⚡ electrical engineering

Collaborative Altruistic Safety in Coupled Multi-Agent Systems

यह शोधपत्र पारिस्थितिक परोपकार और हैमिल्टन के नियम से प्रेरित सहयोगात्मक नियंत्रण बाधा कार्यों (collaborative control barrier functions) को पेश करके गतिशील रूप से युग्मित बहु-एजेंट प्रणालियों में सुरक्षा सुनिश्चित करने के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो एजेंटों को एक वितरित अनुकूलन सेटिंग के भीतर उच्च-प्राथमिकता वाले पड़ोसियों का समर्थन करने के लिए व्यक्तिगत सुरक्षा के साथ सहयोगात्मक रूप से समझौता करने में सक्षम बनाता है।

मूल लेखक: Brooks A. Butler, Xiao Tan, Aaron D. Ames, Magnus Egerstedt

प्रकाशित 2026-04-07

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Brooks A. Butler, Xiao Tan, Aaron D. Ames, Magnus Egerstedt

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 मंच पर नर्तकों का एक समूह पूरी तरह से तालमेल में चल रहा है। वे सभी अदृश्य इलास्टिक बैंड (उनके "कपल डायनेमिक्स") से जुड़े हुए हैं। यदि एक नर्तक लड़खड़ाता है, तो वह बैंड अपने पड़ोसियों को भी खींच लेता है, जिससे वे भी लड़खड़ा सकते हैं।

इस शोध पत्र का लक्ष्य यह पता लगाना है कि ये नर्तक कैसे सुरक्षित रह सकते हैं ताकि वे मंच की दीवारों से न टकराएं, भले ही वे एक-दूसरे को खींच रहे हों। लेकिन इसमें एक मोड़ है: कभी-कभी, पूरे समूह को बचाने के लिए, एक नर्तक को उस पड़ोसी की मदद करने के लिए, जो अधिक मुसीबत में है, सामान्य से अधिक जोखिम लेने या बड़ा कदम उठाने की आवश्यकता हो सकती है।

यहाँ सरल उपमाओं का उपयोग करके इस शोध पत्र के विचारों का विवरण दिया गया है:

1. समस्या: सुरक्षा का "रस्साकशी" (Tug-of-War)

रोबोट या ड्रोन सिस्टम में, हर किसी के पास अपना स्वयं का सुरक्षा नियम होता है (जैसे, "दीवार से न टकराएं")। आमतौर पर, रोबोट केवल अपने नियमों का पालन करने की कोशिश करते हैं। लेकिन क्योंकि वे आपस में जुड़े हुए हैं (नर्तकों की तरह), एक रोबोट जो करता है उसका प्रभाव दूसरों पर पड़ता है।

पुराना तरीका: हर कोई व्यक्तिगत रूप से सुरक्षित रहने की कोशिश करता है। यदि रोबोट A दीवार के करीब है, तो वह घबरा जाता है और रुक जाता है। लेकिन क्योंकि रोबोट B, रोबोट A का हाथ पकड़े हुए है, रोबोट B भी फंस जाता है, भले ही रोबोट B खतरे से दूर हो। पूरा समूह पंगु हो जाता है।
नया विचार: रोबोटों को एक-दूसरे से बात करने की जरूरत है और कहना है, "हे, मैं ठीक हूँ, लेकिन तुम मुसीबत में हो। मैं तुम्हें सुरक्षित रखने में मदद करने के लिए थोड़ा जोखिम लूंगा।"

2. प्रेरणा: प्रकृति का "निस्वार्थ" कार्य

लेखकों ने समाधान के लिए प्रकृति की ओर देखा। जीव विज्ञान में, हैमिल्टन का नियम (Hamilton's Rule) एक अवधारणा है। यह बताता है कि क्यों एक मधुमक्खी पूरे छत्ते को बचाने के लिए शिकारी को डंक मार सकती है और मर सकती है। मधुमक्खी खुद का बलिदान दे रही है क्योंकि वह अन्य मधुमक्खियों के साथ जीन साझा करती है। यह एक व्यापार है: मेरा सुरक्षा खर्च < आपका सुरक्षा लाभ × हम कितने संबंधित हैं।

यह शोध पत्र इसे रोबोट की भाषा में अनुवादित करता है:

जीन्स (Genes) का अर्थ है "सुरक्षा का महत्व (Safety Importance)"। कुछ रोबोट मिशन के लिए अधिक महत्वपूर्ण हैं (जैसे, एक नाजुक पैकेज ले जाने वाला रोबोट बनाम एक झंडा ले जाने वाला रोबोट)।
संबद्धता (Relatedness) का अर्थ है "मैं अपनी सुरक्षा की तुलना में आपकी सुरक्षा की कितनी परवाह करता हूँ।"

3. समाधान: "परोपकारी सुरक्षा" (Altruistic Safety)

यह शोध पत्र एक गणितीय ढांचा (नियमों का एक सेट) बनाता है जो रोबोट को इन समझौतों को करने की अनुमति देता है।

"सुरक्षा स्कोर" (The Safety Score): प्रत्येक रोबोट गणना करता है कि वह आपदा के कितने करीब है। यदि कोई रोबोट दुर्घटनाग्रस्त होने वाला है, तो उसका "सुरक्षा स्कोर" गिर जाता है, और उसका "महत्व" बढ़ जाता है।
समझौता (The Trade-Off): यदि रोबोट A बहुत महत्वपूर्ण है (वह दुर्घटनाग्रस्त होने वाला है) और रोबोट B कम महत्वपूर्ण है (वह खतरे से दूर है), तो रोबोट B को रोबोट A की मदद करने के लिए अपना रास्ता बदलने की अनुमति है, भले ही इससे रोबोट B थोड़ा कम सुरक्षित हो जाए।
परिणाम: सभी के थम जाने के बजाय, "मजबूत" या "अधिक सुरक्षित" रोबोट आगे आकर जिम्मेदारी लेता है, जिससे पूरा समूह चलता रहता है।

4. यह व्यवहार में कैसे काम करता है (गणितीय जादू)

यह शोध पत्र कंट्रोल बैरियर फंक्शन्स (Control Barrier Functions - CBFs) नामक एक उपकरण का उपयोग करता है। इसे हर रोबोट के चारों ओर एक "सुरक्षा बल क्षेत्र" (Safety Force Field) समझें।

सामान्यतः, यह बल क्षेत्र रोबोट को खतरे से दूर धकेलता है।
इस नए सिस्टम में, ये बल क्षेत्र सहयोगी (collaborative) हैं। वे खिंच सकते हैं और मुड़ सकते हैं। यदि रोबोट A मुसीबत में है, तो रोबोट B का बल क्षेत्र खिंच सकता है ताकि वह रोबोट A को सुरक्षा की ओर खींच सके, भले ही इसका मतलब यह हो कि रोबोट B को अपने स्वयं के बल क्षेत्र को थोड़ा अधिक जोर से धकेलना पड़े।

उन्होंने दो एजेंटों (जैसे दो कारें या ड्रोन) के सिमुलेशन के साथ इसका परीक्षण किया जो एक फॉर्मेशन बनाए रखने और दीवार से बचने की कोशिश कर रहे थे।

नए नियम के बिना: यदि एक भी दीवार के करीब पहुँचता है, तो पूरी प्रणाली दुर्घटना से बचने के लिए रुक जाती है।
नए नियम के साथ: जो रोबोट "अधिक सुरक्षित" (या कम महत्वपूर्ण) है, वह दूसरे को गुजरने देने के लिए रास्ता देता है, जिससे यह सुनिश्चित होता है कि पूरा समूह जीवित बच जाए।

मुख्य निष्कर्ष

यह शोध पत्र हमें सिखाता है कि जुड़े हुए मशीनों की एक टीम में, वास्तविक सुरक्षा का अर्थ यह नहीं है कि हर कोई हर समय पूरी तरह से सुरक्षित रहे। यह यह समझने के बारे में है कि कब अपने स्वयं के सुरक्षा मार्जिन का थोड़ा बलिदान करना चाहिए ताकि उस साथी को बचाया जा सके जो अधिक गहरी मुसीबत में है। ऐसा "परोपकारी" गणित करके, पूरा समूह अधिक लचीला, दुर्घटना की संभावना कम और काम करने में बेहतर हो जाता है।

