💻 computer science

Weakly-supervised Learning for Physics-informed Neural Motion Planning via Sparse Roadmap

यह शोध पत्र हिएरार्किकल न्यूरल टाइम फील्ड्स (H-NTFields) का प्रस्ताव करता है, जो एक वीकली-सुपरवाइज्ड फ्रेमवर्क है जो जटिल, उच्च-आयामी मोशन प्लानिंग में मौजूदा विधियों की स्केलेबिलिटी और लोकल मिनिमा सीमाओं को दूर करने के लिए स्पार्स रोडमैप टोपोलॉजिकल बाधाओं को फिजिक्स-इन्फॉर्म्ड PDE रेगुलराइजेशन के साथ एकीकृत करता है।

मूल लेखक: Ruiqi Ni, Yuchen Liu, Ahmed H. Qureshi

प्रकाशित 2026-04-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ruiqi Ni, Yuchen Liu, Ahmed H. Qureshi

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 बिखरे हुए, बहु-कमरों वाले घर में कॉफी का कप उठाने के लिए किचन से लिविंग रूम तक जाने का रास्ता तय करना सिखाने की कोशिश कर रहे हैं। घर फर्नीचर, संकीर्ण गलियारों और कठिन कोनों से भरा हुआ है। यह "मोशन प्लानिंग" (Motion Planning) की समस्या है।

लंबे समय तक, रोबोटों के पास इसे हल करने के दो मुख्य तरीके थे, और दोनों में बड़ी खामियां थीं:

"धीमा और सुरक्षित" तरीका (क्लासिकल प्लानर्स): कल्पना कीजिए कि एक बहुत ही सावधान रोबोट है जो हर कदम पर यह जांचने के लिए रुक जाता है कि कहीं कोई कुर्सी रास्ते में तो नहीं है। वह हर संभावित पथ का एक नक्शा बनाता है। यह बहुत विश्वसनीय है और शायद ही कभी टकराता है, लेकिन यह अविश्वसनीय रूप से धीमा है। जब तक वह रास्ता निकाल पाता है, तब तक आपकी कॉफी ठंडी हो चुकी होती है।
"तेज़ और जोखिम भरा" तरीका (लर्निंग-बेस्ड एआई): कल्पना कीजिए कि एक रोबोट लोगों को चलते हुए हजारों वीडियो देखकर सीखता है। वह रास्ता पहचानने में बहुत तेज़ हो जाता है। लेकिन अगर वह ऐसा कमरा देखता है जिसे उसने पहले नहीं देखा है, या किसी कुर्सी को अजीब जगह पर देखता है, तो वह भ्रमित हो सकता है, दीवार से टकरा सकता है, या एक लूप में फंस सकता है क्योंकि उसे स्थान के भौतिक विज्ञान (physics) की समझ नहीं है।

समस्या:
मौजूदा "स्मार्ट" रोबोट जो भौतिकी के नियमों (जैसे लहरें कैसे फैलती हैं) को सीखने की कोशिश करते हैं, वे बड़े और जटिल घरों में खो जाते हैं। वे स्थानीय "डेड एंड्स" (जैसे यह सोचना कि दीवार के माध्यम से जाना सबसे छोटा रास्ता है) में फंस जाते हैं क्योंकि वे पूरे घर की बड़ी तस्वीर नहीं देख पाते हैं।

समाधान: H-NTFields (एक "हाइब्रिड जीपीएस")
इस पेपर के लेखकों ने एक नई विधि बनाई है जिसे H-NTFields कहा जाता है। इसे एक हाइब्रिड नेविगेशन सिस्टम के रूप में सोचें जो एक "रफ स्केच" (rough sketch) को "विस्तृत जीपीएस" (detailed GPS) के साथ जोड़ता है।

यह इस प्रकार काम करता है, सरल उपमाओं का उपयोग करते हुए:

1. "स्पार्स रोडमैप" (रफ स्केच)

