⚡ electrical engineering

Feedback Motion Planning for Stochastic Nonlinear Systems with Signal Temporal Logic Specifications

यह शोध पत्र स्टोकेस्टिक नॉनलीनियर सिस्टम्स के लिए एक फीडबैक मोशन प्लानिंग फ्रेमवर्क प्रस्तुत करता है जो कॉन्ट्रैक्शन थ्योरी पर आधारित प्रोबेबिलिस्टिक रीचेबल ट्यूब्स के माध्यम से प्रेडिकेट इरोजन का उपयोग करके स्टोकेस्टिक समस्या को एक डिटर्मिनिस्टिक समस्या में बदलकर सिग्नल टेम्पोरल लॉजिक स्पेसिफिकेशन्स की उच्च-संभाव्यता संतुष्टि सुनिश्चित करता है।

मूल लेखक: Liqian Ma, Zishun Liu, Glen Chou, Yongxin Chen

प्रकाशित 2026-05-05

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Liqian Ma, Zishun Liu, Glen Chou, Yongxin Chen

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 कुत्ते को दौड़ में भागना सिखा रहे हैं। दौड़ के बहुत विशिष्ट नियम हैं जो "सिग्नल टेम्पोरल लॉजिक" (STL) नामक एक विशेष भाषा में लिखे गए हैं। नियम कुछ इस तरह हो सकते हैं: "पहले, नीले गेट से होकर गुजरो, फिर लाल गेट से होकर गुजरो, लेकिन लाल शंकु (cones) को कभी भी मत छुओ, और तुम्हें 15 सेकंड के भीतर समाप्त करना होगा।"

अब, कल्पना कीजिए कि रोबोट कुत्ता एक फिसलन भरे, ऊबड़-खाबड़ फर्श पर दौड़ रहा है, और उसे हवा के अनिश्चित, रैंडम झोंकों द्वारा धकेला जा रहा है। यह एक स्टोकेस्टिक सिस्टम (stochastic system) है—एक ऐसा सिस्टम जो अनिश्चित शोर (noise) से भरा है।

यदि आप केवल रोबोट को कह देंगे, "नीले गेट की ओर जाओ," तो हवा का एक झोंका उसे रास्ते से भटका सकता है और वह किसी शंकु से टकरा सकता है। यदि आप बहुत अधिक सुरक्षित रहने की कोशिश करते हैं और उसे हर चीज़ से दूर रहने के लिए कहते हैं, तो वह इतनी धीमी गति से चल सकता है कि वह कभी दौड़ पूरी ही न कर पाए।

यह शोध पत्र इस समस्या को हल करने का एक चतुर नया तरीका प्रस्तुत करता है। यह इस प्रकार काम करता है, जिसे सरल चरणों में विभाजित किया गया है:

1. समस्या: "परफेक्ट" योजना बनाम वास्तविकता

लेखक सबसे पहले एक परफेक्ट प्लान (एक "नोमिनल ट्रजेक्टरी") बनाते हैं। यह एक सुचारू, आदर्श पथ है जिसे रोबोट तब लेगा यदि कोई हवा, कोई फिसलन भरा फर्श और कोई गलती नहीं होती।

समस्या: यदि आप केवल इस परफेक्ट प्लान का पालन करते हैं, तो हवा का रैंडम झोंका रोबोट को रास्ते से भटका देगा। वह गेट को मिस कर सकता है या किसी शंकु से टकरा सकता है।
पुराना तरीका: पिछले तरीकों ने "वर्स्ट-केस" (सबसे खराब स्थिति) का अनुमान लगाकर बहुत सुरक्षित होने की कोशिश की (जैसे, "क्या होगा अगर तूफान आ जाए?")। इसने रोबलेट को बहुत सावधानी से चलने पर मजबूर कर दिया, जिससे कार्य को पूरा करना अक्सर असंभव हो जाता था।

2. समाधान: "सेफ्टी बबल" (प्रेडिकेट इरोजन)

लेखकों का बड़ा विचार एक परफेक्ट प्लान के चारों ओर एक सेफ्टी बबल (सुरक्षा बुलबुला) बनाना है।

