⚡ electrical engineering

Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis

यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो रोबस्ट नॉनलीन मॉडल प्रेडिक्टिव कंट्रोल के लिए उच्च-विश्वास, अवस्था-निर्भर त्रुटि सीमाएं उत्पन्न करने हेतु सिस्टम लेवल सिंथेसिस के साथ कॉन्फॉर्मल प्रेडिक्शन को एकीकृत करता है, जिससे आउट-ऑफ-डिस्ट्रीब्यूशन संचालित होने वाले सीखे गए डायनेमिक्स मॉडल्स के लिए सुरक्षा और कवरेज गारंटी सुनिश्चित की जा सके।

मूल लेखक: Anutam Srinivasan, Antoine Leeman, Glen Chou

प्रकाशित 2026-02-13

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Anutam Srinivasan, Antoine Leeman, Glen Chou

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 कार चलाना सिखा रहे हैं। आप उसे एक शांत मोहल्ले में धूप वाले दिन ड्राइविंग के हजारों वीडियो दिखाते हैं। रोबोट उस विशिष्ट मोहल्ले के लिए सड़क के नियमों को पूरी तरह से सीख लेता है।

अब, कल्पना कीजिए कि आप उसी रोबोट को एक ऐसे शहर में भारी बर्फबारी के बीच चलाने के लिए भेजते हैं जिसे उसने पहले कभी नहीं देखा है। इसे वैज्ञानिक "आउट-ऑफ-डिस्ट्रीब्यूशन" (OOD) कहते हैं। रोबोट का ट्रेनिंग डेटा (धूप वाले दिन) वास्तविकता (बर्फबारी की अराजकता) से मेल नहीं खाता। यदि रोबोट उन्हीं वीडियो की तरह बिल्कुल वैसे ही चलाने की कोशिश करता है, तो वह दुर्घटनाग्रस्त हो सकता है क्योंकि उसे यह नहीं पता कि सड़क कितनी फिसलन भरी है या ठंड में कार कैसे व्यवहार करती है।

यह शोध पत्र इस तरह के रोबोट के लिए एक नया "सेफ्टी नेट" प्रस्तुत करता है। इसे CP-SLS-MPC कहा जाता है। आइए समझते हैं कि इसका क्या अर्थ है।

तीन बड़ी समस्याएँ

"ब्लाइंड स्पॉट" की समस्या: रोबोट अक्सर यह मान लेते हैं कि उनका ट्रेनिंग डेटा सब कुछ कवर करता है। जब वे उस डेटा से बाहर कदम रखते हैं, तो वे अत्यधिक आत्मविश्वासी और खतरनाक हो जाते हैं।
"वन-साइज़-फिट्स-ऑल" की समस्या: पारंपरिक सुरक्षा विधियाँ सभी त्रुटियों के साथ एक जैसा व्यवहार करती हैं। वे कह सकती हैं, "रोबोट कहीं भी 1 मीटर दूर हो सकता है।" लेकिन वास्तव में, रोबोट सीधी सड़कों पर बहुत सटीक हो सकता है लेकिन तीखे मोड़ों पर बहुत गलत हो सकता है। एक सामान्य नियम या तो बहुत रूढ़िवादी है (रोबोट को धीमा कर देता है) या बहुत जोखिम भरा है।
"स्लो ब्रेन" की समस्या: जटिल रोबोटों के लिए सुरक्षित पथों की गणना करना कठिन और धीमा होता है। जब तक रोबोट यह समझ पाता है कि वह सुरक्षित है, तब तक वह दीवार से टकरा चुका होता है।

समाधान: एक स्मार्ट, एडेप्टिव सेफ्टी बबल

लेखक तीन उच्च-तकनीकी अवधारणाओं को एक आसान-से-समझने योग्य सिस्टम में मिलाते हैं:

1. कॉन्फॉर्मल प्रेडिक्शन (CP): "कॉन्फिडेंस स्कोर"

