⚡ electrical engineering

Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors

यह शोध पत्र एक ROS2-नेटिव आर्बिट्रेशन मॉड्यूल प्रस्तुत करता है जो ग्लोबल प्योर पर्स्यूट (Pure Pursuit) और लोकल LiDAR-आधारित गैप फॉलो (Gap Follow) कमांड्स को निरंतर फ्यूज करने के लिए एक PPO-प्रशिक्षित पॉलिसी का उपयोग करता है, जो सैंपलिंग-आधारित बेसलाइन की तुलना में क्लोज-प्रॉक्सिमिटी ड्राइविंग परिदृश्यों में शोर (noise), विलंब (delay) और ड्रॉपआउट जैसी सेंसिंग बाधाओं के विरुद्ध बेहतर मजबूती प्रदर्शित करता है।

मूल लेखक: Mohamed Elgouhary, Amr S. El-Wakeel

प्रकाशित 2026-03-31

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohamed Elgouhary, Amr S. El-Wakeel

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 ऐसी कार चला रहे हैं जिसमें एक ही समय में दो अलग-अलग "दिमाग" काम कर रहे हैं, लेकिन उनके व्यक्तित्व बहुत अलग हैं।

दो दिमाग:

नेविगेटर (ग्लोबल कंट्रोलर): यह दिमाग एक सख्त GPS की तरह है। इसे सही रास्ता पता है, मंजिल तक पहुँचने का सबसे तेज़ तरीका पता है, और यह बिल्कुल पेंट की हुई रेखा पर बने रहना चाहता है। यह कहता है, "सीधे चलते रहो, लेन में रहो, भटकना मत!"
गार्ड डॉग (लोकल कंट्रोलर): यह दिमाग अत्यधिक सतर्क और प्रतिक्रियाशील है। इसे केवल कार के ठीक सामने की चीज़ों से मतलब है। यदि इसे कोई पत्थर, गड्ढा या दूसरी कार दिखती है, तो यह चिल्लाता है, "रुको! मुड़ो! बचो!" इसे मंजिल से कोई लेना-देना नहीं है; इसे बस अभी क्रैश होने से बचना है।

समस्या:
वास्तविक दुनिया में, कार के सेंसर (विशेष रूप से LiDAR, जो एक हाई-टेक लेजर आँख की तरह है) परफेक्ट नहीं होते हैं। कभी-कभी लेज़र धूल, बारिश या किसी ग्लिच (खराबी) के कारण भ्रमित हो जाता है। यह मान सकता है कि कार के ठीक सामने एक पेड़ है, जबकि वह वास्तव में दस फीट दूर है, या यह एक पल के लिए पूरी कार को देख ही नहीं पाता।

यदि आप केवल "गार्ड डॉग" को तब नियंत्रण लेने देते हैं जब सेंसर थोड़े शोर-शराबे वाले (noisy) हो जाते हैं, तो कार अनियंत्रित रूप से इधर-उधर मुड़ सकती है और कभी अपनी मंजिल तक नहीं पहुँच पाएगी। यदि आप केवल "नेविगेटर" की बात सुनते हैं, तो कार किसी दीवार से टकरा सकती है क्योंकि GPS ने बाधा को नहीं देखा।

समाधान: "ट्रैफिक Cop" (आर्बिट्रेशन मॉड्यूल)
यह शोध पत्र एक नया, स्मार्ट "ट्रैफिक Cop" पेश करता है, जो नेविगेटर और गार्ड डॉग के बीच बैठता है। नेविगेटर और गार्ड डॉग में से किसी एक को पूरी तरह से नियंत्रण लेने देने के बजाय, यह ट्रैफिक Cop उनके आदेशों को सुचारू रूप से मिला देता है।

यह कैसे काम करता है, इसे एक सरल उपमा (analogy) से समझते हैं:

"वॉल्यूम नॉब" की उपमा

कल्पना कीजिए कि नेविगेटर और गार्ड डॉग दो संगीतकार हैं जो अलग-अलग गाने बजा रहे हैं।

