⚡ electrical engineering

Active Calibration of Reachable Sets Using Approximate Pick-to-Learn

यह शोध पत्र "एप्रोक्सीमेट पिक-टू-लर्न" (Approximate Pick-to-Learn) का प्रस्ताव करता है, जो एक सक्रिय अंशांकन (active calibration) विधि है जो पिक-टू-लर्न एल्गोरिदम और कॉन्फॉर्मल प्रेडिक्शन को अनुकूलित करती है ताकि सीखे गए मॉडलों के लिए कम नमूनों के साथ कुशल रूप से टाइट जनरलाइजेशन बाउंड्स और सटीक रीचेबल सेट्स उत्पन्न किए जा सकें, जैसा कि एक सिम्युलेटेड ड्रोन रेसिंग परिदृश्य में प्रदर्शित किया गया है।

मूल लेखक: Sampada Deglurkar, Ebonye Smith, Jingqi Li, Claire J. Tomlin

प्रकाशित 2026-03-27

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Sampada Deglurkar, Ebonye Smith, Jingqi Li, Claire J. Tomlin

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 ड्रोन को एक जटिल बाधा पाठ्यक्रम (obstacle course) के माध्यम से दौड़ना सिखा रहे हैं। आप 100% सुनिश्चित करना चाहते हैं कि ड्रोन कभी टकराएगा नहीं। इसे करने के लिए, आप एक गणितीय उपकरण का उपयोग करते हैं जिसे "रीचेबल सेट" (Reachable Set) कहा जाता है।

रीचेबल सेट को ड्रोन के चारों ओर खींचे गए एक "सुरक्षा बुलबुले" (safety bubble) के रूप में सोचें। यदि ड्रोन बुलबुले के अंदर है, तो वह सुरक्षित है। यदि वह बाहर है, तो वह टकरा सकता है।

समस्या: "अनुमान लगाओ और जाँचो" का जाल (The "Guess-and-Check" Trap)

आमतौर पर, यह सुनिश्चित करने के लिए कि यह सुरक्षा बुलबुला सटीक है, आपको ड्रोन को हजारों अलग-अलग परिदृश्यों (samples) में टेस्ट करना पड़ता है।

पुराना तरीका: कल्पना कीजिए कि आप अंधेरे कमरे के किनारे का पता लगाने के लिए अंधेरे में दीवार पर तीर फेंक रहे हैं। आप यह सुनिश्चित करने के लिए कि आपने किसी खतरनाक जगह को मिस नहीं किया है, 1,000 तीर फेंकते हैं। यह धीमा, महंगा और बर्बादी भरा है।
जोखिम: यदि आप पर्याप्त परीक्षण नहीं करते हैं, तो आपका "सुरक्षा बुलबुला" बहुत बड़ा हो सकता है, और ड्रोन को लग सकता है कि वह सुरक्षित है जबकि वास्तव में वह एक पेड़ से टकराने वाला होता है।

समाधान: "एक्टिव लर्निंग" (एक स्मार्ट जासूस)

इस शोध पत्र के लेखक एक स्मार्ट तरीका प्रस्तावित करते हैं। अंधेरे में तीर फेंकने के बजाय, वे इस प्रक्रिया को एक स्मार्ट जासूस या एक वीडियो गेम खिलाड़ी की तरह देखते हैं।

जासूस की रणनीति: यादृच्छिक (random) जगहों पर परीक्षण करने के बजाय, जासूस मानचित्र को देखता है और पूछता है, "मैं कहाँ सबसे अधिक भ्रमित हूँ? मेरा अनुमान कहाँ सबसे खराब है?"
लक्षित परीक्षण (Targeted Testing): ड्रोन केवल उन्हीं विशिष्ट स्थानों का परीक्षण करता है जहाँ सुरक्षा बुलबुला डगमगा रहा है या अस्पष्ट है। इसे "एक्टिव लर्निंग" कहा जाता है। यह एक ऐसे छात्र की तरह है जो पूरे पाठ्यपुस्तक को फिर से पढ़ने के बजाय केवल उन अध्यायों को पढ़ता है जिन्हें वह समझ नहीं पाया है।

गुप्त नुस्खा: "एप्रोक्सिमेट पिक-टू-लर्न" (Approximate Pick-to-Learn)

