Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters

यहाँ शोध पत्र "Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

असंरचित (unstructured) और गतिशील वातावरण में काम करने वाले रोबोटिक मैनिपुलेटर्स एक महत्वपूर्ण चुनौती का सामना करते हैं: पूर्ण-शरीर टकराव बचाव (full-body collision avoidance) सुनिश्चित करना। जबकि कंट्रोल बैरियर फंक्शन्स (CBFs) सुरक्षा के लिए प्रभावी सिद्ध हुए हैं, उन्हें पूर्ण-शरीर हेरफेर (full-body manipulation) पर लागू करने में दो प्रमुख बाधाएँ आती हैं:

• विभेदनशीलता और ज्यामिति (Differentiability and Geometry): पारंपरिक सुरक्षा प्रतिनिधित्व जैसे साइनेड डिस्टेंस फंक्शन्स (SDFs), उन क्षेत्रों में विभेदनशीलता (differentiability) खो देते हैं जहाँ निकटतम बाधा अद्वितीय नहीं होती (जैसे कोनों या जटिल आकृतियों में)। इसके अलावा, प्रिमिटिव आकृतियों (गोले, बॉक्स) के साथ मनमानी बाधा ज्यामिति का अनुमान लगाने से अत्यधिक रूढ़िवादिता (conservatism) आती है। इसके अतिरिक्त, प्रत्येक बाधा के लिए एक अलग बैरियर फंक्शन का निर्माण करने से गणनात्मक जटिलता बढ़ जाती है।
• सतत बनाम असतत सुरक्षा (Continuous vs. Discrete Safety): मौजूदा मल्टी-कन्स्ट्रेंट CBF दृष्टिकोण रोबोट की सतह पर नमूनों (samples) के एक सीमित सेट पर सुरक्षा को लागू करते हैं। उनमें यह औपचारिक गारंटी का अभाव होता है कि इन बिंदुओं के बीच की निरंतर सतह सुरक्षित रहेगी, जिससे नमूनों के बीच के अंतराल में टकराव की संभावना बनी रहती है।
• स्केलेबिलिटी (Scalability): एक क्वाड्रेटिक प्रोग्राम (QP) में बड़ी संख्या में बाधाओं को लागू करने से अक्सर अप्राप्यता (infeasibility) की स्थिति उत्पन्न होती है या स्लैक वेरिएबल्स (slack variables) के माध्यम से ढील देने की आवश्यकता होती है, जो सुरक्षा गारंटी को कमजोर करती है।

2. कार्यप्रणाली (Methodology)

लेखक एक एकीकृत ढांचा प्रस्तावित करते हैं जो 3D पॉइसन सेफ्टी फंक्शन्स (PSFs) को सैंपलिंग-एंड-बफरिंग रणनीति के साथ जोड़ता है ताकि वास्तविक समय में प्रमाणित पूर्ण-शरीर सुरक्षा प्राप्त की जा सके।

अ. पॉइसन सेफ्टी फंक्शन्स (PSFs)

SDFs या प्रिमिटिव अनुमानों के बजाय, यह विधि एक ऑक्यूपेंसी मैप द्वारा परिभाषित मुक्त स्थान (free space) पर पॉइसन समीकरण (एक एलिप्टिक पार्शियल डिफरेंशियल इक्वेशन) को हल करके एक सुरक्षा फंक्शन का निर्माण करती है।

• फॉर्मूलेशन: एक मुक्त स्थान डोमेन $\Omega$ और उसकी सीमा $\partial\Omega$ (बाधा सतहों) के दिए जाने पर, PSF $h_0$ निम्नलिखित का अद्वितीय समाधान है:
  $$\nabla^2 h_0(y) = f(y) \quad \text{for } y \in \Omega, \quad h_0(y) = 0 \quad \text{for } y \in \partial\Omega$$
  जहाँ $f(y) < 0$ एक फोर्सिंग फंक्शन है।
• लाभ:
  • वैश्विक सुगमता (Global Smoothness): एलिप्टिक रेगुलैरिटी के कारण, समाधान $h_0$ आंतरिक भाग में हर जगह अनंत रूप से सुगम ($C^\infty$) है, जो CBF-QP के लिए सुस्पष्ट ग्रेडिएंट्स सुनिश्चित करता है।
  • मनमानी ज्यामिति (Arbitrary Geometry): यह ओवर-एप्रोक्सिमेशन के बिना जटिल, गैर-उत्तल (non-convex) बाधा आकृतियों को संभालता है।
  • एकल फंक्शन (Single Function): एक एकल PDE समाधान पूरे वातावरण के लिए एक वैश्विक सुरक्षा फंक्शन उत्पन्न करता है, जिससे कई बैरियर निर्माणों की आवश्यकता समाप्त हो जाती है।