कल्पना कीजिए कि आप मानचित्र पर एक पथ बना रहे हैं।

परफेक्ट प्लान: एक पतली, एकल रेखा।
सेफ्टी बबल: उस रेखा के चारों ओर एक मोटा, धुंधला ट्यूब।

लेखक गणना करते हैं कि यह ट्यूब वास्तव में कितना बड़ा होना चाहिए। वे पूछते हैं: "यदि रोबकी को रैंडम हवा द्वारा धकेला जाता है, तो वह सुरक्षित रहने के लिए परफेक्ट लाइन से कितनी दूर तक भटक सकता है?" वे इस सीमा को खींचने के लिए एक प्रोबेबिलिस्टिक रीचेबल ट्यूब (PRT) नामक गणितीय उपकरण का उपयोग करते हैं।

जादुई ट्रिक (इरोजन/क्षरण):
रोबोट को मूल लक्ष्य क्षेत्रों (जैसे नीला गेट) के अंदर रहने के लिए कहने के बजाय, वे लक्ष्य क्षेत्रों को छोटा करते हैं और बाधा क्षेत्रों को बड़ा करते हैं।

मूल नियम: "नीले गेट के अंदर रहो।"
नया नियम (इरोडेड): "एक छोटे नीले गेट के अंदर रहो।"

क्यों? क्योंकि यदि रोबोट इस छोटे गेट के अंदर रहता है, तो "सेफ्टी बबल" यह गारंटी देता है कि भले ही हवा उसे धकेल दे, वह अभी भी मूल बड़े गेट के अंदर ही रहेगा। यह डार्टबोर्ड के केंद्र (bullseye) को निशाना बनाने जैसा है, लेकिन आप अपने लक्ष्य के घेरे को थोड़ा छोटा बना देते हैं ताकि यदि आपका हाथ थोड़ा हिले, तब भी आप वास्तविक लक्ष्य को हिट कर सकें।

3. इंजन: "टाइटनिंग रोप" (कॉन्ट्रैक्शन थ्योरी)

वे यह कैसे सुनिश्चित करते हैं कि रोबोट वास्तव में उस सेफ्टी बबल के अंदर रहे? वे कॉन्ट्रैक्शन थ्योरी (Contraction Theory) नामक एक विशेष प्रकार के कंट्रोल का उपयोग करते हैं।

रोबोट के पथ को एक रबर बैंड के रूप के रूप में सोचें।

यदि रोबोट को परफेक्ट प्लान से दूर धकेला जाता है, तो कंट्रोल सिस्टम एक कसती हुई रस्सी (tightening rope) की तरह काम करता है। यह रोबोट को वापस केंद्र रेखा की ओर खींचता है।
जितनी मजबूत "रस्सी" (फीडबैक कंट्रोलर) होगी, सेफ्टी बबल उतना ही टाइट (सघन) हो सकता है।
एक टाइट बबल का अर्थ है कि "इरोडेड" लक्ष्य क्षेत्रों को उतना कम छोटा करने की आवश्यकता है। इसका मतलब है कि रोबोट के पास हिलने-डुलने के लिए अधिक जगह है और वह कार्य को तेज़ी से और आसानी से पूरा कर सकता है।

4. परिणाम: उच्च विश्वास, कम चिंता

इस पेपर में कई रोबोटों पर परीक्षण किया गया है, जिसमें एक सिम्युलेटेड ड्रोन, एक कार और एक वास्तविक जीवन का क्वाड्रुपेडल रोबोट (रोबोट कुत्ता) शामिल है।

परीक्षण: उन्होंने रोबोट कुत्ते को वास्तविक दुनिया में 50 बार और सिमुलेशन में 5,000 बार एक "रीच-अवॉइड" कार्य (लक्ष्य तक पहुँचें, बाधाओं से बचें) के माध्यम से चलाया।
परिणाम: रोबोट 100% समय सफल रहा।
तुलना: अन्य तरीके (जैसे केवल बिना सेफ्टी बबल के प्लानिंग करना, या पुराने "वर्स्ट-केस" सुरक्षा तरीकों का उपयोग करना) बहुत अधिक बार विफल रहे। पुराने तरीके या तो बहुत जोखिम भरे थे (टकराव) या बहुत रूढ़िवादी (एक ही जगह फंसे रहना)।

