🤖 machine learning

CN-CBF: Composite Neural Control Barrier Function for Safe Robot Navigation in Dynamic Environments

यह शोध पत्र CN-CBF का प्रस्ताव करता है, जो एक कंपोजिट न्यूरल कंट्रोल बैरियर फंक्शन विधि है जो गतिशील वातावरण में सुरक्षित, गैर-रूढ़िवादी रोबोट नेविगेशन को सक्षम करने के लिए कई हैमिल्टन-जैकबी-प्रशिक्षित न्यूरल CBFs को एक रेसिडुअल आर्किटेक्चर के साथ जोड़ता है, जो सिमुलेशन और हार्डवेयर प्रयोगों दोनों में बेसलाइन की तुलना में 18% तक उच्च सफलता दर प्राप्त करता है।

मूल लेखक: Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

प्रकाशित 2026-03-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

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 एक व्यस्त, भीड़भाड़ वाले रेलवे स्टेशन में चलना सिखा रहे हैं। लक्ष्य बिंदु A से बिंदु B तक बिना किसी से टकराए पहुँचना है। समस्या यह है कि लोग (बाधाएं) चल रहे हैं, अपनी दिशा बदल रहे हैं, और आप यह नहीं जानते कि वे आगे क्या करेंगे।

यह पेपर रोबोट के लिए एक नया "दिमाग" पेश करता है जिसे CN-CBF (कंपोजिट न्यूरल कंट्रोल बैरियर फंक्शन) कहा जाता है। इसे एक सुपर-स्मार्ट, तुरंत प्रतिक्रिया देने वाले सुरक्षा गार्ड की तरह समझें जो रोबोट के "प्लानर" (जो केवल सीधे जाने का लक्ष्य रखता है) और रोबोट की "मांसपेशियों" (मोटरों) के बीच बैठा है।

यह कैसे काम करता है, इसे सरल अवधारणाओं और उपमाओं के माध्यम से यहाँ समझाया गया है:

1. समस्या: "सेफ्टी फिल्टर" की दुविधा

अधिकांश रोबोटों में एक "नॉमिनल कंट्रोलर" होता है जो एक ऐसे ड्राइवर की तरह है जो केवल मानचित्र को देखता है और कहता है, "सीधे चलो!" यह खाली सड़कों के लिए तो बहुत अच्छा है लेकिन भीड़भाड़ वाले स्टेशनों के लिए बहुत बुरा है। यदि आप रोबोट को केवल एक व्यक्ति को देखते ही रुकने के लिए कहते हैं, तो हो सकता है कि वह बहुत देर से रुके या बहुत अजीब तरह से चले।

इसे ठीक करने के लिए, इंजीनियर एक सेफ्टी फिल्टर का उपयोग करते हैं। यह एक को-पायलट की तरह है जो ड्राइवर पर नज़र रखता है। यदि ड्राइवर किसी पैदल यात्री से टकराने की कोशिश करता है, तो को-पायलट पहिए को बस इतना घुमा देता है कि टक्कर से बचा जा सके, और फिर ड्राइवर को उनके मूल प्लान पर वापस जाने देता है।

चुनौती यह है: को-पायलट को ठीक-ठीक कैसे पता चलेगा कि "बहुत करीब" होने का क्या मतलब है?

यदि यह बहुत सख्त है, तो रोबोट एक डरे हुए कछुए की तरह व्यवहार करेगा, हर साये के लिए रुक जाएगा।
यदि यह बहुत ढीला है, तो रोबोट टकरा जाएगा।
मौजूदा तरीके या तो वास्तविक समय (real-time) में गणना करने में बहुत धीमे हैं या बहुत अधिक रूढ़िवादी (डरे हुए) हैं।

2. समाधान: "कंपोजिट न्यूरल CBF"

लेखकों ने न्यूरल नेटवर्क्स (AI) और कंपोजिट CBF की एक अवधारणा का उपयोग करके इस को-पायलट को प्रशिक्षित करने का एक नया तरीका प्रस्तावित किया है।