ब. पूर्ण-शरीर सुरक्षा के लिए सैंपलिंग और बफरिंग (Sampling and Buffering for Full-Body Safety)

असतत सैंपलिंग और निरंतर सतह सुरक्षा के बीच के अंतर को पाटने के लिए, लेखक पोंट्रैगिन डिफरेंस (Pontryagin difference) पर आधारित एक ज्यामितीय प्रमाण प्रस्तुत करते हैं।

1. सैंपलिंग (Sampling): रोबोट की सतह को $N$ नमूना बिंदुओं $Y = \{y_1, \dots, y_N\}$ द्वारा अनुमानित किया जाता है, ताकि निरंतर सतह का प्रत्येक बिंदु एक नमूना बिंदु के $\epsilon$ दूरी के भीतर हो (कवरेज स्थिति)।
2. बफरिंग (Buffering): सुरक्षित क्षेत्र $C$ (मुक्त स्थान) को पोंट्रैगिन डिफरेंस का उपयोग करके $\epsilon$ से सिकोड़ा जाता है: $C_\epsilon = C \ominus B_\epsilon$।
3. प्रमेय (Theorem): यदि सभी नमूना बिंदु $y_i$ बफर्ड क्षेत्र $C_\epsilon$ के भीतर रखे जाते हैं, तो पूरी निरंतर रोबोट सतह $S(q)$ के वास्तविक सुरक्षित क्षेत्र $C$ के भीतर होने की गारंटी है।
   • तर्क: यदि एक नमूना बिंदु बाधा की सीमा से कम से कम $\epsilon$ दूर है, तो उसके चारों ओर का $\epsilon$-बॉल (जो अन-सैंपल की गई सतह क्षेत्र को कवर करता है) बाधा के साथ प्रतिच्छेद (intersect) नहीं कर सकता।

स. रियल-टाइम सेफ्टी फिल्टर (Real-Time Safety Filter)

सिस्टम गतिशील वातावरण के लिए एक समय-परिवर्तित PSF $h_\epsilon(y, t)$ को सिंथेसाइज करता है। इस फंक्शन का मूल्यांकन $N$ नमूना बिंदुओं पर किया जाता है ताकि एक मल्टी-कन्स्ट्रेंट CBF-QP उत्पन्न किया जा सके:

• उद्देश्य (Objective): नाममात्र वेग कमांड ($v_{nom}$) से विचलन को कम करना।
• बाधाएं (Constraints): सभी $N$ नमूना बिंदुओं के लिए एक साथ $\dot{h}_\epsilon(y_i, t, v) \geq -\alpha(h_\epsilon(y_i, t))$ को लागू करना।
• मजबूती (Robustness): सेंसर लेटेंसी और एनकोडर त्रुटियों को संभालने के लिए CBF बाधा में एक एडेप्टिव रोबस्टनेस टर्म जोड़ा गया है (Input-to-State Safe CBF)।

3. मुख्य योगदान (Key Contributions)

1. PSF-आधारित CBF फ़िल्टर: पॉइसन समीकरण से प्राप्त एक एकल, वैश्विक रूप से सुगम सुरक्षा फंक्शन का परिचय, जो एड-हॉक ज्यामितीय प्रिमिटिव की आवश्यकता को समाप्त करता है और QP सॉल्वर के लिए विभेदनशीलता सुनिश्चित करता है।
2. औपचारिक पूर्ण-शरीर गारंटी: एक गणितीय प्रमाण जो यह दर्शाता है कि असतत सैंपलिंग + बफरिंग का संयोजन निरंतर सुरक्षा के लिए पर्याप्त है, जो मौजूदा मल्टी-कन्स्ट्रेंट CBF विधियों के "अंतराल" को हटा देता है।
3. हार्डवेयर सत्यापन: एक 7-DOF Franka Emika FR3 मैनिपुलेटर पर स्थिर और गतिशील दोनों वातावरणों में सफल कार्यान्वयन, जो वास्तविक समय प्रदर्शन (50–100 Hz) प्रदर्शित करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस ढांचे को 7-DOF रोबोट पर निम्नलिखित परिणामों के साथ सत्यापित किया गया:

• स्थिर वातावरण (Static Environments): रोबोट ने प्रतिकूल कमांड (जानबूझकर टकराव के प्रयास) के साथ भीड़भाड़ वाले वातावरण में सफलतापूर्वक नेविगेट किया। सुरक्षा फिल्टर ने उच्च मोशन फिडेलिटी (अत्यधिक रूढ़िवादी न होते हुए) बनाए रखते हुए टकराव को रोका।
• गतिशील वातावरण (Dynamic Environments):
  • एक दूसरा रोबोट (UR10e) जो एक गोलाकार बाधा ले जा रहा था, उसे FR3 के वर्कस्पेस में टेलीऑपरेट किया गया।
  • ऑक्यूपेंसी ग्रिड को रीयल-टाइम में अपडेट किया गया (100 Hz), और PSF को ऑनलाइन पुनर्गणना (recompute) किया गया।
  • FR3 ने चलते हुए अवरोध से सफलतापूर्वक टकराव से बचाव किया, भले ही बाधा की गति अप्रत्याशित और अनियोजित थी।
• प्रदर्शन मेट्रिक्स (Performance Metrics):
  • PDE सॉल्व टाइम: ~0.002s (Successive Over-Relaxation का उपयोग करके)।
  • QP सॉल्व टाइम: ~0.003s।
  • सैंपलिंग रेजोल्यूशन: $\epsilon = 0.1$ के रेजोल्यूशन के परिणामस्वरूप ~30 नमूना बिंदु प्राप्त हुए, जो सुरक्षा और गणना भार के बीच संतुलन बनाता है।
  • मजबूती (Robustness): सिस्टम ने पूरे प्रयोगों के दौरान सभी नमूना बिंदुओं में सख्ती से सकारात्मक सुरक्षा फंक्शन मान ($h > 0$) बनाए रखा।

5. महत्व (Significance)

यह कार्य रोबोटिक सुरक्षा की एक मौलिक सीमा को संबोधित करता है: कंप्यूटेशनल व्यवहार्यता (computational tractability) और प्रमाणित पूर्ण-शरीर सुरक्षा के बीच का ट्रेड-ऑफ।

• सैद्धांतिक प्रभाव: यह सिद्ध करता है कि असतत सैंपलिंग + बफरिंग निरंतर सुरक्षा के लिए पर्याप्त है, जो मौजूदा मल्टी-कन्स्ट्रेंट CBF विधियों के "अंतराल" को समाप्त करता है।
• व्यावहारिक प्रभाव: एक एकल सुगम PSF का उपयोग करके, यह विधि सामान्यतः देखी जाने वाली 'इनफीजिबिलिटी' (infeasibility) की समस्याओं से बचती है और प्रिमिटिव-आधारित अनुमानों की रूढ़िवादिता को समाप्त करती है।
• गतिशील क्षमता: ऑक्यूपेंसी मैप्स से ऑनलाइन सुरक्षा फंक्शन बनाने की क्षमता अज्ञात, गतिशील वातावरण में सुरक्षित संचालन को सक्षम बनाती है, जो मानव-रोबोट सहयोग के लिए एक महत्वपूर्ण आवश्यकता है।

संक्षेप में, यह शोध पत्र एक मजबूत, गणितीय रूप से आधारित और गणनात्मक रूप से कुशल ढांचा प्रस्तुत करता है जो रोबोट मैनिपुलेटर्स को प्रदर्शन या सुरक्षा गारंटी से समझौता किए बिना जटिल, गतिशील 3D वातावरण में सुरक्षित रूप से संचालित होने में सक्षम बनाता है।