⚡ electrical engineering

Irrational pursuit-evasion differential games: A cumulative prospect theory approach

यह शोध पत्र तर्कहीन जोखिम और संभाव्यता धारणाओं को मॉडल करने के लिए पीछा-बचाव वाले विभेदक खेलों (pursuit-evasion differential games) में संचयी संभावना सिद्धांत (Cumulative Prospect Theory) के एकीकरण का मार्ग प्रशस्त करता है, जो पकड़ने की क्षमता (capturability) के लिए स्थितियाँ स्थापित करता है और उन साम्यावस्थाओं (equilibria) के अस्तित्व को सिद्ध करता है जो यह प्रदर्शित करती हैं कि कैसे तर्कहीन व्यवहार खेल के परिणामों को बदल सकते हैं और ऐसी पकड़ को सक्षम बना सकते हैं जो तर्कसंगत धारणाओं के तहत अप्राप्य थी।

मूल लेखक: Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

प्रकाशित 2026-03-31

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

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 टैग (पकड़ने) का एक उच्च-दांव वाला खेल चल रहा है, जिसमें न केवल रोबोट, बल्कि इंसान और रोबोट मिलकर खेल रहे हैं। इस खेल में, एक खिलाड़ी पीरसर (Pursuer - पीछा करने वाला) है (पकड़ने की कोशिश कर रहा है), और दूसरा इवेडर (Evader - बचने वाला) है (भागने की कोशिश कर रहा है)।

आमतौर पर, वैज्ञानिक यह मान लेते हैं कि खेल में सभी खिलाड़ी "परफेक्ट कैलकुलेटर" हैं। वे सोचते हैं: "यदि मैं इतनी तेज़ दौड़ता हूँ, तो मैं तुम्हें पकड़ लूँगा। यदि तुम इतनी तेज़ दौड़ते हो, तो तुम बच निकलोगे।" वे शुद्ध गणित और सटीक तर्क के आधार पर निर्णय लेते हैं।

लेकिन वास्तविक दुनिया में, इंसान परफेक्ट कैलकुलेटर नहीं होते। हम अतार्किक (irrational) होते हैं। हम डर जाते हैं, छोटे जोखिमों को बहुत बढ़ा-चढ़ाकर देखते हैं, और हमें जीतने से ज़्यादा हारने से नफरत होती है।

यह शोध पत्र एक दिलचस्प सवाल पूछता है: यदि टैग के खिलाड़ी परफेक्ट रोबोट नहीं, बल्कि अतार्किक इंसान हैं, तो इस खेल का क्या होगा?

यहाँ उनकी खोज का विवरण दिया गया है, कुछ रोज़मर्रा के उदाहरणों का उपयोग करते हुए।

1. "परफेक्ट रोबोट" बनाम "चिंतित इंसान"

पारंपरिक खेलों में, यदि पीछा करने वाला (Pursuer) तेज़ है, तो वह जीत जाता है। यदि बचने वाला (Evader) तेज़ है, तो वह जीत जाता है। यह सरल भौतिकी (physics) है।

हालाँकि, लेखक एक अवधारणा पेश करते हैं जिसे क्युमुलेटिव प्रॉस्पेक्ट थ्योरी (Cumulative Prospect Theory - CPT) कहा जाता है। इसे एक "मानवीय पूर्वाग्रह फिल्टर" (Human Bias Filter) के रूप में समझें।

जोखिम से बचाव (Risk Aversion): कल्पना कीजिए कि आपने एक गर्म आलू पकड़ा हुआ है। एक तर्कसंगत रोबोट सटीक गर्मी की गणना करता है। एक चिंतित इंसान को लगता है कि आलू उसके हाथ को वास्तव में होने वाली तुलना में कहीं अधिक जला रहा है, इसलिए वह उसे तुरंत छोड़ देता है, भले ही वह उसे एक सेकंड और पकड़ सकता था।
संभावना संवेदनशीलता (Probability Sensitivity): कल्पना कीजिए कि एक लॉटरी है। एक तर्कसंगत व्यक्ति जानता है कि इसकी संभावना 10 लाख में 1 है। एक अतार्किक व्यक्ति सोच सकता है, "यह इतना भी असंभव नहीं है!" और टिकट खरीद लेता है, या इसके विपरीत, "मैं कभी नहीं जीत पाऊँगा," और हार मान लेता है।