सारांश

संक्षेप में, यह पेपर रोबोटों को एक अराजक, शोर वाले संसार में उच्च-स्तरीय लॉजिक नियमों के साथ नेविगेट करने का एक तरीका देता है।

एक परफेक्ट पथ की योजना (Plan) बनाएं।
रोबोट कितना डगमगा सकता है, इसके आधार पर एक "सेफ्टी बबल" की गणना (Calculate) करें।
उस डगमगाहट को ध्यान में रखते हुए प्लान के भीतर लक्ष्यों को छोटा (Shrink) करें और बाधाओं को बड़ा (Grow) करें।
रोबोट को बबल के अंदर रखने के लिए एक "टाइटनिंग रोप" कंट्रोलर का उपयोग करें।

परिणामस्वरूप, एक ऐसा रोबोट मिलता है जो जटिल, समय-आधारित निर्देशों (जैसे "A पर जाओ, फिर B पर जाओ, लेकिन C को कभी मत छुओ") का पालन उच्च विश्वसनीयता के साथ कर सकता है, भले ही दुनिया अव्यवस्थित और अप्रत्याशित हो।

तकनीकी सारांश: स्टोकेस्टिक नॉनलीन सिस्टम्स के लिए सिग्नल टेम्पोरल लॉजिक स्पेसिफिकेशन के साथ फीडबैक मोशन प्लानिंग

समस्या का निरूपण (Problem Formulation)

यह शोध पत्र सिग्नल टेम्पोरल लॉजिक (STL) स्पेसिफिकेशन के अधीन कंटीन्यूअस-टाइम स्टोकेस्टिक नॉनलीन सिस्टम्स के लिए फीडबैक मोशन प्लानिंग की चुनौती को संबोधित करता है। क्लासिकल सेफ-सेट कंस्ट्रेंट्स के विपरीत, जो केवल स्थानिक सीमाओं (spatial boundaries) को एनकोड करते हैं, STL जटिल स्पैटियो-टेम्पोरल आवश्यकताओं को निर्दिष्ट करने की अनुमति देता है, जैसे कि अनुक्रमण (sequencing - "B से पहले A पर जाएँ"), समय सीमा (deadlines), और निरंतरता (persistence)।

मुख्य कठिनाई अनमॉडल डायनेमिक्स और बाहरी विक्षोभों (external perturbations) की उपस्थिति है, जिन्हें अनबाउंडेड स्टोकेस्टिक नॉइज़ (जैसे सेंसर या एक्चुएटर नॉइज़) के रूप में मॉडल किया गया है। ऐसे परिवेश में, वर्स्ट-केस रोबस्ट कंट्रोल विधियाँ अत्यधिक रूढ़िवादी (conservative) हो जाती हैं। इसके विपरीत, मौजूदा संभावabilistic दृष्टिकोण अक्सर कंटीन्यूअस-टाइम नॉनलीन सिस्टम्स तक स्केल करने में विफल रहते हैं या उनमें कठोर गारंटी (rigorous guarantees) का अभाव होता है। विशिष्ट समस्या को एक चांस-कंस्ट्रेंड STL ट्रजेक्टरी ऑप्टिमाइज़ेशन के रूप में तैयार किया गया है: एक ऐसा कंट्रोल पॉलिसी $u$ खोजना जो एक कॉस्ट फंक्शन को कम करे और साथ ही यह सुनिश्चित करे कि स्टोकेस्टिक ट्रजेक्टरी $X_t$ एक उच्च प्रायिकता (जैसे, $1-\delta \geq 99.99\%$ ) के साथ STL फॉर्मूला $\phi$ को संतुष्ट करती है।

प्राथमिक चुनौती अनगिनत समय इंस्टेंट्स (time instants) पर ट्रजेक्टरी-लेवल चांस कंस्ट्रेंट को लागू करने की जटिलता है, जबकि साथ ही STL की तार्किक और टेम्पोरल संरचना को भी संतुष्ट करना है।