कल्पना कीजिए कि आप एक विशाल शहर में हैं। चलने से पहले, आप एक बहुत ही सरल, लो-रेज़ोल्यूशन वाले नक्शे को देखते हैं जो केवल मुख्य राजमार्गों और मोहल्लों के बीच के बड़े पुलों को दिखाता है। यह हर गड्ढे या खड़ी कार को नहीं दिखाता है, लेकिन यह आपको बताता है: "किचन से लिविंग रूम तक जाने के लिए, आपको हॉलवे से होकर गुजरना होगा।"

पेपर में: यह स्पार्स रोडमैप (Sparse Roadmap) है। यह "सुरक्षित क्षेत्रों" का एक सरल ग्राफ है जो रोबोट को वैश्विक संरचना का एक मोटा विचार देता है। यह रोबोट को बड़ी तस्वीर में खो जाने से रोकता है।

2. "फिजिक्स इंजन" (विस्तृत जीपीएस)

अब, कल्पना कीजिए कि आपके पास एक हाई-टेक जीपीएस है जो भौतिकी के नियमों को जानता है। वह जानता है कि आप दीवारों के माध्यम से नहीं चल सकते, और आपको पता है कि जब आप किसी संकीर्ण दरवाजे के पास होते हैं तो आपको धीमा होना पड़ता है। यह कमरे के हर बिंदु के लिए सटीक "यात्रा समय" की गणना करता है।

पेपर में: यह PDE रेगुलराइजेशन (PDE Regularization) है। यह गणित (विशेष रूप से ईकोनल समीकरण/Eikonal equation, जो बताता है कि लहरें कैसे फैलती हैं) का उपयोग करता है ताकि रोबोट को बाधाओं के चारों ओर सुचारू रूप से चलना सिखाया जा सके।

3. जादुई संयोजन

केवल "रफ स्केच" के साथ समस्या यह है कि यह बहुत अस्पष्ट है (रोबोट कुर्सी से टकरा सकता है क्योंकि नक्शे ने उसे नहीं दिखाया)। केवल "विस्तृत जीपीएस" के साथ समस्या यह है कि एक विशाल घर में, गणित भ्रमित हो जाता है और रोबमा गलत रास्ता चुन लेता है या हार मान लेता है।

H-NTFields इन दोनों को जोड़ता है:

रफ स्केच एक "गार्डरेल" (guardrail) के रूप में कार्य करता है। यह रोबोट को बताता है, "हे, लिविंग रूम वहाँ है, दीवार के माध्यम से नहीं।" यह उसे वैश्विक स्तर पर सही ट्रैक पर रखता है।
विस्तृत जीपीएस खाली जगहों को भरता है। यह कहता है, "ठीक है, आप जानते हैं कि आपको लिविंग रूम तक जाना है, लेकिन यहाँ बताया गया है कि कुर्सियों और मेज के पैरों के बीच से बिल्कुल कैसे निकलना है।"

उन्होंने इसे कैसे प्रशिक्षित किया

रोबोट को हजारों बार चलाने के लिए मानव सहायता की आवश्यकता (जो महंगी और धीमी है) के बजाय, उन्होंने एक चतुर ट्रिक का उपयोग किया:

उन्होंने स्वचालित रूप से वह सरल "रफ स्केच" (रोडमैप) बनाया।
उन्होंने उस स्केच के यादृच्छिक बिंदुओं (random points) को लिया और कहा, "क्या होगा यदि रोबोट यहाँ से शुरू करता है और वहाँ जाना चाहता है?"
उन्होंने स्केच का उपयोग करके रोबोट को "कमजोर संकेत" दिए (जैसे, "वहाँ पहुँचने में कम से कम 2 सेकंड, लेकिन 5 सेकंड से अधिक समय लगेगा")।
उन्होंने यह सुनिश्चित करने के लिए "फिजिक्स इंजन" का उपयोग किया कि रोबोट दीवारों के माध्यम से न चले।