यहाँ शोध पत्र "Collaborative Altruistic Safety in Coupled Multi-Agent Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र गतिशील रूप से युग्मित बहु-एजेंट प्रणालियों (dynamically coupled multi-agent systems) में सुरक्षा सुनिश्चित करने की चुनौती को संबोधित करता है, जहाँ एजेंटों के पास व्यक्तिगत सुरक्षा बाधाएं (constraints) होती हैं लेकिन वे अपने पड़ोसियों की गतिशीलता (dynamics) से प्रभावित होते हैं।

मुख्य संघर्ष: कई बहु-एजेंट परिदृश्यों में (जैसे, फॉर्मेशन कंट्रोल), एक एजेंट की सुरक्षा केवल उसके अपने नियंत्रण इनपुट द्वारा निर्धारित नहीं होती है, बल्कि यह पड़ोसी एजेंटों की अवस्थाओं और क्रियाओं के साथ युग्मित (coupled) होती है। पारंपरिक दृष्टिकोण अक्सर वैश्विक सुरक्षा उद्देश्यों पर निर्भर करते हैं या यह मान लेते हैं कि एजेंट विशुद्ध रूप से अपने स्वार्थ में कार्य करते हैं।
सीमा: मानक वितरित सुरक्षा फिल्टर (कंट्रोल बैरियर फंक्शन्स पर आधारित) तब अव्यावहारिकता (infeasible) का शिकार हो सकते हैं जब किसी एजेंट की सुरक्षा बाधाएं बहुत सख्त हों और पड़ोसियों की युग्मित गतिशीलता सिस्टम को उल्लंघन की ओर धकेल रही हो। यदि कोई एजेंट अपने पड़ोसी के सुरक्षा उल्लंघन के बिना अपनी स्वयं की सुरक्षा बाधा को संतुष्ट नहीं कर सकता है, तो सिस्टम सुरक्षित नियंत्रण इनपुट खोजने में विफल हो सकता है।
लक्ष्य: एक ऐसा ढांचा विकसित करना जहाँ एजेंट सहयोगात्मक रूप से सुरक्षा लागू कर सकें, विशेष रूप से एजेंटों को "परोपकारी" (altruistic) समझौते करने की अनुमति देना—अर्थात, अधिक महत्वपूर्ण पड़ोसियों की सुरक्षा सुनिश्चित करने के लिए अपनी स्वयं की सुरक्षा मार्जिन का कुछ हिस्सा बलिदान करना, जिससे समग्र प्रणाली की व्यवहार्यता बनी रहे।

2. कार्यप्रणाली (Methodology)

लेखक सहयोगी कंट्रोल बैरियर फंक्शन्स (CCBFs) को परोपकारी निर्णय लेने वाले तर्क (altruistic decision-making logic) के साथ जोड़ते हैं, जो विकासवादी जीव विज्ञान (हैमिल्टन के नियम) से प्रेरित है।

A. सिस्टम मॉडलिंग और CCBFs

गतिशीलता (Dynamics): सिस्टम में $n$ एजेंट शामिल हैं जिनकी समय-अपरिवर्तनीय, कंट्रोल-एफिन (control-affine) गतिशीलता पड़ोसियों की अवस्थाओं के माध्यम से युग्मित है।
सुरक्षा परिभाषा: सुरक्षा को एक सेट $C_i = \{x_i : h_i(x_i) \geq 0\}$ द्वारा परिभाषित किया गया है।
उच्च-क्रम के CBFs: युग्मन (coupling) को संभालने के लिए, लेखक एक द्वितीय-क्रम का CBF कैंडिडेट ( $h^+_i$ ) तैयार करते हैं जो सुरक्षा फलन के अपने स्वयं के डायनेमिक्स और अपने पड़ोसियों के डायनेमिक्स के सापेक्ष 'ली डेरिवेटिव्स' (Lie derivatives) को समाहित करता है।
सहयोगी स्थिति (Collaborative Condition): एक एजेंट $i$ तब सुरक्षित होता है यदि ऐसे नियंत्रण इनपुट $(u_i, u_{N_i})$ मौजूद हों कि सुरक्षा फलन का व्युत्पन्न (derivative) विशिष्ट असमानताओं (Eq. 6 & 7) को संतुष्ट करता हो। यह एक युग्मित बाधा बनाता है जहाँ एजेंट $i$ की सुरक्षा उसके पड़ोसियों के इनपुट्स पर निर्भर करती है।
वितरित अनुकूलन (Distributed Optimization): लेखक स्थानीय रूप से सुरक्षित नियंत्रण इनपुट को हल करने के लिए एक वितरित अनुकूलन ढांचे (आधारित [10] पर) का उपयोग करते हैं। प्रत्येक एजेंट एक स्थानीय क्वाड्रेटिक प्रोग्राम (QP) को हल करता है और वैश्विक रूप से व्यवहार्य समाधान तक पहुँचने के लिए अपने 2-हॉप पड़ोसियों के साथ सहायक चरों (auxiliary variables) का आदान-प्रदान करता है।