नेविगेटर एक स्मूथ जैज़ ट्रैक बजा रहा है (रास्ते पर बने रहना)।
गार्ड डॉग एक उन्मत्त ड्रम सोलो बजा रहा है (बाधाओं से बचना)।

आमतौर पर, आप या तो एक को सुनते हैं या दूसरे को। लेकिन यह नया सिस्टम एक वॉल्यूम नॉब (जिसे $\alpha$ कहा जाता है) का उपयोग करता है जिसे ट्रैफिक Cop नियंत्रित करता है।

यदि सड़क साफ है, तो ट्रैफिक Cop नेविगेटर के वॉल्यूम को 100% तक बढ़ा देता है और गार्ड डॉग को 0% तक कम कर देता है। कार सुचारू रूप से चलती है।
यदि अचानक कोई कार सामने आती है, तो ट्रैफिक Cop तुरंत गार्ड डॉग का वॉल्यूम बढ़ा देता है और नेविगेटर का कम कर देता है। कार सुरक्षित रूप से मुड़ जाती है।
जादू: ट्रैफिक Cop केवल एक स्विच की तरह काम नहीं करता। यह नॉब को लगातार (continuously) घुमाता है। यह नेविगेटर को 70% और गार्ड डॉग को 30% पर सेट कर सकता है, जिससे एक सुचारू, मिश्रित स्टीयरिंग कमांड बनता है जो झटकेदार नहीं बल्कि स्वाभाविक महसूस होता है।

"स्मार्ट फ़िल्टर" (खराब सेंसरों से निपटना)

इस शोध पत्र की असली प्रतिभा यह है कि ट्रैफिक Cop खराब सेंसर डेटा को कैसे संभालता है।

अतीत में, यदि सेंसर में गड़बड़ी होती थी (जैसे कि एक "हैलुसिनेशन" जहाँ कार को लगता है कि उसके सामने कोई भूत है), तो एक साधारण नियम-आधारित प्रणाली घबराकर ब्रेक लगा सकती थी।

पुराना तरीका: "मुझे एक भूत दिख रहा है! रुको!" (भले ही वह एक ग्लिच हो)।
नया तरीका (यह शोध पत्र): ट्रैफिक Cop को एक विशेष लर्निंग विधि (रीइन्फोर्समेंट लर्निंग) का उपयोग करके प्रशिक्षित किया गया है। इसने हजारों ऐसे परिदृश्य देखे हैं जहाँ सेंसर झूठ बोलते हैं। यह बड़े परिदृश्य (big picture) को देखना सीख जाता है।
- यह पूछता है: "क्या नेविगेटर अभी भी आश्वस्त है? क्या गार्ड डॉग ज़रूरत से ज़्यादा प्रतिक्रिया दे रहा है? क्या यह एक ग्लिच है?"
- यदि सेंसर शोर-शराबे वाले हैं, तो ट्रैफिक Cop नेविगेटर पर थोड़ा अधिक भरोसा करता है और गार्ड डॉग की उन्मत्त चीखों को अनदेखा कर देता है, जिससे कार गलत अलार्म के कारण घबराने से बच जाती है।

"सेफ्टी नेट" (सुरक्षा जाल)

स्मार्ट ट्रैफिक Cop के साथ भी, लेखकों ने एक "सेफ्टी नेट" जोड़ा है। यदि सेंसर इतने खराब हैं कि कार कुछ भी नहीं देख पा रही है, या यदि डेटा बहुत पुराना (stale) है, तो सेफ्टी नेट तुरंत ब्रेक लगा देता है। यह एक माता-पिता द्वारा स्टीयरिंग व्हील को पकड़ने जैसा है यदि बच्चा ड्राइवर कोई घातक गलती करने वाला हो।

