⚡ electrical engineering

Online Intention Prediction via Control-Informed Learning

यह शोध पत्र एक ऑनलाइन इरादा पूर्वानुमान (इंटेंशन प्रेडिक्शन) ढांचे का प्रस्ताव करता है जो लक्ष्य अवस्था को एक इनवर्स ऑप्टिमल कंट्रोल समस्या में एक पैरामीटर के रूप में मानता है, और अज्ञात या समय-परिवर्तनीय गतिकी वाले स्वायत्त तंत्रों के लिए सटीक, अनुकूलन योग्य वास्तविक समय अनुमान प्राप्त करने हेतु एक शिफ्टिंग होराइजन रणनीति और कंट्रोल-इंफॉर्म्ड लर्निंग का उपयोग करता है।

मूल लेखक: Tianyu Zhou, Zihao Liang, Zehui Lu, Shaoshuai Mou

प्रकाशित 2026-04-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tianyu Zhou, Zihao Liang, Zehui Lu, Shaoshuai Mou

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 अपने एक दोस्त के साथ टैग (पकड़ने वाला खेल) खेल रहे हैं, जिसने आंखों पर पट्टी बांधी हुई है। आप देख सकते हैं कि वह कहाँ भाग रहा है, लेकिन आपको यह नहीं पता कि वह कहाँ जाने की कोशिश कर रहा है। क्या वह पेड़ की ओर भाग रहा है? झूला झूलने वाले सेट की ओर? या वह शेड के पीछे छिपने की कोशिश कर रहा है?

आमतौर पर, यदि आप अनुमान लगाना चाहते हैं कि वह कहाँ जा रहा है, तो आप एक मानचित्र (भौतिकी/physics) का उपयोग कर सकते हैं (या) आपने उसे पहले हज़ार बार यह खेल खेलते हुए देखा होगा (सीखना/learning)। लेकिन क्या होगा यदि:

आपके पास खेल के मैदान का कोई सटीक मानचित्र नहीं है?
आपका दोस्त खेल के बीच में ही अचानक अपना इरादा बदल देता है?
आप उसे केवल एक सेकंड के छोटे से हिस्से के लिए देख पाते हैं, और आपका दृश्य थोड़ा धुंधला है?

यह बिल्कुल वही समस्या है जिसे पेपर "Online Intention Prediction via Control-Informed Learning" हल करने की कोशिश करता है। यह रोबोट्स (या कंप्यूटरों) को यह अनुमान लगाने के लिए सिखाने के बारे में है कि एक चलती हुई वस्तु वास्तव में क्या करना चाहती है, भले ही चीजें अस्त-व्यस्त, परिवर्तनशील और अज्ञात हों।

यहाँ इसका एक सरल विवरण दिया गया है, जिसमें रोजमर्रा के कुछ उदाहरणों का उपयोग किया गया है:

1. समस्या: "चलता हुआ लक्ष्य" (The Moving Target)

इरादों का अनुमान लगाने के पुराने तरीके उस कंप्यूटर के खिलाफ शतरंज खेलने जैसे हैं जो हमेशा एक ही नियम पुस्तिका का पालन करता है। यदि प्रतिद्वंद्वी खेल के बीच में ही नियम बदल देता है, तो कंप्यूटर भ्रमित हो जाता है।

समस्या: वास्तविक जीवन अस्त-व्यस्त है। एक ड्रोन अपनी उड़ान के बीच में ही अपना गंतव्य बदलने का निर्णय ले सकता है। इसमें एक खराब सेंसर या एक अजीब मोटर (अज्ञात पैरामीटर) भी हो सकती है जो इसे उम्मीद के मुताबिक अलग तरह से चलाती है।
लक्ष्य: लेखक एक ऐसा सिस्टम चाहते हैं जो कह सके, "ओह, उस ड्रोन ने अभी अपना इरादा बदल दिया! वह अब पेड़ की ओर नहीं जा रहा है; वह खिड़की की ओर बढ़ रहा है!" और तुरंत अपने अनुमान को अपडेट कर सके।

2. समाधान: "स्लाइडिंग विंडो" (Shifting Horizon)

कल्पना कीजिए कि आप कोहरे से भरी सड़क पर चलती हुई कार के पथ का अनुमान लगाने की कोशिश कर रहे हैं। यदि आप देखते हैं कि कार 10 मिनट पहले कहाँ थी, तो वह जानकारी अब बेकार है क्योंकि ड्राइवर ने 5 मिनट पहले स्टीयरिंग घुमा दिया होगा।