यहाँ पेचीदा हिस्सा है। क्योंकि जासूस यह चुन रहा है कि कहाँ परीक्षण करना है, इसलिए परीक्षण अब यादृच्छिक नहीं रह गए हैं। सांख्यिकी (statistics) में, यह सुरक्षा गारंटी की गणना करने के सामान्य नियमों को तोड़ देता है। यह ऐसा है जैसे कि एक जादूगर आपको केवल वही करतब दिखाए जो काम कर गए; आप अगले करतब की संभावनाओं पर भरोसा नहीं कर पाएंगे।

इसे ठीक करने के लिए, लेखक "कॉन्फ़ॉर्मल प्रेडिक्शन" (Conformal Prediction) नामक एक चतुर गणितीय तकनीक का उपयोग करते हैं जो "पिक-टू-लर्न" (Pick-to-Learn) नामक एक एल्गोरिदम के साथ मिलकर काम करती है।

रूपक (Metaphor): कल्पना कीजिए कि आप कमरे के तापमान का अनुमान लगाने की कोशिश कर रहे हैं। आपके पास एक थर्मामीटर है जो थोड़ा सा धुंधला (अस्पष्ट) रीडिंग देता है ("approximate" रीडिंग)।
- चरण 1: आप एक अलग, ज्ञात कमरे में कुछ "कैलिब्रेशन" रीडिंग लेते हैं ताकि यह देख सकें कि आपका धुंधला थर्मामीटर कितना गलत हो सकता है।
- चरण 2: आप अपनी रीडिंग में एक "सुरक्षा मार्जिन" जोड़ते हैं। यदि थर्मामीटर 70°F कहता है, और आपका कैलिब्रेशन दिखाता है कि यह 5 डिग्री तक गलत हो सकता है, तो आप मान लेते हैं कि वास्तविक तापमान 65°F और 75°F के बीच है।
- चरण 3: आप इस "सुरक्षा मार्जिन" का उपयोग यह तय करने के लिए करते हैं कि आगे कहाँ परीक्षण करना है। भले ही आप स्थान चुन रहे हैं, गणित यह गारंटी देता है कि आपका अंतिम सुरक्षा बुलबुला सांख्यिकीय रूप से वैध होगा।

परिणाम: कम सैंपल, सुरक्षित ड्रोन

लेखकों ने इसका परीक्षण एक सिम्युलेटेड ड्रोन रेस पर किया।

बेसलाइन (पुराना तरीका): आश्वस्त महसूस करने के लिए सैकड़ों टेस्ट रन की आवश्यकता थी।
नया तरीका: इसमें बहुत कम टेस्ट रन की आवश्यकता पड़ी क्योंकि इसने केवल "ट्रिकी" (कठिन) स्थानों का परीक्षण किया।
परिणाम: नए तरीके ने एक ऐसा सुरक्षा बुलबुला बनाया जो न केवल अधिक सुरक्षित (कम गलतियाँ) था, बल्कि अधिक सटीक (tight) भी था, और वह भी कम संसाधनों का उपयोग करके।

संक्षेप में

यह शोध पत्र हमें सिखाता है कि कैसे AI के लिए एक सुरक्षा जाल (safety net) बनाया जाए जो कुशल (efficient) और विश्वसनीय (trustworthy) दोनों हो। सब कुछ अंधाधुंध टेस्ट करने के बजाय, हम अज्ञात चीजों पर ध्यान केंद्रित करने के लिए एक स्मार्ट, अनुकूल रणनीति का उपयोग करते हैं, जबकि एक विशेष गणितीय "सुरक्षा मार्जिन" का उपयोग करते हैं ताकि हम कभी भी अति-आत्मविश्वासी न हो जाएं। यह समुद्र में शार्क कहाँ हो सकती है इसका अनुमान लगाने और सोनार का उपयोग करने के बीच का अंतर है जो आपको बताता है कि आपको बिल्कुल कहाँ देखना है, साथ ही एक गारंटी के साथ कि आप उसे मिस नहीं करेंगे।

यहाँ शोध पत्र "Active Calibration of Reachable Sets Using Approximate Pick-to-Learn" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