B. परोपकारी सुरक्षा ढांचा (Altruistic Safety Framework)

मुख्य नवाचार सुरक्षा के संदर्भ में हैमिल्टन के नियम ( $r_{ij}B_j \geq C_i$ ) का परिचय है:

सुरक्षा महत्व ( $w_i$ ): एजेंटों को एक भार (weight) दिया जाता है जो उनकी "सुरक्षा महत्वपूर्णता" (safety criticality) को दर्शाता है। इसकी गणना इस आधार पर की जाती है कि एक एजेंट अपनी सुरक्षा बाधा का उल्लंघन करने के कितने करीब है ( $w_i \propto 1/h_i$ )। जो एजेंट सीमा के करीब होता है, उसका महत्व अधिक होता है।
संबद्धता ( $r_{ij}$ ): इसे एजेंटों के बीच सुरक्षा महत्व के अनुपात के रूप में परिभाषित किया गया है ( $r_{ij} = w_j / w_i$ )।
लागत और लाभ (Cost and Benefit):
- $C_i(u_i)$ : एजेंट $i$ के लिए क्रिया $u_i$ लेने की सुरक्षा लागत।
- $B_{ij}(u_i)$ : एजेंट $i$ की क्रिया द्वारा पड़ोसी $j$ को मिलने वाला सुरक्षा लाभ।
परोपकारी स्थिति: एक एजेंट को ऐसी क्रिया लेने की अनुमति है जो अपने तत्काल सुरक्षा के लिए उप-इष्टतम (suboptimal) हो सकती है, यदि पड़ोसियों को मिलने वाला भारित लाभ (weighted benefit) उसकी अपनी लागत से अधिक हो:
$\sum_{j \in N^-_i} r_{ij} B_{ij}(u_i) \geq C_i(u_i)$
इस स्थिति को एक अतिरिक्त रैखिक बाधा (linear constraint) के रूप में वितरित अनुकूलन समस्या में एकीकृत किया जाता है।

3. मुख्य योगदान (Key Contributions)

उन्नत सहयोगी CBFs: यह शोध पत्र युग्मित प्रणालियों में CCBFs के संश्लेषण के लिए मौजूदा विधियों में सुधार करता है। एक आभासी प्रथम-क्रम सुरक्षा नियंत्रक पेश करके, वे प्रदर्शित करते हैं कि युग्मित सुरक्षा समस्या को केंद्रीय गणना की आवश्यकता के बिना मौजूदा वितरित अनुकूलन ढांचों का उपयोग करके हल किया जा सकता है।
परोपकारी सुरक्षा स्थिति: लेखक हैमिल्टन के नियम पर आधारित एक नया सिद्धांत पेश करते हैं जो एजेंटों को उच्च-प्राथमिकता वाले पड़ोसियों की सहायता के लिए अपनी स्वयं की सुरक्षा मार्जिन का व्यापार करने की अनुमति देता है। यह समावेशी फिटनेस (inclusive fitness) अवधारणाओं का सुरक्षा बाधाओं में पहला अनुप्रयोग है।
व्यवहार्यता विस्तार (Feasibility Expansion): सैद्धांतिक प्रमाण (Theorem 1) और सिमुलेशन दर्शाते हैं कि परोपकारी स्थितियों को शामिल करने से उच्च सुरक्षा महत्व वाले एजेंटों के लिए व्यवहार्य सुरक्षित क्रियाओं का सेट विस्तृत हो जाता है। जब एक महत्वपूर्ण एजेंट जोखिम में होता है, तो कम महत्वपूर्ण पड़ोसियों को गणितीय रूप से अपने व्यवहार को समायोजित करने के लिए बाध्य किया जाता है ताकि महत्वपूर्ण एजेंट की सुरक्षा सुनिश्चित हो सके, जिससे अनुकूलन समस्या के विफल होने से बचा जा सके।