लेखक शिफ्टिंग होराइजन (Shifting Horizon) नामक रणनीति का उपयोग करते हैं।

उदाहरण: इसे एक ऐसे कैमरे की तरह समझें जिसका "शटर स्पीड" केवल वीडियो के पिछले कुछ सेकंड को कैप्चर करता है। वे पुराने डेटा को हटा देते हैं।
यह क्यों काम करता है: पुराने डेटा को अनदेखा करके, सिस्टम केवल इस बात पर ध्यान केंद्रित करता है कि रोबोट अभी क्या कर रहा है। यदि रोबोट अपना लक्ष्य बदलता है, तो सिस्टम पुराने लक्ष्य के बारे में सोचते हुए अटक नहीं जाता क्योंकि उसने पुराने डेटा को "भूल" दिया है।

3. इंजन: "कंट्रोल-इंफॉर्म्ड लर्निंग" (Control-Informed Learning)

यह वह मुख्य हिस्सा है जहाँ गणित और सहज ज्ञान (intuition) मिलते हैं।

उदाहरण: कल्पना कीजिए कि आप एक शेफ को खाना बनाते हुए देखकर उसकी रेसिपी का अनुमान लगाने की कोशिश कर रहे हैं।
- पुराना तरीका (शुद्ध सीखना/Pure Learning): आप बस हजारों वीडियो देखते हैं और पैटर्न याद करने की कोशिश करते हैं। यदि शेफ एक नया घटक (ingredient) उपयोग करता है जो आपने पहले कभी नहीं देखा, तो आप खो जाते हैं।
- पुराना तरीका (शुद्ध भौतिकी/Pure Physics): आप भोजन की सटीक रासायनिक प्रतिक्रिया की गणना करने की कोशिश करते हैं। यदि आप चूल्हे का सटीक तापमान नहीं जानते हैं, तो आपका गणित विफल हो जाता है।
- इस पेपर का तरीका (कंट्रोल-इंफॉर्म्ड): आप जानते हैं कि खाना बनाने के नियम (भौतिकी) क्या हैं, लेकिन आप यह भी जानते हैं कि शेफ तात्कालिक निर्णय (improvising) ले सकता है (सीखना)। आप अपने अनुमान को निर्देशित करने के लिए नियमों का उपयोग करते हैं, लेकिन आप अपने अनुमान को लगातार उस आधार पर बदलते रहते हैं जो आप वास्तव में शेफ को करते हुए देखते हैं।

तकनीकी शब्दों में, वे रोबोट के "लक्ष्य" (Goal) को एक गणितीय समीकरण में एक छिपे हुए चर (hidden variable) के रूप में मानते हैं। जैसे-जैसे रोबोट चलता है, कंप्यूटर एक पहेली सुलझाता है: "यदि रोबोट इस तरह से चल रहा है, तो उसका लक्ष्य क्या होना चाहिए, और उसकी छिपी हुई सेटिंग्स क्या हैं?"

4. "ग्रेडिएंट" का जादू (PDP)

अपने अनुमान को तेज़ी से अपडेट करने के लिए, वे पोंट्रैगिन डिफरेंशिएबल प्रोग्रामिंग (Pontryagin Differentiable Programming - PDP) नामक टूल का उपयोग करते हैं।

उदाहरण: कल्पना कीजिए कि आप अंधेरे में एक पहाड़ से नीचे उतर रहे हैं, और सबसे निचली घाटी (सही उत्तर) खोजने की कोशिश कर रहे हैं। आप पूरे पहाड़ को नहीं देख सकते, लेकिन आप अपने पैरों के नीचे ढलान को महसूस कर सकते हैं।
यह कैसे मदद करता है: PDP एक सुपर-सेंसिटिव जूते की तरह है जो आपको तुरंत बताता है कि किस दिशा में "नीचे" (अनुमान सुधारने की दिशा) जाना है। यह कंप्यूटर को मिलीसेकंड में अपने अनुमान को अपडेट करने की अनुमति देता है, जो वास्तविक समय (real-time) के उपयोग के लिए पर्याप्त तेज़ है।