सुरक्षा-महत्वपूर्ण गतिशील प्रणालियों (जैसे, स्वायत्त ड्रोन) में, रीचेबिलिटी विश्लेषण (reachability analysis) सुरक्षा गारंटी प्रदान करने के लिए आवश्यक है। पारंपरिक रूप से, ये विधियाँ सटीक, पूर्व-निर्धारित मॉडलों पर निर्भर करती हैं। हालाँकि, आधुनिक दृष्टिकोण सीखे गए मॉडलों (जैसे, न्यूरल नेटवर्क या गॉसियन प्रोसेस) का उपयोग करके रीचेबल सेट्स (reachable sets) का अनुमान लगाते हैं, जो दो प्रमुख चुनौतियाँ पेश करता है:

मॉडल त्रुटि (Model Error): सीखे गए मॉडल, विशेष रूप से रीचेबल सेट की सीमाओं के पास, गलत हो सकते हैं, जिससे असुरक्षित अवस्थाओं को सुरक्षित के रूप में गलत वर्गीकृत किया जा सकता है।
कैलिब्रेशन लागत (Calibration Cost): संभाव्य सुरक्षा गारंटी प्रदान करने के लिए, सीखे गए रीचेबल सेट को ग्राउंड-ट्रुथ सैंपल्स का उपयोग करके "कैलिब्रेट" किया जाना चाहिए। मानक कैलिब्रेशन विधियाँ (जैसे, सिनेरियो ऑप्टिमाइज़ेशन) मजबूत गारंटी प्राप्त करने के लिए अक्सर बड़ी संख्या में महंगी सैंपलिंग की आवश्यकता रखती हैं। इसके अलावा, मौजूदा विधियाँ अक्सर मानती हैं कि सैंपल स्वतंत्र और समान रूप से वितरित (IID) हैं, जो तब टूट जाता है जब सैंपलिंग प्रक्रिया अनुकूल (adaptive) होती है (अर्थात, अगला सैंपल पिछले परिणामों पर निर्भर करता है)।

मुख्य प्रश्न: हम एक सीखा हुआ रीचेबल सेट कितनी कुशलता से कैलिब्रेट कर सकते हैं (कम सैंपल्स का उपयोग करके) जबकि कठोर संभाव्य गारंटी बनाए रखी जा सके, भले ही सैंपलिंग रणनीति अनुकूल (adaptive) हो?

2. कार्यप्रणाली: एप्रोक्सिमेट पिक-टू-लर्न (Methodology: Approximate Pick-to-Learn)

लेखक एक ऐसा ढांचा प्रस्तावित करते हैं जो रीचेबल सेट कैलिब्रेशन को एक एक्टिव लर्निंग (Active Learning) समस्या के रूप में मानता है। रैंडम सैंपलिंग के बजाय, सिस्टम त्रुटि को कम करने के लिए सबसे सूचनात्मक डेटा बिंदुओं को सक्रिय रूप से चुनता है। यह कार्यप्रणाली तीन प्रमुख घटकों से बनी है:

A. कैलिब्रेशन को एक्टिव लर्निंग के रूप में फ्रेम करना

लेखक कैलिब्रेशन प्रक्रिया को अवस्था $x$ को ग्राउंड-ट्रुथ वैल्यू फंक्शन $V(x, T)$ को क्वेरी करने के लिए बार-बार चुनने के रूप में परिभाषित करते हैं। लक्ष्य स्टेट स्पेस में परिकल्पना (hypothesis) $h$ की त्रुटि को उच्च संभाव्यता के साथ एक थ्रेशोल्ड $\omega$ से नीचे लाना है।

B. एक्टिव सेटिंग्स के लिए "पिक-टू-लर्न" को अनुकूलित करना

यह शोध पत्र पिक-टू-लर्न एल्गोरिदम (जो मूल रूप से ऑफलाइन सुपरवाइज्ड लर्निंग के लिए डिज़ाइन किया गया था) को एक्टिव लर्निंग सेटिंग के लिए अनुकूलित करता है।