यह शोध पत्र एक नया गणितीय मॉडल बनाता है जो टैग के खेल में इन "मानवीय गड़बड़ियों" को ध्यान में रखता है।

2. खेल के तीन परिदृश्य

शोधकर्ताओं ने यह देखने के लिए तीन अलग-अलग स्थितियों का अध्ययन किया कि ये मानवीय विचित्रताएं परिणाम को कैसे बदलती हैं:

परिदृश्य A: पीछा करने वाला स्वाभाविक रूप से अधिक शक्तिशाली है।
- तर्कसंगत दृष्टिकोण: पीछा करने वाला आसानी से जीत जाता है।
- अतार्किक दृष्टिकोण: आश्चर्यजनक रूप से, यदि पीछा करने वाला थोड़ा "डरा हुआ" (जोखिम-भयभीत) हो जाता है या बचने वाला बहुत "आत्मविश्वासी" (जोखere को कम आंकना) हो जाता है, तो पीछा करने वाला बचने वाले को तेजी से या उन स्थितियों में भी पकड़ सकता है जहाँ एक तर्कसंगत रोबोट विफल हो जाता। कभी-कभी, थोड़ा अतार्किक होना पीछा करने वाले के काम आता है।
परिदृश्य B: बचने वाला स्वाभाविक रूप से अधिक शक्तिशाली है।
- तर्कसंगत दृष्टिकोण: बचने वाले को हमेशा भाग जाना चाहिए। पीछा करने वाला उसे पकड़ नहीं सकता।
- अतार्किक दृष्टिकोण: यहाँ असली जादू है। यदि पीछा करने वाला "बहादुर" (संभावनाओं को नज़रअंदाज़ करना) हो जाता है या बचने वाला "डर से पंगु" (खतरे को बहुत अधिक समझना) हो जाता है, तो पीछा करने वाला वास्तव में बचने वाले को पकड़ सकता है!
- बड़ी सीख: ऐसे मामले हैं जहाँ एक तर्कसंगत पीछा करने वाला, एक तर्कसंगत बचने वाले को नहीं पकड़ सकता, लेकिन एक अतार्किक पीछा करने वाला उसे पकड़ सकता है। मानवीय "दोष" एक सुपरपावर बन जाता है।
परिदृश्य C: वे बिल्कुल समान हैं।
- यदि वे बिल्कुल बराबर हैं, तो खेल बराबरी (stalemate) पर समाप्त होता है। लेकिन यह शोध पत्र दिखाता है कि यदि उनकी "अतार्किकता का स्तर" बिल्कुल सही हो (एक दूसरे की तुलना में थोड़ा अधिक जोखिम-भयभीत हो), तो बराबरी टूट जाती है और एक विजेता उभरता है।

3. "फिक्स्ड पॉइंट" का जादू

उन्होंने इसे कैसे सिद्ध किया? उन्होंने ब्रौवर के फिक्स्ड पॉइंट थ्योरम (Brouwer's Fixed Point Theorem) नामक एक गणितीय ट्रिक का उपयोग किया।

इसे इस तरह समझें: कल्पना कीजिए कि आप एक कमरे में खड़े हैं और दीवार पर एक गेंद फेंकते हैं। वह वापस उछलती है। आप फिर से फेंकते हैं, लेकिन थोड़ा अलग तरीके से। अंततः, आप चाहे जिस भी तरह से फेंकें, एक विशिष्ट स्थान होता है जहाँ गेंद को ज़रूर पहुँचना ही होगा यदि आप उसे एक निश्चित तरीके से फेंकते हैं।