परिणाम: यह क्यों मायने रखता है

शोधकर्ताओं ने इसका परीक्षण एक रेस कार (F1TENTH) के साथ एक धीमे प्रतिद्वंद्वी के विरुद्ध सिमुलेशन में किया। उन्होंने जानबूझकर सेंसर में शोर, देरी और नकली "भूतिया" बाधाएं जोड़कर उन्हें खराब किया।

प्रतिद्वंद्वी: उन्होंने एक "गणित-प्रधान" (math-heavy) सिस्टम भी बनाया है जो हर संभावित भविष्य के पथ की गणना करने की कोशिश करता है। वह सिस्टम औसतन तेज़ था लेकिन जब सेंसर खराब होते थे, तो वह कभी-कभी फ्रीज हो जाता था या घबरा जाता था, जिससे वह रेस हार जाता था या प्रतिद्वंद्वी के बहुत करीब आ जाता था।
नया सिस्टम: "ट्रैफिक Cop" सिस्टम अधिक सुसंगत (consistent) था। भले ही सेंसर झूठ बोल रहे थे, इसने कार को सुरक्षित रूप से आगे बढ़ते रहने दिया। यह आसानी से घबराया नहीं और इसने अक्सर रेस पूरी की।

सारांश में

यह शोध पत्र स्वायत्त कारों (autonomous cars) को चलाने का एक नया तरीका प्रस्तुत करता है जो रोबस्ट (robust) (जल्दी खराब न होने वाला) और सुचारू (smooth) है। "रास्ते का पालन करें" या "टक्कर से बचें" के बीच चुनाव करने के बजाय, यह दोनों को पूरी तरह से मिलाना सीखता है, भले ही कार की आँखें धुंधली हों। यह एक ऐसे ड्राइवर की तरह है जो गलत अलार्म को अनदेखा करने के लिए पर्याप्त शांत है लेकिन जब खतरा वास्तविक हो तो तुरंत प्रतिक्रिया देने के लिए पर्याप्त सतर्क भी है।

यहाँ मोहम्मद एलगौहरी और अम्र एस. एल-वकील के शोध पत्र "Robust Global–Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

मॉड्यूलर स्वायत्त ड्राइविंग सिस्टम (Autonomous driving systems) एक महत्वपूर्ण चुनौती का सामना करते हैं: जब सेंसर डेटा अपूर्ण हो, तो ग्लोबल प्रोग्रेस ऑब्जेक्टिव्स (जैसे कि एक नियोजित प्रक्षेपवक्र/ट्रैजेक्टरी का पालन करना) को लोकल सेफ्टी रिएक्शंस (जैसे कि बाधाओं से बचना) के साथ समन्वयित करना।

संघर्ष (The Conflict): ग्लोबल कंट्रोलर्स (जैसे Pure Pursuit) पथ ट्रैकिंग सुनिश्चित करते हैं लेकिन तत्काल बाधाओं को अनदेखा कर सकते हैं। रिएक्टिव लोकल कंट्रोलर्स (जैसे Gap Follow) सुरक्षा सुनिश्चित करते हैं लेकिन उनमें दीर्घकालिक प्रगति लक्ष्यों की कमी हो सकती है।
सेंसिंग चुनौती (The Sensing Challenge): वास्तविक दुनिया का LiDAR डेटा अक्सर शोर (noise), विलंबता (latency), स्कैन ड्रॉपआउट और अल्प-दूरी के झूठे आउटलेर्स (false short-range outliers) से दूषित होता है। पारंपरिक नियम-आधारित मध्यस्थता (arbitration) (थ्रेशोल्ड के आधार पर कंट्रोलर्स के बीच स्विच करना) इन आर्टिफैक्ट्स के प्रति अत्यधिक संवेदनशील होती है, जिससे समयपूर्व युद्धाभ्यास, दोलन (oscillations), या अत्यधिक रूढ़िवादी व्यवहार होता है जो प्रगति को रोक देता है।
लक्ष्य (The Goal): एक मजबूत मध्यस्थता परत (arbitation layer) विकसित करना जो इन दो अलग-अलग व्यवहारों को एक एकल कमांड में संलयित (fuse) कर सके, और महत्वपूर्ण सेंसिंग गिरावट के तहत भी सुरक्षा और प्रगति बनाए रख सके, बिना अंतर्निहित व्याख्या योग्य (interpretable) कंट्रोलर्स को बदले।