मानक पिक-टू-लर्न: डेटा बिंदु को बार-बार चुनता है जहाँ वर्तमान परिकल्पना सबसे खराब प्रदर्शन करती है (त्रुटि को अधिकतम करती है) ताकि एक "कंप्रेस्ड" डेटासेट बनाया जा सके जो सामान्यीकरण सीमाओं (generalization bounds) की गारंटी देता है।
चुनौती: एक्टिव लर्निंग में, अनलेबल डेटा के लिए वास्तविक त्रुटि $e_h(z)$ अज्ञात होती है, इसलिए "सबसे खराब" बिंदु को सीधे पहचाना नहीं जा सकता है।
समाधान (एप्रोक्सिमेट पिक-टू-लर्न): लेखक एक एप्रोक्सिमेट एरर फंक्शन $\hat{e}_{h,\eta}(x)$ पेश करते हैं जो वास्तविक त्रुटि का अनुमान लगाता है। एल्गोरिदम इस एप्रोक्सिमेट एरर को अधिकतम करके अगला सैंपल चुनता है:
$\bar{x} = \arg\max_{x \in D \setminus Q} \hat{e}_{h,\eta}(x)$
जहाँ $D$ संभावित अवस्थाओं का एक पूल है और $Q$ पहले से सैंपल की गई अवस्थाओं का सेट है।

C. गारंटी के लिए कॉन्फॉर्मल प्रेडिक्शन (Conformal Prediction)

यह सुनिश्चित करने के लिए कि $\hat{e}_{h,\eta}$ वास्तविक त्रुटि $e_h$ के लिए एक वैध प्रॉक्सी है, लेखक कॉन्फॉर्मल प्रेडिक्शन का उपयोग करते हैं।

वे एक स्केलिंग फैक्टर $\lambda$ की गणना करने के लिए एक अलग कैलिब्रेशन सेट $C$ का उपयोग करते हैं।
यह फैक्टर ह्यूरिस्टिक एरर एस्टीमेट $a_{h,\eta}$ को एक सांख्यिकीय रूप से वैध अपर बाउंड $\hat{e}_{h,\eta} = a_{h,\eta} + \lambda \mu_{h,\eta}$ में बदल देता है।
सैद्धांतिक गारंटी: थ्योरम 1 सिद्ध करता है कि कम से कम $1-\alpha$ की संभाव्यता के साथ, अनदेखे स्टेट्स पर अंतिम परिकल्पना की वास्तविक त्रुटि, कंप्रेस्ड सेट $|Q|$ के आकार के एक फलन द्वारा सीमित है। यह तब भी मान्य है जब सैंपल्स को अनुकूल रूप से चुना गया हो, जो पिछले कार्यों की IID धारणा की सीमा को पार करता है।

3. मुख्य योगदान (Key Contributions)

रीचेबिलिटी के लिए एक्टिव लर्निंग फ्रेमवर्क: रीचेबल सेट कैलिब्रेशन को एक्टिव लर्निंग समस्या के रूप में फ्रेम करने वाला पहला तरीका, जो केवल आवश्यक सैंपल्स के चयन की अनुमति देता है न कि रैंडम सैंपलिंग की।
एप्रोक्सिमेट पिक-टू-लर्न एल्गोरिदम: पिक-टू-लर्न मेटा-एल्गोरिदम का एक अभिनव विस्तार जो एक्टिव सेटिंग्स में अज्ञात वास्तविक त्रुटि को संभालने के लिए कॉन्फॉर्मल प्रेडिक्शन को शामिल करता है।
कठोर संभाव्य गारंटी: सैद्धांतिक प्रमाण कि विधि द्वारा सीखा गया रीचेबल सेट टाइट जनरलाइजेशन बाउंड प्रदान करता है, यह सुनिश्चित करता है कि अनुकूल (adaptive) सैंपलिंग प्रक्रिया के बावजूद सुरक्षा गारंटी उच्च संभाव्यता के साथ बनी रहती है।
सैंपल दक्षता (Sample Efficiency): बेसलाइन विधियों की तुलना में काफी कम सैंपल्स का उपयोग करके उच्च-सटीकता वाले रीचेबल सेट्स प्राप्त करने की प्रदर्शित क्षमता।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस विधि का मूल्यांकन एक सिम्युलेटेड ड्रोन रेसिंग परिदृश्य (12-आयामी स्टेट स्पेस) में किया गया जहाँ एक ईगो-ड्रोन को टक्कर से बचते हुए दूसरे ड्रोन को ओवरटेक करना होता है।