इसे रोबोट के दिमाग के लिए एक मौसम पूर्वानुमान की तरह समझें।
केवल यह कहने के बजाय कि, "मुझे लगता है कि मैं यहाँ हूँ," रोबोट कहता है, "मुझे लगता है कि मैं यहाँ हूँ, और मुझे 95% यकीन है कि मैं इस विशिष्ट आकार के भीतर हूँ।"

पुराना तरीका: "मुझे यकीन है कि मैं अपने अनुमान के आसपास एक विशाल घेरे के भीतर हूँ।" (बहुत बड़ा, बहुत धीमा)।
नया तरीका: "मुझे यकीन है कि मैं इस अंडाकार आकार के भीतर हूँ।"
- यदि रोबroट एक परिचित क्षेत्र (जैसे धूप वाला मोहल्ला) में है, तो अंडाकार आकार छोटा और सटीक होता है।
- यदि रोबोट किसी डरावने, अज्ञात क्षेत्र (जैसे बर्फबारी) में प्रवेश करता है, तो यह तुरंत फैल जाता है ताकि अधिक जमीन को कवर किया जा सके, यह कहते हुए, "मुझे यकीन नहीं है, इसलिए मुझे एक बड़े सुरक्षा बुलबुले की आवश्यकता है।"
- जादू: रोबोट यह सीखता है कि वह कहाँ है और क्या कर रहा है, इसके आधार पर इस अंडाकार आकार को कैसे बदला जाए। यह एक "स्मार्ट बबल" है जो जानता है कि कब सिकुड़ना है और कब फैलना है।

2. सिस्टम लेवल सिंथेसिस (SLS): "ट्रैफिक कंट्रोलर"

एक बार जब रोबोट को पता चल जाता है कि उसका "सेफ्टी बबल" कितना बड़ा है, तो उसे इसके अंदर रहने की योजना बनाने की आवश्यकता होती है।
एक व्यस्त हवाई अड्डे पर ट्रैफिक कंट्रोलर की कल्पना करें। कंट्रोलर केवल विमान को यह नहीं बताता कि कहाँ जाना है; वे हवा के हर झोंके या इंजन की हर गड़बड़ी के लिए पूरा रास्ता और बफर जोन की गणना करते हैं।

SLS वह गणित है जो रोबोट को उन सभी "क्या होगा अगर" वाले परिदृश्यों को ध्यान में रखते हुए पहले से पूरा सफर प्लान करने में मदद करता है।
यह सुनिश्चित करता है कि भले ही रोबोट गलती करे (बर्फ पर फिसल जाए), योजना इतनी मजबूत हो कि दुर्घटना न हो। यह एक ऐसे मार्ग की योजना बनाने जैसा है जिसमें अतिरिक्त लेन बनाई गई हैं, ताकि यदि आप भटक जाएं तो भी सुरक्षित रहें।

3. मॉडल प्रेडिक्टिव कंट्रोल (MPC): "रिएक्टिव ड्राइवर"

यह वह हिस्सा है जो वास्तव में कार चलाता है।

लूप: हर सेकंड के छोटे हिस्से में, रोबोट आगे देखता है, अपने "स्मार्ट बबल" (चरण 1 से) की जांच करता है, "ट्रैफिक कंट्रोलर" गणित (चरण 2 से) चलाता है, और सबसे अच्छा कदम चुनता है।
ट्विस्ट: यदि रोबोट को एहसास होता है कि वह एक खतरनाक, अज्ञात क्षेत्र में प्रवेश कर रहा है, तो सिस्टम उसे निर्देश देता है: "हे, धीरे हो जाओ और सड़क के केंद्र के करीब रहो।" यह सक्रिय रूप से डरावने हिस्सों से बचने की कोशिश करता है।

यह वास्तविक जीवन में कैसे काम करता है (उपमा)

कल्पना कीजिए कि आप एक घने जंगल में कोहरे के बीच चल रहे हैं जहाँ आप पहले कभी नहीं गए।

