⚡ electrical engineering

Inverse Learning-Based Output Feedback Control of Nonlinear Systems with Verifiable Guarantees

यह शोधपत्र एक डेटा-संचालित आउटपुट फीडबैक नियंत्रक का प्रस्ताव करता है जो शोर-रहित इनपुट/आउटपुट मापों का उपयोग करके सत्यापन योग्य व्यावहारिक आउटपुट रेगुलेशन प्राप्त करने के लिए कर्नेल-इंटरपोलेटेड इनवर्स मॉडल और एक डेटा-संचालित संदर्भ चयन ढांचे का उपयोग करता है।

मूल लेखक: Yeongjun Jang, Hamin Chang, Heein Park, Hyeonyeong Jang, Takashi Tanaka, Hyungbo Shim

प्रकाशित 2026-03-12

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yeongjun Jang, Hamin Chang, Heein Park, Hyeonyeong Jang, Takashi Tanaka, Hyungbo Shim

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 रस्सी पर चलने (tightrope walking) के लिए सिखाने की कोशिश कर रहे हैं। आमतौर पर, इसके लिए आपको रस्सी, हवा, रोबोट के वजन और गुरुत्वाकर्षण के भौतिकी का एक विशाल ब्लूप्रिंट (नक्शा) चाहिए होगा। आप रोबोट के पहला कदम उठाने से पहले ही एक आदर्श गणितीय मॉडल बनाने में वर्षों बिता देंगे।

लेकिन क्या होगा अगर आपके पास ब्लूप्रिंट न हो? क्या होगा अगर सिस्टम बहुत जटिल हो, या भौतिकी एक रहस्य हो?

यह शोध पत्र जटिल, नॉन-लीनियर सिस्टम (जैसे वह रोबोट, या कोई केमिकल प्लांट, या ड्रोन) को बिना किसी सटीक ब्लूप्रिंट के नियंत्रित करने का एक चतुर नया तरीका प्रस्तुत करता है। इसके बजाय, यह सीधे पिछले अनुभवों (डेटा) से सीखता है और सही रास्ते पर रहने के लिए एक "रिवर्स-इंजीनियरिंग" ट्रिक का उपयोग करता है।

यहाँ उनके तरीके का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. समस्या: "ब्लैक बॉक्स" (The Black Box)

एक रहस्यमय मशीन की कल्पना करें (सिस्टम)। आप एक बटन दबाते हैं (इनपुट), और एक लाइट का रंग बदल जाता है (आउटपुट)। आप नहीं जानते कि मशीन अंदर से कैसे काम करती है।

पुराना तरीका: यह अनुमान लगाने की कोशिश करना कि अंदर कौन से गियर्स और स्प्रिंग्स हैं (गणितीय मॉडलिंग) ताकि यह अनुमान लगाया जा सके कि आगे क्या होगा। यह कठिन, महंगा और अक्सर गलत होता है।
नया तरीका: बस यह देखें कि अलग-अलग बटन दबाने पर क्या होता है। परिणामों को रिकॉर्ड करें। अगले कदम के बारे में निर्णय लेने के लिए उस इतिहास का उपयोग करें।

2. गुप्त मंत्र: मशीन की "रिवर्स इंजीनियरिंग" (Reverse Engineering the Machine)

अधिकांश डेटा-संचालित तरीके फॉरवर्ड मॉडल (Forward Model) सीखने की कोशिश करते हैं: "यदि मैं बटन A दबाता हूँ, तो लाइट लाल हो जाएगी।"

समस्या: यदि लाइट वर्तमान में नीली है, और आप चाहते हैं कि वह लाल हो जाए, तो फॉरवर्ड मॉडल कहता है "बटन A इसे लाल बना देगा।" लेकिन क्या होगा अगर बटन A अभी खराब है? या क्या होगा अगर मशीन ऐसी स्थिति में है जहाँ बटन A कुछ और ही कर देता है?

