधा नेविगेशन और स्टेबिलिटी-अवेयर एडैप्टेशन के लिए स्पष्ट प्रेशर या डेंसिटी कंट्रोल को शामिल करने के लिए भविष्य के विस्तार हेतु एक मार्ग प्रशस्त करता है, हालांकि इन्हें भविष्य के कार्य के रूप में नोट किया गया है।

यह कार्य एक बड़े रोबोटिक स्वार्म को निरंतर प्रणालियों के रूप में मानने की व्यवहार्यता को मान्य करता है, जो ह्यूरिस्टिक मेटाफोर से आगे बढ़कर एक कठोर गणितीय फॉर्मूलेशन की ओर ले जाता है जो निर्दिष्ट प्रारंभिक और सीमा स्थितियों से प्रवाह विकास (flow evolution) की भविष्यवाणी करने में सक्षम है।