इससे रोबोट को बिना किसी विशाल मानव प्रदर्शन लाइब्रेरी के तेजी से और सटीकता से सीखने में मदद मिली।

परिणाम

जब उन्होंने एक वास्तविक किचन में एक रोबोट (एक क्वाड्रुपेड डॉग-रोबोट जो एक कैन लेकर चल रहा है) और एक मैसी कैबिनेट में एक रोबोट आर्म पर इसका परीक्षण किया:

पुराने एआई तरीके: जटिल कमरों में फंस गए, टकरा गए, या रास्ता खोजने में विफल रहे।
पुराने क्लासिकल तरीके: एक रास्ता ढूंढ लेते लेकिन उसे कैलकुलेट करने में बहुत अधिक समय लेते।
H-NTFields: एक सेकंड के एक अंश में (0.15 सेकंड!) एक सुचारू, सुरक्षित रास्ता खोज लिया और बिना कैन गिराए बिखरी हुई रसोई में सफलतापूर्वक नेविगेट किया।

मुख्य बात

यह पेपर रोबोट को तेज़ और स्मार्ट दोनों होने के बारे में है। उन्हें एक "रफ मैप" देकर जो उन्हें दिशा बनाए रखने में मदद करता है और एक "फिजिक्स ब्रेन" देकर जो विवरणों को संभालता है, वे पहले की तुलना में जटिल, अव्यवस्थित दुनिया (जैसे हमारे घर) में बहुत बेहतर तरीके से नेविगेट कर सकते हैं, बिना हर नए कमरे के लिए मनुष्यों द्वारा सिखाए जाने की आवश्यकता के।

यहाँ Ni, Liu, और Qureshi के शोध पत्र "Weakly-supervised Learning for Physics-informed Neural Motion Planning via Sparse Roadmap" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

रोबोट मोशन प्लानिंग में उच्च-आयामी कॉन्फ़िगरेशन स्पेस (C-spaces) में बाधा-मुक्त पथ खोजना शामिल है, विशेष रूप से अव्यवस्थित, बहु-कक्षीय (multi-room) वातावरणों में।

शास्त्रीय विधियों की सीमाएँ (Limitations of Classical Methods): सैंपलिंग-आधारित प्लानर (जैसे RRT, PRM) सैद्धांतिक गारंटी तो देते हैं, लेकिन उनके इन्फरेंस समय (inference times) धीमे होते हैं और जटिल स्थानों में उच्च सैंपलिंग घनत्व की आवश्यकता होती है।
लर्निंग-आधारित विधियों की सीमाएँ (Limitations of Learning-Based Methods):
- सुपरवाइज्ड विधियाँ (Supervised methods) महंगी विशेषज्ञ प्रदर्शनों (expert demonstrations) पर निर्भर करती हैं, जिन्हें उच्च-DOF प्रणालियों के लिए उत्पन्न करना कठिन है।
- स्व-सुपरवाइज्ड फिजिक्स-इन्फॉर्म्ड विधियाँ (Self-supervised Physics-Informed methods) (जैसे Neural Time Fields या NTFields) बिना विशेषज्ञ डेटा के वैल्यू फंक्शन सीखने के लिए ईकल समीकरण (Eikonal equation) को हल करती हैं। हालाँकि, वे जटिल वातावरणों में स्केलेबिलिटी (scalability) के साथ संघर्ष करती हैं। वे अक्सर लोकल मिनिमा (local minima) में फंस जाती हैं, लंबे क्षितिज (long horizons) पर यात्रा के समय का कम अनुमान लगाती हैं, और घने सैंपलिंग के बिना वैश्विक निरंतरता (global consistency) बनाए रखने में विफल रहती हैं।

2. कार्यप्रणाली: पदानुक्रमित न्यूरल टाइम फील्ड्स (H-NTFields)

