Forecast-Aware Cooperative Planning on Temporal Graphs under Stochastic Adversarial Risk

यहाँ शोध पत्र "Forecast-Aware Cooperative Planning on Temporal Graphs under Stochastic Adversarial Risk" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र उन वातावरणों में सहकारी बहु-रोबोट प्र् traversal (कोऑपरेटिव मल्टी-रोबोट ट्रावर्सल) की चुनौती को संबोधित करता है जहाँ पारगमन जोखिम (traversal risks) स्थिर नहीं हैं, बल्कि स्टोकेस्टिक एडवरसेरियल डायनेमिक्स (जैसे गश्त करते दुश्मन या बदलते खतरे) के कारण समय के साथ विकसित होते हैं।

• मुख्य चुनौती: गतिशील वातावरण में, एक "मायोपिक" (अल्पदृष्टि वाला) प्लानर जो केवल वर्तमान जोखिम स्तरों पर प्रतिक्रिया देता है, टीम के प्रदर्शन को अनुकूलित करने में विफल रहता है। यह सहायता संसाधनों (support resources) को बहुत जल्दी, बहुत देर से, या उन स्थानों पर तैनात कर सकता है जो अब जोखिम भरे नहीं रहे, जिससे अनावश्यक चक्कर और मिशन लागत में वृद्धि होती है।
• अंतराल (The Gap): मौजूदा ढांचे (जैसे TCGRE) स्थिर जोखिम परिदृश्य या नियतात्मक (deterministic) एडवरसरी मूवमेंट को मानते हैं। उनमें इस बात का पूर्वानुमान लगाने वाले तंत्रों की कमी है कि जोखिम समय के साथ कैसे फैलता है।
• उद्देश्य: पूर्वानुमानित (forecasted) भविष्य के जोखिमों के आधार पर रोबोट पथों और सहायता कार्यों (साथी रोबोटों द्वारा जोखिम भरे किनारों को कवर करने के लिए अस्थायी रूप से रुकना) को समन्वित करके अपेक्षित कुल टीम लागत (पारगमन समय + विरोधियों से सामना करने के दंड) को कम करना।

2. कार्यप्रणाली (Methodology)

लेखक एक फोरकास्ट-अवेयर को-ऑपरेटिव प्लानिंग ढांचा प्रस्तावित करते हैं जो तीन अलग-अलग चरणों को एकीकृत करता है:

A. एडवरसरी डायनेमिक्स मॉडलिंग (Adversary Dynamics Modeling)

• स्टोकेस्टिक मॉडल: विरोधियों को एक फर्स्ट-ऑर्डर मार्कोव स्टे-मूव प्रोसेस के अनुसार ग्राफ किनारों (edges) पर चलते हुए मॉडल किया गया है।
• ट्रांजिशन प्रोबेबिलिटी: एक एडवरसरी किनारे $e$ पर या तो $\theta_{stay}$ प्रायिकता के साथ रुकता है या $\theta_{move}$ प्रायिकता के साथ एक आसन्न किनारे $e'$ पर जाता है।
• जोखिम प्रसार (Risk Propagation): सिस्टम इन ट्रांजिशन प्रोबेबिलिटीज को समय के साथ आगे बढ़ाता है ताकि समय-सूचकांकित एज-रिस्क फोरकास्ट ($\rho_{uv}(t)$) उत्पन्न किया जा सके। यह इस संभावना को दर्शाता है कि कम से कम एक एडवरसरी समय $t$ पर किनारे $(u, v)$ पर मौजूद होगा।

B. फोरकास्ट-अवेयर सपोर्ट एलोकेशन (Forecast-Aware Support Allocation)

प्रारंभिक जोखिम के आधार पर सहायता स्थितियों को स्थिर करने के बजाय, यह विधि भविष्य के अनुमानित जोखिमों के आधार पर सपोर्ट नोड्स को गतिशील रूप से आवंटित करती है।

