⚡ electrical engineering

Exact and Approximate Convex Reformulation of Linear Stochastic Optimal Control with Chance Constraints

यह शोधपत्र रैखिक और द्विघाती (क्वाड्रेटिक) चांस बाधाओं वाले विविक्त-समय स्टोकेस्टिक रैखिक इष्टतम नियंत्रण समस्याओं के लिए क्रमशः एक सटीक उत्तल पुनर्गठन (exact convex reformulation) और एक सुदृढ़ उत्तल विश्रांति (tight convex relaxation) प्रस्तुत करता है, जो बेहतर व्यवहार्यता और इष्टतमता प्राप्त करने के लिए मोमेंट सूचना को स्पष्ट रूप से एनकोड करता है, जैसा कि उच्च शोर स्तरों के तहत क्वाड्रोटर प्रक्षेपवक्र निर्माण द्वारा मान्य किया गया है।

मूल लेखक: Tanmay Dokania, Yashwanth Kumar Nakka

प्रकाशित 2026-03-23

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tanmay Dokania, Yashwanth Kumar Nakka

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 ड्रोन को शहर की भीड़भाड़ वाली गलियों से होकर एक पैकेज पहुँचाने के लिए गाइड करने की कोशिश कर रहे हैं। आप चाहते हैं कि वह वहाँ जितनी जल्दी और कुशलता से (न्यूनतम ऊर्जा खर्च करके) पहुँच सके, लेकिन एक समस्या है: दुनिया बहुत अव्यवस्थित है।

हवा के झोंके अप्रत्याशित हैं, आपके सेंसर थोड़े धुंधले हैं, और ड्रोन के मोटर भी एकदम सटीक नहीं हैं। वास्तविक दुनिया में, आप केवल बिंदु A से बिंदु B तक एक सीधी रेखा नहीं खींच सकते। इसके बजाय, आपको उन संभावित रास्तों का एक "ट्यूब" या "बादल" (cloud) बनाना होगा जहाँ से ड्रोन गुजर सकता है। यदि यह बादल किसी इमारत के बहुत करीब आता है, तो ड्रोन टकरा जाएगा।

यह स्टोकेस्टिक ऑप्टिमल कंट्रोल विद चांस कंस्ट्रेंट्स (Stochastic Optimal Control with Chance Constraints) की समस्या है। "चांस कंस्ट्रेंट्स" का सीधा सा अर्थ है: "मैं 95% आश्वस्त होना चाहता हूँ कि ड्रोन इमारत से नहीं टकराएगा," न कि "मैं वादा करता हूँ कि यह कभी नहीं टकराएगा।"

पुराना तरीका: अनुमान लगाना और जाँच करना

पहले, इंजीनियरों ने इस समस्या को हल करने के लिए दो बड़े सरलीकरण किए थे:

उन्होंने बादल के आकार को नजरअंदाज कर दिया। उन्होंने ड्रोन की अनिश्चितता को एक साधारण वृत्त (circle) या एक निश्चित बॉक्स के रूप में माना।
उन्होंने एक "फीडबैक" अनुमान का उपयोग किया। उन्होंने यह मान लिया कि यदि ड्रोन अपने रास्ते से भटक जाता है, तो वह अपने आप सुधार कर लेगा, लेकिन उन्हें योजना शुरू करने से पहले ही यह अनुमान लगाना पड़ता था कि वह खुद को कैसे सुधारेगा।

उपमा: कल्पना कीजिए कि आप एक डगमगाते हुए छाते को पकड़कर एक अंधेरे, संकीले गलियारे से गुजरने की कोशिश कर रहे हैं। पुराने तरीके ऐसे थे जैसे कहना, "मैं बस मान लेता हूँ कि मेरा छाता पूरी तरह गोल रहेगा और मैं एक सीधी रेखा में चलूँगा, इस उम्मीद में कि मैं दीवारों से नहीं टकराऊँगा।" यदि हवा बहुत तेज हो जाती (बहुत अधिक शोर/noise), तो यह योजना विफल हो जाती और आप दीवार से टकरा जाते। प्लानर कहते, "क्षमा करें; यह गलियारा बहुत हवादार है; हम यहाँ से नहीं जा सकते।"

