UAVGENT: A Language-Guided Distributed Control Framework

यहाँ शोध पत्र "UAVGENT: A Language-Guided Distributed Control Framework" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र प्राकृतिक भाषा (natural language) का उपयोग करके गतिशील वातावरण में मल्टी-ड्रोन सिस्टम (स्वार्म्स) को नियंत्रित करने की चुनौती का समाधान करता है। जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) गैर-विशेषज्ञों को उच्च-स्तरीय कमांड (जैसे, "एक घेरा बनाओ और लाल कार का पीछा करो") जारी करने की अनुमति देते हैं, मौजूदा दृष्टिकोण दो महत्वपूर्ण सीमाओं से ग्रस्त हैं:

1. गतिशील वातावरण में भंगुरता (Brittleness in Dynamic Environments): अधिकांश "भाषा-से-रोबोट" पाइपलाइन "कंपाइल-वन्स" (compile-once) होती हैं, जिसका अर्थ है कि एक प्रॉम्प्ट को एक योजना में अनुवादित किया जाता है और विफलता तक निष्पादित किया जाता है। उनमें बदलते लक्ष्यों या पर्यावरणीय गड़बड़ियों के अनुकूल होने की क्षमता का अभाव होता है।
2. औपचारिक गारंटी का अभाव (Lack of Formal Guarantees): LLMs को एकीकृत करने से अक्सर पारंपरिक नियंत्रण सिद्धांत (control theory) द्वारा प्रदान की जाने वाली गणितीय स्थिरता और मजबूती की गारंटी से समझौता होता है। भाषा व्याख्या में छोटी त्रुटियां मल्टी-एजेंट समन्वय में बड़े सामूहिक विफलताओं का कारण बन सकती हैं।

मूल समस्या यह है कि जटिल व्यवहारों के साथ प्रमाणित स्थिरता प्राप्त करने के लिए केंद्रीकृत, लचीले भाषा-आधारित तर्क (reasoning) को वितरित, मजबूत फीडबैक नियंत्रण (distributed, robust feedback control) के साथ कैसे जोड़ा जाए।

2. कार्यप्रणाली: UAVGENT फ्रेमवर्क (Methodology: The UAVGENT Framework)

लेखक एक तीन-स्तरीय पदानुक्रमित वास्तुकला (three-layer hierarchical architecture) प्रस्तावित करते हैं जो अलग-अलग समय पैमानों (time scales) पर कार्य करती है:

A. बाहरी परत: मानव निर्देश (Outer Layer: Human Instruction - Sporadic)

• इनपुट: एक मानव ऑपरेटर प्राकृतिक भाषा निर्देश (जैसे, फॉर्मेशन प्रकार, लक्ष्य चयन, खोज क्षेत्र) जारी करता है।
• अनुवाद: एक LLM इन निर्देशों को निम्नलिखित में अनुवादित करता है:
  • एक नाममात्र ड्रोन संदर्भ विन्यास ($p_{cmd}$)।
  • एक इरादा सारांश (intent summary) (जैसे, stationary, track, या search)।
• संदर्भ के प्रकार (Reference Types):
  • Stationary (स्थिर): फिक्स्ड वर्ल्ड-फ्रेम कोऑर्डिनेट्स।
  • Track (ट्रैक): चलते हुए लक्ष्यों के सापेक्ष।
  • Search (खोज): किसी लक्ष्य के पता चलने तक एक सीमित क्षेत्र के भीतर।

B. मध्य परत: LLM सुपरवाइजर (Middle Layer: LLM Supervisor - Periodic)

• कार्य: यह अंतराल $\{t_k\}$ पर मानव के "सहायक" के रूप में कार्य करता है, जो आवधिक सत्यापन और सुधार करता है।
• प्रक्रिया:
  1. वर्तमान स्थिति और नवीनतम इरादे (intent) को प्राप्त करता है।
  2. ऑटो-वेरिफिकेशन (Auto-Verification): यह जाँचता है कि क्या वर्तमान निष्पादन मानव के इरादे से मेल खाता है।
  3. सुधार (Correction): यदि विसंगतियां पाई जाती हैं (जैसे, लक्ष्य विभाजित हो जाते हैं, फॉर्मेशन बिगड़ जाता है), तो LLM स्वार्म को इरादे के साथ पुनः संरेखित करने के लिए लागू संदर्भ ($p^r_a$) को अपडेट करता है।
  4. री-ग्राउंडिंग (Re-grounding): चलते हुए लक्ष्यों के लिए, यदि मूल असाइनमेंट लक्ष्य के विचलन के कारण अमान्य हो जाता है, तो यह ड्रोनों को लक्ष्यों के साथ पुनः संबद्ध करता है।
• मुख्य विशेषता: यह बिना निरंतर मानवीय हस्तक्षेप के प्रमुख पर्यावरणीय परिवर्तनों को संभालता है, और केवल तभी हस्तक्षेप करता है जब सिस्टम इरादे से भटक जाता है।