उपमा A: "रेसिडुअल" ट्रिक (द सेफ्टी नेट)

कल्पना कीजिए कि आप ज़मीन में एक खतरनाक गड्ढे (विफलता सेट/failure set) के चारों ओर एक आदर्श घेरा बनाने की कोशिश कर रहे हैं।

पुराना तरीका: आप शुरुआत से ही पूरा घेरा बनाने की कोशिश करते हैं। यह एकदम सही करना कठिन है, और आप गलती से रेखा को गड्ढे के अंदर भी बना सकते हैं, जो खतरनाक है।
CN-CBF तरीका: आप पहले से बने हुए गड्ढे (विफलता फलन/failure function) के नक्शे से शुरू करते हैं। फिर, आप एक AI का उपयोग करते हैं जो उस नक्शे के ऊपर एक "सुरक्षा बफर" (safety buffer) बनाता है।
- AI केवल उस अंतर (रेसिडुअल) को सीखता है जो गड्ढे और सुरक्षित क्षेत्र के बीच है।
- क्योंकि AI को मजबूर किया जाता है कि वह नक्शे में केवल सकारात्मक संख्याएँ ही जोड़े, यह गणितीय रूप से गारंटी देता है कि इसकी सुरक्षा रेखा कभी भी खतरनाक गड्ढे के अंदर नहीं जाएगी। यह एक खाई के ऊपर बाड़ बनाने जैसा है; आप गलती से बाड़ को खाई के अंदर नहीं बना सकते।

उपमा B: "कंपोजिट" दृष्टिकोण (द ऑर्केस्ट्रा)

क्या होता है जब आपके चारों ओर 10 लोग घूम रहे होते हैं?

पुराना तरीका: कुछ तरीके एक साथ एक ही विशाल, जटिल गणितीय समस्या में सभी 10 लोगों की सुरक्षा की गणना करने की कोशिश करते हैं। यह 10 अन्य क्यूब्स के साथ करतब दिखाने के दौरान एक रूबिक क्यूब को हल करने जैसा है। इसमें बहुत समय लगता है और कंप्यूटर क्रैश हो जाता है।
CN-CBF तरीका: रोबोट पहले प्रत्येक व्यक्ति के लिए व्यक्तिगत रूप से गणना करता है।
1. यह व्यक्ति A के लिए एक "सुरक्षा बुलबुला" (safety bubble) की गणना करता है।
2. यह व्यक्ति B के लिए एक "सुरक्षा बुलबुला" की गणना करता है।
3. यह सभी के लिए ऐसा ही करता है।
4. फिर, यह सभी बुलबुलों को एक एकल, सुचारू सुरक्षा नियम में मिलाने के लिए एक "मिक्सर" (एकत्रीकरण कार्य/aggregation function) का उपयोग करता है।

इसे एक कंडक्टर की तरह समझें। पूरे ऑर्केस्ट्रा को एक साथ सुनने के बजाय, कंडक्टर वायलिन, फिर ब्रास, फिर ड्रम को सुनता है, और फिर उन्हें एक सामंज्यपूर्ण ध्वनि में मिला देता है। यह गणित को तेज़ बनाता है और रोबोट को भ्रमित हुए बिना 1, 10 या 100 लोगों को संभालने की अनुमति देता है।

3. "रिलेटिव" परिप्रेक्ष्य

पेपर एक चतुर ट्रिक का उपयोग करता है: पूरी दुनिया में रोबोट कहाँ है और व्यक्ति कहाँ है, इसके बजाय यह केवल इस पर ध्यान केंद्रित करता है कि वे एक-दूसरे के सापेक्ष (relative) कैसे चलते हैं।

कल्पना कीजिए कि आप एक कार में हैं। आपको अपने सामने वाली कार के GPS निर्देशांक जानने की आवश्यकता नहीं है; आपको बस यह जानने की आवश्यकता है कि "क्या वह कार करीब आ रही है या दूर जा रही है?"
सापेक्ष गति पर ध्यान केंद्रित करके, गणित बहुत सरल और तेज़ हो जाता है, जिससे रोबोट तुरंत प्रतिक्रिया देने में सक्षम होता है।