यह शोध पत्र एक इनवर्स मॉडल (Inverse Model) का उपयोग करता है। इसे एक "रिवर्स रेसिपी" के रूप में सोचें।

फॉरवर्ड मॉडल: "यहाँ सामग्रियां (state) हैं, आपको क्या व्यंजन मिलेगा?"
इनवर्स मॉडल: "मुझे यह विशिष्ट व्यंजन चाहिए (वांछित आउटपुट)। मुझे अभी इसे पाने के लिए किन सामग्रियों (कंट्रोल इनपुट) को मिलाने की आवश्यकता है?"

शोधकर्ता इस रिवर्स रेसिपी को पिछले प्रयोगों के डेटासेट से सीखने के लिए कर्नेल इंटरपोलेशन (Kernel Interpolation) नामक एक गणितीय उपकरण (इसे एक सुपर-स्मार्ट "कनेक्ट-द-डॉट्स" एल्गोरिदम समझें) का उपयोग करते हैं।

3. सुरक्षा जाल: "सेफ ज़ोन" का नक्शा (The "Safe Zone" Map)

यहाँ पेचीदा बात यह है: केवल इसलिए कि आपके पास एक रिवर्स रेसिपी है, इसका मतलब यह नहीं है कि यह हर जगह काम करेगी। यदि आप ऐसा व्यंजन मांगते हैं जिसे मशीन भौतिक रूप से नहीं बना सकती, तो रेसिपी विफल हो जाएगी।

इसे ठीक करने के लिए, लेखक एक सेफ्टी मैप (Safety Map) बनाते हैं।

कल्पना करें कि मशीन की संभावित स्थितियाँ एक विशाल शहर हैं।
शोधकर्ता अपने पिछले डेटा बिंदुओं (उन "प्रयोगों" जो उन्होंने रिकॉर्ड किए थे) को देखते हैं।
प्रत्येक डेटा बिंदु के चारों ओर, वे एक "सेफ ज़ोन" (एक बुलबुला) खींचते हैं। इस बुलबुले के भीतर, वे निश्चित रूप से जानते हैं कि यदि वे एक विशिष्ट आउटपुट मांगते हैं, तो मशीन वास्तव में उसे दे सकती है, और वे उम्मीद कर सकते हैं कि कितना एरर (हिलने-डुलने की गुंजाइश) होगा।
वे इन बुलबुलों की एक श्रृंखला बनाते हैं। यदि आप बुलबुले A में हैं, तो आप सुरक्षित रूप से बुलबुले B पर, फिर बुलबुले C पर कूद सकते हैं, जब तक कि आप अपने गंतव्य (लक्ष्य आउटपुट) तक नहीं पहुँच जाते।

4. रणनीति: "स्टेपिंग स्टोन्स" (Stepping Stones)

कंट्रोलर एक बड़ी छलांग में अंतिम लक्ष्य तक पहुँचने की कोशिश नहीं करता। यह बहुत जोखिम भरा है।
इसके बजाय, यह हॉपस्कॉच (Hopscotch) का खेल खेलता है:

देखें कि आप अभी कहाँ हैं।
"सेफ ज़ोन" मैप को देखें।
निकटतम "स्टेपिंग स्टोन" (अतीत का एक डेटा पॉइंट) खोजें जहाँ आप सुरक्षित रूप से पहुँच सकते हैं।
मशीन को उस आउटपुट के लिए लक्ष्य रखने को कहें जो उस स्टेपिंग स्टोन से जुड़ा है।
एक बार जब आप वहां उतर जाते हैं, तो अगला स्टेपिंग स्टोन खोजें।
लक्ष्य के करीब पहुँचने तक इसे दोहराते रहें।

यह सुनिश्चित करता है कि सिस्टम कभी भी रास्ता न भटके या क्रैश न हो, भले ही गणित एकदम सटीक न हो।

5. "नॉइज़" टेस्ट (The "Noise" Test)

