⚡ electrical engineering

Set-Based Value Function Characterization and Neural Approximation of Stabilization Domains for Input-Constrained Discrete-Time Systems

यह शोधपत्र सेट-आधारित वैल्यू फंक्शन्स के माध्यम से उन्हें अभिलक्षणित करके और इन फंक्शन्स को सीखने तथा स्थिर करने वाले नियंत्रकों को संश्लेषित करने के लिए एक फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क का उपयोग करके, इनपुट-प्रतिबंधित डिस्क्रीट-टाइम सिस्टम में स्थिरीकरण के डोमेनों (domains of stabilization) का अनुमान लगाने के लिए एक नवीन ढांचे का प्रस्ताव करता है।

मूल लेखक: Mohamed Serry, S. Sivaranjani, Jun Liu

प्रकाशित 2026-04-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohamed Serry, S. Sivaranjani, Jun Liu

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 बहुत ही कठिन, स्व-चालित (self-driving) कार को एक भीड़भाड़ वाले गैरेज में पार्क करने की कोशिश कर रहे हैं। इस कार का अपना दिमाग है (यह एक नॉनलीनर सिस्टम है) और स्टीयरिंग व्हील के घूमने की एक सीमा है (इनपुट कंस्ट्रेंट्स)।

आपका लक्ष्य दोहरा है:

सुरक्षित क्षेत्र (The Safe Zone): यह पता लगाना कि पार्किंग स्थल के कौन से शुरुआती स्थान बिल्कुल सटीक रूप से कार को बीच में पार्क करने की अनुमति देते हैं बिना टकराए या घूमे बिना। शोध पत्र में, इसे डोमेन ऑफ स्टेबिलाइजेशन (DOS) कहा गया है।
ड्राइवर: एक सेट निर्देशों (एक कंट्रोलर) का निर्माण करना जो कार को उस सुरक्षित क्षेत्र के किसी भी स्थान से केंद्र तक पहुँचने के लिए बताता है कि कैसे स्टीयरिंग घुमाना है।

पुराना तरीका: अनुमान लगाना और जांचना

पारंपरिक रूप से, इंजीनियरों ने एक सरल आकार (जैसे एक वृत्त या अंडाकार) बनाने की कोशिश की और कहा, "यदि आप इस वृत्त के अंदर से शुरू करते हैं, तो आप सुरक्षित हैं।"

समस्या: यह अक्सर बहुत अधिक रूढ़िवादी (conservative) होता है। यह कह सकता है, "आप इस स्थान से पार्क नहीं कर सकते," भले ही एक कुशल ड्राइवर इसे वास्तव में सफल बना सके। यह ऐसा ही है जैसे कहना कि "आप स्टोर तक जाने के लिए तभी जा सकते हैं जब आप एक ब्लॉक के भीतर रहते हों," जबकि आप दूसरे रास्ते से जाने के लिए दो ब्लॉक दूर भी हो सकते हैं।
गणित: पुराने तरीकों ने "ल्यपुनोव फंक्शन्स" (Lyapunov functions) का उपयोग किया, जो गणितीय ऊर्जा मीटर की तरह हैं। यदि ऊर्जा कम होती है, तो आप सुरक्षित हैं। लेकिन एक जटिल कार के लिए एकदम सही ऊर्जा मीटर ढूंढना बेहद कठिन है और अक्सर गलत और अपूर्ण मानचित्रों की ओर ले जाता है।

नया तरीका: "सेट-बेस्ड" मैप और "स्मार्ट स्टूडेंट"

यह शोध पत्र इस सुरक्षित क्षेत्र को मैप करने और कार को चलाना सिखाने का एक स्मार्ट और अधिक लचीला तरीका प्रस्तावित करता है।

1. "सेट-बेस्ड" वैल्यू फंक्शन (द इनफिनिट होराइजन मैप)

केवल एक बिंदु को देखने के बजाय, लेखक एक साथ बिंदुओं के समूहों (सेट्स) को देखने की कल्पना करते हैं।