नया तरीका: "लिफ्टेड" मैप (The "Lifted" Map)

यह शोध पत्र इस समस्या को सोचने का एक चतुर नया तरीका पेश करता है। लेखक, तन्मय डोकनिया और यशवंत कुमार नाक्का, एक विधि प्रस्तावित करते हैं जिसे "लिफ्टिंग" (Lifting) कहा जाता है।

उपमा: केवल ड्रोन की स्थिति (x, y) को ट्रैक करने के बजाय, कल्पना करें कि आप ड्रोन और उसके डगमगाने के पूरे इतिहास को एक साथ ट्रैक कर रहे हैं। आप समस्या को एक उच्च आयाम (higher dimension) में "लिफ्ट" कर रहे हैं जहाँ आप अनिश्चितता के बादल के आकार को स्पष्ट रूप से देख सकते हैं।

इसे इस तरह समझें:

पुराना तरीका: आप केवल कार के बोनट को देखकर कार चलाने की कोशिश करते हैं। आप अनुमान लगाते हैं कि सड़क कहाँ मुड़ रही है।
नया तरीका: आपके पास कार के ऊपर उड़ता हुआ एक ड्रोन है, जो आपको सड़क के सटीक आकार, गड्ढों और कार के सस्पेंशन के घुमाव को एक साथ दिखा रहा है।

"स्टेट को लिफ्ट" करके, वे गणितीय रूप से सिद्ध कर सकते हैं कि:

लीनियर कंस्ट्रेंट्स (सीधी रेखाएं): यदि आपको एक सीधे गलियारे के अंदर रहना है, तो वे बिना किसी रूढ़िवादी अनुमान के सटीक सुरक्षित क्षेत्र की गणना कर सकते हैं। यह एक आदर्श रूलर (पटरी) की तरह है जो हवा के घुमाव में बिल्कुल फिट बैठता है।
क्वाड्रेटिक कंस्ट्रेंट्स (घुमावदार आकार): यदि आपको एक गोलाकार या अंडाकार क्षेत्र (जैसे राउंडअबाउट) के भीतर रहना है, तो वे सबसे अच्छा संभव "सुरक्षित सन्निकटन" (safe approximation) प्रदान करते हैं जो पिछले तरीकों की तुलना में बहुत बेहतर है।

यह क्यों महत्वपूर्ण है: "मोटा" ड्रोन (The "Fat" Drone)

शोधकर्ताओं ने इस पद्धति का परीक्षण एक क्वाड्रोटर (ड्रोन) पर किया जो दो परिदृश्यों में उड़ रहा था:

एक सर्कुलर एरिना: एक गोलाकार बाधा के चारों ओर उड़ना।
एक फनल कॉरिडोर: एक संकरे टनल (सुरंग) से गुजरना।

परिणाम:

व्यवहार्यता (Feasibility): जब हवा बहुत तेज हुई (उच्च शोर), तो पुराने तरीकों ने हार मान ली और कहा, "असंभव!" नए तरीके ने कहा, "कोई बात नहीं, यह रहा रास्ता।" यह पिछले तरीकों की तुलना में 10 गुना अधिक शोर को सहन कर सका।
दक्षता (Efficiency): क्योंकि नए तरीके को अनुमान लगाने या अत्यधिक सावधान होने की आवश्यकता नहीं थी, इसलिए इसने ऐसे रास्ते खोजे जो 43% अधिक कुशल थे (अधिक बैटरी बचाते हैं)।