C. आंतरिक परत: वितरित नियंत्रक (Inner Layer: Distributed Controller - Continuous)

• तंत्र: एक वितरित एज-एरर फीडबैक कंट्रोलर LLM अपडेट के बीच निरंतर चलता रहता है।
• इंटरैक्शन ग्राफ: पड़ोसी ग्राफ त्रिज्या-प्रेरित (radius-induced) है। दो एजेंट (ड्रोन-टू-ड्रोन या ड्रोन-टू-टारगेट) पड़ोसी हैं यदि वे एक सेंसिंग रेडियस $r$ के भीतर हैं। यह ग्राफ गतिशील और टोपोलॉजी-मुक्त (topology-free) है (कोई केंद्रीकृत कनेक्टिविटी प्रवर्तन नहीं)।
• कंट्रोल लॉ (Control Law): प्रत्येक ड्रोन $i$ स्थानीय सापेक्ष त्रुटियों के आधार पर कंट्रोल इनपुट $u_i$ की गणना करता है:
  $$u_i(t) = \sum_{j \in N_i(t)} \left( (p_j - p_i) - (p^r_j - p^r_i) \right)$$
  जहाँ $p^r$ लागू किया गया संदर्भ है। लक्ष्य चलते हुए एंकरों के रूप में कार्य करते हैं ($p^r_{target} = p_{target}$)।
• मजबूती (Robustness): यह परत केवल स्थानीय जानकारी का उपयोग करके LLM द्वारा उत्पन्न संदर्भ को ट्रैक करती है और स्थिरता सुनिश्चित करती है।

3. मुख्य योगदान (Key Contributions)

1. पदानुक्रमित वास्तुकला (Hierarchical Architecture): एक नवीन फ्रेमवर्क जो केंद्रीकृत LLM तर्क को वितरित नियंत्रण के साथ जोड़ता है। LLM उच्च-स्तरीय इरादे और अनुकूलन को संभालता है, जबकि वितरित नियंत्रक निम्न-स्तरीय स्थिरता सुनिश्चित करता है।
2. सैद्धांतिक गारंटी (Theoretical Guarantees):
   • लेखकों ने बाउंडेड डिस्टर्बेंस और पीसवाइज़-स्मूथ संदर्भों के तहत ट्रैकिंग प्रदर्शन को स्पष्ट करने वाला एक सैद्धांतिक प्रमाण निकाला है।
   • वे एज-फॉर्मेशन एरर के लिए एक्सपोनेंशियल इनपुट-टू-स्टेट स्टेबिलिटी (Exponential Input-to-State Stability - ISS) को सिद्ध करते हैं।
   • वे LLM सत्यापन चरणों के बीच कंट्रोलर एरर पर एक ऊपरी सीमा (upper bound) प्रदान करते हैं, जिससे यह दिखाया जाता है कि सिस्टम LLM अपडेट के कारण संदर्भ में होने वाले असतत उछाल (discrete jumps) के बावजूद अभिसरित (converge) होता है।
3. गतिशील अनुकूलन (Dynamic Adaptation): सिस्टम स्वचालित रूप से लक्ष्य विभाजन, विलय और फॉर्मेशन स्विचिंग (जैसे, ग्रिड से सर्कल में बदलना) जैसे जटिल परिदृश्यों को संभालता है, जिसमें LLM सुपरवाइजर का उपयोग किया जाता है, बिना किसी मानवीय सूक्ष्म प्रबंधन के।
4. त्रिज्या-प्रेरित टोपोलॉजी (Radius-Induced Topology): नियंत्रण पूरी तरह से ज्यामितीय निकटता पर निर्भर करता है, जो इसे संचार ड्रॉपआउट के प्रति मजबूत बनाता है और बिना किसी निश्चित संचार ग्राफ के बड़े स्वार्म्स के लिए स्केलेबल बनाता है।

4. परिणाम और सिमुलेशन (Results and Simulations)

फ्रेमवर्क का मूल्यांकन दो प्राथमिक परिदृश्यों में किया गया था:

• पुलिस-चेज़िंग परिदृश्य (Police-Chasing Scenario):