बेसलाइन्स: "LB Iterative" (इटरेटिव लेवल-सेट एडजस्टमेंट) और "LB Robust" (रोबस्ट सिनेरियो ऑप्टिमाइज़ेशन) के विरुद्ध तुलना की गई।
मेट्रिक्स: आवश्यक सैंपल्स की संख्या, फॉल्स पॉजिटिव रेट (FPR), फॉल्स नेगेटिव रेट (FNR), और संभाव्य बाउंड की टाइटनेस ( $\bar{\epsilon}$ )।
निष्कर्ष:
- सैंपल दक्षता: प्रस्तावित विधि ने बेसलाइन्स की तुलना में मॉडल को कैलिब्रेट करने के लिए कम सैंपल्स की आवश्यकता दिखाई।
- सटीकता: इसने कम FPR और FNR प्राप्त किया, विशेष रूप से जटिल परिदृश्यों (जैसे, पेपर में "Slice 2") में जहाँ सीखा गया वैल्यू फंक्शन कम सटीक था और बेसलाइन लेवल-सेट एडजस्टमेंट विफल रहे।
- ट्रेड-ऑफ: विधि ने सैंपल कॉम्प्लेक्सिटी और सुरक्षा गारंटी की मजबूती के बीच प्रभावी ढंग से संतुलन बनाया। हालांकि "LB Robust" कुछ मामलों में थोड़ा टाइट बाउंड ( $\epsilon$ ) प्राप्त कर सकता था, लेकिन इसे करने के लिए उसे अत्यधिक संख्या में सैंपल्स की आवश्यकता थी।
- स्केलेबिलिटी: विधि 3D और 4D स्लाइस के उच्च आयामों तक स्केल हुई, हालांकि प्रदर्शन के लिए एरर रेट और सैंपल काउंट के बीच संतुलन बनाने के लिए कॉन्फिडेंस पैरामीटर्स ( $\alpha$ ) की ट्यूनिंग की आवश्यकता थी।

5. महत्व और प्रभाव (Significance and Impact)

लर्निंग और सेफ्टी को जोड़ना: यह कार्य डेटा-संचालित लर्निंग और औपचारिक सुरक्षा सत्यापन (formal safety verification) के बीच एक महत्वपूर्ण सेतु प्रदान करता है। यह सुरक्षा-महत्वपूर्ण प्रणालियों को कठोर गारंटी से समझौता किए बिना सीखे गए मॉडलों का उपयोग करने की अनुमति देता है।
अनुकूलता (Adaptivity) को पार करना: कॉन्फॉर्मल प्रेडिक्शन का उपयोग करके केवल सेट को ही नहीं बल्कि सैंपलिंग रणनीति को भी कैलिब्रेट करके, लेखकों ने नॉन-IID (अनुकूल) सैंपलिंग की सैद्धांतिक बाधा को हल किया है, जिसने सुरक्षा में पिछले एक्टिव लर्निंग अनुप्रयोगों को सीमित किया था।
व्यावहारिक अनुप्रयोग: सैंपल कॉम्प्लेक्सिटी में कमी वास्तविक दुनिया के अनुप्रयोगों (जैसे, स्वायत्त विमानन या रोबोटिक्स) के लिए महत्वपूर्ण है जहाँ ग्राउंड-ट्रुथ डेटा एकत्र करना (जैसे, सीमा परीक्षण के लिए ड्रोन को क्रैश करना) महंगा या खतरनाक हो सकता है।
भविष्य की दिशा: लेखक सुझाव देते हैं कि इस ढांचे को रीचेबल सेट्स के स्वयं के संश्लेषण (synthesis) के लिए विस्तारित किया जा सकता है और भौतिक प्रणालियों में इन निष्कर्षों को मान्य करने के लिए भविष्य के हार्डवेयर प्रयोग प्रस्तावित करते हैं।

संक्षेप में, यह शोध पत्र रीचेबल सेट अनुमान में सबसे महत्वपूर्ण त्रुटियों को सक्रिय रूप से पहचानने और सुधारने के माध्यम से सीखे गए कंट्रोल पॉलिसी की सुरक्षा सुनिश्चित करने के लिए एक गणितीय रूप से कठोर, सैंपल-एफिशिएंट फ्रेमवर्क प्रस्तुत करता है।