तकनीकी सारांश: अनिश्चितताओं के तहत वितरण रूप से सुदृढ़ सुरक्षा (Distributionally Robust Safety Under Arbitrary Uncertainties)

समस्या विवरण (Problem Statement)

स्वायत्त रोबोटिक प्रणालियों के लिए सुरक्षा सुनिश्चित करना गैर-रेखीय गतिकी (nonlinear dynamics), एक्चुएशन सीमाओं, और मॉडल मिसमैच, धारणा त्रुटियों (perception errors), तथा बाह्य विक्षोभों (exogenous disturbances) से उत्पन्न अनिश्चितताओं के कारण जटिल हो जाता है। जबकि सुरक्षा फिल्टर (या "गेटकीपर्स") एक उच्च-प्रदर्शन वाली नाममात्र नीति (nominal policy) से प्रमाणित बैकअप नीति (backup policy) में स्विच करके एक मॉड्यूलर समाधान प्रदान करते हैं, मौजूदा दृष्टिकोण वितरण संबंधी अस्पष्टता (distributional ambiguity) के तहत महत्वपूर्ण सीमाओं का सामना करते हैं।

वर्तमान विधियाँ आमतौर पर इनमें से किसी एक पर निर्भर करती हैं:

1. सुदृढ़ सुरक्षा फिल्टर (Robust Safety Filters): जो सबसे खराब स्थिति की नियत सीमाओं (worst-case deterministic bounds) को मानती हैं, जो अत्यधिक रूढ़िवादी (conservative) हो सकती हैं।
2. स्टोकेस्टिक सुरक्षा फिल्टर (Stochastic Safety Filters): जो ज्ञात, विशिष्ट विक्षोभ वितरणों (जैसे कि गॉसियन) को मानती हैं, जो तब विफल हो जाती हैं जब वास्तविक वितरण अज्ञात, आंशिक रूप से प्रेक्षित, या परिवर्तित (distributional shift) हो।
3. वितरण रूप से सुदृढ़ (DR) योजना: हालांकि यह आशाजनक है, सामान्य गैर-रेखीय प्रणालियों के लिए सुरक्षा फिल्टरों में सीधे DR बाधाओं को एकीकृत करना गणनात्मक रूप से निषेधात्मक है। इसके लिए अक्सर अस्पष्टता सेट (ambiguity sets) के भीतर सबसे खराब वितरणों पर उच्च-आयामी अनुकूलन समस्याओं को हल करने की आवश्यकता होती है, जिससे वास्तविक समय में कार्यान्वयन असंभव हो जाता है।

इस कार्य द्वारा संबोधित मुख्य चुनौती यह है कि कैसे सामान्य गैर-रेखीय प्रणालियों के लिए मनमानी अनिश्चितता संरचनाओं (गैर-योगात्मक, गैर-एफाइन) के तहत संभाव्यता सुरक्षा गारंटी प्रदान की जाए, जहाँ वास्तविक शोर वितरण अज्ञात है, बिना ऑनलाइन DR प्रक्षेपवक्र अनुकूलन (trajectory optimization) की गणनात्मक लागत उठाए।

कार्यप्रणाली: DRS-gatekeeper

लेखक डिस्ट्रीब्यूशनली रोबस्ट स्टोकेस्टिक गेटकीपर (DRS-gatekeeper) प्रस्तावित करते हैं, जो एक वास्तविक समय का सुरक्षा फिल्टर है जो बैकअप-आधारित सुरक्षा फ़िल्टरिंग ढांचे का विस्तार करता है। यह विधि प्रमाणन के लिए एक वासेरस्टीन अस्पष्टता सेट (Wasserstein ambiguity set) को परिमित-नमूना सांख्यिकीय विश्लेषण (finite-sample statistical analysis) के साथ जोड़ती है।

मुख्य वास्तुकला (Core Architecture)