वास्तविक जीवन अव्यवस्थायुक्त है। सेंसर शोर (noise) पैदा कर सकते हैं (जैसे स्टैटिक के साथ माइक्रोफोन पकड़ना)।
लेखकों ने अपने कंट्रोलर का परीक्षण तब किया जब सिस्टम की "आंखें" धुंधली (नॉइजी डेटा) थीं।

परिणाम: उस स्टैटिक के बावजूद, कंट्रोलर ने रोबोट को रस्सी पर चलते रहने में मदद की। यह एक आदर्श दुनिया की तुलना में थोड़ा कम सटीक था, लेकिन यह गिरा नहीं। यह पारंपरिक कंट्रोलर्स (जैसे मानक PI कंट्रोलर्स जिनका उपयोग बेसलाइन के रूप में किया जाता है) की तुलना में अधिक मजबूत (robust) था।

सारांश

संक्षेप में, यह शोध पत्र हमें जटिल, रहस्यमय मशीनों को नियंत्रित करने का एक तरीका देता है:

पिछले डेटा से रिवर्स रेसिपी (इनपुट $\to$ आउटपुट) सीखना।
डेटा के चारों ओर सेफ ज़ोन का नक्शा बनाना ताकि पता चल सके कि कहाँ जाना सुरक्षित है।
लक्ष्य तक पहुँचने के लिए पत्थरों (stones) से पत्थर पर कूदना, बिना मशीन के गहरे भौतिक विज्ञान को समझे।

यह एक अंधेरे जंगल में नेविगेट करने जैसा है—पेड़ों के नक्शे के बजाय, पहले से रखे गए चमकते पत्थरों के रास्ते का अनुसरण करके, यह जानते हुए कि आप उनके बीच कितनी सुरक्षित छलांग लगा सकते हैं।

यहाँ शोध पत्र "Inverse Learning-Based Output Feedback Control of Nonlinear Systems with Verifiable Guarantees" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र नॉनलीनियर (गैर-रेखीय) प्रणालियों के लिए, जो नॉनलीनियर ऑटोरेग्रेसिव एक्सोजेनस (NARX) रूप में प्रस्तुत की गई हैं, डेटा-ड्रिवन आउटपुट फीडबैक कंट्रोलर्स को डिजाइन करने की चुनौती को संबोधित करता है।

उद्देश्य: व्यावहारिक आउटपुट रेगुलेशन (practical output regulation) प्राप्त करना, जिसका अर्थ है केवल इनपुट/आउटपुट माप डेटा का उपयोग करके सिस्टम आउटपुट $y(t)$ को एक वांछित सटीकता सीमा $\delta$ के भीतर सीमित रखना।
बाधाएं और चुनौतियां:
- सिस्टम डायनेमिक्स अज्ञात हैं।
- पूर्ण स्टेट मेजरमेंट (full state measurements) उपलब्ध नहीं हैं (केवल आउटपुट फीडबैक का उपयोग किया जाता है)।
- नॉनलीनियर सिस्टम के लिए मौजूदा डेटा-ड्रिवन विधियां अक्सर मॉडल प्रेडिक्टिव कंट्रोल (MPC) या जटिल ऑप्टिमाइज़ेशन (LMI/SOS) पर निर्भर करती हैं, जो गणनात्मक रूप से गहन (computationally intensive) हैं और जिन्हें ऑनलाइन सत्यापित करना कठिन होता है।
- पिछले इनवर्स लर्निंग दृष्टिकोणों के लिए संदर्भ प्रक्षेपवक्र (reference trajectory) का "व्यवहार्य" (feasible) होना आवश्यक है, जो एक ऐसी स्थिति है जिसे बिना स्पष्ट सिस्टम मॉडल के सत्यापित करना कठिन है।
- कंट्रोलर को केवल डेटासेट के आधार पर स्थिरता और प्रदर्शन पर सत्यापन योग्य सैद्धांतिक गारंटी (verifiable theoretical guarantees) प्रदान करनी चाहिए।