2. कार्यप्रणाली (Methodology)

लेखक एक ROS2-नेटिव मध्यस्थता मॉड्यूल का प्रस्ताव करते हैं जो निरंतर कमांड फ्यूजन के लिए सुदृढीकरण शिक्षण (Reinforcement Learning - RL) का उपयोग करता है, जबकि निम्न-स्तरीय कंट्रोलर्स को अपरिवर्तित रखता है।

A. सिस्टम आर्किटेक्चर

सिस्टम 30 Hz पर कार्य करता है और दो समानांतर निम्न-स्तरीय कंट्रोलर्स को एकीकृत करता है:

ग्लोबल कंट्रोलर: संदर्भ ट्रैकिंग के लिए Pure Pursuit (PP)।
लोकल कंट्रोलर: 2D LiDAR के आधार पर रिएक्टिव कोलिजन अवॉयडेंस के लिए Gap Follow (GF)।

दोनों कंट्रोलर्स उम्मीदवार अकरमैन कमांड (स्टीयरिंग $\delta$ और वेलोसिटी $v$ ) उत्पन्न करते हैं।

B. निरंतर कमांड फ्यूजन (Continuous Command Fusion)

कंट्रोलर्स के बीच स्विच करने के बजाय, एक सीखा हुआ पॉलिसी एक निरंतर गेट $\alpha \in [0, 1]$ आउटपुट देता है। अंतिम कमांड $u_t$ एक लीनियर ब्लेंड है:
$u_t = (1 - \alpha_t) u_{PP,t} + \alpha_t u_{GF,t}$
यह दृष्टिकोण बेस कंट्रोलर्स की स्थिरता और व्याख्यात्मकता को सुरक्षित रखता है जबकि सहज संक्रमण (smooth transitions) की अनुमति देता है।

C. लर्निंग-आधारित मध्यस्थता (PPO)

एल्गोरिदम: Generalized Advantage Estimation (GAE) के साथ Proximal Policy Optimization (PPO)।
ऑब्जर्वेशन स्पेस: कच्चे LiDAR स्कैन के बजाय एक संक्षिप्त फीचर वेक्टर ( $s_t$ $s_{t}$ )। फीचर्स में शामिल हैं:
- फॉरवर्ड-कोन LiDAR सांख्यिकी (जैसे, न्यूनतम क्लीयरेंस)।
- रेफरेंस ज्योमेट्री (कर्वेचर, लुकअहेड)।
- रिलेटिव अपोनेंट इंफॉर्मेशन (दूरी, कोण, गति)।
- रोबस्टनेस फीचर: प्रशिक्षण के दौरान, अपोनेंट फीचर्स को रैंडमली मास्क किया जाता है ताकि उन परिदृश्यों का अनुकरण किया जा सके जहाँ अपोनेंट पोज़ अनऑब्जर्वेबल है।
एक्शन स्पेस: एक स्केलर $\alpha$ जिसे $[0, 1]$ के भीतर रहने के लिए सिग्मॉइड फंक्शन के माध्यम से मैप किया गया है।
रिवॉर्ड डिज़ाइन: यह आगे की प्रगति को प्रोत्साहित करता है, असुरक्षित निकटता (क्लीयरेंस उल्लंघन) के लिए दंडित करता है, और गेट वैल्यू में तीव्र स्विचिंग (जिटर) को हतोत्साहित करता है।

D. सुरक्षा तंत्र (Safety Mechanisms)

यह सुनिश्चित करने के लिए कि RL पॉलिसी को बदले बिना सुरक्षा बनी रहे, सिस्टम में शामिल हैं:

इंटरैक्शन-मोड गेटिंग: पॉलिसी केवल विशिष्ट इंटरैक्शन परिदृश्यों (जैसे, हेड-टू-हेड ओवरटेकिंग) के दौरान सक्रिय होती है।
रनटाइम स्मूथिंग: गेट $\alpha$ के हाई-फ्रीक्वेंसी ऑसिलेशन को रोकने के लिए लो-पास फ़िल्टरिंग।
सेफ्टी ओवरराइड: यदि फॉरवर्ड क्लीयरेंस एक न्यूनतम थ्रेशोल्ड से नीचे गिर जाता है या इनपुट डेटा पुराना (stale) हो जाता है, तो एक हार्ड स्टॉप ट्रिगर किया जाता है।

E. बेसलाइन तुलना

अपने दृष्टिकोण को मान्य करने के लिए, लेखकों ने एक सैंपलिंग-आधारित प्रेडिक्टिव बेसलाइन (Sampling MPC) को लागू किया।

यह समान ROS इनपुट्स और कंट्रोल रेट (30 Hz) का उपयोग करता है।
यह एक किनेमैटिक बाइसिकल मॉडल का उपयोग करके कांस्टेंट-स्टीयरिंग उम्मीदवारों के एक डिस्क्रीट सेट का मूल्यांकन करता है।
यह कोलिजन के विरुद्ध उम्मीदवारों की जांच करता है और न्यूनतम-लागत वाले प्रक्षेपवपथ (trajectory) का चयन करता है।

3. मुख्य योगदान (Key Contributions)

ROS2-आधारित रोबस्टनेस इवैल्यूएशन प्रोटोकॉल:
- LiDAR डेटा के लिए एक व्यवस्थित इम्पेयरमेंट इंजेक्शन प्रोटोकॉल पेश किया, जिसमें गॉसियन नॉइज़, फिक्स्ड डिले (200 ms), स्कैन ड्रॉपआउट (30%), और फॉरवर्ड कोन में फॉल्स शॉर्ट-रेंज आउटलेर्स का स्वीप शामिल है।
- बढ़ती सेंसिंग स्ट्रेस के तहत सफलता दर और रनटाइम स्थिरता को मापने वाले रोबस्टनेस कर्व्स उत्पन्न किए।
कमांड-लेवल निरंतर फ्यूजन:
- एक हल्का मध्यस्थता मॉड्यूल प्रस्तुत किया जो Pure Pursuit और Gap Follow को एक एकल सीखे हुए स्केलर गेट के माध्यम से संलयित करता है।
- प्रदर्शित किया कि जटिल व्यवहारों को समन्वित करने के लिए एक एकल निर्णय चर (decision variable) सीखना पर्याप्त है, जबकि रियल-टाइम बाधाओं को बनाए रखा जा सकता है।
मैच्ड बेसलाइन तुलना:
- एक समान इनपुट, कंट्रोल फ्रीक्वेंसी और सिमुलेशन वातावरण के साथ एक मॉडल-आधारित सैंपलिंग MPC के साथ एक निष्पक्ष तुलना प्रदान की, जिससे फ्यूजन दृष्टिकोण के लाभों को अलग किया जा सके।

4. प्रयोगात्मक परिणाम (Experimental Results)

प्रयोग Levine ट्रैक (प्रशिक्षण के लिए) और अनदेखे IMS ट्रैक (मूल्यांकन के लिए) पर F1TENTH Gym ROS सिम्युलेटर में किए गए।