रूपक:
कल्पना कीजिए कि आप एक भीड़ के बीच से गुजर रहे हैं।

पुराना तरीका: आप मानते हैं कि हर कोई एक कठोर ब्लॉक की तरह है। सुरक्षित रहने के लिए, आप हर किसी के चारों ओर एक बड़ा व्यक्तिगत घेरा (personal bubble) बना देते हैं। आप लोगों से टकराने से बचने के लिए एक बहुत लंबा, घुमावदार रास्ता चुनते हैं, या आप फंस जाते हैं क्योंकि भीड़ बहुत घनी होती है।
नया तरीका: आप देख सकते हैं कि लोग वास्तव में कैसे हिल रहे हैं और उनके डगमगाने की कितनी संभावना है। आप एक बहुत छोटे, अधिक सटीक सुरक्षा घेरे के साथ उनके बीच के अंतराल से निकल जाते हैं। आप अपने गंतव्य तक तेजी से पहुँचते हैं, और आप तब भी निकल सकते हैं जब भीड़ बहुत ज्यादा हलचल कर रही हो।

मुख्य निष्कर्ष

यह शोध पत्र रोबोटों को अनिश्चितता को समझने की एक "सुपरपावर" देता है। अज्ञात के डर से घबरा जाने (अत्यधिक रूढ़िवादी होने) के बजाय, रोबोट सुरक्षा की सटीक सीमाओं की गणना कर सकता है। इसका अर्थ है कि ड्रोन पहले की तुलना में बहुत अधिक तेज़, कम ऊर्जा का उपयोग करके और बहुत अधिक अराजक वातावरण में संचालित हो सकते हैं। यह "शायद हम यह नहीं कर सकते" वाली समस्या को "यहाँ एक आदर्श रास्ता है" वाले समाधान में बदल देता है।

यहाँ तन्मय डोकनिया और यशवंत कुमार नक्का के शोध पत्र "Exact and Approximate Convex Reformulation of Linear Stochastic Optimal Control with Chance Constraints" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र अनिश्चितता (प्रोसेस नॉइज़ और प्रारंभिक अवस्था वितरण) के अधीन डिस्क्रीट-टाइम लीनियर सिस्टम के लिए स्टोकेस्टिक मोशन प्लानिंग (Stochastic Motion Planning) को संबोधित करता है। इसका लक्ष्य एक निर्दिष्ट संभाव्यता स्तर ( $1-\epsilon$ ) के साथ चांस कंस्ट्रेंट्स (Chance Constraints - CCs) को संतुष्ट करते हुए एक क्वाड्रेटिक कॉस्ट फंक्शन को कम करने के लिए एक इष्टतम नियंत्रण नीति (optimal control policy) खोजना है।

मौजूदा दृष्टिकोणों की मुख्य चुनौतियाँ निम्नलिखित हैं:

गैर-कन्वेक्सिटी (Non-convexity): अवस्थाओं (states) और नियंत्रणों (controls) पर चांस कंस्ट्रेंट्स को फॉर्म्युलेट करने से अक्सर गैर-कन्वेक्स अनुकूलन समस्याएँ उत्पन्न होती हैं, जिनमें लीनियराइजेशन या क्रमिक कन्वेक्सिफिकेशन (successive convexification) की आवश्यकता होती है, जो अत्यधिक रूढ़िवादी (conservative) या गणनात्मक रूप से महंगी हो सकती हैं।
डिकपलिंग सीमाएँ (Decoupling limitations): कई विधियाँ मीन (mean) और कोवेरिएंस (covariance) अनुकूलन को अलग कर देती हैं, जो जोखिम और प्रदर्शन के बीच के ट्रेड-ऑफ को पकड़ने में विफल रहती हैं (उदाहरण के लिए, संकीर्ण गलियारों से गुजरने के लिए टाइट फीडबैक लॉ की आवश्यकता होती है)।
रूढ़िवादिता (Conservatism): क्वाड्रेटिक चांस कंस्ट्रेंट्स (जैसे कि मार्कोव की असमानता का उपयोग करके) के लिए मौजूदा सन्निकटन (approximations) अक्सर अत्यधिक रूढ़िवादी होते हैं, जिससे मध्यम शोर (noise) के स्तर पर भी समस्या का समाधान असंभव (infeasible) हो जाता है।