4. परिणाम: वास्तविक दुनिया का प्रमाण

शोधकर्ताओं ने इसे केवल कंप्यूटर पर सिम्युलेट नहीं किया; उन्होंने वास्तविक रोबोटों पर इसका परीक्षण किया:

एक ग्राउंड रोबोट: जैसे कि चलते हुए लोगों की भीड़ में नेविगेट करने वाला एक डिलीवरी बॉट।
एक क्वाड्रोटर: अन्य ड्रोनों के झुंड के बीच उड़ने वाला एक ड्रोन।

परिणाम:

सफलता दर: नया तरीका मौजूदा सर्वोत्तम तरीकों की तुलना में टकराने के बिना लक्ष्य तक पहुँचने में 18% तक अधिक सफल रहा।
दक्षता: इसने रोबोट को धीमा नहीं किया या लंबा रास्ता नहीं लिया। यह केवल इस बारे में समझदार था कि उसे कब बचना है।
गति: इसने मिलीसेकंड में सुरक्षा की गणना की, जो वास्तविक समय में उपयोग के लिए पर्याप्त तेज़ है।

सारांश

संक्षेप में, CN-CBF रोबोट के लिए एक नया सुरक्षा तंत्र है जो:

AI का उपयोग करके एक आदर्श "सुरक्षित क्षेत्र" को सीखता है, लेकिन यह गारंटी देता है कि यह गलती से क्रैश ज़ोन को शामिल नहीं करेगा।
आसानी से स्केल होता है, व्यक्तिगत सुरक्षा नियमों को जोड़कर एक बाधा या सौ बाधाओं को संभालता है।
तेज़ी से काम करता है, जिससे रोबोट गतिशील, भीड़भाड़ वाले वातावरण (जैसे व्यस्त सड़कें या गोदाम) में सुरक्षित और कुशलता से नेविगेट कर सकते हैं।

यह एक ऐसे रोबोट के बीच का अंतर है जो हर साये को देखकर घबरा जाता है और रुक जाता है, और एक ऐसे रोबोट के बीच का अंतर है जो एक कुशल नर्तक की तरह भीड़ के बीच से फिसलता है, यह जानते हुए कि वह अपने साथी के पैरों पर पैर रखे बिना कितनी करीब जा सकता है।

यहाँ शोध पत्र "CN-CBF: Composite Neural Control Barrier Function for Safe Robot Navigation in Dynamic Environments" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

गतिशील और अनिश्चित वातावरण (जैसे कि पैदल यात्रियों की भीड़ या उड़ते हुए ड्रोन) में स्वायत्त रोबोटों के लिए सुरक्षित नेविगेशन एक महत्वपूर्ण चुनौती बनी हुई है।

मुख्य मुद्दा: जबकि कंट्रोल बैरियर फंक्शन्स (CBFs) एक लोकप्रिय सुरक्षा फ़िल्टरिंग विधि हैं जो सुरक्षा प्रवर्तन को एक क्वाड्रेटिक प्रोग्राम (QP) में बदल देते हैं, सामान्य नॉनलीनियर सिस्टम के लिए एक वैध CBF डिजाइन करना कठिन है।
मौजूदा विधियों की सीमाएँ:
- ऑफलाइन डिज़ाइन: पारंपरिक विधियाँ अक्सर ऑफलाइन डिज़ाइन पर निर्भर करती हैं, जो गतिशील वातावरण में विफल हो जाती हैं जहाँ बाधाएं वास्तविक समय में चलती हैं और सुरक्षित सेट (safe set) बदलता रहता है।
- लर्निंग-आधारित दृष्टिकोण: मौजूदा न्यूरल CBFs अक्सर इष्टतम (optimal) सुरक्षित सेट को पुनः प्राप्त करने में विफल रहते हैं या यह गारंटी देने में संघर्ष करते हैं कि सीखा गया सुरक्षित सेट विफलता सेट (collision zone) के साथ प्रतिच्छेद (intersect) न करे।
- स्केलेबिलिटी (Scalability): जो विधियाँ कई चलते हुए बाधाओं को संयुक्त रूप से मॉडल करने का प्रयास करती हैं (जैसे कि जॉइंट हैमिल्टन-जे (HJ) रीचेबिलिटी के माध्यम से), वे कॉम्बिनेटरियल जटिलता से ग्रस्त होती हैं, जिससे वे कुछ से अधिक बाधाओं के लिए गणनात्मक रूप से अव्यवहार्य (intractable) हो जाती हैं।
- रूढ़िवादिता (Conservatism): सुरक्षा सुनिश्चित करने के लिए कई दृष्टिकोण अत्यधिक रूढ़िवादी हो जाते हैं, जिससे अक्षम गति (जैसे अनावश्यक रूप से रुकना) होती है।