• उम्मीदवार चयन (Candidate Selection): उन किनारों की पहचान करता है जिनके नियोजन क्षितिज ($T$) के भीतर जोखिम भरा होने की संभावना है।
• स्कोरिंग फंक्शन: प्रत्येक उम्मीदवार सपोर्ट नोड के लिए, एक स्कोर की गणना की जाती है जो दो कारकों के बीच संतुलन बनाता है:
  1. पाथ ओवरलैप ($\hat{P}$): कितने रोबोट पथ उस नोड से गुजरते हैं (यह सुनिश्चित करना कि सहायता उच्च-ट्रैफिक वाले गलियारों पर रखी जाए)।
  2. रिस्क पोटेंशियल ($\hat{R}$): उस किनारे का संचयी पूर्वानुमानित जोखिम जिसे वह नोड कवर कर सकता है, स्थानिक निकटता (spatial proximity) द्वारा भारित (weighted)।
  • सूत्र: $Score(x) = \alpha \hat{P}(x) (1 + \beta \hat{R}(x))$
• आवंटन (Allocation): शीर्ष-स्कोरिंग नोड्स को विशिष्ट जोखिम भरे किनारों के लिए सपोर्ट स्थितियों के रूप में सौंपा जाता है।

C. संयुक्त पथ नियोजन (Joint Path Planning)

• टेम्पोरल ग्राफ: समस्या को एक टेम्पोरल ग्राफ पर तैयार किया गया है जहाँ किनारों की लागत समय-निर्भर होती है।
• लागत फलन (Cost Function): एक किनारे के लिए पारगमन लागत में एक आधार लागत शामिल है और यदि सहायता सक्रिय है, तो एक दंड (penalty) शामिल होता है, अन्यथा नहीं।
  • $Cost = r_a + r_p \cdot \rho_{uv}(t) \cdot (1 - \gamma^S_{uv}(t))$
  • जहाँ $\gamma^S$ इंगित करता है कि क्या सहायता सक्रिय है।
• सॉल्वर (Solver): टीम एक लेजी ए* (Lazy A*) एल्गोरिदम का उपयोग करती है। यह खोज के दौरान एक किनारे के विस्तार तक जोखिम मूल्यांकन को स्थगित कर देता है, और अपेक्षित जोखिम पूर्वानुमानों का उपयोग करके ह्यूरिस्टिक (heuristic) को निर्देशित करता है। यह अपेक्षित लागत मॉडल के तहत अनुकूलतम बनाए रखते हुए कम्प्यूटेशनल दक्षता सुनिश्चित करता है।

3. मुख्य योगदान (Key Contributions)

1. समस्या का निरूपण: स्टोकेस्टिक एडवरसेरियल रिस्क के तहत टेम्पोरल ग्राफ पर सहकारी बहु-रोबोट पारगमन को परिभाषित किया गया है, जहाँ लागत मार्कोवियन एडवरसरी मूवमेंट के आधार पर गतिशील रूप से विकसित होती है।
2. फोरकास्ट-अवेयर मैकेनिज्म: एक नवीन सपोर्ट एलोकेशन रणनीति पेश की गई है जो जोखिम पूर्वानुमान का लाभ उठाती है ताकि उन किनारों को सक्रिय रूप से सपोर्ट नोड्स आवंटित किए जा सकें जो भविष्य में जोखिम भरे होने वाले हैं, न कि केवल वे जो वर्तमान में जोखिम भरे हैं।
3. प्रदर्शन सत्यापन: यह प्रदर्शित किया गया है कि यह दृष्टिकोण गैर-पूर्वानुमानित बेसलाइन्स (Random, TCGRE, No Support) की तुलना में अपेक्षित टीम लागत को लगातार कम करता है और एक "ओरेकल" (Oracle) प्लानर (जिसे भविष्य के सटीक एडवरसरी पथ का ज्ञान है) के प्रदर्शन के करीब पहुँच जाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने विविध रोबोटों की संख्या (2–4) और एडवरसरियों (4 स्थिर, परिवर्तनशील स्टे-प्रोबेबिलिटी के साथ) के साथ रैंडमली जेनरेटेड ग्राफ्स (5 से 20 नोड्स) पर इस ढांचे का मूल्यांकन किया।