2. कार्यप्रणाली (Methodology)

प्रस्तावित ढांचा सिस्टम आइडेंटिफिकेशन के लिए कर्नेल इंटरपोलेशन (KI) और एक डेटा-ड्रिवन रेफरेंस सिलेक्शन रणनीति को जोड़ता है।

A. सिस्टम मॉडलिंग और इनवर्स लर्निंग

NARX फॉर्मूलेशन: सिस्टम को $y(t+1) = f(\zeta(t), u(t))$ के रूप में मॉडल किया गया है, जहाँ $\zeta(t)$ पिछले इनपुट्स और आउटपुट्स वाला एक ऑगमेंटेड स्टेट है।
इनवर्स मॉडल आइडेंटिफिकेशन: $f$ $f$ (फॉरवर्ड डायनेमिक्स) को सीखने के बजाय, लेखक इनवर्स मॉडल $c$ $c$ को सीखते हैं, जो एक वांछित भविष्य के आउटपुट $y^+$ $y^{+}$ और वर्तमान ऑगमेंटेड स्टेट $\zeta$ $ζ$ को आवश्यक कंट्रोल इनपुट $u$ $u$ में मैप करता है।
- $u = c([y^+; \zeta])$ ।
कर्नेल इंटरपोलेशन (KI): इनवर्स मॉडल का अनुमान KI (एक नॉन-पैरामेट्रिक रिग्रेशन विधि) का उपयोग करके लगाया जाता है। इनपुट-आउटपुट जोड़ों के एक डेटासेट $\mathcal{D}$ के दिए जाने पर, एस्टीमेटर $\hat{c}$ को इंटरपोलेशन बाधाओं के अधीन एक रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस (RKHS) में नॉर्म को मिनिमाइज करके प्राप्त किया जाता है।
एरर बाउंड्स (Error Bounds): $\hat{c}$ के लिए स्पष्ट एरर बाउंड्स का व्युत्पन्न (derivation) एक प्रमुख सैद्धांतिक घटक है। यह मानते हुए कि वास्तविक इनवर्स मॉडल RKHS के भीतर है और उसका नॉर्म सीमित है, यह शोध पत्र इंटरपोलेशन एरर को बांधने के लिए कर्नेल के गुणों का उपयोग करता है।

B. डेटा-ड्रिवन रेफरेंस सिलेक्शन

चूंकि सटीक सिस्टम डायनेमिक्स अज्ञात हैं, इसलिए यह सत्यापित करना असंभव है कि क्या एक वांछित संदर्भ $y_r(t+1)$ वर्तमान स्टेट से सुलभ (reachable) है। लेखक एक एक्टिव सिलेक्शन फ्रेमवर्क प्रस्तावित करते हैं:

बैकवर्ड रीचेबिलिटी (Backward Reachability): एल्गोरिदम सेटों $(A_j^\delta)$ की एक श्रृंखला का निर्माण करता है जो उन स्टेट्स का प्रतिनिधित्व करते हैं जिनसे सिस्टम को $j$ स्टेप्स में लक्ष्य सेट $S_\delta$ (जहाँ $|y| \le \delta$ ) में संचालित किया जा सकता है।
सेट निर्माण: KI से प्राप्त एरर बाउंड्स का उपयोग करते हुए, यह विधि ट्रेनिंग सेट में डेटा पॉइंट्स के आसपास "सुरक्षित" (safe) क्षेत्रों की गणना करती है। यदि वर्तमान स्टेट किसी ट्रेनिंग स्टेट $\zeta_i$ के पर्याप्त करीब है, और ट्रेनिंग डेटा पॉइंट एक वैध ट्रांजिशन से संबंधित है, तो कंट्रोलर सुरक्षित रूप से संबंधित रेफरेंस आउटपुट चुन सकता है।
एल्गोरिदम:
1. ऑफलाइन: डेटासेट $\mathcal{D}$ और कर्नेल एरर बाउंड्स के आधार पर सेटों $(A_j^\delta)$ की श्रृंखला को प्री-कंप्यूट करें।
2. ऑनलाइन: प्रत्येक टाइम स्टेप पर, सबसे छोटा $j$ पहचानें कि वर्तमान स्टेट $\zeta(t) \in A_j^\delta$ है। संगत संदर्भ बिंदु (corresponding reference point) का चयन करें जो यह गारंटी देता है कि अगला स्टेट लक्ष्य सेट के करीब जाएगा।

