⚡ electrical engineering

Risk-Constrained Belief-Space Optimization for Safe Control under Latent Uncertainty

यह शोधपत्र एक रिस्क-सेंसिटिव बिलीफ-स्पेस मॉडल प्रेडिक्टिव पाथ इंटीग्रल कंट्रोल फ्रेमवर्क प्रस्तावित करता है जो लेटेंट अनसर्टेनिटी (सुप्त अनिश्चितता) को प्रभावी ढंग से प्रबंधित करने के लिए ट्रजेक्टरी सेफ्टी मार्जिन पर कंडीशनल वैल्यू-एट-रिस्क बाधाओं को लागू करता है, जिससे जटिल डेक्सट्रस मैनिपुलेशन कार्यों में रिस्क-न्यूट्रल और चांस-कंस्ट्रेंड बेसलाइन्स की तुलना में बेहतर सफलता दर और शून्य संपर्क उल्लंघन प्राप्त होता है।

मूल लेखक: Clinton Enwerem, John S. Baras, Calin Belta

प्रकाशित 2026-04-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Clinton Enwerem, John S. Baras, Calin Belta

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 रोबोटिक हाथ हैं जो एक नाजुक, भंगुर फूलदान को एक तंग, भरी हुई शेल्फ में खिसकाने की कोशिश कर रहे हैं। समस्या क्या है? आप शेल्फ को पूरी तरह से देख नहीं पा रहे हैं। आपका कैमरा थोड़ा धुंधला है, और शेल्फ पर पहले से ही कुछ अन्य वस्तुएं हो सकती हैं जिन्हें आप ठीक से पहचान नहीं पा रहे हैं। आपको अंदाजा लगाना होगा कि शेल्फ कहाँ है और गैप (खाली जगह) कितनी चौड़ी है।

यह शोध पत्र रोबोटों के लिए एक नया "दिमाग" प्रस्तुत करता है जो उन्हें अनिश्चित होने पर भी सुरक्षित रूप से ऐसे अनुमान लगाने में मदद करता है।

यहाँ समस्या और समाधान का विवरण दिया गया, जिसे रोजमर्रा के उदाहरणों (analogies) के माध्यम से समझाया गया है:

समस्या: "आंखों पर पट्टी बंधा हुआ" रोबोट

अधिकांश रोबोट एक सरल तर्क पर काम करते हैं: "यदि गणित कहता है कि शेल्फ संभवतः यहाँ है, तो मैं वहाँ जाऊँगा।"

जोखिम-तटस्थ (Risk-Neutral) रोबोट: यह रोबोट एक ऐसे जुआरी की तरह है जिसे केवल औसत परिणाम की परवाह होती है। वह सोचता है, "मेरे पास फूलदान को फिट करने की 90% संभावना है, इसलिए मैं जोखिम उठाऊंगा।" यदि वह विफल होता है, तो वह फूलदान को तोड़ देता है। उसे आपदा की उस दुर्लभ 10% संभावना की परवाह नहीं है।
अत्यधिक सतर्क (Overly Cautious) रोबोट: यह एक ऐसे डरे हुए ड्राइवर की तरह है जो कभी गैरेज से बाहर नहीं निकलता क्योंकि यह संभव है कि बारिश हो जाए। वह सबसे खराब स्थिति (worst-case scenario) मान लेता है (जैसे कि शेल्फ बहुत छोटी है, या गैप शून्य है) और हिलने से भी इनकार कर देता है, भले ही कार्य आसान हो।

दोनों दृष्टिकोण तब विफल हो जाते हैं जब अनिश्चितता "लेटेंट" (latent) होती है—यानी रोबोट जानता है कि वह पूरी सच्चाई नहीं जानता, लेकिन वह इसे सीधे तौर पर माप नहीं सकता।

समाधान: "जोखिम-जागरूक" पायलट

लेखक एक नया नियंत्रण सिस्टम प्रस्तावित करते हैं जिसे रिस्क-कंस्ट्रेंड बिलीफ-स्पेस ऑप्टिमाइज़ेशन (Risk-Constrained Belief-Space Optimization) कहा जाता है। आइए इन भारी-भरकम शब्दों को समझें:

