⚡ electrical engineering

$\mathcal{L}_1$ -Certified Distributionally Robust Planning for Safety-Constrained Adaptive Control

यह शोध पत्र एक पदानुक्रमित ढांचे (hierarchical framework) का प्रस्ताव करता है जो अनिश्चितता को सीमित करने और मजबूत नियोजन (robust planning) के लिए डेटा-संच driven अस्पष्टता सेटों (ambiguity sets) का निर्माण करने हेतु ऑनलाइन वितरण संबंधी प्रमाणों (distributional certificates) का लाभ उठाकर, स्टोकेस्टिक गैररेखीय प्रणालियों के लिए प्रमाणित सुरक्षा सुनिश्चित करने हेतु $\mathcal{L}_1$ -अनुकूली नियंत्रण को वितरण रूप से सुदृढ़ मॉडल प्रेडिक्टिव कंट्रोल के साथ एकीकृत करता है।

मूल लेखक: Astghik Hakobyan, Amaras Nazarians, Aditya Gahlawat, Naira Hovakimyan, Ilya Kolmanovsky

प्रकाशित 2026-03-31

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Astghik Hakobyan, Amaras Nazarians, Aditya Gahlawat, Naira Hovakimyan, Ilya Kolmanovsky

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 को एक व्यस्त शहर में कार चलाने के लिए सिखा रहे हैं। आप चाहते हैं कि रोबोट सुरक्षित रूप से अपने गंतव्य तक पहुँचे, लेकिन दो बड़ी समस्याएँ हैं:

रोबोट का "दिमाग" एकदम सटीक नहीं है: रोबोट का कार के चलने के तरीके (भौतिकी/फिजिक्स) का आंतरिक मानचित्र थोड़ा गलत है। शायद ब्रेक थोड़े चिपचिपे हैं या हवा उम्मीद से अधिक जोर से धक्का दे रही है। यह मॉडल अनिश्चितता (Model Uncertainty) है।
शहर अराजक है: अन्य कारें, पैदल यात्री और बाधाएं अप्रत्याशित रूप से इधर-उधर घूम रही हैं। रोबोट यह नहीं जान सकता कि वे अगली बार ठीक कहाँ होंगे। यह पर्यावरण अनिश्चितता (Environment Uncertainty) है।

वर्तमान के अधिकांश सुरक्षा सिस्टम इन समस्याओं से निपटने के लिए या तो अत्यधिक सतर्क होने की कोशिश करते हैं (जैसे स्कूल ज़ोन में 5 मील प्रति घंटे की गति से चलना) या पिछले डेटा के आधार पर अनुमान लगाते हैं (जो विफल हो सकता है यदि ट्रैफिक पैटर्न बदल जाता है)।

यह पेपर इस समस्या को हल करने के लिए एक नया, दो-भाग वाला "सुरक्षा दल" प्रस्तावित करता है। इसे एक मास्टर प्लानर (Master Planner) और एक सुपर-रिफ्लेक्स पायलट (Super-Reflex Pilot) के रूप में समझें।

दो-भागों वाली टीम

1. मास्टर प्लानर (DR-MPC)

यह रोबोट का "दिमाग" है जो आगे की ओर देखता है। यह अगले कुछ सेकंड के लिए एक मार्ग की योजना बनाता है।

यह कैसे काम करता है: वातावरण को स्थिर मानने के बजाय, यह बाधाओं के चारों ओर एक "अनिश्चितता का कोहरा" (fog of uncertainty) बना देता है। यह जानता है कि अन्य कारें मौजूद हैं, लेकिन यह उनके सटीक स्थान को नहीं जानता, केवल एक संभावित सीमा को जानता है।
सुरक्षा नियम: यह एक ऐसा रास्ता प्लान करता है जो सुरक्षित रहे, भले ही बाधाएं उस "कोहरे" के भीतर सबसे खराब संभव स्थान पर चली जाएं। यह वासरस्टीन डिस्टेंस (Wasserstein Distance) नामक एक गणितीय अवधारणा का उपयोग करता है (इसे "संभावना बादलों के बीच की दूरी" के रूप में सोचें) यह मापने के लिए कि वास्तविक दुनिया रोबोट के अनुमान से कितनी भिन्न हो सकती है।
समस्या: प्लानर वातावरण को संभालने में तो बेहतरीन है, लेकिन यह मानता है कि रोबोट की अपनी भौतिकी (physics) एकदम सटीक है। यदि रोबोट के ब्रेक वास्तव में चिपचिपे हैं, तो प्लानर का "परफेक्ट" रास्ता दुर्घटना का कारण बन सकता है।