लेखक H-NTFields प्रस्तावित करते हैं, जो एक वीकली-सुपरवाइज्ड फ्रेमवर्क है जो स्पार्स टोपोलॉजिकल सुपरविज़न (sparse topological supervision) को फिजिक्स-इन्फॉर्म्ड PDE रेगुलराइजेशन के साथ एकीकृत करता है। मुख्य अंतर्दृष्टि यह है कि स्पार्स रोडमैप वैश्विक संरचनात्मक एंकर (structural anchors) प्रदान करते हैं, जबकि PDE लॉस स्थानीय ज्यामितीय सटीकता (geometric fidelity) को लागू करते हैं।

A. कमजोर पर्यवेक्षण के लिए रोडमैप निर्माण (Roadmap Construction for Weak Supervision)

प्रत्यक्ष प्लानिंग के लिए घने रोडमैप का उपयोग करने के बजाय, लेखक एक स्पार्स रोडमैप का निर्माण करते हैं ताकि एक सुपरवाइजरी सिग्नल के रूप में कार्य किया जा सके:

फ्री-स्पेस वॉल्यूम सैंपलिंग (Free-Space Volume Sampling): नोड्स को बाधा-मुक्त बिंदुओं को सैंपल करके और उन्हें अधिकतम "फ्री स्फेयर्स" (free spheres) के साथ जोड़कर बनाया जाता है। नए नोड्स को केवल तभी स्वीकार किया जाता है यदि वे मौजूदा स्फेयर्स के बाहर हों, जिससे बिना किसी रेडंडेंसी के विविधता और कवरेज सुनिश्चित होता है।
स्पार्स कनेक्टिविटी (Sparse Connectivity): नोड्स को लंबी दूरी की कनेक्टिविटी (जैसे इंटर-रूम पैसेज) को कैप्चर करने वाले ग्राफ बनाने के लिए स्ट्रेट-लाइन कोलिजन चेक के माध्यम से जोड़ा जाता है।
स्टार्ट-गोल परटर्बेशन (Start-Goal Perturbation): प्रशिक्षण डेटा उत्पन्न करने के लिए, स्टार्ट और गोल अवस्थाओं को रोडमैप नोड्स से चुना जाता है और उनके संबंधित फ्री स्फेयर्स के भीतर परटर्ब (perturb) किया जाता है। यह नेटवर्क को स्थानीय बाधा ज्यामिति और विविध पथ लंबाई के प्रति उजागर करता है।
कमजोर पर्यवेक्षण सीमाएँ (Weak Supervision Bounds): रोडमैप परटर्ब्ड स्टार्ट-गोल जोड़ों के बीच यात्रा के समय के लिए ऊपरी और निचली सीमाओं ( $T_{ub}$ और $T_{lb}$ ) को प्रदान करता है। ये सीमाएँ सटीक पथ लेबल की आवश्यकता के बिना न्यूरल फील्ड को व्यवहार्य सीमाओं तक बांधने के लिए 'वीक लेबल्स' के रूप में कार्य करती हैं।

B. PDE रेगुलराइजेशन (PDE Regularization)

यह सुनिश्चित करने के लिए कि सीखा गया टाइम फील्ड $T(q_s, q_g)$ वातावरण की ज्यामिति का सम्मान करता है, यह विधि ईकल समीकरण से प्राप्त एक मिश्रित लॉस फंक्शन का उपयोग करती है:

ईकल लॉस ( $L_E$ ): टाइम फील्ड के ग्रेडिएंट और बाधाओं से दूरी (inverse speed field) के बीच स्थानीय निरंतरता को लागू करता है।
टेम्पोरल-डिफरेंस लॉस ( $L_{TD}$ ): स्थानीय ओवरफिटिंग को रोकने और वैल्यू प्रोपेगेशन सुनिश्चित करने के लिए परिमित समय चरणों (finite time steps) पर बेलमैन सिद्धांत की इष्टतमता (principle of optimality) को लागू करता है।
नॉर्मल एलाइनमेंट लॉस ( $L_N$ ): सीमाओं के पास प्रेडिक्टेड ग्रेडिएंट्स को बाधा सतह के नॉर्मल्स (normals) के साथ संरेखित करता है।
कॉज़ैलिटी वेट ( $L_C$ ): एक करिकुलम लर्निंग मैकेनिज्म जो प्रशिक्षण को स्थिर करने के लिए लंबे पथों से पहले छोटे पथों को सीखने को प्राथमिकता देता है।

C. संयुक्त प्रशिक्षण उद्देश्य (Combined Training Objective)

अंतिम लॉस फंक्शन PDE रेगुलराइजेशन को रोडमैप सुपरविज़न के साथ जोड़ता है:
$\mathcal{L} = (\lambda_E L_E + \lambda_{TD} L_{TD} + \lambda_N L_N + \lambda_R L_R) \cdot L_C$
जहाँ $L_R$ रोडमैप-आधारित लॉस है जो उन भविष्यवाणियों को दंडित करता है जो $[T_{lb}, T_{ub}]$ सीमाओं के बाहर गिरते हैं। यह तालमेल (synergy) स्थानीय विवरणों को परिष्कृत करने के लिए PDE टर्म्स को सक्षम बनाता है जबकि रोडमैप एंकर्स ग्लोबल कोलैप्स को रोकते हैं।

D. सैंपलिंग-आधारित MPC के माध्यम से इन्फरेंस (Inference via Sampling-based MPC)

एक बार प्रशिक्षित होने के बाद, वैल्यू फंक्शन $T(q_s, q_g)$ को एक सैंपलिंग-आधारित मॉडल प्रेडिक्टिव कंट्रोल (MPC) फ्रेमवर्क में एम्बेड किया जाता है। कैंडिडेट एक्शन्स को सैंपल किया जाता है, प्रेडिक्टेड ट्रैवल टाइम द्वारा स्कोर किया जाता है, और एक रिसीडिंग-होराइजन रणनीति (receding-horizon strategy) इष्टतम प्रक्षेपवक्र (trajectory) का चयन करती है। यह दृष्टिकोण लोकल मिनिमा के प्रति संवेदनशीलता को कम करता है और मल्टीमॉडल पाथ जनरेशन का समर्थन करता है।

3. प्रमुख योगदान (Key Contributions)

रोडमैप-ऑगमेंटेड PDE फ्रेमवर्क: एक अभिनव हाइब्रिड ट्रेनिंग फ्रेमवर्क जो स्थानीय ज्यामितीय सटीकता (PDE के माध्यम से) को स्पार्स ग्लोबल स्ट्रक्चर (रोडमैप के माध्यम से) के साथ एकीकृत करता है, जिससे जटिल वातावरणों में स्केलेबल लर्निंग संभव होती है।
उन्नत TD-NTFields: मौजूदा विधियों का एक विस्तार जो रोडमैप-व्युत्पन्न कमजोर पर्यवेक्षण के साथ ईकल, टेम्पोरल-डिफरेंस और नॉर्मल-एलाइनमेंट लॉस को इंटीग्रेट करता है, जिसे कॉजैलिटी-आधारित करिकुलम द्वारा स्थिर किया गया है।
मजबूत इन्फरेंस (Robust Inference): सीखे गए वैल्यू फंक्शन को एक सैंपलिंग-आधारित MPC स्कीम में एकीकृत करना, जो मजबूती में सुधार करता है और निरंतर कॉस्ट-टू-गो (cost-to-go) प्रतिनिधित्व को सक्षम बनाता है।
अनुभवजन्य सत्यापन (Empirical Validation): PDE-केवल या रोडमैप-केवल बेसलाइन्स की तुलना में काफी उच्च सफलता दर प्रदर्शित करना, जो मल्टी-रूम गिब्सन वातावरण और उच्च-DOF रोबोट (6-DOF और 10-DOF) में प्रभावी ढंग से स्केल करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस विधि का मूल्यांकन 18 गिब्सन वातावरणों (जटिल 3D इनडोर दृश्य) और वास्तविक दुनिया के रोबोटिक प्लेटफॉर्म (UR5e आर्म और Unitree B1 क्वाड्रुपेड) पर किया गया।