बिलीफ स्पेस (Belief Space): शेल्फ के एक एकल स्थान का अनुमान लगाने के बजाय, रोबोट संभावनाओं का एक "बादल" (cloud of possibilities) रखता है (एक बिलीफ)। कल्पना कीजिए कि शेल्फ के चारों ओर मधुमक्खियों का एक झुंड भिनभिना रहा है। कुछ मधुमक्खियां सोचती हैं कि शेल्फ यहाँ है, कुछ सोचती हैं कि वह वहाँ है। रोबोट नए दृश्य संकेतों (visual clues) के साथ इस झुंड को अपडेट करता है।
CVaR (Conditional Value-at-Risk): यही असली जादू है।
- VaR (Value-at-Risk) पूछता है: "95% समय मैं सबसे बुरा क्या परिणाम देख सकता हूँ?"
- CVaR पूछता है: "यदि मैं वास्तव में उस सबसे खराब 5% परिदृश्यों में से एक में पहुँच जाता हूँ, तो वह कितना बुरा होगा?"
- उदाहरण: कल्पना कीजिए कि आप कोहरे वाली सड़क पर गाड़ी चला रहे हैं।
  - एक जोखिम-तटस्थ (Risk-Neutral) ड्राइवर कहता है, "मैं तेज़ गाड़ी चलाऊंगा क्योंकि मैं शायद ठीक रहूँगा।"
  - एक मानक सुरक्षित (Standard Safe) ड्राइवर कहता है, "मैं दुर्घटनाओं से बचने के लिए धीरे गाड़ी चलाऊंगा।"
  - यह CVaR ड्राइवर कहता है, "मुझे यह सुनिश्चित करना होगा कि यदि मैं वास्तव में सबसे खराब बर्फ के पैच (tail risk) से टकरा भी जाता हूँ, तो भी मैं दुर्घटनाग्रस्त न होऊं। मैं इस तरह से गाड़ी चलाऊंगा जो यह गारंटी देता है कि सबसे खराब स्थिति में भी मैं सुरक्षित रहूँगा।"

यह कैसे काम करता है (द "MPPI" इंजन)

रोबोट एक विधि का उपयोग करता है जिसे मॉडल प्रिडिक्टिव पाथ इंटीग्रल (Model Predictive Path Integral - MPPI) कहा जाता है। इसे ऐसे समझें कि रोबบอล हर सेकंड अपने दिमाग में हजारों बार "क्या होगा अगर?" का खेल खेल रहा है।

सिमुलेशन (Simulate): रोबोट कल्पना करता है कि वह कौन से 64 अलग-अलग रास्ते अपना सकता है।
परीक्षण (Test): प्रत्येक पथ के लिए, वह "मधुमक्खियों के झुंड" (बिलीफ) को सिमुलेशन के माध्यम से चलाता है। वह पूछता है: "यदि शेल्फ स्थिति A में है, तो क्या यह रास्ता टकराएगा? यदि यह स्थिति B में है, तो क्या यह टकराएगा?"
स्कोरिंग (Score): यह एक स्कोर की गणना करता है।
- यदि कोई रास्ता औसत रूप से अच्छा दिखता है लेकिन फूलदान टूटने की थोड़ी सी भी संभावना रखता है, तो CVaR नियम उसे बहुत खराब स्कोर देता है।
- यदि कोई रास्ता थोड़ा धीमा है लेकिन यह गारंटी देता है कि फूलदान किसी भी चीज़ से नहीं टकराएगा, भले ही सबसे खराब अनुमान हो, तो उसे बेहतरीन स्कोर मिलता है।
चयन (Choose): रोबोट उस पथ को चुनता है जो गति और उस "सबसे खराब स्थिति की सुरक्षा गारंटी" के बीच संतुलन बनाता है।