5. परिणाम: ड्रोन टेस्ट

उन्होंने इसका परीक्षण एक वास्तविक ड्रोन (क्वाडरोटर) पर किया।

परीक्षण: उन्होंने ड्रोन को उड़ते हुए बनाया, कभी-कभी उड़ान के बीच में ही अपना इरादा बदला, और उन्होंने कैमरा डेटा में "शोर" (जैसे टीवी पर स्टैटिक/झिलमिलाहट) जोड़ा।
परिणाम:
- उनके तरीके के बिना: जब ड्रोन ने लक्ष्य बदला, तो सिस्टम भ्रमित हो गया। यह पुराने गंतव्य का अनुमान लगाने की कोशिश करता रहा, जिससे गलत अनुमान लगे।
- उनके तरीके के साथ: सिस्टम ने महसूस किया कि ड्रोन ने अपना इरादा बदल लिया है, इसने पुराने पथ को "भूल" दिया, और तुरंत नए लक्ष्य को पकड़ लिया। इसने यह सब तब भी किया जब डेटा धुंधला था और ड्रोन की मोटर अजीब व्यवहार कर रही थी।

निष्कर्ष (The Takeaway)

यह पेपर एक रोबोट को "भूलने और अनुकूलन करने" (forgetting and adapting) की सुपरपावर देने जैसा है।

एक कठोर कैलकुलेटर होने के बजाय जो दुनिया बदलने पर भ्रमित हो जाता है, यह नई विधि एक कुशल जासूस की तरह है जो:

केवल पिछले कुछ मिनटों के सुरागों पर ध्यान देता है।
चीज़ें कैसे चलनी चाहिए इसे समझने के लिए तर्क का उपयोग करता है।
जैसे ही नया सबूत मिलता है, संदिग्ध के क्या करने के बारे में अपने सिद्धांत को लगातार अपडेट करता है।

इसका अर्थ है कि भविष्य में, सेल्फ-ड्राइविंग कारें बेहतर ढंग से अनुमान लगा सकेंगी कि क्या कोई पैदल यात्री सड़क पर दौड़ने वाला है, या बचाव ड्रोन यह पता लगा सकेंगे कि एक खोया हुआ हाइकर कहाँ जा रहा है, भले ही हाइकर अपना इरादा बदल दे या मौसम खराब हो।

यहाँ शोध पत्र "Online Intention Prediction via Control-Informed Learning" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या की परिभाषा (Problem Definition)

यह शोध पत्र अनिश्चित और गतिशील वातावरण में काम करने वाले स्वायत्त प्रणालियों (autonomous systems) के लिए ऑनलाइन इंटेंशन प्रेडिक्शन (इरादा पूर्वानुमान) की चुनौती को संबोधित करता है। विशेष रूप से, इसका लक्ष्य देखे गए स्टेट ट्राजेक्टरीज (state trajectories) के आधार पर सिस्टम के गोल स्टेट ( $x^*_g$ ) का वास्तविक समय में अनुमान लगाना है।

समस्या का प्रारूप तीन महत्वपूर्ण जटिलताओं को पेश करता है जिन्हें मौजूदा तरीके अक्सर एक साथ संभालने में विफल रहते हैं:

समय-परिवर्तनीय लक्ष्य (Time-Varying Goals): एक स्वायत्त एजेंट निष्पादन के दौरान अज्ञात समय पर अपने लक्ष्य की स्थिति बदल सकता है (जैसे कि प्रतिकूल व्यवहार या गतिशील मिशन परिवर्तन)।
अज्ञात सिस्टम पैरामीटर्स (Unknown System Parameters): सिस्टम डायनेमिक्स ( $f$ ) और कंट्रोल ऑब्जेक्टिव फंक्शन (वेट्स $\omega$ ) में अज्ञात स्थिर पैरामीटर्स होते हैं।
निरंतर गोल स्पेस (Continuous Goal Space): उन तरीकों के विपरीत जो पूर्वनिर्धारित डिस्क्रीट लक्ष्यों के सेट में से चयन करते हैं, यह दृष्टिकोण निरंतर स्टेट स्पेस में लक्ष्य का अनुमान लगाता है।

मुख्य उद्देश्य एक ऐसा एल्गोरिदम विकसित करना है जो लक्ष्य अनुमान $\hat{x}_{g,t}$ को इस तरह अपडेट करे कि शोर (noise) वाले माप और संभावित लक्ष्य परिवर्तनों के बावजूद अनुमान त्रुटि शून्य तक पहुँच जाए ( $||\hat{x}_{g,t} - x^*_{g,t}|| \to 0$ )।

2. कार्यप्रणाली (Methodology)

प्रस्तावित समाधान, जिसे शिफ्टिंग होराइजन (Shifting Horizon) रणनीति के साथ ऑनलाइन कंट्रोल-इन्फॉर्म्ड लर्निंग (OCIL) कहा जाता है, इनवर्स ऑप्टिमल कंट्रोल (IOC) को ऑनलाइन स्टेट एस्टीमेशन के साथ एकीकृत करता है।