• लागत में कमी: फोरकास्ट-अवेयर विधि ने सभी ग्राफ आकारों और एडवरसरी मोबिलिटी सेटिंग्स (स्टे प्रोबेबिलिटी 0.2 से 0.8) में लगातार सबसे कम अपेक्षित टीम लागत प्राप्त की।
• बेसलाइन के साथ तुलना:
  • TCGRE (स्थिर) के विरुद्ध: TCGRE बदलते जोखिमों के अनुकूल होने में विफल रहा, जिससे उच्च लागत हुई। फोरकास्ट-अवेयर ने उन किनारों पर सहायता आवंटित करके इसे पछाड़ा जो क्षितिज में बाद में जोखिम भरे होने वाले थे।
  • Random के विरुद्ध: रैंडम आवंटन केवल बहुत छोटे ग्राफों पर अच्छा काम करता था जहाँ सर्च स्पेस सीमित था। बड़े ग्राफों पर, फोरकास्ट-अवेयर ने ट्रैफिक और जोखिम के साथ सहायता को संरेखित करके रैंडम चयन की तुलना में काफी बेहतर प्रदर्शन किया।
  • Oracle के विरुद्ध: यह विधि एक ओरेकल प्लानर (जिसके पास भविष्य की एडवरसरी स्थिति का पूर्ण ज्ञान है) के प्रदर्शन के करीब पहुँच गई, जो इसके फोरकास्टिंग मॉडल की प्रभावकारिता को सिद्ध करता है।
• कम्प्यूटेशनल दक्षता: विधि सभी परिदृश्यों में 90-सेकंड के टाइमआउट के भीतर समाप्त हो गई, जबकि बड़े, उच्च-जोखिम वाले सेटिंग्स में "नो सपोर्ट" बेसलाइन अक्सर गहन खोज आवश्यकताओं के कारण व्यवहार्य पथ खोजने में विफल रही।
• एब्लेशन स्टडीज (Ablation Studies):
  • लागत अंशांकन (Cost Calibration): अपेक्षित लागत ($J_{exp}$) मोंटे कार्लो सिमुलेशन से प्राप्त वास्तविक लागत ($J_{real}$) के बहुत करीब थी, जो जोखिम पूर्वानुमान मॉडल की सटीकता को प्रमाणित करती है।
  • स्कोरिंग कारक: जोखिम पूर्वानुमान को पाथ ओवरलैप (डिफ़ॉल्ट रणनीति) के साथ मिलाने से सर्वोत्तम परिणाम मिले, जो यह सिद्ध करता है कि रोबोट कहाँ जाएंगे इसका पूर्वानुमान लगाना उतना ही महत्वपूर्ण है जितना कि यह जानना कि जोखिम कहाँ है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह कार्य स्थिर बहु-रोबोट नियोजन और गतिशील, प्रतिकूल वातावरण के बीच के अंतर को पाटता है। प्रतिक्रियात्मक (reactive) से प्रोएक्टिव (proactive) नियोजन की ओर बढ़कर, यह ढांचा रोबोट टीमों को अत्यधिक प्रतीक्षा या चक्कर लगाए बिना उच्च-जोखिम वाले क्षेत्रों में अधिक कुशलता से नेविगेट करने की अनुमति देता है।

• व्यावहारिक प्रभाव: यह दृष्टिकोण खोज और बचाव (search-and-rescue) कार्यों (बदलते खतरों वाले आपदा क्षेत्रों में), कन्वॉय सुरक्षा (गश्त करते खतरों के विरुद्ध), और गतिशील बाधाओं वाले वेयरहाउस लॉजिस्टिक्स जैसे वास्तविक दुनिया के अनुप्रयोगों के लिए अत्यधिक प्रासंगिक है।
• भावी कार्य: लेखक वर्तमान सीमाओं के रूप में ज्ञात एडवरसरी डायनेमिक्स की आवश्यकता और केंद्रीकृत नियोजन का उल्लेख करते हैं। भविष्य की दिशाओं में वास्तविक समय में एडवरसरी मॉडल का अनुमान लगाने के लिए ऑनलाइन लर्निंग को एकीकृत करना और विकेंद्रीकृत समन्वय (decentralized coordination) तक ढांचे का विस्तार करना शामिल है।

संक्षेप में, यह शोध पत्र स्थापित करता है कि टेम्पोरल रिस्क इवोल्यूशन का पूर्वानुमान लगाना सहकारी रोबोट टीमों के लिए मिशन लागत को कम करने हेतु एक महत्वपूर्ण कारक है, और यह इसे प्राप्त करने के लिए एक मजबूत गणितीय ढांचा प्रदान करता है।