परिणाम: वास्तविक दुनिया का प्रमाण

लेखकों ने एक रोबोटिक हाथ पर परीक्षण किया जो एक संकीर्ण स्लॉट (जैसे बुकशेल्फ़) में एक बॉक्स रखने की कोशिश कर रहा था।

"जुआरी" रोबोट (Low Risk): इसने तेज़ होने की कोशिश की। यह 55% बार सफल रहा, लेकिन जब यह विफल हुआ, तो यह ज़ोर से शेल्फ से टकरा गया (संपर्क बल 1,118 न्यूटन तक पहुँच गया!)।
"मानक" रोबोट (Chance-Constrained): यह सुरक्षित था लेकिन फिर भी कभी-कभी टकरा गया क्योंकि यह केवल टकराने की संभावना को देखता था, टकराने की गंभीरता को नहीं।
"CVaR" रोबोट (High Risk): यह 82% बार सफल रहा और इसमें शून्य टक्कर (zero crashes) हुई। इसने न केवल टकराने से परहेज किया; बल्कि इसने एक ऐसा रास्ता खोजा जो इतना चौड़ा था कि यदि शेल्फ के बारे में उसका अनुमान गलत भी होता, तो भी वह सुरक्षित रहता।

मुख्य निष्कर्ष

यह शोध पत्र हमें सिखाता है कि उच्च-दांव वाली स्थितियों में (जैसे सर्जरी, सेल्फ-ड्राइविंग कार, या नाजुक वस्तुओं को संभालना), आपको केवल "औसत" सुरक्षा का लक्ष्य नहीं रखना चाहिए। आपको अपनी अनिश्चितता के "सबसे खराब मामले" (worst-case tail) के लिए योजना बनानी चाहिए।

CVaR का उपयोग करके, रोबोट "समझदारी से सतर्क" होना सीखता है। यह थम नहीं जाता; यह बस वह रास्ता खोज लेता है जो सुरक्षित होने के लिए पर्याप्त है ताकि वास्तविकता के सबसे बुरे संस्करण में भी जीवित रहा जा सके। यह एक ऐसे ड्राइवर के बीच का अंतर है जो उम्मीद करता है कि वह बर्फ पर नहीं फिसलेगा, और एक ऐसे ड्राइवर के बीच जो इतना धीरे चलता है कि यदि वह बर्फ से टकरा भी जाता है, तो भी वह सड़क पर ही रहे।

यहाँ शोध पत्र "Risk-Constrained Belief-Space Optimization for Safe Control under Latent Uncertainty" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र लेटेंट अनसर्टेन्टी (latent uncertainty) के तहत संचालित होने वाले सुरक्षा-महत्वपूर्ण डायनेमिकल सिस्टम्स (safety-critical dynamical systems) को नियंत्रित करने की चुनौती को संबोधित करता है। मानक स्टोकेस्टिक कंट्रोल के विपरीत, जहाँ अनिश्चितता स्टेट या डिस्टर्बेंस को प्रभावित करती है, यह कार्य उन सिस्टम्स पर विचार करता है जहाँ डायनेमिक्स, कॉस्ट और सुरक्षा संबंधी बाधाएं एक अज्ञात, समय-अपरिवर्तनीय लेटेंट पैरामीटर ( $\theta$ ) पर निर्भर करती हैं, जिसे सीधे देखा नहीं जा सकता।