2. सुपर-रिफ्लेक्स पायलट (L1-Adaptive Control)

यह रोबोट की "प्रतिवर्त क्रिया" (reflexes) है। यह प्लानर के नीचे बैठता है और वास्तविक समय में स्टीयरिंग व्हील और पेडल को नियंत्रित करता है।

यह कैसे काम करता है: यह लगातार इस बात की तुलना करता है कि रोबोट क्या कर रहा है (प्लानर का परफेक्ट रास्ता) और वह वास्तव में क्या कर रहा है। यदि चिपचिपे ब्रेक या हवा के कारण रोबोट भटकने लगता है, तो यह पायलट तुरंत सुधार करता है।
जादुई ट्रिक (द सर्टिफिकेट): यही इस पेपर की बड़ी सफलता है। पायलट केवल त्रुटि को ठीक नहीं करता; वह त्रुटि को मापता भी है। यह एक "सुरक्षा प्रमाण पत्र" (safety certificate) की गणना करता है जो कहता है: "मैं गारंटी देता हूँ कि रोबोट की वास्तविक स्थिति प्लानर के परफेक्ट रास्ते से X दूरी से अधिक नहीं भटकेगी।"
यह क्यों मायने रखता है: यह सर्टिफिकेट प्लानर को बताता है, "अरे, तुम अपने प्लान पर भरोसा कर सकते हो! भले ही वास्तविक दुनिया अस्त-व्यस्त हो, मैं वादा करता हूँ कि रोबोट तुम्हारे प्लान के आसपास एक सुरक्षित बुलबुले के भीतर रहेगा।"

वे मिलकर कैसे काम करते हैं (द "हैंडशेक")

अतीत में, ये दोनों सिस्टम एक-दूसरे से ठीक से बात नहीं कर पाते थे। प्लानर एक योजना बनाता था, और पायलट बस उसका पालन करने की कोशिश करता था, इस उम्मीद में कि सब ठीक रहेगा।

इस नए ढांचे में, उनके बीच एक क्लोज्ड-लूप हैंडशेक है:

पायलट प्लानर को बताता है: "मैं भौतिकी की गड़बड़ियों के बावजूद रोबोट को आपके प्लान के 1 मीटर के बुलबुले के भीतर रख सकता हूँ।"
प्लानर इसे सुनता है और कहता है: "बहुत अच्छा! अब मैं अपना मार्ग इस धारणा के साथ बनाऊंगा कि रोबोट 1 मीटर तक इधर-उधर हो सकता है। मैं बाधाओं के हिलने-डुलने को भी ध्यान में रखूंगा।"
प्लानर एक ऐसा रास्ता बनाता है जो दोनों के लिए सुरक्षित है (मैसी फिजिक्स, जिसे पायलट द्वारा गारंटी दी गई है, और अराजक ट्रैफिक, जिसे प्लानर द्वारा गारंटी दी गई है)।

उपमा: रस्सी पर चलने वाला (The Tightrope Walker)