शोधकर्ताओं ने सिद्ध किया कि तमाम अस्त-व्यस्त, अतार्किक मानवीय सोच के बावजूद, हमेशा एक "स्वीट स्पॉट" (संतुलन/equilibrium) होता है जहाँ दोनों खिलाड़ी एक रणनीति में स्थिर हो जाते हैं। उन्होंने सिद्ध किया कि एक स्थिर खेल परिणाम मौजूद है, भले ही खिलाड़ी "पागलपन" भरा व्यवहार कर रहे हों।

4. यह क्यों मायने रखता है?

आप पूछ सकते हैं, "टैग के खेल से किसे फर्क पड़ता है?"

यह मानव-मशीन प्रणालियों (Human-Machine Systems) के लिए अत्यंत महत्वपूर्ण है।

सेल्फ-ड्राइविंग कारें: यदि एक सेल्फ-ड्राइविंग कार (पीछा करने वाला) एक मानव ड्राइवर (बचने वाला) का पीछा कर रही है जो मैसेज भेज रहा है और घबराया हुआ है, तो कार को यह जानने की आवश्यकता है कि मानव सटीक गणना नहीं कर रहा है। कार को दुर्घटना से बचने या भागते हुए वाहन को पकड़ने के लिए मानव की "अतार्किक" चालों का पूर्वानुमान लगाने की आवश्यकता है।
ड्रोन झुंड (Drone Swarms): यदि एक इंसान दूसरे ड्रोन का पीछा करने के लिए एक ड्रोन को नियंत्रित कर रहा है, तो इंसान का डर या अति-आत्मविश्वास पीछा करने की भौतिकी (physics) को बदल देता है।
साइबर सुरक्षा: नेटवर्क को हैकर से बचाना। यदि हैकर अतार्किक है (अजीब जोखिम ले रहा है), तो डिफेंडर को एक नई रणनीति की आवश्यकता होती है।

निष्कर्ष

यह शोध पत्र गेम थ्योरी (रणनीति का गणित) और मनोविज्ञान (इंसान वास्तव में कैसे सोचते हैं) के बीच के अंतर को पाटता है।

यह हमें बताता है कि अतार्किकता हमेशा एक 'बग' (त्रुटि) नहीं होती; कभी-कभी यह एक 'फीचर' (विशेषता) होती है। पकड़ने और बचने के इस जटिल नृत्य में, थोड़ा "मानवीय" होना—अपने डर और पूर्वाग्रहों के साथ—वास्तवना में आपको खेल जीतने में मदद कर सकता है, या कम से कम, यह नियमों को इस तरह बदल देता है जिसकी भविष्यवाणी एक परफेक्ट रोबोट नहीं कर सकता।

लेखकों ने इंजीनियरों के लिए एक नया "नियम पुस्तिका" तैयार की है ताकि वे ऐसी प्रणालियाँ डिज़ाइन कर सकें जो केवल रोबोट से बात ही नहीं करतीं, बल्कि उन्हें चलाने वाले अतार्किक इंसानों को भी समझती हैं।

यहाँ शोध पत्र "Irrational pursuit-evasion differential games: A cumulative prospect theory approach" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक बायेसियन ढांचे (Bayesian framework) के भीतर पर्चूट-इवेजन (Pursuit-Evasion - PE) डिफरेंशियल गेम्स को संबोधित करता है, जहाँ पर्यावरणीय अनिश्चितता प्रदर्शन सूचकांक (performance index) को प्रभावित करती है। जबकि पारंपरिक शोध "तर्कसंगत" (rational) एजेंटों को मानता है जो सटीक संभाव्यता वितरण के आधार पर अनुकूलन करते हैं, यह कार्य उन परिदृश्यों की जांच करता है जहाँ एजेंट (पीछा करने वाला और बचने वाला) अतार्किक धारणाओं (irrational perceptions) का प्रदर्शन करते हैं।