संदर्भ (Context): उदाहरणों में रोबोटिक मैनिपुलेशन शामिल हैं जहाँ किसी पात्र (receptacle) की ज्यामिति अनिश्चित होती है, अज्ञात सड़क घर्षण (friction) के साथ स्वायत्त ड्राइविंग, या अज्ञात हवा के प्रभाव में क्वाड्रोटर कंट्रोल।
चुनौती (The Challenge): मानक विधियाँ या तो एक्स्पेक्टेड प्रदर्शन (रिस्क-न्यूट्रल) के लिए अनुकूलन (optimize) करती हैं, जो दुर्लभ लेकिन विनाशकारी परिणामों से बचने में विफल रहती हैं, या रोबस्ट फॉर्मुलेशन का उपयोग करती हैं जो अत्यधिक रूढ़िवादी (conservative) होते हैं और अनिश्चितता की संभाव्य संरचना (probabilistic structure) की अनदेखी करते हैं।
लक्ष्य (Goal): एक ऐसा कंट्रोल फ्रेमवर्क विकसित करना जो लेटेंट पैरामीटर पर एक 'बलीफ डिस्ट्रीब्यूशन' (belief distribution) बनाए रखे, प्रदर्शन को अनुकूलित करे, और एक रिसीडिंग होराइजन (receding horizon) के दौरान सुरक्षा उल्लंघन (जैसे टकराव या अत्यधिक संपर्क बल) के टेल रिस्क (tail risk) को स्पष्ट रूप से नियंत्रित करे।

2. कार्यप्रणाली (Methodology)

लेखक एक रिस्क-सेंसिटिव बलीफ-स्पेस MPPI (Model Predictive Path Integral) कंट्रोल फ्रेमवर्क प्रस्तावित करते हैं।

A. समस्या का सूत्रण (Problem Formulation)

सिस्टम डायनेमिक्स: एक आंशिक रूप से प्रेक्षित (partially observed) सिस्टम जहाँ स्टेट $x_t$ और मेजरमेंट $z_t$ , लेटेंट पैरामीटर $\theta$ पर निर्भर करते हैं।
बलीफ प्रतिनिधित्व (Belief Representation): चूंकि $\theta$ अवलोकनीय नहीं है, इसलिए कंट्रोलर एक पार्टिकल फिल्टर (Particle Filter) का उपयोग करके $\theta$ पर एक पोस्टीरियर बलीफ $b_t(\theta)$ बनाए रखता है। यह मल्टीमॉडल बलीफ और नॉन-लीनियर डायनेमिक्स को संभालने की अनुमति देता है।
ऑब्जेक्टिव फंक्शन: कंट्रोलर एक रिस्क-रेगुलराइज्ड कॉस्ट को कम करता है:
$\min_u \left( \mathbb{E}_{b_t}[J_H] + \lambda_r \cdot \text{CVaR}_{\beta_c}(J_H) \right)$
जहाँ $J_H$ एक ट्राजेक्टरी कॉस्ट है, $\lambda_r$ एक रिस्क वेट है, और $\text{CVaR}$ (Conditional Value-at-Risk) डिस्ट्रीब्यूशन के सबसे खराब (worst-case) टेल हिस्से में अपेक्षित लागत को कैप्चर करता है।
सुरक्षा बाधा (Safety Constraint): ट्राजेक्टरी सेफ्टी मार्जिन $M_H$ (होराइजन के दौरान न्यूनतम सुरक्षा मार्जिन) पर एक हार्ड कंस्ट्रेंट लगाया जाता है:
$\text{CVaR}_{\beta_s}(-M_H) \leq 0$
यह सुनिश्चित करता है कि सुरक्षा मार्जिन उल्लंघनों के सबसे खराब $(1-\beta_s)$ अंश का औसत गैर-धनात्मक (non-positive) है, जो प्रभावी रूप से सुरक्षा विफलताओं के टेल रिस्क को सीमित करता है।

B. एल्गोरिदम: बलीफ-स्पेस MPPI

इस अनुकूलन को ऑनलाइन एक इम्पोर्टेंस-सैंपलिंग आधारित MPPI एल्गोरिदम का उपयोग करके हल किया जाता है:

सैंपलिंग (Sampling): प्रत्येक टाइम स्टेप पर, वर्तमान बलीफ से लेटेंट पैरामीटर $\theta$ का प्रतिनिधित्व करने वाले $N_p$ पार्टिकल्स को सैंपल किया जाता है।
रोलआउट (Rollout): एक नॉमिनल ट्राजेक्टरी को गॉसियन नॉइज़ के साथ विक्षेपित (perturb) करके $K$ कैंडिडेट कंट्रोल सीक्वेंस जनरेट किए जाते हैं।
सिमुलेशन (Simulation): प्रत्येक कैंडिडेट को सभी $N_p$ पार्टिकल्स के विरुद्ध रोल आउट किया जाता है ताकि कॉस्ट और सेफ्टी मार्जिन का डिस्ट्रीब्यूशन प्राप्त हो सके।
स्कोरिंग (Scoring): प्रत्येक कैंडिडेट के लिए एक स्कोर $S^{(j)}$ की गणना की जाती है जो एम्पिरिकल एक्सपेक्टेड कॉस्ट, परफॉरमेंस रिस्क (कॉस्ट का CVaR), और सेफ्टी रिस्क (नेगेटिव सेफ्टी मार्जिन का CVaR) पर आधारित होता है।
अपडेट (Update): इष्टतम कंट्रोल ट्राजेक्टरी को अपडेट करने के लिए कंट्रोल सीक्वेंसों को उनके स्कोर के आधार पर पुन: भारित (re-weight) किया जाता है।

3. मुख्य योगदान (Key Contributions)

नया सूत्रण (Novel Formulation): यह शोध पत्र एक बलीफ-स्पेस कंट्रोल फ्रेमवर्क पेश करता है जो विशेष रूप से केवल स्टेट नॉइज़ के बजाय लेटेंट पैरामीटर्स की अनिश्चितता को संबोधित करते हुए, ट्राजेक्टरी सेफ्टी मार्जिन में CVaR कंस्ट्रेंट्स को सीधे एकीकृत करता है।
सैद्धांतिक गारंटी (Theoretical Guarantees):
- प्रोबेबिलिस्टिक सेफ्टी: लेखक सिद्ध करते हैं कि CVaR सुरक्षा बाधा को संतुष्ट करने से एक प्रोबेबिलिस्टिक गारंटी मिलती है: $\text{Pr}(M_H \geq 0) \geq \beta_s$ ।
- रिस्क-न्यूट्रल कंसिस्टेंसी: जैसे-जैसे $\lambda_r \to 0$ होता है, कंट्रोलर मानक रिस्क-न्यूट्रल ऑप्टिममम को रिकवर करता है।
- संचयी सुरक्षा (Cumulative Safety): यूनियन बाउंड (union bound) का उपयोग करके, वे प्रति-होराइजन सुरक्षा गारंटी को कई रिसीडिंग-होराइजन स्टेप्स के लिए संचयी सुरक्षा तक विस्तारित करते हैं।
एल्गोरिद्मिक सिंथेसिस (Algorithmic Synthesis): एक व्यावहारिक MPPI एल्गोरिदम विकसित किया गया है जो बिना ग्रेडिएंट कम्प्यूटेशन की आवश्यकता के, लेटेंट पैरामीटर्स और प्रोसेस नॉइज़ की संयुक्त अनिश्चितता को संभालता है।
प्रायोगिक सत्यापन (Experimental Validation): विधि को विजन-गाइडेड डेक्सट्रस स्टोइंग टास्क (vision-guided dexterous stowing task) के एक हाई-फिडेलिटी फिजिक्स सिमुलेशन (MuJoCo) में सत्यापित किया गया है।

4. प्रायोगिक परिणाम (Experimental Results)

इस फ्रेमवर्क का परीक्षण एक ऐसे कार्य पर किया गया जहाँ एक रोबोटिक आर्म को अनिश्चित ज्यामिति (प्रारंभिक स्थिति अनिश्चितता $\sigma_p = 12$ mm, जो 8.75 mm क्लीयरेंस से अधिक है) वाले संकीर्ण, भरे हुए स्लॉट में पकड़ी गई वस्तु को डालना होता है।