कल्पना कीजिए कि एक रस्सी पर चलने वाला व्यक्ति (रोबोट) एक खाई को पार कर रहा है।

पर्यावरण: हवा अप्रत्याशित रूप से चल रही है (पर्यावरण अनिश्चितता)।
मॉडल: उसके जूते थोड़े फिसलन भरे हैं, लेकिन वह ठीक से नहीं जानता कि वे कितने फिसलन भरे हैं (मॉडल अनिश्चितता)।
पुराना तरीका: रस्सी पर चलने वाला हवा का अनुमान लगाने की कोशिश करता है और बहुत धीरे चलता है, या वह बस इस उम्मीद में चलता है कि उसके जूते बहुत अधिक फिसलन भरे नहीं होंगे।
इस पेपर का तरीका:
- प्लानर किनारे पर खड़ा एक कोच है जो चिल्ला रहा है, "हवा बाईं ओर चल रही है, इसलिए थोड़ा दाईं ओर लक्ष्य रखें!" कोच हवा के आधार पर सबसे सुरक्षित रास्ता तय करता है।
- पायलट एक सुरक्षा हार्नेस (सुरक्षा बेल्ट) और एक दूसरी रस्सी पकड़ने वाला व्यक्ति है। यदि मुख्य व्यक्ति जूतों के कारण फिसलने लगता है, तो हार्नेस उसे तुरंत वापस खींच लेता है।
- द सर्टिफिकेट: हार्नेस सिस्टम में एक गेज (मापक) है जो कहता है, "चाहे आप कितना भी फिसलें, मैं आपको केंद्र रेखा से 2 फीट के भीतर वापस खींच सकता हूँ।"
- क्योंकि कोच जानता है कि हार्नेस उसे 2 फीट के भीतर रख सकता है, इसलिए कोच एक ऐसा रास्ता प्लान कर सकता है जो सुरक्षित हो, भले ही व्यक्ति थोड़ा डगमगाए।

परिणाम

शोधकर्ताओं ने इसे एक ऐसे रोबोट पर टेस्ट किया जो चलती बाधाओं और "खराब" भौतिकी (सिम्युलेटेड त्रुटियां) वाले शहर में गाड़ी चला रहा था।

पायलट के बिना: रोबोट अक्सर दुर्घटनाग्रस्त हो गया क्योंकि वह "चिपचिपे ब्रेक" को नहीं संभाल सका।
पायलट के साथ: रोबोट रास्ते पर बना रहा, सभी बाधाओं से बचा, और कभी दुर्घटनाग्रस्त नहीं हुआ, भले ही भौतिकी गलत थी।

संक्षेप में

यह पेपर एक ऐसा सुरक्षा तंत्र बनाता है जहाँ एक स्मार्ट प्लानर और एक तेज़ रिफ्लेक्स कंट्रोलर आपस में बात करते हैं। रिफ्लेक्स कंट्रोलर वादा करता है, "मैं रोबोट को प्लान के करीब रखूँगा," और प्लानर इस वादे का उपयोग करके एक ऐसा मार्ग बनाता है जो गणितीय रूप से सुरक्षित है, भले ही रोबोट खराब हो और दुनिया अराजक हो। यह एक सुरक्षा जाल (safety net) होने जैसा है जिस पर आप इतना भरोसा कर सकते हैं कि बिना नीचे देखे रस्सी पर चल सकें।

यहाँ शोध पत्र "L1-Certified Distributionally Robust Planning for Safety-Constrained Adaptive Control" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक साथ मॉडल और वातावरण की अनिश्चितताओं (simultaneous model and environment uncertainties) के तहत स्वायत्त प्रणालियों (autonomous systems) के लिए प्रमाणित सुरक्षित संचालन (certifiably safe operation) सुनिश्चित करने की मौलिक चुनौती को संबोधित करता है।