कार्यप्रणाली (Methodology)

लेखक एक व्यवस्थित ढांचा प्रस्तावित करते हैं जो दुर्बोध (intractable) स्टोकेस्टिक समस्या को टाइटन किए गए कंस्ट्रेंट्स वाले एक डिटरमिनिस्टिक STL ट्रजेक्टरी ऑप्टिमाइज़ेशन (STLTO) समस्या में बदल देता है। यह कार्यप्रणाली तीन मुख्य घटकों से बनी है:

1. प्रेडिकेट इरोजन स्ट्रैटेजी (Predicate Erosion Strategy)

मुख्य विचार रैंडमनेस को लॉजिक से अलग करना है। लेखक एक प्रेडिकेट इरोजन रणनीति पेश करते हैं जहाँ मूल STL प्रेडिकेट्स को "इरोड" (erode/tighten) किया जाता है ताकि एक डिटरमिनिस्टिक सरोगेट समस्या बनाई जा सके।

तंत्र (Mechanism): एक प्रोबेबिलिस्टिक रीचेबल ट्यूब (PRT) का निर्माण किया जाता है जो एक स्टोकेस्टिक ट्रजेक्टरी $X_t$ और एक संबद्ध डिटरमिनिस्टिक ट्रजेक्टरी $x_t$ के बीच विचलन को सीमित करता है।
रूपांतरण (Transformation): यदि डिटरमिनिस्टिक ट्रजेक्टरी एक "इरोडेड" STL फॉर्मूला $\tilde{\phi}$ को संतुष्ट करती है (जहाँ प्रत्येक प्रेडिकेट सेट $C$ को $C \ominus E_t$ द्वारा प्रतिस्थापित किया जाता है, जहाँ $E_t$ ट्यूब क्रॉस-सेक्शन है), तो स्टोकेस्टिक ट्रजेक्टरी कम से कम $1-\delta$ प्रायिकता के साथ मूल फॉर्मूला $\phi$ को संतुष्ट करने की गारंटी देती है।
परिणाम: यह चांस-कंस्ट्रेंड समस्या को एक मानक डिटरमिनिस्टिक ऑप्टिमाइज़ेशन समस्या (8) में बदल देता है, जिसे मौजूदा न्यूमेरिकल टूल्स के माध्यम से हल किया जा सकता है।

2. कॉन्ट्रैक्शन-आधारित PRT निर्माण (Contraction-Based PRT Construction)

यह सुनिश्चित करने के लिए कि PRT टाइट (tight) हो (अत्यधिक रूढ़िवादिता से बचने के लिए), लेखक कॉन्ट्रैक्शन थ्योरी का लाभ उठाते हैं।

फीडबैक डिज़ाइन: एक फीडबैक ट्रैकिंग कंट्रोलर डिज़ाइन किया जाता है जो क्लोज्ड-लूप सिस्टम को स्ट्रॉन्गली कॉन्ट्रैक्टिंग (strongly contracting) बनाता है। यह सुनिश्चित करता है कि स्टोकेस्टिक विचलन, नामित (nominal) ट्रजेक्टरी से विचलित न हो।
टाइट बाउंड्स: एक नवीन एफाइन मार्टिंगेल (Affine Martingale - AM) और एवरेज्ड मोमेंट जनरेटिंग फंक्शन (AMGF) का उपयोग करके, लेखक PRT के लिए एक ट्रजेक्टरी-लेवल बाउंड $r_{\delta,t}$ निकालते हैं।
मुख्य अंतर्दृष्टि: प्राप्त बाउंड $O(\sqrt{\log(T/\delta)})$ के रूप में स्केल करता है, जो Itô स्टोकेस्टिक सिस्टम्स के लिए सबसे टाइट संभव डिपेंडेंस है। यह यूनियन बाउंड्स पर निर्भर विधियों की तुलना में काफी कम रूढ़िवादी है, जो अक्सर समय या डिस्क्रीटाइजेशन स्टेप्स के साथ लीनियरली स्केल करते हैं।

3. फीडबैक मोशन प्लानिंग पाइपलाइन (Feedback Motion Planning Pipeline)