"स्मार्ट बबल" (CP): आपके पास एक टॉर्च है। खुले मैदान में (ज्ञात डेटा), रोशनी एक तंग बीम है, और आप तेज़ चलते हैं। जैसे ही आप घने कोहरे (अज्ञात डेटा) में प्रवेश करते हैं, आपकी टॉर्च स्वचालित रूप से एक बड़े क्षेत्र को कवर करने के लिए चौड़ी हो जाती है, जो चेतावनी देती है, "मैं यहाँ स्पष्ट रूप से नहीं देख सकता, सावधान रहें!"
"ट्रैफिक कंट्रोलर" (SLS): आप केवल अंधेरे में आगे नहीं बढ़ते। आप मानसिक रूप से अगले 10 कदमों का नक्शा बनाते हैं। आप सोचते हैं, "यदि मैं बाईं ओर कदम रखता हूँ, तो मैं पेड़ से टकरा सकता हूँ। यदि मैं दाईं ओर कदम रखता हूँ, तो मैं गड्ढे में गिर सकता हूँ। मैं बीच का रास्ता लूँगा, लेकिन मैं अपने हाथ बाहर रखूँगा ताकि ज़रूरत पड़ने पर संभल सकूँ।"
"रिएक्टिव ड्राइवर" (MPC): हर बार जब आप कदम उठाते हैं, तो आप कोहरे की दोबारा जांच करते हैं। यदि कोहरा घना होता जाता है, तो आप अपने कदम का आकार छोटा कर देते हैं। यदि आपको एक परिचित पेड़ (नया डेटा) दिखता है, तो आप अपनी बीम को सिकोड़ लेते हैं और तेज़ चलते हैं।

यह शोध पत्र क्यों महत्वपूर्ण है

यह सुरक्षित है: यह गणितीय गारंटी देता है कि रोबमान दुर्घटनाग्रस्त नहीं होगा, भले ही वह ऐसी जगहों पर हो जहाँ उसने पहले कभी नहीं देखा।
यह तेज़ है: यह केवल अनुमान नहीं लगाता; यह समस्या को वास्तविक समय में हल करने के लिए चतुर गणित का उपयोग करता है।
यह स्मार्ट है: यह केवल खतरे से बचता नहीं है; यह चलते-चलते सीखने की कोशिश करता है। यदि रोबोट बर्फ का एक नया पैच देखता है, तो वह तुरंत अपने "स्मार्ट बबल" को अपडेट करता है, जिससे अगला कदम अधिक सुरक्षित हो जाता है।

संक्षेप में: यह शोध पत्र रोबोटों को एक ऐसा "सेफ्टी बबल" के साथ गाड़ी चलाना सिखाता है जो सड़क को जानने की उनकी क्षमता के आधार पर आकार बदलता है। यह उन्हें बिना दुर्घटनाग्रस्त हुए नए, खतरनाक क्षेत्रों में जाने की अनुमति देता है, क्योंकि वे लगातार अपने आत्मविश्वास की जांच करते हैं और अपनी योजनाओं को तुरंत बदलते रहते हैं। यह एक ऐसे रोबोट के बीच का अंतर है जो अंधे होकर मानचित्र का पालन करता है और एक ऐसे रोबोट के बीच का अंतर है जो सतर्क, बुद्धिमान मानव जैसी जागरूकता के साथ गाड़ी चलाता है।

यहाँ शोध पत्र "Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र सीखे गए डायनेमिक्स मॉडल (learned dynamics models) का उपयोग करते समय रोबोटिक प्रणालियों के लिए सुरक्षित नियोजन और नियंत्रण (safe planning and control) की महत्वपूर्ण चुनौती को संबोधित करता है, जो आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) में कार्य करते हैं।