मॉडल अनिश्चितता (Model Uncertainty): यह सिस्टम डायनेमिक्स के अपूर्ण ज्ञान (एपिस्टेमिक अनिश्चितता) से उत्पन्न होती है, जैसे कि अनमॉडल की गई नॉन-लीनियरिटी या पैरामीटर परिवर्तन।
वातावरण की अनिश्चितता (Environment Uncertainty): यह बाह्य यादृच्छिक विक्षोभों (exogenous random disturbances) और गतिशील बाधाओं की अज्ञात अवस्थाओं (एलियटोरिक अनिश्चितता) से उत्पन्न होती है।
मुख्य संघर्ष (The Core Conflict):
- रोबस्ट कंट्रोल (जैसे, $L_1$ -AC): यह बाउंडेड मॉडल अनिश्चितता के विरुद्ध स्थिरता की गारंटी देता है लेकिन अक्सर 'वर्स्ट-केस' विश्लेषण पर निर्भर करता है, जिससे अत्यधिक रूढ़िवादी (overly conservative) व्यवहार हो सकता है।
- डेटा-ड्रिवन/प्रोबेबिलिस्टिक कंट्रोल (जैसे, DR-MPC): यह वितरणों (distributions) का विश्लेषण करके बेहतर प्रदर्शन प्रदान करता है, लेकिन जब वास्तविक वितरण अज्ञात हो या बदल रहा हो, तो सुरक्षा गारंटी देने में संघर्ष करता है। विशेष रूप से, मानक डिस्ट्रीब्यूशनली रोबस्ट मॉडल प्रेडिक्टिव कंट्रोल (DR-MPC) को "एम्बिग्युटी सेट्स" (संभावित वितरणों के सेट) बनाने की आवश्यकता होती है। जबकि वातावरण के वितरणों का अनुमान डेटा से लगाया जा सकता है, सिस्टम स्टेट के वितरण समय के साथ बदलते रहते हैं, और किसी भी एकल समय चरण (single time step) पर, केवल एक ही सैंपल (वर्तमान अवस्था) उपलब्ध होता है। यह सिस्टम डायनेमिक्स के लिए एक वैध एम्बिग्युटी सेट बनाना असंभव बनाता है, जिससे सुरक्षा गारंटी अपुष्ट रह जाती है।

2. कार्यप्रणाली (Methodology)

लेखक एक पदानुक्रमित ढांचे (hierarchical framework) का प्रस्ताव करते हैं जो प्लानिंग और अडैप्टेशन के बीच लूप को बंद करने के लिए डिस्ट्रीब्यूशनली रोबस्ट मॉडल प्रेडिक्टिव कंट्रोल (DR-MPC) को $L_1$ -एडैप्टिव कंट्रोल ( $L_1$ -AC) के साथ एकीकृत करता है।

A. सिस्टम फॉर्मूलेशन (System Formulation)

डायनेमिक्स: सिस्टम को मैचड अनिश्चितताओं (ड्रिफ्ट और डिफ्यूजन टर्म्स जो कंट्रोल चैनल के माध्यम से प्रवेश करते हैं) वाले एक स्टोकेस्टिक नॉन-लीनियर सिस्टम के रूप में मॉडल किया गया है।
सुरक्षा विशिष्टता (Safety Specification): सुरक्षा को एक चांस कंस्ट्रेंट (CC) के माध्यम से परिभाषित किया गया है: $P(Y_t \in \mathcal{C}) \leq \beta$ , जहाँ $Y_t = (X_t, Z_t)$ लिफ्टेड स्टेट (सिस्टम + वातावरण) है और $\mathcal{C}$ असुरक्षित सेट है।
डिस्ट्रीब्यूशनली रोबस्ट CC (DR-CC): वितरण संबंधी अनिश्चितता को संभालने के लिए, बाधा को एक वॉसरस्टीन एम्बिग्युटी सेट $\mathcal{B}_q(\bar{Y}_t, \rho_y)$ पर लागू किया जाता है, जो यह सुनिश्चित करता है कि उल्लंघन की वर्स्ट-केस संभावना $\beta$ द्वारा सीमित है।