यह ढांचा एक दो-चरणीय संश्लेषण प्रक्रिया (two-stage synthesis process) के रूप में कार्य करता है:

ऑफलाइन प्लानिंग: नामित ट्रजेक्टरी $(x^*, u^*)$ और फीडफॉरवर्ड कंट्रोल प्राप्त करने के लिए डिटरमिनिस्टिक सरोगेट समस्या (8) को हल करें।
ऑनलाइन निष्पादन (Online Execution): एक कंपोजिट कंट्रोल लॉ $u_t = u^*_t + K_t(X_t; x^*_t, u^*_t)$ लागू करें, जहाँ $K_t$ एक ट्रैकिंग कंट्रोलर (जैसे, टाइम-वेरिंग LQR या टाइम-वेरिंग कंट्रोल कॉन्ट्रैक्शन मेट्रिक) है जो स्टोकेस्टिक सिस्टम को नामित प्लान के आसपास स्थिर करता है।

कपलिंग (Coupling): पेपर प्लानिंग हॉरिजोन (जो ट्यूब साइज पर निर्भर करता है) और कंट्रोलर सिंथेसिस (जो ट्यूब साइज निर्धारित करता है) के बीच कपलिंग को एक इटरेटिव एल्गोरिदम या ट्रजेक्टरी-इंडिपेंडेंट TVCCM सिंथेसिस का उपयोग करके डीकप्ल्ड डिज़ाइन के माध्यम से संबोधित करता है।

मुख्य योगदान (Key Contributions)

यह शोध पत्र निम्नलिखित विशिष्ट योगदान देता है:

कंटीन्यूअस-टाइम STL इरोजन: एक व्यवस्थित रणनीति जो चांस-कंस्ट्रेंड STL ट्रजेक्टरी ऑप्टिमाइज़ेशन समस्याओं को PRT के आधार पर प्रेडिकेट्स को इरोड करके डिटरमिनिस्टिक समस्याओं में बदल देती है, जो सामान्य कंटीन्यूअस-टाइम नॉनलीन सिस्टम्स पर लागू होती है।
कठोर संभावabilistic गारंटी: फीडबैक कंट्रोल सिंथेसिस के लिए एक पूर्ण पाइपलाइन जो स्टोकेस्टिक सिस्टम्स के लिए कठोर संभावabilistic गारंटी (जैसे, $\geq 99.99\%$ संतुष्टि) प्रदान करती है, जो मौजूदा डिस्क्रीट-टाइम या लीनियर-ओनली विधियों की सीमाओं को पार करती है।
टाइट PRT बाउंड्स: कॉन्ट्रैक्शन थ्योरी और मार्टिंगेल-आधारित विश्लेषण का उपयोग करके एक टाइट, ट्रजेक्टरी-लेवल PRT बाउंड का विकास, जो कंटीन्यूअस टाइम में यूनियन बाउंड्स की रूढ़िवादिता से बचता है।
अनुभवजन्य सत्यापन (Empirical Validation): चार रोबोटिक बेंचमार्क्स (Double Integrator, Dubins Car, PVTOL, Quadrotor) पर व्यापक सिमुलेशन और एक क्वाड्रुपेडल रोबोट पर वास्तविक दुनिया के प्रयोगों के माध्यम से फ्रेमवर्क की स्केलेबिलिटी और प्रभावशीलता का प्रदर्शन।

परिणाम (Results)

प्रस्तावित फ्रेमवर्क का मूल्यांकन चार सिम्युलेटेड बेंचमार्क्स और एक वास्तविक दुनिया के क्वाड्रुपेडल रोबोट (Unitree Go1) पर किया गया।