मुख्य मुद्दा: डेटा-संचालित प्लानर अक्सर एक विशिष्ट डेटासेट से डायनेमिक्स मॉडल सीखते हैं। जब एक रोबोट ऐसी अवस्थाओं (states) या नियंत्रणों (controls) का सामना करता है जो प्रशिक्षण वितरण (training distribution) से बाहर होते हैं, तो मॉडल की त्रुटि अप्रत्याशित हो सकती है, जिससे असुरक्षित व्यवहार (जैसे कि टकराव) हो सकता है।
मौजूदा विधियों की सीमाएँ:
- क्लासिकल MPC: यह सटीक मॉडल मानता है और अनिश्चितता के तहत विफल हो जाता है।
- मानक रोबस्ट MPC: अक्सर निश्चित, रूढ़िवादी सीमाओं (fixed, conservative bounds) या "विश्वसनीय डोमेन" पर निर्भर करता है जो रोबोट को प्रशिक्षण डेटा क्षेत्र से बाहर जाने से रोकते हैं, जिससे इसकी उपयोगिता सीमित हो जाती है।
- मौजूदा लर्निंग-आधारित MPC: इनमें औपचारिक सुरक्षा गारंटी की कमी हो सकती है या वे सक्रिय रूप से कम अनिश्चितता वाले क्षेत्रों (कम-त्रुटि वाले क्षेत्रों) की ओर बढ़ने में विफल हो सकते हैं।
लक्ष्य: एक ऐसा ढांचा विकसित करना जो रोबोट को संभाव्यता आधारित सुरक्षा गारंटी (probabilistic safety guarantees) बनाए रखते हुए अस्थायी रूप से OOD संचालन करने की अनुमति दे, अनिश्चितता को सक्रिय रूप से कम करे, और क्लोज्ड-लूप प्रदर्शन को अनुकूलित करे।

2. कार्यप्रणाली: CP-SLS-MPC

लेखक CP-SLS-MPC का प्रस्ताव करते हैं, जो वेटेड कॉन्फॉर्मल प्रेडिक्शन (Weighted Conformal Prediction - WCP) और सिस्टम लेवल सिंथेसिस (System Level Synthesis - SLS) को संयोजित करता है।

A. त्रुटि सीमा निर्धारण के लिए वेटेड कॉन्फॉर्मल प्रेडिक्शन (WCP)

एक निश्चित त्रुटि सीमा मानने के बजाय, यह विधि स्थानिक रूप से परिवर्तनशील अनिश्चितता को कैप्चर करने के लिए एक स्टेट-कंट्रोल-डिपेंडेंट कोवेरियेंस मॉडल ( $\Sigma$ ) सीखती है।

मॉडल प्रशिक्षण: एक न्यूरल नेटवर्क डायनेमिक्स ( $\hat{f}$ ) सीखता है और एक अलग नेटवर्क मल्टीवेरिएट गौसियन नेगेटिव लॉग-लाइक्लीहुड (MGNLL) का उपयोग करके अनिश्चितता कोवेरियेंस ( $\Sigma$ ) सीखता है।
कैलिब्रेशन: यह विधि कच्चे नॉन-कन्फॉर्मिटी स्कोर ( $\hat{f}$ और वास्तविक $f$ के बीच की त्रुटियां) को एक कैलिब्रेटेड थ्रेशोल्ड ( $q_{1-\alpha}$ ) में बदलने के लिए WCP का उपयोग करती है।
स्टेट-डिपेंडेंट एलिप्सॉइड्स (Ellipsoids): निश्चित गोलाकार सीमाओं (spherical bounds) का उपयोग करने वाली विधियों के विपरीत, CP-SLS-MPC अनुमानित अवस्था के केंद्र में एलिप्सॉइडल प्रेडिक्शन सेट्स का निर्माण करता है। इन एलिप्सॉइड्स का आकार और आकार स्थानीय स्टेट-कंट्रोल पेयर $(x, u)$ पर निर्भर करता है।
डिस्ट्रीब्यूशन शिफ्ट को संभालना: WTP प्रशिक्षण डेटा और निष्पादन के बीच स्थानिक-कालिक (spatio-temporal) वितरण बदलावों को ध्यान में रखने के लिए वेटेड कैलिब्रेशन का उपयोग करता है, जो "कवरेज गैप" (वह संभावना कि वास्तविक त्रुटि अनुमानित सेट के बाहर गिर जाए) पर एक सैद्धांतिक सीमा प्रदान करता है।

B. रोबस्ट कंट्रोल के लिए सिस्टम लेवल सिंथेसिस (SLS)

यह विधि इन त्रुटि सीमाओं को SLS-आधारित मॉडल प्रिडिक्टिव कंट्रोल (MPC) फॉर्मूलेशन में एकीकृत करती है।