उपमा: कल्पना कीजिए कि आप एक मौसम विज्ञानी हैं। केवल यह पूछने के बजाय कि "शाम 5 बजे इस विशिष्ट कोने पर बारिश होगी या नहीं?", आप पूछते हैं, "यदि मैं यहाँ पानी की एक पूरी क्लाउड (बादल) गिरा दूँ, तो 10 मिनट में वे कहाँ पहुँचेंगे?"
नवाचार: उन्होंने एक नया प्रकार का "स्कोरकार्ड" (वैल्यू फंक्शन) बनाया जो यह ट्रैक करता है कि शुरुआती स्थितियों का एक पूरा समूह लक्ष्य तक पहुँचने में कितना समय लेता है। यदि स्कोर परिमित (finite) है, तो आप सुरक्षित क्षेत्र में हैं। यदि यह अनंत (infinite) है, तो आप नियंत्रण खो देंगे।
नियम पुस्तिका: उन्होंने सिद्ध किया कि यह स्कोरकार्ड एक विशिष्ट नियम (एक बेलमैन-टाइप इक्वेशन) का पालन करता है। इसे एक खेल के नियम की तरह समझें: "आपका आज का स्कोर इस चाल की लागत प्लस जहाँ आप अगली बार पहुँचेंगे, उसके स्कोर के बराबर है।"

2. "फिजिक्स-इन्फॉर्म्ड" न्यूरल नेटवर्क (द स्मार्ट स्टूडेंट)

अब, हम इस स्कोरकार्ड को एक जटिल कार के लिए कैसे कैलकुलेट करें? हम गणितीय समीकरणों को हाथ से हल नहीं कर सकते; वे बहुत कठिन हैं। इसलिए, वे एक आर्टिफिशियल न्यूरल नेटवर्क (AI) का उपयोग करते हैं।

पुराना AI: आमतौर पर, आप एक AI को "अच्छे ड्राइविंग" और "खराब ड्राइविंग" के हजारों उदाहरण दिखाकर प्रशिक्षित करते हैं। यह प्रयास और त्रुटि (trial and error) से सीखता है।
नया AI (फिजिक्स-इन्फॉर्म्ड): यह इस शोध पत्र का गुप्त मंत्र है। केवल उदाहरण दिखाने के बजाय, वे AI को सीधे भौतिकी के नियमों को सिखाते हैं।
- कल्पना कीजिए कि आप एक छात्र को शतरंज खेलना सिखा रहे हैं। केवल उसे जीते हुए खेल दिखाने के बजाय, आप उसे नियम पुस्तिका देते हैं और कहते हैं, "आपको हर चाल में इन नियमों का पालन करना होगा।"
- AI को बेलमैन नियम पुस्तिका का पालन करने में होने वाली "त्रुटि" को कम करने के लिए प्रशिक्षित किया जाता है। यह स्कोरकार्ड की भविष्यवाणी करना सीखता है और यह सुनिश्चित करता है कि इसकी भविष्यवाणियां सिस्टम की गति के मौलिक नियमों का पालन करती हैं।

3. परिणाम: एक बहुत बड़ा सुरक्षित क्षेत्र

इस पद्धति का उपयोग करके, लेखक एक बहुत अधिक सटीक सुरक्षित क्षेत्र का नक्शा बनाने में सक्षम रहे।

परिणाम: उनके कंप्यूटर सिमुलेशन (संख्यात्मक उदाहरणों) में, पुराने तरीकों ने एक छोटा, सुरक्षित वृत्त बनाया। नए तरीके ने एक बड़ा, अनियमित आकार बनाया जो वास्तव में कार की सीमाओं के साथ सटीक रूप से फिट बैठता है।
ड्राइवर: एक बार जब AI ने स्कोरकार्ड सीख लिया, तो वह तुरंत कार को बता सकता था, "इस स्थान से, बाईं ओर मुड़ें; उस स्थान से, दाईं ओर मुड़ें," जिससे यह सुनिश्चित हुआ कि कार सुरक्षित रूप से केंद्र तक पहुँचे।

संक्षेप में सारांश

समस्या: यह जानना कठिन है कि आप किसी जटिल मशीन को कितनी दूर तक धकेल सकते हैं, खासकर जब आपके पास उस पर नियंत्रण सीमित हो।
समाधान: लेखकों ने एक नया गणितीय "स्कोरकार्ड" बनाया जो एकल बिंदुओं के बजाय संभावनाओं के समूहों को ट्रैक करता है।
उपकरण: उन्होंने एक AI को न केवल डेटा याद करने के लिए, बल्कि सिस्टम के गणितीय नियमों का सख्ती से पालन करने के लिए इस स्कोरकार्ड को सीखने के लिए प्रशिक्षित किया (फिजिक्स-इन्फॉर्म्ड लर्निंग)।
लाभ: यह हमें जटिल मशीनों के लिए एक बहुत बड़ा, अधिक सटीक "सुरक्षित क्षेत्र" और सिस्टम को स्थिर रखने के लिए बेहतर निर्देश देता है, जो स्वायत्त वाहनों, पावर ग्रिड और रोबोटिक आर्म्स के लिए अत्यंत महत्वपूर्ण है।