4. परिणाम और सिमुलेशन (Results and Simulation)

लेखक दो 1-आयामी एजेंटों के साथ एक सरल फॉर्मेशन कंट्रोल परिदृश्य का उपयोग करके अपने दृष्टिकोण को मान्य करते हैं।

परिदृश्य: दो एजेंट एक फॉर्मेशन कंट्रोल नियम के माध्यम से युग्मित हैं। एजेंट 2 के पास कोई प्रत्यक्ष नियंत्रण इनपुट नहीं है (वह एजेंट 1 की गतिशीलता द्वारा संचालित है), जबकि एजेंट 1 के पास नियंत्रण इनपुट $u_1$ है। दोनों की सुरक्षा बाधाएं हैं (उन्हें त्रिज्या $r$ के भीतर रहना चाहिए)।
मानक दृष्टिकोण (गैर-परोपकारी): मानक वितरित अनुकूलन (Eq. 15) का उपयोग करते समय, यदि युग्मन (coupling) एजेंट 2 को सीमा की ओर धकेलता है, तो सिस्टम अत्यधिक रूढ़िवादी या अव्यावहारिक हो सकता है।
परोपकारी दृष्टिकोण:
- सेटअप: एजेंट 2 को एजेंट 1 ( $\eta_1 = 1$ ) की तुलना में बहुत अधिक सुरक्षा भार ( $\eta_2 = 1000$ ) दिया गया है।
- परिणाम: परोपकारी अनुकूलन (Eq. 28) एजेंट 1 को एजेंट 2 से दूर जाने के लिए मजबूर करता है ताकि एजेंट 2 के उल्लंघन को रोका जा सके, भले ही यह एजेंट 1 को उसकी अपनी सीमा के करीब धकेल दे।
- व्यवहार्यता: सिमुलेशन दिखाता है कि परोपकारी ढांचा मानक दृष्टिकोण की तुलना में महत्वपूर्ण एजेंट (एजेंट 2) के लिए नियंत्रण इनपुट का एक बड़ा व्यवहार्य सेट प्रदान करता है, जिससे दोनों एजेंट सुरक्षित रहते हुए सीमा के करीब पहुँच पाते हैं।

5. महत्व (Significance)

युग्मित प्रणालियों में मजबूती: यह ढांचा उन प्रणालियों में सुरक्षा गारंटी की मजबूती में महत्वपूर्ण सुधार करता है जहाँ एजेंटों को स्वतंत्र संस्थाओं के रूप में नहीं माना जा सकता है। यह "सुरक्षा गतिरोध" (safety deadlocks) को रोकता है जहाँ कोई भी एजेंट बाधा का उल्लंघन किए बिना आगे नहीं बढ़ सकता।
प्राथमिकता तंत्र: यह विषम बहु-एजेंट प्रणालियों (जैसे, एक मानव-रोबोट टीम जहाँ मानव रोबोट की तुलना में अधिक महत्वपूर्ण है, या एक ड्रोन झुंड जहाँ एक लीडर ड्रोन अनुयायियों से अधिक महत्वपूर्ण है) में सुरक्षा को प्राथमिकता देने का एक गणितीय रूप से कठोर तरीका प्रदान करता है।
जैव-प्रेरित नियंत्रण (Bio-inspired Control): परोपकार के पारिस्थितिक सिद्धांतों को नियंत्रण सिद्धांत के साथ जोड़कर, यह शोध पत्र सहयोगात्मक स्वायत्त प्रणालियों को डिजाइन करने के नए मार्ग खोलता है जो नेटवर्क में जोखिम प्रबंधन को अनुकूल रूप से प्रबंधित कर सकते हैं।
भावी अनुप्रयोग: लेखक सुझाव देते हैं कि यह दृष्टिकोण स्मार्ट ग्रिड नियंत्रण और बड़े पैमाने पर साइबर-भौतिक नेटवर्क जैसे जटिल क्षेत्रों में लागू किया जा सकता है, जहाँ स्थानीय विफलताएं पूरे सिस्टम में आपदा का कारण बन सकती हैं।