तुलना (Comparison): प्रस्तावित विधि (CVaR-MPPI) की तुलना एक चांस-कंस्ट्रेंड MPPI (CCMPPI) बेसलाइन और एक लो-रिस्क-अवर्जन कॉन्फ़िगरेशन से की गई।
परफॉरमेंस मेट्रिक्स (Performance Metrics):
- सफलता दर (Success Rate): हाई-रिस्क-अवर्जन कॉन्फ़िगरेशन ( $\beta_s = 0.95$ ) ने 82% सफलता दर प्राप्त की, जो CCMPPI बेसलाइन (50%) और लो-रिस्क कॉन्फ़िगरेशन (55%) से काफी बेहतर थी।
- सुरक्षा (Safety): हाई-रिस्क-अवर्जन कॉन्फ़िगरेशन ने 0% कॉन्टैक्ट उल्लंघन और 0 N का अधिकतम बाहरी संपर्क बल प्राप्त किया। इसके विपरीत, लो-रिस्क कॉन्फ़िगरेशन ( $\beta_s = 0.50$ ) में 27% कॉन्टैक्ट रेट और 1118 N तक का पीक फोर्स देखा गया।
- दक्षता (Efficiency): विधि ने ~1.2 सेकंड प्रति स्टेप का कंप्यूटेशनल समय बनाए रखा, जो मुख्य रूप से फिजिक्स सिमुलेशन रोलआउट्स द्वारा संचालित था, जिसमें CVaR एस्टीमेशन का ओवरहेड नगण्य था।
मुख्य अंतर्दृष्टि (Key Insight): CVaR कंस्ट्रेंट कंट्रोलर को विनाशकारी परिणामों के "टेल" (tail) से बचने के लिए व्यापक भौतिक क्लीयरेंस बनाए रखने के लिए मजबूर करता है, जबकि चांस-कंस्ट्रेंड बेसलाइन ऐसे ट्राजेक्टरीज की अनुमति देती है जो प्रोबेबिलिटी बाउंड को संतुष्ट तो करती हैं लेकिन गंभीर टकराव का कारण बन सकती हैं।

5. महत्व (Significance)

यह कार्य साधारण प्रोबेबिलिटी बाउंड्स (चांस कंस्ट्रेंट्स) से आगे बढ़कर टेल-रिस्क मैनेजमेंट की ओर बढ़कर सुरक्षित रोबोटिक कंट्रोल के एक महत्वपूर्ण अंतर को पाटता है।

सुरक्षा की गंभीरता (Safety Criticality): टेल-रिस्क (CVaR) को स्पष्ट रूप से नियंत्रित करके, यह विधि उन दुर्लभ लेकिन विनाशकारी विफलताओं को रोकता है जिन्हें मानक एक्सपेक्टेशन-आधारित या सरल चांस-कंस्ट्रेंड विधियाँ होने दे सकती हैं।
लेटेंट अनिश्चितता (Latent Uncertainty): यह सिस्टम पैरामीटर्स (जैसे ऑब्जेक्ट ज्योमेट्री) की अनिश्चितता को संभालने का एक सिद्धांतपूर्ण तरीका प्रदान करता है, जो सीधे तौर पर अवलोकन योग्य नहीं हैं, और समय के साथ कंट्रोल एक्शन को रिफाइन करने के लिए बलीफ अपडेट का उपयोग करता है।
व्यावहारिकता (Practicality): MPPI का उपयोग इस दृष्टिकोण को नॉन-लीनियर, हाई-डायमेंशनल सिस्टम्स के लिए स्केलेबल बनाता है जिसके लिए एनालिटिकल ग्रेडिएंट्स की आवश्यकता नहीं होती है, जिससे यह जटिल मैनिपुलेशन कार्यों के लिए उपयुक्त बनता है।

संक्षेप में, यह शोध पत्र प्रदर्शित करता है कि महत्वपूर्ण लेटेंट अनिश्चितता के तहत काम करने वाले रोबोटिक कार्यों की सुरक्षा और सफलता दर दोनों को बढ़ाने के लिए बलीफ-स्पेस प्लानिंग में रिस्क-सेंसिटिव उपायों (CVaR) को शामिल करना, पारंपरिक रिस्क-न्यूट्रल या शुद्ध चांस-कंस्ट्रेंड दृष्टिकोणों की तुलना में एक मजबूत विकल्प प्रदान करता है।