C. इनपुट डिले (Input Delays) को संभालना

इस ढांचे को इनपुट डिले वाले सिस्टम्स (सापेक्ष डिग्री $>1$ ) को संभालने के लिए विस्तारित किया गया है, जिसमें $y(t+1)$ के बजाय $y(t+\nu)$ की भविष्यवाणी करने के लिए NARX मॉडल को पुनर्गठित किया गया है, और इसके अनुसार इनवर्स मॉडल की परिभाषा और एरर बाउंड्स को समायोजित किया गया है।

3. मुख्य योगदान (Key Contributions)

सत्यापन योग्य पर्याप्त स्थिति (Verifiable Sufficient Condition): यह पेपर ट्रेनिंग डेटासेट पर एक कठोर, सत्यापन योग्य पर्याप्त स्थिति स्थापित करता है। यदि डेटासेट इस स्थिति को संतुष्ट करता है (विशेष रूप से, यदि प्रारंभिक स्टेट पूर्व-कंप्यूटेड सेट $A_\kappa^\delta$ के भीतर है और सेट समावेश गुण (inclusion property) को पूरा करते हैं), तो कंट्रोलर व्यावहारिक आउटपुट रेगुलेशन की गारंटी देता है।
फुल स्टेट के बिना आउटपुट फीडबैक: कई डेटा-ड्रिवन विधियों के विपरीत, जिन्हें फुल स्टेट ऑब्जर्वेशन की आवश्यकता होती है, यह दृष्टिकोण NARX ऑगमेंटेड स्टेट स्ट्रक्चर का उपयोग करके आउटपुट फीडबैक के साथ काम करता है।
गारंटी के साथ इनवर्स लर्निंग: यह इनवर्स लर्निंग (जो कंट्रोल के लिए सहज है) और औपचारिक गारंटी के बीच के अंतर को पाटता है। यह सक्रिय रूप से उन संदर्भों को चुनकर "व्यवहार्यता" (feasibility) की समस्या को हल करता है जो इंटरपोलेशन एरर बाउंड्स के आधार पर प्रमाणित रूप से सुरक्षित हैं।
कंप्यूटेशनल दक्षता: भारी गणना (सेट निर्माण) को ऑफलाइन चरण में स्थानांतरित करके, ऑनलाइन कंट्रोलर के लिए केवल सरल सेट मेंबरशिप चेक की आवश्यकता होती है, जिससे वास्तविक समय के अनुकूलन (जैसे MPC) की आवश्यकता नहीं होती।

4. सिमुलेशन परिणाम (Simulation Results)

लेखकों ने दो केस स्टडीज के माध्यम से विधि को मान्य किया:

न्यूमेरिकल उदाहरण (नॉनलीनियर सिस्टम):
- एक सिंथेटिक नॉनलीनियर सिस्टम को प्रस्तावित एल्गोरिदम का उपयोग करके नियंत्रित किया गया।
- परिणाम: कंट्रोलर ने विभिन्न प्रारंभिक स्थितियों से आउटपुट को लक्ष्य सटीकता $\delta$ तक सफलतापूर्वक पहुँचाया। ऑगमेंटेड स्टेट के प्रक्षेपवक्र (trajectories) इक्विलिब्रियम की ओर अभिसरित (converge) हुए, जो सैद्धांतिक गारंटी की पुष्टि करते हैं।
- शोर मजबूती (Noise Robustness): आउटपुट मेजरमेंट नॉइज़ के साथ सिमुलेशन ने दिखाया कि कंट्रोलर प्रभावी बना रहा, हालांकि शोर-मुक्त मामले की तुलना में इसमें थोड़ा अधिक स्टेडी-स्टेट ऑफसेट देखा गया।
इनवर्टेड पेंडुलम केस स्टडी:
- एक मानक इनवर्टेड पेंडुलम (डिस्क्रीटाइज्ड NARX विद इनपुट डिले) को स्थिर किया गया।
- डेटा स्रोत: ट्रेनिंग डेटा को अलग-अलग गेन्स वाले "एक्सपर्ट" PI कंट्रोलर्स द्वारा उत्पन्न किया गया था (एक एक्सपर्ट-मिमिकिंग परिदृश्य का अनुकरण करते हुए)।
- तुलना: प्रस्तावित कंट्रोलर की तुलना बेसलाइन PI कंट्रोलर से की गई।
- प्रदर्शन:
  - नॉइज़-फ्री: प्रस्तावित कंट्रोलर ने बेसलाइन PI कंट्रोलर के बराबर RMSE प्राप्त किया।
  - नॉइज़ के साथ: एडिटिव गॉसियन नॉइज़ के तहत, प्रस्तावित कंट्रोलर ने बेसलाइन PI कंट्रोलर से बेहतर प्रदर्शन किया, जिसमें कम RMSE, कम दोलन (oscillations) और कम चैटरिंग (chattering) देखी गई।
- निष्कर्ष: विधि वास्तविक दुनिया के सेंसर डेटा में सामान्य मेजरमेंट नॉइज़ के प्रति मजबूत है और जटिल नॉनलीनियर परिदृश्यों में प्रभावी है।

5. महत्व (Significance)

यह कार्य नॉनलीनियर सिस्टम्स के लिए सुरक्षित, डेटा-ड्रिवन कंट्रोल की दिशा में एक महत्वपूर्ण कदम है।

सैद्धांतिक कठोरता: यह औपचारिक, सत्यापन योग्य गारंटी प्रदान करके ह्यूरिस्टिक (heuristic) डेटा-ड्रिवन कंट्रोल से आगे बढ़ता है, जो सीधे डेटासेट गुणों और कर्नेल इंटरपोलेशन थ्योरी से प्राप्त होती है।
व्यावहारिकता: ऑनलाइन ऑप्टिमाइज़ेशन (MPC) से बचकर और आउटपुट फीडबैक को संभालकर, यह वास्तविक समय के कार्यान्वयन के लिए एक कंप्यूटेशनल रूप से हल्का समाधान प्रदान करता है।
मजबूती (Robustness): इनवर्टेड पेंडुलम पर अनुभवजन्य परिणाम दर्शाते हैं कि विधि न केवल सैद्धांतिक रूप से सही है, बल्कि मेजरमेंट नॉइज़ के प्रति भी मजबूत है जो वास्तविक दुनिया के सेंसर डेटा में आम है।
सामान्यीकरण (Generalizability): यह ढांचा नॉनलीनियर सिस्टम्स (NARX) के एक विस्तृत वर्ग के लिए लागू है और इसे MIMO सिस्टम और इनपुट डिले वाले सिस्टम्स के लिए विस्तारित किया जा सकता है।

संक्षेप में, यह शोध पत्र एक नया कंट्रोल आर्किटेक्चर प्रस्तुत करता है जो कर्नेल लर्निंग के एरर बाउंड्स का लाभ उठाकर सुरक्षित कंट्रोल संदर्भों को सक्रिय रूप से चुनता है, जिससे यह सुनिश्चित होता है कि नॉनलीनियर सिस्टम को केवल इनपुट/आउटपुट डेटा का उपयोग करके गणितीय रूप से प्रमाणित प्रदर्शन गारंटी के साथ रेगुलेट किया जा सकता है।