विघटन (Decomposition): SLS नियंत्रण समस्या को एक नॉमिनल ट्रजेक्टरी ( $z, v$ ) और एक डिस्टर्बेंस-फीडबैक कंट्रोलर ( $\Phi_x, \Phi_u$ ) को अनुकूलित करने में विभाजित करता है।
रीचेबल ट्यूब्स (Reachable Tubes): कंट्रोलर प्रेडिक्शन होराइजन पर सबसे खराब स्थिति वाली मॉडल त्रुटियों (जो CP एलिप्सॉइड द्वारा परिभाषित हैं) को प्रसारित करके "रीचेबल ट्यूब्स" (वास्तविक क्लोज्ड-लूप ट्रजेक्टरी का ओवर-एप्रोक्सिमेशन) की गणना करता है।
कन्स्ट्रेंट टाइटनिंग (Constraint Tightening): MPC नॉमिनल ट्रजेक्टरी पर बाधाओं (constraints) को इस प्रकार लागू करता है कि सबसे खराब स्थिति वाली त्रुटि के साथ भी, वास्तविक सिस्टम सुरक्षित रहे।
कॉन्वेक्सिटी (Convexity): SLS क्लोज्ड-लूप रिस्पॉन्स का एक कॉनवेक्स पैरामीटराइजेशन प्रदान करता है, जिससे गैर-रेखीय (non-linear) MPC समस्या को सीक्वेंशियल कॉनवेक्स प्रोग्रामिंग (SCP) के माध्यम से कुशलतापूर्वक हल किया जा सकता है।

C. सक्रिय अनिश्चितता न्यूनीकरण (Active Uncertainty Reduction)

इस ढांचे में एक कॉस्ट फंक्शन टर्म शामिल है जो प्रशिक्षण डेटा वितरण से दूर की ट्रजेक्टरीज को दंडित करता है। यह प्लानर को निम्नलिखित के लिए प्रोत्साहित करता है:

"इन-डिस्ट्रीब्यूशन" क्षेत्रों में रहना जहाँ मॉडल सटीक है।
यदि OOD संचालन आवश्यक है, तो ऐसे पथ चुनना जो अनिश्चितता ट्यूब के आयतन (volume) को कम करता है (अनिश्चितता को कम करना)।

3. मुख्य योगदान

नया ढांचा (CP-SLS-MPC): एक तेज़, ऑप्टिमाइज़ेशन-आधारित प्लानर जो डायनेमिक्स को संयुक्त रूप से सीखता है, WCP के माध्यम से मॉडल त्रुटि को सीमाबद्ध करता है, और SLS के माध्यम से रोबस्ट कंट्रोल पॉलिसी की गणना करता है।
सैद्धांतिक गारंटी:
- वितरण संबंधी बदलाव (distributional drift) के तहत वास्तविक सिस्टम के लिए फाइनाइट-सैंपल प्रोबेबिलिस्टिक सेफ्टी को सिद्ध करता है।
- कैलिब्रेशन पॉइंट्स के घनत्व और त्रुटि वितरण के लिप्सचिट्ज़ निरंतरता (Lipschitz continuity) के आधार पर कवरेज गैप के लिए एक सीमा प्राप्त करता है।
स्टेट-डिपेंडेंट अनिश्चितता: निश्चित गोलाकार सीमाओं से आगे बढ़कर सीखे गए, स्टेट-कंट्रोल-डिपेंडेंट एलिप्सॉइडल बाउंड्स का उपयोग करता है, जिससे कम रूढ़िवादी (less conservative) प्लानिंग संभव होती है।
सक्रिय अनिश्चितता न्यूनीकरण: रोबोट को कम-त्रुटि वाले क्षेत्रों की ओर निर्देशित करने के लिए एक तंत्र पेश करता है, जिससे सुरक्षा और प्रदर्शन दोनों में सुधार होता है।
अनुभवजन्य सत्यापन (Empirical Validation): चुनौतीपूर्ण OOD परिदृश्यों में उच्च-आयामी गैर-रेखीय प्रणालियों (4D कार और 12D क्वाडकॉप्टर) पर सफलता प्रदर्शित करता है।