2. कार्यप्रणाली: CN-CBF (Methodology: CN-CBF)

लेखक CN-CBF (कंपोजिट न्यूरल कंट्रोल बैरियर फंक्शन) का प्रस्ताव करते हैं, जो हैमिल्टन-जे (HJ) रीचेबिलिटी विश्लेषण को न्यूरल नेटवर्क और कंपोजिट एग्रीगेशन के साथ जोड़ता है।

A. सापेक्ष गतिकी और स्थिर विफलता सेट (Relative Dynamics & Stationary Failure Sets)

रोबोट की पूर्ण गतिकी (absolute dynamics) पर सीधे HJ रीचेबिलिटी लागू करने के बजाय (जिससे समय-परिवर्तित विफलता सेट प्राप्त होता है), यह विधि समस्या को सापेक्ष गतिकी (relative dynamics) में बदल देती है:

रूपांतरण: अवस्था (state) को रोबोट ( $x$ ) और बाधा ( $o$ ) के पूर्ण निर्देशांकों से एक सापेक्ष अवस्था वेक्टर $z = \rho(x, o)$ में बदल दिया जाता है।
लाभ: सापेक्ष फ्रेम में, विफलता सेट (टकराव की स्थिति) स्थिर (stationary) हो जाता है। गतिकी को रोबोट के नियंत्रण इनपुट ( $u$ ) और एक प्रतिकूल बाधा इनपुट ( $d$ ) के बीच एक खेल के रूप में मॉडल किया जाता है।
HJ रीचेबिलिटी: इस सापेक्ष प्रणाली के लिए इष्टतम वैल्यू फंक्शन $V(z)$ की संख्यात्मक गणना की जाती है। $V(z)$ का ज़ीरो-सबलेवल सेट अधिकतम सुरक्षित सेट का प्रतिनिधित्व करता है।

B. रेसिडुअल न्यूरल आर्किटेक्चर (Residual Neural Architecture)

बड़े लुकअप टेबल को संग्रहीत किए बिना इसे वास्तविक समय में तैनात करने के लिए, लेखक एक रेसिडुअल आर्किटेक्चर वाले न्यूरल नेटवर्क का उपयोग करके HJ वैल्यू फंक्शन का अनुमान लगाते हैं:

प्रारूप: सीखा गया CBF $\bar{h}_\Theta(z) = \ell(z) - r_\Theta(z)$ $\overset{ˉ}{h}_{Θ} (z) = ℓ (z) - r_{Θ} (z)$ के रूप में परिभाषित है, जहाँ:
- $\ell(z)$ एक ज्ञात, विश्लेषणात्मक रूप से परिभाषित विफलता फंक्शन है (जैसे टकराव से साइन की गई दूरी)।
- $r_\Theta(z)$ एक न्यूरल नेटवर्क है जो "रेसिडुअल" (विफलता सीमा और इष्टतम सुरक्षित सीमा के बीच का अंतर) का अनुमान लगाता है।
सुरक्षा गारंटी: $r_\Theta(z)$ के आउटपुट पर एक गैर-ऋणात्मक सक्रियण फ़ंक्शन (जैसे Softplus) लागू करके, यह विधि गणितीय रूप से गारंटी देती है कि सीखा गया सुरक्षित सेट विफलता सेट $\ell(z) \leq 0$ के साथ कभी भी प्रतिच्छेद नहीं करेगा।