विशिष्ट समस्या (समस्या 1) एक लीनियर टाइम-वेरिंग सिस्टम से संबंधित है:
$x_{k+1} = A_k x_k + B_k u_k + D_k w_k$
जिसके अधीन है:

लीनियर चांस कंस्ट्रेंट्स (LCC): एकल या कई समय चरणों पर अवस्थाओं और नियंत्रणों के लीनियर कॉम्बिनेशन पर संभावabilistic सीमाएँ।
क्वाड्रेटिक चांस कंस्ट्रेंट्स (QCC): माध्य (mean) से अवस्था के विचलन पर संभावabilistic सीमाएँ (एलिप्सॉइडल बाधाएँ)।
टर्मिनल कोवेरिएंस कंस्ट्रेंट: अंतिम अवस्था कोवेरिएंस पर सीमाएँ।

2. कार्यप्रणाली: लिफ्टेड रिप्रेजेंटेशन (Methodology: Lifted Representation)

मुख्य योगदान एक लिफ्टेड रिप्रेजेंटेशन विधि है जो निर्णय चर (decision variables) में मोमेंट जानकारी (मीन और कोवेरिएंस) को स्पष्ट रूप से एनकोड करती है, जिससे स्टोकेस्टिक समस्या एक नियत (deterministic) कन्वेक्स समस्या में बदल जाती है।

A. स्टोकेस्टिक बेसिस और स्टेट/कंट्रोल रिप्रेजेंटेशन

कोवेरिएंस को अलग से प्रसारित करने के बजाय, लेखक रैंडम वेरिएबल्स (अवस्था $x_k$ और नियंत्रण $u_k$ ) को एक स्टोकेस्टिक बेसिस $e(k)$ के एफाइन फंक्शन के रूप में दर्शाते हैं।

बेसिस निर्माण: बेसिस $e(k)$ स्वतंत्र मानक गौसियन वेरिएबल्स का एक वेक्टर है जिसे $k$ तक के प्रारंभिक अवस्था शोर और प्रोसेस शोर से पुनरावर्ती रूप से बनाया गया है।
लिफ्टेड वेरिएबल्स:
- अवस्था (State): $x_k = \mu_k + \Psi_k e(k)$ , जहाँ $\mu_k$ मीन है और $\Psi_k$ कोवेरिएंस संरचना को एनकोड करता है ( $\text{var}(x_k) = \Psi_k \Psi_k^\top$ )।
- नियंत्रण (Control): $u_k = \nu_k + V_k e(k)$ , जहाँ $\nu_k$ मीन कंट्रोल है और $V_k$ शोर बेसिस के सापेक्ष फीडबैक संरचना को एनकोड करता है।
यह फॉर्मूलेशन कॉज़ल एफाइन पॉलिसीज (causal affine policies) को मानता है, जहाँ समय $k$ पर नियंत्रण, $k$ तक के शोर के इतिहास के लीनियर डिपेंडेंस पर निर्भर करता है।

B. बाधाओं का पुनर्गठन (Reformulation of Constraints)

लिफ्टेड वेरिएबल्स ( $\mu, \nu, \psi, v$ ) का उपयोग करते हुए, लेखक सटीक या रूढ़िवादी कन्वेक्स पुनर्गठन प्राप्त करते हैं:

लीनियर चांस कंस्ट्रेंट्स (सटीक पुनर्गठन):
- एक लीनियर कंस्ट्रेंट $P(a^\top x + \alpha^\top u \le b) \ge 1-\epsilon$ के लिए, रैंडम वेरिएबल गौसियन कॉम्बिनेशन है, इसलिए वह गौसियन ही है।
- इसे सेकंड-ऑर्डर कोन (SOC) कंस्ट्रेंट के रूप में सटीक रूप से पुनर्गठित किया गया है:
  $\text{Mean} + \Phi^{-1}_N(1-\epsilon) \cdot \|\text{StdDev}\|_2 \le b$
- यह $0 \le \epsilon < 0.5$ के लिए बिना किसी रूढ़िवादिता के मान्य है।
टर्मिनल कोवेरिएंस कंस्ट्रेंट (सटीक पुनर्गठन):
- कंस्ट्रेंट $\text{var}(x_N) \preceq \Sigma_f$ को $\Psi_N$ के शामिल लिनियर मैट्रिक्स इनइक्वेलिटी (LMI) के रूप में शूर कॉम्प्लीमेंट (Schur complement) का उपयोग करके पुनर्गठित किया गया है।
क्वाड्रेटिक चांस कंस्ट्रेंट्स (अनुमानित पुनर्गठन):
- लेखक क्वाड्रेटिक चांस कंस्ट्रेंट्स $P((x-\mu)^\top Q^{-1}_{CC} (x-\mu) \le 1) \ge 1-\epsilon$ $P ((x - μ)^{⊤} Q_{C C}^{- 1} (x - μ) \leq 1) \geq 1 - ϵ$ के लिए दो रूढ़िवादी सन्निकटन प्रस्तावित करते हैं:
  - LMI सन्निकटन: एलिप्सॉइड्स के सेट इनक्लूजन गुणों का उपयोग करके एक LMI कंस्ट्रेंट प्राप्त करता है। यह तब अधिक सटीक होता है जब कोवेरिएंस मैट्रिक्स के आइजनवैल्यू (eigenvalues) समान होते हैं।
  - क्वाड्रेटिक सन्निकटन: कंसंट्रेशन इनइक्वेलिटीज़ से प्राप्त कोवेरिएंस के ट्रेस (trace) पर आधारित एक बाउंड का उपयोग करता है। यह तब अधिक सटीक होता है जब आइजनवैल्यू अत्यधिक विसरित (highly spread/anisotropic) होते हैं।
- दोनों ही मौजूदा विधियों (जैसे मार्कोव की असमानता) की तुलना में सिद्ध रूप से कम रूढ़िवादी हैं।

C. परिणामी अनुकूलन समस्या (The Resulting Optimization Problem)

मूल स्टोकेस्टिक समस्या को समस्या 2 में बदल दिया गया है, जो निर्णय चरों $\{\mu_k, \nu_k, \psi_k, v_k\}$ के साथ एक नियत कन्वेक्स ऑप्टिमाइज़ेशन समस्या है।

उद्देश्य (Objective): एक क्वाड्रेटिक कॉस्ट फंक्शन जिसमें ट्रैजेक्टरी के मीन (mean) और ट्रैजेक्टरी के "स्प्रेड" (कोवेरिएंस) दोनों के लिए पद शामिल हैं।
बाधाएं (Constraints): एफाइन डायनेमिक्स (लिफ्टेड स्पेस में), SOC कंस्ट्रेंट्स (LCCs के लिए), और LMIs/क्वाड्रेटिक कंस्ट्रेंट्स (QCCs के लिए)।

3. मुख्य योगदान (Key Contributions)