विशेष रूप से, यह समस्या इस बात पर केंद्रित है कि जोखिम से बचाव (risk aversion) और संभाव्यता संवेदनशीलता (probability sensitivity) (जहाँ एजेंट छोटी संभावनाओं को अधिक महत्व देते हैं और बड़ी संभावनाओं को कम महत्व देते हैं) गेम की गतिशीलता को कैसे बदल देते हैं। मुख्य चुनौतियाँ हैं:

मॉडलिंग: इन अतार्किक व्यवहारों को निरंतर-समय (continuous-time) डिफरेंशियल गेम ढांचे में गणितीय रूप से कैसे शामिल किया जाए।
कैप्चरेबिलिटी (Capturability): किन परिस्थितियों में पीछा करने वाला (pursuer) कैप्चर ( $x \to 0$ ) सुनिश्चित कर सकता है जब एजेंट अतार्किक हों?
संतुलन (Equilibrium): क्या एक CPT-नैश इक्विलिब्रियम (CPT-Nash equilibrium) मौजूद है, और यह तर्कसंगत नैश इक्विलिब्रियम से कैसे भिन्न है?

2. कार्यप्रणाली (Methodology)

लेखक एक नया ढांचा प्रस्तावित करते हैं जो क्युमुलेटिव प्रॉस्पेक्ट थ्योरी (Cumulative Prospect Theory - CPT) को बायेसियन PE डिफरेंशियल गेम्स में एकीकृत करता है।

A. सिस्टम मॉडलिंग (System Modeling)

डायनेमिक्स: इस गेम में एक पीछा करने वाला ( $u_r$ ) और एक बचने वाला ( $v_r$ ) शामिल है, जिनका सापेक्ष अवस्था डायनेमिक्स $\dot{x} = u_r - v_r$ है।
अनिश्चितता: प्रदर्शन सूचकांक में स्टेट रिवॉर्ड वेटिंग मैट्रिक्स $Q$ स्टोकेस्टिक है ( $Q = Q_r + \Sigma_Q$ ), जो एक सामान्य वितरण (normal distribution) का पालन करता है।
परफॉरमेंस इंडेक्स: पारंपरिक लागत फलन (cost function) $J_r$ को प्रत्येक खिलाड़ी ( $i=1$ पीछा करने वाले के लिए, $i=2$ बचने वाले के लिए) के लिए एक प्रॉस्पेक्ट वैल्यू (Prospect Value) फलन $C_i(J)$ द्वारा प्रतिस्थापित किया जाता है।

B. CPT एकीकरण (CPT Integration)

लेखक अतार्किकता को मॉडल करने के लिए विशिष्ट CPT फलनों को परिभाषित करते हैं:

वैल्यू फंक्शन्स (Value Functions): एक संदर्भ बिंदु (तर्कसंगत इष्टतम प्रदर्शन $J_r$ $J_{r}$ ) के सापेक्ष लाभ ( $U^+$ $U^{+}$ ) और हानि ( $U^-$ $U^{-}$ ) के लिए अलग-अलग फलन।
- लाभ संवेदनशीलता ( $\alpha_i$ ): यह अवतलता (concavity) को नियंत्रित करता है (लाभ के प्रति घटती संवेदनशीलता)।
- हानि संवेदनशीलता ( $\beta_i$ ) और हानि गुणक ( $\epsilon_i$ ): ये उत्तलता (convexity) और "हानि अपवर्जन" (loss aversion) प्रभाव को नियंत्रित करते हैं (हानि, समान लाभ की तुलना में अधिक कष्टदायक होती है)।
संभाव्यता वेटिंग फंक्शन्स ( $w_i$ ): संभाव्यता की गैर-रेखीय रूपांतरण (non-linear transformations) जो संभाव्यता संवेदनशीलता को मॉडल करती है (कम संभावनाओं को अधिक भार देना, उच्च संभावनाओं को कम भार देना)।
उद्देश्य: पीछा करने वाला $J_1 = J_r - C_1(J)$ को न्यूनतम करता है, और बचने वाला $J_2 = J_r + C_2(J)$ को अधिकतम करता है। यह ज़ीरो-सम गेम को एक नॉन-ज़ीरो-सम डिफरेंशियल गेम में बदल देता है।