C. कई बाधाओं के लिए कंपोजिट एग्रीगेशन (Composite Aggregation for Multiple Obstacles)

अनिश्चित संख्या में चलती बाधाओं ( $M$ ) को संभालने के लिए, यह विधि एक कंपोजिट CBF दृष्टिकोण का उपयोग करती है:

व्यक्तिगत CBFs: एक एकल रोबोट-बाधा जोड़े के लिए एक अलग न्यूरल CBF प्रशिक्षित किया जाता है।
एग्रीगेशन (एकत्रीकरण): $M$ बाधाओं के लिए, व्यक्तिगत CBFs को एक स्मूथ मिन-फंक्शन (smooth min-function) सन्निकटन का उपयोग करके एक एकल स्केलर मान में संयोजित किया जाता है:
$h_\Theta = -\frac{1}{\beta} \ln \left( \sum_{i=1}^M e^{-\beta \bar{h}_\Theta(z_i)} \right)$
लाभ: यह एकत्रीकरण डिफरेंशिएबल (डिफरेंशियल) है (जो QP सॉल्वर के लिए आवश्यक है) और यह सुनिश्चित करता है कि कंपोजिट सुरक्षित सेट व्यक्तिगत सुरक्षित सेट्स के संघ (union) का एक सुपरसेट है। यह $M$ के बदलने पर कुशलतापूर्वक स्केल करता है, जिससे जॉइंट HJ सॉल्वरों की घातीय जटिलता से बचा जा जा सकता है।

D. सुरक्षा फ़िल्टर में एकीकरण (Integration into Safety Filter)

CN-CBF को एक मानक CBF-QP सुरक्षा फ़िल्टर में एकीकृत किया जाता है। सिस्टम CBF मान और उसके ग्रेडिएंट्स (ऑटोमैटिक डिफरेंशिएशन के माध्यम से) की गणना वास्तविक समय में करता है, और उन्हें एक QP सॉल्वर में फीड करता है जो वांछित प्रक्षेपवक्र (trajectory) से विचलन को कम करते हुए सुरक्षा बाधाओं को पूरा करने के लिए नाममात्र (nominal) नियंत्रण इनपुट को संशोधित करता है।

3. मुख्य योगदान (Key Contributions)

नवीन डिज़ाइन विधि: एक न्यूरल CBF डिज़ाइन जो व्यक्तिगत बाधाओं के लिए निकट-इष्टतम सुरक्षित सेट्स को पुनः प्राप्त करता है, विफलता सेट के साथ कोई प्रतिच्छेदन नहीं होने की गारंटी देता है (रेसिडुअल आर्किटेक्चर के माध्यम से), और गतिशील, बहु-बाधा वातावरण के लिए स्केल करता है।
दक्षता: सापेक्ष गतिकी पर HJ रीचेबिलिटी को लागू करके और एक रेसिडुअल नेटवर्क का उपयोग करके, यह विधि जॉइंट HJ दृष्टिकोणों की तुलना में डेटा जनरेशन और प्रशिक्षण समय को दर्जनों घंटों से घटाकर मिनटों में कर देता है।
स्केलेबिलिटी: कंपोजिट एग्रीगेशन फ़ंक्शन विधि को बिना पुन: प्रशिक्षण या संरचनात्मक परिवर्तन के बाधाओं की संख्या में गतिशील परिवर्तनों को संभालने की अनुमति देता है।
व्यापक सत्यापन: सिमुलेशन और हार्डवेयर दोनों में ग्राउंड रोबोट (काइनेमैटिक यूनिसाइकिल) और क्वाड्रोटर (2D डबल इंटीग्रेटर) पर व्यापक मूल्यांकन।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस विधि का परीक्षण कई बेसलाइनों के विरुद्ध किया गया, जिसमें MPC-आधारित प्लानर्स (SDF-MPC, DCBF-MPC, VO-MPC, RNTC-MPC) और अन्य CBF वेरिएंट (C3BF, HO-CBF) शामिल हैं।