4. प्रयोगात्मक परिणाम

विधि का मूल्यांकन दो प्रणालियों पर किया गया: एक 4D डबिन्स कार (Dubins Car) और एक 12D क्वाडकॉप्टर (Quadcopter)।

बेसलाइन्स: 'वैनिला MPC' (कोई मजबूती नहीं) और 'CP-Ball' (निश्चित गोलाकार त्रुटि सीमा) के विरुद्ध तुलना की गई।
इन-डिस्ट्रीब्यूशन (ID): CP-SLS-MPC न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ बेसलाइन्स के समान प्रदर्शन बनाए रखता है।
आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) प्रदर्शन:
- सुरक्षा: OOD परिदृश्यों में (जैसे घर्षण परिवर्तन, आकर्षक बाधाएं), वैनिला MPC और CP-Ball अक्सर विफल (टकराव) हो जाते हैं। CP-SLS-MPC सुरक्षित दूरी बनाए रखते हुए लक्ष्यों तक पहुँचने में सफल रहा।
- अनुकूलन क्षमता (Adaptability): जैसे-जैसे रोबोट OOD क्षेत्रों में ऑनलाइन डेटा एकत्र करता है, CP त्रुटि सीमाएं सख्त होती जाती हैं, जिससे रोबोट समय के साथ कम रूढ़िवादी हो जाता है।
- ट्यूब का आकार: निश्चित गोलाकार सीमाओं की तुलना में स्टेट-डिपेंडेंट एलिप्सॉइड्स ने छोटे, अधिक सटीक रीचेबल ट्यूब बनाए, जिससे कम रूढ़िवादी (अधिक कुशल) पथ मिले।
- सक्रिय अनिश्चितता: जब सक्षम किया गया, तो प्लानर सफलतापूर्वक उच्च-अनिश्चितता वाले क्षेत्रों से बच गया, जिसके परिणामस्वरूप सुचारू ट्रजेक्टरीज और कम प्रेडिक्शन त्रुटियां मिलीं (परिशिष्ट में तालिका 2)।
स्केलेबिलिटी: विधि ने 12D क्वाडकॉप्टर तक सफलतापूर्वक विस्तार किया, जो OOD परिदृश्यों में बेसलाइन की तुलना में 80% सफलता दर प्राप्त कर सका, जो जटिल, उच्च-आयामी रोबोटिक्स में इसकी प्रयोज्यता को दर्शाता है।

5. महत्व

यह कार्य रोबोटिक्स में डेटा-संचालित लर्निंग और औपचारिक सुरक्षा गारंटी के बीच के अंतर को पाटता है।

"सेफ डोमेन" से परे: यह उस प्रतिमान को चुनौती देता है कि रोबरों को सख्ती से प्रशिक्षण डेटा के भीतर ही रहना चाहिए। यह गणितीय रूप से प्रमाणित सुरक्षा के साथ अस्थायी OOD संचालन को सक्षम बनाता है।
दक्षता: SLS और SCP का लाभ उठाकर, यह गतिशील वातावरण के लिए उपयुक्त निकट-वास्तविक-समय (near-real-time) री-प्लानिंग गति प्राप्त करता है।
व्यावहारिकता: वेटेड कॉन्फॉर्मल प्रेडिक्शन का उपयोग करने से सिस्टम बिना पुन: प्रशिक्षण (retraining) के गैर-स्थिर वातावरण और वितरण बदलावों के अनुकूल हो सकता है, जो इसे वास्तविक दुनिया की तैनाती के लिए अत्यधिक प्रासंगिक बनाता है जहाँ डेटा की कमी और पर्यावरणीय परिवर्तन अपरिहार्य हैं।

संक्षेप में, CP-SLS-MPC अनिश्चित और परिवर्तनशील वातावरण में सुरक्षित रोबोटिक नियंत्रण के लिए एक मजबूत, सैद्धांतिक रूप से आधारित और कम्प्यूटेशनल रूप से कुशल समाधान प्रदान करता है।