C. सैद्धांतिक विश्लेषण (Theoretical Analysis)

कपल्ड रिक्काटी समीकरण (Coupled Riccati Equations): अनुकूलन समस्या कपल्ड अल्जेब्रिक रिक्काटी समीकरणों (AREs) के एक सेट की ओर ले जाती है जो अतार्किकता मापदंडों पर निर्भर करते हैं।
फिक्स्ड-पॉइंट विश्लेषण: ब्रौवर के फिक्स्ड-पॉइंट प्रमेय (Brouwer's Fixed-Point Theorem) का उपयोग करके CPT-नैश इक्विलिब्रियम के अस्तित्व को सिद्ध किया गया है। लेखक मैट्रिसेस के एक कॉम्पैक्ट, कॉनवेक्स सेट पर एक मैपिंग का निर्माण करते हैं और दिखाते हैं कि एक फिक्स्ड पॉइंट मौजूद है, जो कपल्ड AREs के समाधान की गारंटी देता है।
कैप्चरेबिलिटी विश्लेषण: ल्यापुनोव स्थिरता सिद्धांत (Lyapunov stability theory) का उपयोग करते हुए, लेखक पर्याप्त स्थितियाँ प्राप्त करते हैं जिससे सापेक्ष अवस्था $x(t)$ तेजी से शून्य की ओर अभिसरित (converge) हो सके।

3. प्रमुख योगदान (Key Contributions)

PE गेम्स में CPT का प्रथम एकीकरण: यह निरंतर-समय PE डिफरेंशियल गेम्स में बायेसियन ढांचे का उपयोग करके अतार्किक जोखिम अपवर्जन और संभाव्यता संवेदनशीलता को मॉडल करने वाला पहला कार्य है।
एकीकृत सैद्धांतिक ढांचा: यह शोध पत्र एक कठोर ढांचा स्थापित करता है जो व्यवहारिक अर्थशास्त्र (CPT) को गेम-थ्योरेटिक कंट्रोल के साथ जोड़ता है।
कैप्चरेबिलिटी के लिए पर्याप्त स्थितियाँ: लेखक एजेंटों की सापेक्ष नियंत्रण क्षमताओं के आधार पर तीन अलग-अलग परिदृश्यों में कैप्चर सफलता के लिए विशिष्ट, सत्यापन योग्य स्थितियाँ (थ्योरम 1) प्राप्त करते हैं:
- परिदृश्य 1: पीछा करने वाले के पास बेहतर नियंत्रण प्रयास है ( $R^{-1} > \Pi^{-1}$ )।
- परिदृश्य 2: बचने वाले के पास बेहतर नियंत्रण प्रयास है ( $R^{-1} < \Pi^{-1}$ )।
- परिदृश्य 3: समान नियंत्रण प्रयास ( $R^{-1} = \Pi^{-1}$ )।
इक्विलिब्रियम का अस्तित्व: ब्रौवर के प्रमेय के माध्यम से CPT-नैश इक्विलिब्रियम के अस्तित्व का कठोर प्रमाण, जो केवल संख्यात्मक सन्निकटन (numerical approximations) से परे है।

4. मुख्य परिणाम और निष्कर्ष (Key Results and Findings)

विश्लेषण से पता चलता है कि अतार्किकता तर्कसंगत मामले की तुलना में गेम के परिणामों को मौलिक रूप से बदल देती है:

अतार्किकता फायदेमंद हो सकती है:
- परिदृश्य 1 (पीछा करने वाला अधिक शक्तिशाली है) में, उच्च हानि अपवर्जन (बड़ा $\beta_1, \epsilon_1$ ) और कम लाभ संवेदनशीलता वाला पीछा करने वाला कैप्चर करने में अधिक सक्षम होता है। इसके विपरीत, कम हानि अपवर्जन और उच्च लाभ संवेदनशीलता वाला बचने वाला कैप्चर को सुगम बनाता है (अर्थात, बचने वाला गलतियाँ करता है)।
- परिदृश्य 2 (बचने वाला अधिक शक्तिशाली है, जहाँ तर्कसंगत कैप्चर असंभव है) में, विशिष्ट अतार्किक व्यवहार कैप्चर को सक्षम बना सकते हैं। उदाहरण के लिए, यदि बचने वाला उच्च हानि संवेदनशीलता और उच्च हानि अपवर्जन प्रदर्शित करता है, तो वे कथित जोखिमों के प्रति अत्यधिक प्रतिक्रिया दे सकते हैं, जिससे पीछा करने वाले को उन्हें कैप्चर करने में मदद मिलती है, भले ही बचने वाले के पास बेहतर नियंत्रण अधिकार हों।
परिदृश्य 3 (टाई/बराबरी): कैप्चर तभी संभव है यदि दोनों खिलाड़ियों के अतार्किकता मापदंड एक विशिष्ट संतुलन स्थिति ( $2Q_r + (\Psi_1 - \Psi_2)qI = 0$ ) को संतुष्ट करते हों।
संख्यात्मक सत्यापन (Numerical Validation): सिमुलेशन पुष्टि करते हैं कि:
- तर्कसंगत एजेंट मानक कैप्चर स्थितियों का पालन करते हैं।
- अतार्किक एजेंट उन कैप्चर को प्राप्त कर सकते हैं जो तर्कसंगतता के तहत असंभव हैं (जैसे, परिदृश्य 2)।
- इसके विपरीत, अतार्किकता उन परिदृश्यों में कैप्चर विफल होने का कारण भी बन सकती है जहाँ तर्कसंगत एजेंट सफल होते।

5. महत्व (Significance)

मानव-मशीन सिस्टम: यह ढांचा मैन-अनमैन्ड टीमिंग (जैसे, मानव ऑपरेटरों के साथ ड्रोन झुंड) के लिए अत्यधिक प्रासंगिक है, जहाँ मानव ऑपरेटर अक्सर अतार्किक जोखिम धारणा प्रदर्शित करते हैं। यह मॉडल इंजीनियरों को मानव शामिल होने पर सिस्टम व्यवहार की भविष्यवाणी और नियमन करने की अनुमति देता है।
रोबस्ट कंट्रोल: यह पूर्ण तर्कसंगतता की आदर्श धारणा से आगे बढ़कर, "अतार्किक" विरोधियों या भागीदारों की प्रकृति को ध्यान में रखते हुए नियंत्रण रणनीतियों को डिजाइन करने के लिए एक सैद्धांतिक आधार प्रदान करता है।
सैद्धांतिक अंतराल को भरना: यह व्यवहारिक अर्थशास्त्र (CPT) और डिफरेंशियल गेम थ्योरी के बीच के अंतर को पाटता है, जो गतिशील वातावरण में जटिल, गैर-रेखीय निर्णय लेने का विश्लेषण करने के लिए एक सुलभ तरीका प्रदान करता है।

निष्कर्षतः, यह शोध पत्र प्रदर्शित करता है कि अतार्किक व्यवहार केवल शोर (noise) नहीं हैं बल्कि रणनीतिक चर (strategic variables) हैं जिन्हें मॉडल, विश्लेषण और संभावित रूप से पीछा-बचाव (pursuit-evasion) खेलों के परिणाम को बदलने के लिए उपयोग किया जा सकता है, जो जटिल मानव-मशीन प्रणालियों के नियंत्रण के लिए नई अंतर्दृष्टि प्रदान करता है।