  • सेटअप: 3 संदिग्ध वाहनों को ट्रैक करने के लिए 24 ड्रोन।
  • घटनाएँ: संदिग्ध विभिन्न दिशाओं में विभाजित होते हैं; स्वार्म को उप-स्वार्म्स में विभाजित होना पड़ता है। बाद में, उपयोगकर्ता विभिन्न समूहों के लिए अलग-अलग फॉर्मेशन (सर्कल, स्क्वायर, क्रॉस) का अनुरोध करता है।
  • परिणाम: आंतरिक परत के वितरित नियंत्रण ने शुरू में लक्ष्यों को ड्रोन आवंटित किए लेकिन फॉर्मेशन में विकृति की अनुमति दी। LLM सुपरवाइजर ने विकृति का पता लगाया, ड्रोन-टू-टारगेट असाइनमेंट को पुन: संतुलित किया, और स्वच्छ फॉर्मेशन संदर्भ उत्पन्न किए। सिस्टम ने ट्रैकिंग बनाए रखते हुए जटिल फॉर्मेशन के बीच सफलतापूर्वक संक्रमण किया।

• खोज और बचाव परिदृश्य (Search-and-Rescue Scenario):

  • सेटअप: एक जंगल में लापता व्यक्ति की खोज के लिए एक सीमित क्षेत्र के भीतर ड्रोन।
  • घटनाएँ: रैंडम वेपॉइंट असाइनमेंट, नकारात्मक अवलोकनों पर इवेंट-ड्रिवन री-टास्किंग, और पहचान होने पर घेराबंदी।
  • परिणाम: LLM ने खोज तर्क (वेपॉइंट असाइन करना, आवश्यकतानुसार खोज क्षेत्र का विस्तार करना) को कुशलतापूर्वक प्रबंधित किया। पहचान होने पर, स्वार्म ने जमीन पर मौजूद उत्तरदाताओं के लिए स्थान को चिह्नित करने हेतु 3D घेराबंदी (encirclement) फॉर्मेशन में सहजता से संक्रमण किया।

प्रदर्शन मेट्रिक्स: सिमुलेशन ने कम डिटेक्शन टाइम, कुशल वेपॉइंट उपयोग और घेराबंदी चरण के दौरान उच्च फॉर्मेशन गुणवत्ता (कम रेडियस एरर) का प्रदर्शन किया।

5. महत्व और निष्कर्ष (Significance and Conclusion)

UAVGENT वास्तविक दुनिया के असंरचित वातावरण में स्वायत्त मल्टी-रोबोट सिस्टम को तैनात करने की दिशा में एक महत्वपूर्ण कदम है।

• अंतराल को पाटना (Bridging the Gap): यह LLMs के लचीलेपन और नियंत्रण सिद्धांत की कठोरता के बीच के अंतर को सफलतापूर्वक पाटता है। यह "कंपाइल-वन्स" LLM पाइपलाइनों से आगे बढ़कर एक "लैंग्वेज-इन-द-लूप" सिस्टम की ओर बढ़ता है जो निरंतर निष्पादन को सत्यापित और संशोधित करता है।
• ह्यूमन-इन-द-लूप दक्षता (Human-in-the-Loop Efficiency): यह मानव ऑपरेटरों पर संज्ञानात्मक भार (cognitive load) को काफी कम कर देता है। मनुष्यों को केवल बड़े बदलाव होने पर उच्च-स्तरीय कमांड जारी करने की आवश्यकता होती है; LLM सुपरवाइजर अनुकूलन और मामूली सुधारों को संभालता है।
• प्रमाणित सुरक्षा (Provable Safety): औपचारिक स्थिरता गारंटी के साथ एक वितरित इनर-लूप कंट्रोलर को बनाए रखकर, यह सिस्टम सुनिश्चित करता है कि भले ही LLM एक उप-इष्टतम (suboptimal) सुधार करे, भौतिक प्रणाली स्थिर और सीमित रहेगी।

लेखक निष्कर्ष निकालते हैं कि यह दृष्टिकोण जटिल, अनुकूलन योग्य मल्टी-एजेंट व्यवहारों को प्रमाणित मजबूती (provable robustness) के साथ सक्षम बनाता है, जो इसे आपातकालीन प्रतिक्रिया, निगरानी और पर्यावरणीय निगरानी जैसे महत्वपूर्ण अनुप्रयोगों के लिए एक व्यवहार्य उम्मीदवार बनाता है। भविष्य के कार्यों में वास्तविक दुनिया की तैनाती क्षमताओं को और बढ़ाने के लिए मल्टीमॉडल (विजुअल-लैंग्वेज) मॉडल को एकीकृत करना शामिल है।