संक्षेप में, उन्होंने जटिल मशीनों के "सेफ ज़ोन" के लिए एक स्मार्ट और अधिक ईमानदार मैप बनाया है, जिसमें एक ऐसा AI उपयोग किया गया है जिसने केवल अनुमान लगाने के बजाय खेल के नियमों को सीखा है।

यहाँ शोध पत्र "Set-Based Value Function Characterization and Neural Approximation of Stabilization Domains for Input-Constrained Discrete-Time Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र इनपुट-प्रतिबंधित (input-constrained) डिस्क्रीट-टाइम प्रणालियों के लिए डोमेन ऑफ स्टेबिलाइज़ेशन (DOS) का अनुमान लगाने की चुनौती को संबोधित करता है।

संदर्भ: जबकि कई नियंत्रण विधियाँ (जैसे, मॉडल प्रेडिक्टिव कंट्रोल, कंट्रोल ल्यपुनोव फंक्शन्स) मौजूद हैं, वे अक्सर केवल स्थानीय स्थिरता गारंटी (local stability guarantees) ही प्रदान करती हैं। इसके परिणामस्वरूप बनने वाला डोमेन ऑफ अट्रैक्शन (DOA), वास्तविक DOS की तुलना में अक्सर छोटा होता है, विशेष रूप से जब इनपुट बाधाएं मौजूद हों।
अंतराल (The Gap): मौजूदा वैल्यू-फंक्शन-आधारित दृष्टिकोण (जो सैद्धांतिक रूप से सटीक DOS को कैरेक्टराइज करते हैं) सामान्य नॉनलीनियर प्रणालियों के लिए "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) और कंट्रोल इनपुट्स पर इन्फिमम ऑपरेटर्स (infimum operators) वाले अनंत-क्षितिज अनुकूलन समस्याओं (infinite-horizon optimal control problems) को हल करने की कठिनाई के कारण गणनात्मक रूप से अव्यवहार्य हैं।
उद्देश्य: एक ऐसा फ्रेमवर्क विकसित करना जो व्यापक स्टेट-स्पेस विविक्तीकरण (state-space discretization) पर निर्भर किए बिना, सटीक maximal DOS का अनुमान लगा सके और इनपुट-प्रतिबंधित प्रणालियों के लिए स्टेबिलाइजिंग कंट्रोलर को सिंथेसाइज कर सके।

2. कार्यप्रणाली (Methodology)

लेखक सेट-बेस्ड वैल्यू फंक्शन्स को फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स (PINNs) के साथ एकीकृत करने वाला एक नवीन फ्रेमवर्क प्रस्तावित करते हैं।

A. सेट-बेस्ड वैल्यू फंक्शन कैरेक्टराइजेशन (Set-Based Value Function Characterization)

स्टेट स्पेस $\mathbb{R}^n$ पर वैल्यू फंक्शन्स को परिभाषित करने के बजाय, लेखक उन्हें कॉम्पैक्ट सेट्स के मीट्रिक स्पेस $\mathcal{K}(\mathbb{R}^n)$ पर परिभाषित करते हैं जो हॉसडॉरफ डिस्टेंस (Hausdorff distance) से सुसज्जित है।

परिभाषाएँ:
- मान लीजिए कि $A$ एक कंट्रोल्ड इनवेरिएंट सेट (CIS) है।
- एक कॉस्ट फंक्शन $\Psi(X)$ को सेट $X$ पर एक डिस्टेंस-बेस्ड पेनल्टी के इन्फिमम के रूप में परिभाषित किया जाता है: $\Psi(X) = \inf_{y \in X} \alpha(y)$ ।
- वैल्यू फंक्शन $V$ रीचेबल सेट्स पर लागतों का अनंत योग है: $V(X) = \sum_{k=0}^{\infty} \Psi(\mathcal{R}(X, k))$ , जहाँ $\mathcal{R}(X, k)$ समय $k$ पर रीचेबल सेट है।
- एक रूपांतरित फंक्शन $W(X) = 1 - \exp(-V(X))$ पेश किया गया है ताकि अनंत योग को एक सीमित रेंज $[0, 1)$ में मैप किया जा सके।
मुख्य सैद्धांतिक परिणाम: थ्योरम 2 यह सिद्ध करता है कि DOS ( $D_A$ ) उन प्रारंभिक अवस्थाओं $x$ का सटीक सेट है जिनके लिए $V(\{x\}) < \infty$ (या समकक्ष $W(\{x\}) < 1$ ) है। इस प्रकार, $W$ के सबलेवल सेट्स (sublevel sets) DOS को कैरेक्टराइज करते हैं।