नॉमिनल परफॉरमेंस (साफ सेंसिंग):
- प्रस्तावित आर्बिटर (Proposed Arbiter): 100% सफलता दर (10/10 हीट्स) प्राप्त की, जिसमें 0 कोलिजन और 0 टाइमआउट थे।
- सैंपलिंग MPC: 90% सफलता दर प्राप्त की, जिसमें एक हीट टाइमआउट के साथ समाप्त हुई।
- रनटाइम: आर्बिटर का मीन रनटाइम थोड़ा अधिक था (31.95 ms बनाम 24.15 ms) लेकिन वर्स्ट-केस रनटाइम स्पाइक्स काफी कम थे (47.12 ms बनाम 61.83 ms), जो अधिक सुसंगत रियल-टाइम स्थिरता का संकेत देता है।
LiDAR इम्पेयरमेंट्स के तहत रोबस्टनेस:
- जैसे-जैसे फॉल्स शॉर्ट-रेंज आउटलेर्स की संभावना ( $p_{out}$ $p_{o u t}$ ) 0.0 से बढ़कर 0.4 हुई:
  - सैंपलिंग MPC का प्रदर्शन तेजी से गिरा। इसने वैध प्रक्षेपपथों को "असुरक्षित" मानकर बार-बार खारिज कर दिया, जिससे टाइमआउट और असुरक्षित निकटता की घटनाएं हुईं।
  - प्रस्तावित आर्बिटर ने उच्च सुरक्षित सफलता दर बनाए रखी और अधिक धीरे-धीरे गिरावट दर्ज की।
- कारण: आर्बिटर प्रत्येक कैंडिडेट प्रक्षेपपथ के विरुद्ध हर बीम की जांच करने के बजाय, एग्रीगेटेड समरी फीचर्स (जैसे, न्यूनतम क्लीयरेंस सांख्यिकी) पर निर्भर करता है। यह इसे आइसोलेटेड आउटलेर्स के प्रति कम संवेदनशील बनाता है और 'कंजर्वेटिव पैरालिसिस' को रोकता है जो सैंपलिंग बेसलाइन में देखा गया था।

5. महत्व और निष्कर्ष (Significance and Conclusion)

व्यावहारिकता: यह विधि मॉड्यूलर ऑटोनॉमी स्टैक (जैसे Autoware) के लिए एक व्यावहारिक समाधान प्रदान करती है जहाँ मौजूदा, सत्यापित निम्न-स्तरीय कंट्रोलर्स को बदलना वांछनीय नहीं है। यह एक "प्लग-इन" कोऑर्डिनेटर के रूप में कार्य करता है।
रोबस्टनेस: अध्ययन यह सिद्ध करता है कि इंटरैक्टिव परिदृश्यों में पारंपरिक सैंपलिंग-आधारित प्रेडिक्टिव कंट्रोल की तुलना में लर्निंग-आधारित फ्यूजन पॉलिसी, सेंसर नॉइज़ और फॉल्स पॉजिटिव के प्रति अधिक मजबूत है।
रियल-टाइम स्थिरता: प्रत्येक कैंडिडेट के लिए जटिल ऑनलाइन ऑप्टिमाइज़ेशन लूप से बचकर, फ्यूजन दृष्टिकोण अधिक अनुमानित निष्पादन समय प्रदान करता है, जो सुरक्षा-महत्वपूर्ण कंट्रोल लूप के लिए महत्वपूर्ण है।
स्कोप: लेखक स्पष्ट करते हैं कि यह एक कमांड-लेवल मूल्यांकन है, न कि हाई-लेवल प्लानिंग का विकल्प। यह विशेष रूप से अपूर्ण सेंसिंग के तहत मौजूदा व्यवहारों के समन्वय को संबोधित करता है, जो हाई-लेवल प्लानिंग और लो-लेवल कंट्रोल के बीच के अंतर को भरता है।

संक्षेप में, यह शोध पत्र मान्य करता है कि व्याख्या योग्य कंट्रोलर्स का एक निरंतर, लर्निंग-आधारित फ्यूजन, वास्तविक दुनिया के LiDAR सेंसर दोषों के तहत काम करते समय, एक मैच की गई सैंपलिंग-आधारित प्रेडिक्टिव बेसलाइन की तुलना में सुरक्षा, सफलता दर और रियल-टाइम स्थिरता के मामले में बेहतर प्रदर्शन करता है।