अ. शिफ्टिंग होराइजन रणनीति (Shifting Horizon Strategy)

समय-परिवर्तनीय लक्ष्यों को संभालने के लिए, एल्गोरिदम अवलोकनों के संपूर्ण इतिहास पर अनुकूलन (optimize) नहीं करता है। इसके बजाय, यह $T_m$ लंबाई वाले एक शिफ्टिंग होराइजन (स्लाइडिंग विंडो) का उपयोग करता है।

तंत्र (Mechanism): किसी भी समय $t$ पर, प्रेडिक्टर केवल $\hat{t} = \max(t - T_m, 0)$ से $t$ तक के अवलोकनों पर विचार करता है।
लाभ: यह पिछले लक्ष्यों से संबंधित पुराने डेटा को "भूल" जाता है, जिससे एस्टीमेटर को लक्ष्य बदलने पर तेजी से अनुकूल होने में मदद मिलती है। यह शोर के संचय और पैरामीटर ड्रिफ्ट को भी कम करता है।

ब. IOC/IRL के रूप में समस्या का प्रारूप

इंटेंशन प्रेडिक्शन को इनवर्स ऑप्टिमल कंट्रोल (IOC) या इनवर्स रिइन्फोर्समेंट लर्निंग (IRL) समस्या के रूप में प्रस्तुत किया गया है।

लक्ष्य अवस्था $x^*_g$ को अज्ञात डायनेमिक्स पैरामीटर्स ( $p$ ) और कॉस्ट वेट्स ( $\omega_r, \omega_f$ ) के साथ ऑब्जेक्टिव फंक्शन के भीतर एक अज्ञात पैरामीटर के रूप में माना जाता है।
सिस्टम वर्तमान पैरामीटर अनुमानों का उपयोग करके एक अनुमानित ट्राजेक्टरी उत्पन्न करने के लिए शिफ्टिंग होराइजन पर एक फॉरवर्ड ऑप्टिमल कंट्रोल समस्या को हल करता है।
अनुमानित ट्राजेक्टरी और वास्तविक शोर युक्त अवलोकन के बीच के अंतर का उपयोग पैरामीटर्स को अपडेट करने के लिए किया जाता है।

स. PDP के माध्यम से ऑनलाइन पैरामीटर एस्टीमेशन

संयुक्त पैरामीटर वेक्टर $\theta_t = \text{col}\{p, \omega_r, \omega_f, x_g\}$ का अनुमान पोंट्रियागिन डिफरेंशिएबल प्रोग्रामिंग (PDP) से प्राप्त रिकर्सिव अपडेट नियम का उपयोग करके किया जाता है।

ग्रेडिएंट गणना (Gradient Computation): एल्गोरिदम हैमिल्टोनियन और कोस्टेट समीकरणों (लेम्मा 2) का उपयोग करके पैरामीटर्स के सापेक्ष स्टेट ट्राजेक्टरी की संवेदनशीलता ( $\frac{\partial x_t}{\partial \theta}$ ) की गणना करता है। यह पारंपरिक डीप लर्निंग के अर्थ में 'बैकप्रोपैगेशन थ्रू टाइम' के बिना कुशल ग्रेडिएंट गणना की अनुमति देता है।
अपडेट नियम (Update Law): एक कलमन-फ़िल्टर जैसे अपडेट नियम (लेम्मा 1) को लागू किया जाता है। गेन मैट्रिक्स $K_t$ की गणना रेसिडुअल फंक्शन के जैकोबियन का उपयोग करके की जाती है। यह सुनिश्चित करता है कि अनुमानित पैरामीटर्स का स्थानीय एसिम्प्टोटिक अभिसरण (local asymptotic convergence) वास्तविक मानों की ओर हो, भले ही वे समय के साथ बदल रहे हों।

3. मुख्य योगदान (Key Contributions)