एब्लेशन स्टडीज (Ablation Studies):
- फुल मॉडल (H-NTFields): 90.8% सफलता दर (SR) प्राप्त की।
- केवल PDE: SR घटकर 60.0% हो गया (लंबे क्षितिज वाले कार्यों पर विफल रहा क्योंकि यह लोकल मिनिमा में फंस गया)।
- केवल रोडमैप: SR 68.5% था (बारीक बाधा ज्यामिति का अभाव था)।
- निष्कर्ष: संयोजन आवश्यक है; PDE स्मूथनेस प्रदान करते हैं, जबकि रोडमैप ग्लोबल कनेक्टिविटी प्रदान करते हैं।
सैंपल एफिशिएंसी (Sample Efficiency):
- H-NTFields ने केवल 50k ट्रेनिंग पेयर्स के साथ 90.8% SR प्राप्त किया।
- पूर्ववर्ती PDE-केवल विधियों (TD-NTFields) को केवल 76.8% SR तक पहुँचने के लिए 200k पेयर्स की आवश्यकता थी।
- यह बेहतर प्रदर्शन के लिए आवश्यक डेटा में 4 गुना कमी को प्रदर्शित करता है।
बेसलाइन्स के साथ तुलना (Comparison with Baselines):
- क्लासिकल प्लानर्स (RRT, PRM) के विरुद्ध: H-NTFields काफी तेज़ है (0.115s बनाम ~1.0s) जबकि तुलनीय सफलता दर (90.8% बनाम ~99%) बनाए रखता है।
- अन्य न्यूरल विधियों के विरुद्ध: NTFields (27.2% SR) और P-NTFields (37.2% SR) की तुलना में बड़े अंतर से बेहतर प्रदर्शन किया।
- वास्तविक दुनिया: एक क्वाड्रुपेड मैनिपुलेटर के साथ लंबे क्षितिज वाले कार्यों (जैसे किचन में नेविगेट करना) को 0.15 सेकंड में सफलतापूर्वक निष्पादित किया।

5. महत्व (Significance)

अंतराल को पाटना (Bridging the Gap): H-NTFields सफलतापूर्वक न्यूरल फील्ड प्लानर्स (तेज़, समानांतर करने योग्य, लेकिन जटिल स्थानों में नाजुक) और शास्त्रीय प्लानर्स (मजबूत, लेकिन धीमे और गणनात्मक रूप से भारी) के बीच के अंतर को पाटता है।
स्केलेबिलिटी (Scalability): स्पार्स रोडमैप्स का कमजोर पर्यवेक्षण के रूप में उपयोग करके, यह विधि शुद्ध PDE दृष्टिकोणों की "लोकल मिनिमा" समस्या को हल करती है, बिना घने रोडमैप जनरेशन की कम्प्यूटेशनल लागत या विशेषज्ञ प्रदर्शनों की डेटा लागत के।
व्यावहारिक उपयोगिता (Practical Utility): सीखा गया निरंतर वैल्यू फंक्शन एक पुन: प्रयोज्य, अमोर्टाइज्ड कॉस्ट-टू-गो प्रतिनिधित्व के रूप में कार्य करता है, जो इसे जटिल, उच्च-DOF रोबोटिक सिस्टम के लिए रियल-टाइम कंट्रोल पाइपलाइन्स और MPC में एकीकरण के लिए अत्यधिक उपयुक्त बनाता है।