B. पदानुक्रमित आर्किटेक्चर (The Hierarchical Architecture)

ऊपरी परत: DR-MPC प्लानर
- एक नॉमिनल मॉडल के आधार पर एक नॉमिनल प्रक्षेपवक्र (trajectory) उत्पन्न करता है।
  \ सिस्टम और वातावरण के संयुक्त वॉसरस्टीन एम्बिग्युटी सेट पर DR-CCs को लागू करता है।
- एम्बिग्युटी रेडियस $\rho_y$ सिस्टम रेडियस ( $\rho_x$ ) और वातावरण रेडियस ( $\rho_z$ ) का योग है।
निचली परत: $L_1$ -एडैप्टिव कंट्रोलर ( $L_1$ -AC)
- प्लानर द्वारा उत्पन्न नॉमिनल प्रक्षेपवक्र को ट्रैक करता है।
- अज्ञात मैचड अनिश्चितताओं की वास्तविक समय में भरपाई करता है।
- मुख्य नवाचार: यह ऑनलाइन डिस्ट्रीब्यूशनल सर्टिफिकेट प्रदान करता है। थ्योरम 1 सिद्ध करता है कि $L_1$ -AC यह गारंटी देता है कि वास्तविक सिस्टम स्टेट का वितरण नॉमिनल डिस्ट्रीब्यूशन के चारों ओर $\rho_x$ रेडियस के वॉसरस्टीन बॉल के भीतर रहता है, बिना वितरण सैंपल्स की आवश्यकता के।
वातावरण हैंडलिंग (Environment Handling)
- वातावरण की अनिश्चितता (जैसे बाधाओं की स्थिति) को फाइनाइट-सैंपल कंसेंट्रेशन बाउंड्स (लेम्मा 1) के माध्यम से संभाला जाता है।
- वातावरण अवस्था के $N$ स्वतंत्र सैंपल्स से एक एम्पिरिकल एम्बिग्युटी रेडियस $\rho_z$ प्राप्त किया जाता है।

C. सुलभ पुनर्गठन (Tractable Reformulation)

DR-MPC समस्या में जटिल अनंत-आयामी बाधाएं शामिल होती हैं। लेखक DR-CC को पुनर्गठित करने के लिए वॉसरस्टीन डुअलिटी का उपयोग करते हैं:

वर्स्ट-केस प्रोबेबिलिटी कंस्ट्रेंट को नॉमिनल डिस्ट्रीब्यूशन के तहत कंडीशनल वैल्यू-एट-रिस्क (CVaR) कंस्ट्रेंट में परिवर्तित किया जाता है।
CVaR कंस्ट्रेंट को मोंटे कार्लो सैंपलिंग (एल्गोरिदम 1) का उपयोग करके अनुमानित किया जाता है, जिससे समस्या वास्तविक समय में हल करने योग्य बन जाती है।
असुरक्षित सेट से दूरी की गणना ज्यामितीय गुणों (जैसे गोलाकार या पॉलीटोपिक बाधाओं के लिए) का उपयोग करके की जाती है, जो कुशल कॉनवेक्स फॉर्मुलेशन की अनुमति देती है।

3. मुख्य योगदान (Key Contributions)

पदानुक्रमित ढांचा: DR-MPC और $L_1$ -AC का एक नवीन जुड़ाव जहाँ एडैप्टिव कंट्रोलर आवश्यक "सिस्टम-साइड" एम्बिग्युटी सर्टिफिकेट प्रदान करता है, जिससे प्लानर को सिस्टम डिस्ट्रीब्यूशन सैंपल्स की आवश्यकता के बिना कार्य करने में सक्षम बनाया जाता है।
क्लोज्ड-लूप सर्टिफिकेशन: एक सैद्धांतिक प्रमाण (थ्योरम 2) कि $L_1$ -AC सर्टिफिकेट और एम्पिरिकल एनवायरनमेंट बाउंड्स का संयोजन, वास्तविक क्लोज्ड-लूप सिस्टम के लिए एक साथ अनिश्चितताओं के तहत स्टेजवाइज सेफ्टी की गारंटी देता है।
सुलभ कार्यान्वयन: CVaR और वॉसरस्टीन डुअलिटी का उपयोग करके DR-CCs का ज्योमेट्री-एग्नोस्टिक पुनर्गठन, जो एक सैंपल-आधारित, कम्प्यूटेशनल रूप से कुशल कार्यान्वयन को सक्षम बनाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

ढांचे का मूल्यांकन अनमॉडल की गई नॉन-लीनियर डायनेमिक्स वाले गतिशील बाधाओं के साथ 2D रोबोट नेविगेशन के सिमुलेशन के माध्यम से किया गया। तीन विधियों की तुलना की गई:

DR-MPC (Nominal): वातावरण अनिश्चितता के साथ योजना बनाता है लेकिन नॉमिनल मॉडल का उपयोग करता है (कोई अनुकूलन नहीं)।
DR-MPC (True Dynamics): वास्तविक अनिश्चित सिस्टम पर नॉमिनल कंट्रोलर लागू करता है (कोई अनुकूलन नहीं)।
DR-MPC + $L_1$ (प्रस्तावित विधि): पूर्ण पदानुक्रमित ढांचा।

मुख्य निष्कर्ष (तालिका 1):

विफलता दर (Failure Rates):
- DR-MPC (True Dynamics) कई परिदृश्यों में विनाशकारी रूप से विफल रहा (उदाहरण के लिए, "Circle" परिदृश्य में 86% विफलता) क्योंकि मॉडल मिसमैच के कारण सिस्टम नियोजित सुरक्षित प्रक्षेपवक्र से भटक गया।
- DR-MPC (Nominal) की विफलता दर 0% थी लेकिन इसमें उच्च ट्रैकिंग लागत और अत्यधिक रूढ़िवादी व्यवहार देखा गया।
- प्रस्तावित विधि ने सभी परीक्षण किए गए परिदृश्यों (Figure-eight, Circle, Lissajous, Spiral) में 0% विफलता प्राप्त की, जिससे टकराव प्रभावी रूप से समाप्त हो गया।
प्रदर्शन: प्रस्तावित विधि ने नॉमिनल बेसलाइन के करीब ट्रैकिंग प्रदर्शन बनाए रखा और साथ ही सुरक्षा भी सुनिश्चित की, जो यह दर्शाता है कि $L_1$ लेयर ने वितरणल प्लानर की दक्षता से समझौता किए बिना मॉडल अनिश्चितता की सफलतापूर्वक भरपाई की।

5. महत्व (Significance)

यह कार्य स्वायत्त नियंत्रण सिद्धांत के एक महत्वपूर्ण अंतर को पाटता है:

"सिंगल सैंपल" समस्या का समाधान: यह DR-MPC की सैद्धांतिक सीमा को हल करता है जहाँ सिस्टम स्टेट डिस्ट्रीब्यूशन को वास्तविक समय में सैंपल नहीं किया जा सकता है। सिस्टम स्टेट डिस्ट्रीब्यूशन के विचलन पर एक गारंटीकृत सीमा प्रदान करके, यह $L_1$ -AC का उपयोग करता है, जिससे बिना ऐतिहासिक डेटा के कठोर सुरक्षा प्रमाणन संभव हो जाता है।
एकीकृत सुरक्षा: यह एपिस्टेमिक अनिश्चितता (через $L_1$ -AC) और एलियटोरिक अनिश्चितता (через DR-MPC) दोनों को संभालने के लिए एक एकीकृत दृष्टिकोण प्रदान करता है, जो जटिल, वास्तविक दुनिया के वातावरण में स्वायत्त प्रणालियों को तैनात करने के लिए आवश्यक है।
व्यावहारिक प्रयोज्यता: CVaR पुनर्गठन का उपयोग इसे कम्प्यूटेशनल रूप से व्यवहार्य बनाता है, जिससे डिस्ट्रीशनली रोबस्ट कंट्रोल सैद्धांतिक अमूर्तता से व्यावहारिक अनुप्रयोग की ओर बढ़ता है।

निष्कर्षतः, यह शोध पत्र प्रदर्शित करता है कि एडैप्टिव कंट्रोल को डिस्ट्रीशनली रोबस्ट प्लानिंग के साथ एकीकृत करने से एक मजबूत, प्रमाणित और उच्च-प्रदर्शन वाला नियंत्रण ढांचा तैयार होता है, जो एक साथ मॉडल और पर्यावरणीय अनिश्चितताओं के बीच सुरक्षित रूप से कार्य करने में सक्षम है।