नवीन समस्या प्रारूप: यह शोध पत्र समय-परिवर्तनीय लक्ष्यों और अज्ञात पैरामीटर्स (डायनेमिक्स और ऑब्जेक्टिव दोनों में) वाले सिस्टम के लिए इंटेंशन प्रेडिक्शन को तैयार करता है, जो पिछले कार्यों के स्थिर लक्ष्य धारणा से आगे बढ़ता है।
शिफ्टिंग होराइजन रणनीति: पुराने ट्राजेक्टरी डेटा को कम करने के लिए एक विशिष्ट तंत्र, जो ऐतिहासिक डेटा से पक्षपाती हुए बिना लक्ष्य परिवर्तनों को प्रभावी ढंग से ट्रैक करने में सक्षम बनाता है।
कंट्रोल-इन्फॉर्म्ड ऑनलाइन लर्निंग: ऑनलाइन पैरामीटर अपडेट के लिए ग्रेडिएंट की गणना करने हेतु PDP का एकीकरण, जो सिस्टम को वास्तविक समय में लक्ष्य, डायनेमिक्स और कॉस्ट वेट्स को एक साथ सीखने की अनुमति देता है।
निरंतर लक्ष्य अनुमान: पूर्वनिर्धारित उम्मीदवारों पर निर्भर रहने के बजाय निरंतर स्पेस में लक्ष्यों का अनुमान लगाने की क्षमता।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने एक क्वाडरोटर ड्रोन पर सिमुलेशन और हार्डवेयर प्रयोगों के माध्यम से इस दृष्टिकोण को मान्य किया।

सिमुलेशन (शोर मजबूती - Noise Robustness): विभिन्न स्तरों के गॉसियन शोर के तहत, एल्गोरिदम ने तेज़ अभिसरण और सटीक लक्ष्य भविष्यवाणी प्रदर्शित की। एक मानक CPU पर प्रति अपडेट औसत भविष्यवाणी समय 60 ms था, जो वास्तविक समय की व्यवहार्यता की पुष्टि करता है।
सिमुलेशन (लक्ष्य स्विचिंग - Goal Switching):
- 2 और 3 लक्ष्य स्विचिंग वाले परिदृश्यों में, प्रस्तावित विधि ने प्रत्येक स्विच के बाद भविष्यवाणी हानि (prediction loss) को तेजी से कम किया।
- तुलना: मानक OCIL (बिना शिफ्टिंग होराइजन के) की तुलना में, प्रस्तावित विधि बेसलाइन से काफी बेहतर प्रदर्शन करती है। मानक OCIL लक्ष्य बदलने पर अभिसरण करने में विफल रहा क्योंकि वह पुराने अवलोकनों से अत्यधिक प्रभावित था।
- शिफ्टिंग होराइजन रणनीति विभिन्न स्विचिंग अंतराल के दौरान लगातार कम प्रेडिक्शन लॉस प्रदान करती है।
हार्डवेयर प्रयोग:
- मोशन-कैप्चर वातावरण में क्वाडरोटर पर वास्तविक दुनिया के परीक्षणों ने एल्गोरिदम की मजबूती की पुष्टि की।
- औसत भविष्यवाणी समय 92.3 ms था, जो मोशन कैप्चर सिस्टम के 100 ms माप चक्र के भीतर है।
- सिस्टम ने ड्रोन के "नो-फ्लाई ज़ोन" से बचने और लक्ष्य तक पहुँचने के इरादे को सफलतापूर्वक अनुमानित किया, भले ही ड्रोन जटिल युद्धाभ्यास (maneuvers) कर रहा था।

5. महत्व (Significance)

यह कार्य मानव-रोबोट इंटरेक्शन और स्वायत्त सहयोगात्मक प्रणालियों में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।

अनुकूलन क्षमता (Adaptability): समय-परिवर्तनीय लक्ष्यों और अज्ञात डायनेमिक्स को संभालकर, सिस्टम उन प्रतिकूल एजेंटों या गतिशील वातावरणों के प्रति प्रतिक्रिया कर सकता है जहाँ पूर्व-प्रोग्रामित मॉडल विफल हो जाते हैं।
वास्तविक समय प्रदर्शन: इसकी कम्प्यूटेशनल दक्षता इसे उन सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए उपयुक्त बनाती है जहाँ एजेंट के बदलते इरादे के प्रति तत्काल प्रतिक्रिया की आवश्यकता होती है।
सामान्यीकरण (Generalization): पूर्वनिर्धारित उम्मीदवारों के बिना निरंतर स्थान में लक्ष्यों का अनुमान लगाने की क्षमता इस ढांचे को उन वास्तविक दुनिया के परिदृश्यों के लिए लागू करने योग्य बनाती है जहाँ संभावित लक्ष्यों का सेट अज्ञात या अनंत है।

संक्षेप में, यह शोध पत्र जटिल और बदलते वातावरण में स्वायत्त एजेंटों के इरादों की भविष्यवाणी करने के लिए एक मजबूत, गणितीय रूप से आधारित ढांचा प्रदान करता है, जो सैद्धांतिक ऑप्टिमल कंट्रोल और व्यावहारिक, वास्तविक समय अनुप्रयोग के बीच के अंतर को पाटता है।