B. बेलमैन-टाइप फंक्शनल इक्वेशन्स (Bellman-Type Functional Equations)

लेखक ऐसे फंक्शनल इक्वेशन्स व्युत्पन्न करते हैं जो इन वैल्यू फंक्शन्स को संतुष्ट करते हैं, जिससे लॉस फंक्शन में कंट्रोल्स पर स्पष्ट इन्फिमम ऑपरेटर्स से बचा जा सके:

$V$ के लिए: $v(X) = \Psi(X) + v(F(X))$ , जहाँ $F(X)$ सिस्टम डायनेमिक्स और इनपुट बाधाओं के तहत सेट $X$ का इमेज है।
$W$ के लिए: एक ज़ुबोव-टाइप (Zubov-type) समीकरण व्युत्पन्न किया गया है: $w(X) - w(F(X)) = \xi(X)(1 - w(F(X)))$ , जहाँ $\xi(X)$ , $\Psi(X)$ पर निर्भर करता है।
महत्व: ये समीकरणों की अनुमति देते हैं कि वैल्यू फंक्शन को एक रेसिडुअल एरर कंडीशन को संतुष्ट करके सीखा जा सके, ठीक वैसे ही जैसे PINNs, PDEs को हल करते हैं।

C. फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) फ्रेमवर्क

इन सेट-बेस्ड फंक्शन्स को अनुमानित करने के लिए, लेखक एक लर्निंग फ्रेमवर्क का उपयोग करते हैं:

सेट एम्बेडिंग (Set Embedding): चूंकि न्यूरल नेटवर्क वेक्टर्स पर कार्य करते हैं, लेखक एक इंजेक्टिव मैपिंग $T$ मानते हैं जो सिंगलटन सेट्स $\{x\}$ और उनके रीचेबल इमेजेस $F(\{x\})$ को एक परिमित-आयामी स्पेस $\mathbb{R}^L$ (जैसे, हाइपर-रेक्टेंगल या ज़ोनोटोप्स) में एम्बेड करती है।
लॉस फंक्शन: प्रशिक्षण एक कंपोजिट लॉस $L(\theta) = \lambda_d L_d + \lambda_{pi} L_{pi}$ $L (θ) = λ_{d} L_{d} + λ_{p i} L_{p i}$ को मिनिमाइज करता है:
- डेटा-ड्रिवन लॉस ( $L_d$ ): नेटवर्क आउटपुट और $W$ के एक परिमित-क्षितिज सन्निकटन (finite-horizon approximation) के बीच के अंतर को कम करता है (जो सैंपलड ट्राजेक्टरीज के माध्यम से कंप्यूट किया गया है)।
- फिजिक्स-इन्फॉर्म्ड लॉस ( $L_{pi}$ ): रेसिडुअल $J_{pi} = (W_{\theta}(X) - W_{\theta}(F(X)) - \xi(X)(1 - W_{\theta}(F(X))))^2$ को मिनिमाइज करके बेलमैन-टाइप समीकरण (9) को लागू करता है।
कंट्रोलर सिंथेसिस: एक बार जब नेटवर्क $W_{\theta}$ को प्रशिक्षित कर लिया जाता है, तो एक स्टेबिलाइजिंग कंट्रोलर को उन कंट्रोल इनपुट्स को चुनकर सिंथेसाइज किया जाता है जो वैल्यू फंक्शन को कम करते हैं (अर्थात, ऐसा $u$ जिसके लिए $W_{\theta}(f(x, u)) < W_{\theta}(x)$ हो)।

3. मुख्य योगदान (Key Contributions)