सिमुलेशन (ग्राउंड रोबोट):
- सफलता दर: घने वातावरण (15 पैदल यात्री) में CN-CBF ने सर्वश्रेष्ठ बेसलाइन की तुलना में 18% तक अधिक सफलता दर प्राप्त की।
- दक्षता: पथ की लंबाई और लक्ष्य तक पहुँचने का समय बेसलाइनों के बराबर या उससे बेहतर था, जो सिद्ध करता है कि विधि अत्यधिक रूढ़िवादी नहीं है।
- स्केलेबिलिटी: जैसे-जैसे बाधा घनत्व बढ़ा, प्रदर्शन मजबूत बना रहा, जबकि जॉइंट HJ विधियों (जैसे RNTC-MPC) का प्रदर्शन काफी गिर गया।
सिमुलेशन (क्वाड्रोटर):
- इसने चलते हुए ड्रोन बाधाओं की विभिन्न संख्या में C3BF और HO-CBF की तुलना में सफलता दर और गति दक्षता में बेहतर प्रदर्शन किया।
हार्डवेयर प्रयोग:
- ग्राउंड रोबोट: इसने सेंसर शोर/मॉडल मिसमैच के कारण CBF मान थोड़ा नकारात्मक होने के बावजूद, एक बफर ज़ोन के माध्यम से सुरक्षा बनाए रखते हुए, पैदल यात्रियों की भीड़ के बीच एक डिलीवरी रोबोट को सफलतापूर्वक नेविगेट किया।
- क्वाड्रोटर: इसने 5 चलते हुए ड्रोनों से टकराने से सफलतापूर्वक बचाव किया। इसके विपरीत, बेसलाइन विधियों (C3BF और HO-CBF) के परिणामस्वरूप समान परिदृश्यों के दौरान टकराव हुआ।

5. महत्व और प्रभाव (Significance and Impact)

सिद्धांत और व्यवहार के बीच सेतु: यह शोध पत्र HJ रीचेबिलिटी की सैद्धांतिक इष्टतमता और रोबोटिक नियंत्रण की वास्तविक समय की गणना संबंधी आवश्यकताओं के बीच के अंतर को सफलतापूर्वक पाटता है।
सुरक्षा गारंटी: रेसिडुअल नेटवर्क का उपयोग यह कठोर गणितीय गारंटी प्रदान करता है कि सीखा गया नियंत्रक टकराव की अनुमति नहीं देगा, जो पूरी तरह से डेटा-संचालित सुरक्षा विधियों की एक बड़ी कमजोरी को संबोधित करता है।
गतिशील वातावरण: यह एक "भीड़भाड़ वाले" वातावरण के लिए एक स्केलेबल समाधान प्रदान करता है जहाँ बाधाओं की संख्या अज्ञात और गतिशील है, एक ऐसा परिदृश्य जहाँ पारंपरिक MPC और सरल CBF अक्सर विफल हो जाते हैं या बहुत अधिक रूढ़िवादी हो जाते हैं।
वास्तविक समय व्यवहार्यता: ऑनबोर्ड प्रोसेसिंग के साथ हार्डवेयर पर इसका प्रदर्शन यह सिद्ध करता है कि सीखे गए HJ वैल्यू फंक्शन्स पर आधारित जटिल सुरक्षा फ़िल्टरिंग वास्तविक दुनिया के परिनियोजन (deployment) के लिए व्यवहार्य है।

संक्षेप में, CN-CBF गतिशील, बहु-बाधा वातावरण को सुरक्षित और कुशलतापूर्वक संभालने के लिए HJ रीचेबिलिटी की इष्टतमता, न्यूरल नेटवर्क के लचीलेपन और कंपोजिट फंक्शन्स की स्केलेबिलिटी का लाभ उठाकर सुरक्षित रोबोट नेविगेशन में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।