सटीक कन्वेक्स पुनर्गठन: यह प्रदर्शित किया गया कि लीनियर चांस कंस्ट्रेंट्स (अवस्थाओं और नियंत्रणों सहित, बहु-चरण और मिश्रित बाधाओं के साथ) को गौसियन धारणाओं के तहत सटीक रूप से SOC कंस्ट्रेंट्स के रूप में दर्शाया जा सकता है, जिससे लीनियराइजेशन या क्रमिक कन्वेक्सिफिकेशन की आवश्यकता समाप्त हो जाती है।
बेहतर क्वाड्रेटिक सन्निकटन: दो नए कन्वेक्स सन्निकटन (LMI और Quadratic forms) विकसित किए गए जो मार्कोव की असमानता जैसे मानक तरीकों की तुलना में सिद्ध रूप से कम रूढ़िवादी हैं।
एकीकृत ढांचा (Unified Framework): एक एकल ढांचा प्रदान किया गया जो मीन ऑप्टिमाइज़ेशन, कोवेरिएंस शेपिंग और चांस कंस्ट्रेंट्स को एक साथ संभालता है, जिससे जोखिम और प्रदर्शन के अलगाव (decoupling) से बचा जा सके।
सैद्धांतिक गारंटी: यह सिद्ध किया गया कि लिफ्टेड समस्या का व्यवहार्य सेट (feasible set) मूल स्टोकेस्टिक समस्या में व्यवहार्य एफाइन कॉज़ल पॉलिसीज के सेट के समान है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने स्टोकेस्टिक गड़बड़ी के तहत एक 2D प्लेन में क्वाड्रोटर के मिनिमम-स्नैप ट्रैजेक्टरी जनरेशन पर अपने ढांचे को मान्य किया। उन्होंने अपने तरीके की तुलना दो बेसलाइनों से की:

[7]: फीडबैक गेन्स (रिकैटी समीकरण) और सटीक लीनियर कंस्ट्रेंट्स का उपयोग करने वाली एक विधि।
[11]: पुनरावृत्ति कोवेरिएंस अनुमान और अनुमानित लीनियर कंस्ट्रेंट्स का उपयोग करने वाली एक विधि।

मुख्य निष्कर्ष:

व्यवहार्यता (Feasibility): प्रस्तावित विधि बेसलाइनों की तुलना में बहुत अधिक शोर स्तरों पर व्यवहार्य रही:
- सर्कल एरिना (Circle Arena): प्रस्तावित विधि $\sigma = 0.85$ तक व्यवहार्य रही, जबकि बेसलाइन $\sigma \approx 0.06$ पर विफल हो गई।
- फनल कॉरिडोर (Funnel Corridor): प्रस्तावित विधि $\sigma = 0.60$ तक व्यवहार्य रही, जबकि बेसलाइन $\sigma \approx 0.06$ पर विफल हो गई।
इष्टतमता (Optimality - Cost Reduction):
- सर्कल एरिना में, प्रस्तावित विधि ने [7] की तुलना में 35% तक लागत में कमी हासिल की।
- फनल कॉरिडोर में, मध्यम शोर के तहत इसने 43% तक लागत में कमी हासिल की।
क्वाड्रेटिक कंस्ट्रेंट्स: आइसोट्रोपिक शोर के लिए LMI सन्निकटन (22) सबसे अच्छा प्रदर्शन करता है, जबकि अत्यधिक एनिसोट्रोपिक शोर के लिए क्वाड्रेटिक सन्निकटन (24) बेहतर है। दोनों ने मार्कोव बाउंड से काफी बेहतर प्रदर्शन किया।

5. महत्व (Significance)

यह कार्य सैद्धांतिक स्टोकेस्टिक ऑप्टिमल कंट्रोल और व्यावहारिक कार्यान्वयन के बीच के अंतर को पाटता है। लीनियर चांस कंस्ट्रेंट्स के लिए सटीक कन्वेक्स पुनर्गठन प्रदान करके, यह लीनियराइजेशन-आधारित दृष्टिकोणों में निहित रूढ़िवादिता को हटा देता है। यह स्वायत्त प्रणालियों (जैसे UAVs) को बहुत अधिक शोर वाले वातावरण में सुरक्षित रूप से संचालित करने और पहले की तुलना में बहुत अधिक संकीर्ण गलियारोंों से सफलतापूर्वक गुजरने की अनुमति देता है, साथ ही ट्रैजेक्टरी सटीकता और अनिश्चितता प्रबंधन दोनों को अनुकूलित करता है। अनुकूलन लूप के भीतर सीधे कोवेरिएंस को आकार देने की क्षमता अनिश्चित वातावरण में अधिक आक्रामक और कुशल मोशन प्लानिंग को सक्षम बनाती है।