सिमुलेशन प्रदर्शन:
- विधि ने सभी चार बेंचमार्क्स (Double Integrator, Dubins Car, PVTOL, और 3D Quadrotor) के लिए 10,000 स्टोकेस्टिक रोलआउट्स में 100% STL स्पेसिफिकेशन संतुष्टि प्राप्त की।
- बेसलाइन्स (Baselines): प्रतिस्पर्धी विधियों, जिनमें "नॉन-रोबस्ट" डिटरमिनिस्टिक प्लानिंग और "श्रिंकिंग-होरिज़न MPC" (SHMPC) शामिल हैं, ने काफी कम संतुष्टि दर (0.2% से 77.6% के बीच) दिखाई, जो यह दर्शाता है कि केवल डिटरमिनिस्टिक प्लानिंग स्टोकेस्टिक सिस्टम्स के लिए अपर्याप्त है।
- रूढ़िवादिता (Conservatism): डिस्क्रीट-टाइम बेसलाइन्स (DPRT और STLCD) के साथ तुलना करने पर, प्रस्तावित कंटीन्यूअस-टाइम विधि कम रूढ़िवादी पाई गई। विशेष रूप से, प्रस्तावित विधि में इरोजन रेडियसस डिस्क्रीटाइजेशन स्टेप साइज $N$ से स्वतंत्र है और डिस्क्रीट-टाइम यूनियन बाउंड्स के लीनियर स्केलिंग की तुलना में रिस्क लेवल $\delta$ के साथ अधिक सौम्य रूप से ( $\sqrt{\log(1/\delta)}$ के रूप में) स्केल करता है।
वास्तविक दुनिया का प्रयोग:
- फ्रेमवर्क को एक हाई-लेवल यूनिसाइकिल एब्स्ट्रैक्शन के साथ Unitree Go1 क्वाड्रुपेड पर तैनात किया गया।
  क दो अलग-अलग नेविगेशन कार्यों (reach-avoid और pass-before) के लिए 50 हार्डवेयर निष्पादन में, रोबोट ने स्टेट एस्टीमेशन नॉइज़, एक्चुएशन नॉइज़ और मॉडल मिसमैच के बावजूद STL स्पेसिफिकेशन्स को संतुष्ट करते हुए सभी प्रयासों में कार्यों को सफलतापूर्वक पूरा किया।

महत्व और दावे (Significance and Claims)

लेखक दावा करते हैं कि यह कार्य कंटीन्यूअस-टाइम नॉनलीन सिस्टम्स के लिए विश्वसनीय, उच्च-स्तरीय टेम्पोरल लॉजिक प्लानिंग को सक्षम करके रोबोटिक ऑटोनॉमी में एक महत्वपूर्ण अंतर को पाटता है।

रूढ़िवादिता पर विजय: पेपर का तर्क है कि मौजूदा संभावabilistic विधियाँ या तो बहुत रूढ़िवादी हैं (यूनियन बाउंड्स के कारण) या उनमें औपचारिक गारंटी की कमी है (अनुमानों के कारण)। प्रस्तावित PRT-आधारित इरोजन स्ट्रैजी एक कठोर लेकिन कम रूढ़िवादी विकल्प प्रदान करती है।
स्केलेबिलिटी: स्टोकेस्टिक समस्या को डिटरमिनिस्टिक समस्या में बदलकर, यह विधि मौजूदा न्यूमेरिकल ऑप्टिमाइज़ेशन सॉल्वर (जैसे, SNOPT, MOSEK) का लाभ उठाती है, जिससे यह जटिल नॉनलीन डायनेमिक्स के लिए स्केलेबल हो जाती है।
व्यावहारिक प्रयोज्यता: एक वास्तविक क्वाड्रुपेडल रोबोट पर सफल तैनाती यह प्रदर्शित करती है कि सैद्धांतिक ढांचा वास्तविक दुनिया के अनिश्चितताओं, जिसमें हाइब्रिड डायनेमिक्स और इम्पैक्ट इवेंट्स शामिल हैं, को बिना किसी परफेक्ट सिस्टम मॉडल के संभालने के लिए पर्याप्त मजबूत है।

यह कार्य निष्कर्ष निकालता है कि स्टोकेस्टिक सेटिंग्स में विश्वसनीय STL संतुष्टि के लिए प्रेडिकेट इरोजन और फीडबैक कंट्रोल के माध्यम से चांस कंस्ट्रेंट्स का स्पष्ट प्रबंधन आवश्यक है, जो अनिश्चित वातावरण में भरोसेमंद ऑटोनॉमी के लिए एक व्यवस्थित मार्ग प्रदान करता है।