सेट-बेस्ड फॉर्मुलेशन: कॉम्पैक्ट सेट्स के मीट्रिक स्पेस पर परिभाषित वैल्यू फंक्शन्स का परिचय, जो स्टेट-स्पेस विविक्तीकरण की आवश्यकता के बिना सटीक रूप से DOS को कैरेक्टराइज करता है।
नवीन फंक्शनल इक्वेशन्स: सेट-वैल्यूड डायनेमिक्स के लिए बेलमैन-टाइप समीकरणों का व्युत्पत्ति, जो कंट्रोल इनपुट्स पर स्पष्ट इन्फिमम ऑपरेटर्स की आवश्यकता को समाप्त करते हैं, जिससे वे ग्रेडिएंट-बेस्ड लर्निंग के लिए उपयुक्त बन जाते हैं।
PINN इंटीग्रेशन: एक फिजिक्स-इन्फॉर्म्ड लर्निंग फ्रेमवर्क का विकास जो व्युत्पन्न फंक्शनल इक्वेशन्स को सीधे न्यूरल नेटवर्क ट्रेनिंग में एम्बेड करता है, जिससे यह सुनिश्चित होता है कि सीखा गया फंक्शन सिस्टम डायनेमिक्स और स्टेबिलिटी गुणों का सम्मान करता है।
कंस्ट्रक्टिव कंट्रोल सिंथेसिस: सीखे गए वैल्यू फंक्शन से सीधे एक स्टेबिलाइजिंग फीडबैक कंट्रोलर निकालने की एक विधि, जो अनुमानित डोमेन के भीतर एसिम्प्टोटिक स्टेबिलिटी (asymptotic stability) की गारंटी देती है।

4. संख्यात्मक परिणाम (Numerical Results)

फ्रेमवर्क को इनपुट-प्रतिबंधित दो डिस्क्रीट-टाइम नॉनलीनियर सिस्टम्स पर मान्य किया गया:

सिस्टम 1: एक 2D नॉनलीनियर सिस्टम।
सिस्टम 2: एक 3D नॉनलीनियर सिस्टम।
तुलना: न्यूरल नेटवर्क द्वारा अनुमानित DOS की तुलना पारंपरिक क्वाड्रेटिक ल्यपुनोव फंक्शन अनुमानों से की गई।
निष्कर्ष:
- प्रस्तावित पद्धति ने क्वाड्रेटिक ल्यपुनोव दृष्टिकोणों की तुलना में DOS के काफी कम कंजर्वेटिव (बड़े) अनुमान दिए।
- सीखा गया वैल्यू फंक्शन $W_{\theta}$ , वास्तविक DOS की सीमा के पास सैद्धांतिक सीमा 1 के करीब पहुँच गया।
- सिंथेसाइज्ड कंट्रोलर्स ने इनपुट बाधाओं को पूरा करते हुए, अनुमानित डोमेन के भीतर प्रारंभिक स्थितियों से ट्राजेक्टरीज को सफलतापूर्वक स्थिर किया।
- एक मानक लैपटॉप पर ~5 मिनट (2D) और ~15 मिनट (3D) के प्रशिक्षण समय के साथ कम्प्यूटेशनल दक्षता प्रदर्शित की गई।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

सैद्धांतिक प्रभाव: यह कार्य वैल्यू-फंक्शन-आधारित कंट्रोल (जो अक्सर गणनात्मक रूप से असंभव होते हैं) की कठोर सैद्धांतिक गारंटियों और आधुनिक डीप लर्निंग की स्केलेबिलिटी के बीच के अंतर को पाटता है। यह प्रतिबंधित प्रणालियों के लिए मैक्सिमल ल्यपुनोव फंक्शन्स को सीखने का एक सिद्धांत-आधारित तरीका प्रदान करता है।
व्यावहारिक प्रभाव: यह एक डेटा-एफिशिएंट, मॉडल-बेस्ड कंट्रोल सिंथेसिस दृष्टिकोण प्रदान करता है जिसे शुद्ध रूप से डेटा-ड्रिवन RL की तरह विशाल डेटासेट की आवश्यकता नहीं होती है और जो ग्रिड-बेस्ड डायनेमिक प्रोग्रामिंग से जुड़े "डायमेंशनलिटी के अभिशाप" से बचता है।
भविष्य की दिशाएं: लेखक सीखे गए कंट्रोलर्स के लिए सर्टिफाइड गारंटी प्रदान करने के लिए औपचारिक सत्यापन उपकरणों (जैसे, $\alpha,\beta$ -CROWN, SMT सॉल्वर) को एकीकृत करने और फ्रेमवर्क को स्टेट कंस्ट्रेंट्स और डिस्टर्बेंस वाले सिस्टम्स तक विस्तारित करने की योजना बना रहे हैं।

संक्षेप में, यह शोध पत्र एक मजबूत, गणितीय रूप से आधारित फ्रेमवर्क प्रस्तुत करता है जो सेट-वैल्यूड एनालिसिस और न्यूरल नेटवर्क्स का लाभ उठाकर बाधित नॉनलीनियर सिस्टम्स के स्टेबिलाइजेशन डोमेन को अनुमानित करने और नियंत्रित करने की दीर्घकालिक समस्या को हल करता है।