यह प्रणाली एक उच्च-प्रदर्शन वाली नाममात्र नीति ($\pi_N$) और एक पूर्व-सत्यापित बैकअप नीति ($\pi_B$) के बीच स्विच करके कार्य करती है। बैकअप नीति को एक विशिष्ट सुरक्षित सेट $\mathcal{C}$ को उच्च संभावना के साथ फॉरवर्ड-इनवेरिएंट (forward-invariant) बनाने के लिए डिज़ाइन किया गया है (एक $\alpha$-प्रोबेबिलिस्टिक कंट्रोल्ड इनवेरिएंट सेट)। लक्ष्य यह सुनिश्चित करना है कि जब तक सुरक्षा खतरे में न हो, तब तक नाममात्र नीति पर बने रहें और यह सुनिश्चित करें कि बैकअप नीति में स्विचिंग सुरक्षा से समझौता होने से पहले ही हो जाए।

प्रमुख तकनीकी घटक

1. डिस्ट्रीब्यूशनली रोबस्ट चांस कंस्ट्रेंट (DRCC):
   एक एकल नाममात्र वितरण $\hat{P}_t$ के विरुद्ध अनुकूलन करने के बजाय, यह विधि $\infty$-वासेरस्टीन दूरी के साथ त्रिज्या $\beta$ द्वारा परिभाषित एक अस्पष्टता सेट $\mathcal{B}_\beta(\hat{P}_t)$ के विरुद्ध सुरक्षा सुनिश्चित करती है। इस सेट में वे सभी वितरण शामिल हैं जो उपलब्ध डेटा के अनुरूप हैं। उद्देश्य यह है कि:
   $$\inf_{Q \in \mathcal{B}_\beta(\hat{P}_t)} \Pr_{w \sim Q} [\text{Safety}] \geq 1 - \varepsilon$$

2. स्विचिंग समय खोज के माध्यम से आयामी कमी (Dimensionality Reduction via Switching Time Search):
   ऑनलाइन उच्च-आयामी DR अनुकूलन समस्या को हल करने के बजाय, लेखक बैकअप-आधारित फ़िल्टरिंग की संरचना का लाभ उठाते हैं। सुरक्षा प्रमाणन समस्या को नाममात्र और बैकअप नीतियों के बीच स्विचिंग समय $s_t$ पर एक एक-आयामी खोज (one-dimensional search) में बदल दिया गया है।

3. परिमित-नमूना गारंटी के साथ नमूना-आधारित प्रमाणन (Sampling-Based Certification):
   यह विधि एक मोंटे कार्लो-प्रेरित दृष्टिकोण का उपयोग करती है:

   • समानांतर रोलआउट (Parallel Rollouts): प्रत्येक संभावित स्विचिंग समय $m$ के लिए, एल्गोरिदम नाममात्र वितरण $\hat{P}_t$ से $N$ स्वतंत्र शोर प्रक्षेपवक्र नमूनों को उत्पन्न करता है।
   • वासेरस्टीन-इन्फ्लेटेड थ्रेशोल्ड (Wasserstein-Inflated Threshold): अस्पष्टता सेट को सीधे नमूना लेने के बजाय, एल्गोरिदम प्रत्येक रोलआउट के लिए एक सुरक्षा मार्जिन $H$ की गणना करता है। इसके बाद यह केवल तभी "विफलता" गिनता है जब $H < 0$ हो, बल्कि जब $H < L_H \beta$ हो, जहाँ $L_H$ सुरक्षा फलन का लिप्सचिट्ज़ स्थिरांक (Lipschitz constant) है और $\beta$ अस्पष्टता त्रिज्या है। यह प्रभावी रूप से विफलता सेट को फैला देता है ताकि अस्पष्टता सेट के भीतर सबसे खराब मामले के वितरण को कवर किया जा सके (लेम्मा 1)।
   • सांख्यिकीय सीमाएँ (Statistical Bounds): देखे गए विफलता काउंट का उपयोग द्विपद वितरण (binomial distribution) और उपयोगकर्ता द्वारा निर्दिष्ट विश्वास स्तर $1-\delta$ का उपयोग करके वास्तविक विफलता संभावना के ऊपरी स्तर की गणना करने के लिए किया जाता है।
   • चयन (Selection): एल्गोरिदम नवीनतम स्विचिंग समय $s_t$ का चयन करता है ऐसा कि विफलता की संभावना का सांख्यिकीय ऊपरी स्तर $(\varepsilon - \alpha)/(1 - \alpha)$ से नीचे रहे।

सैद्धांतिक गारंटी

यह शोध प्रबंध एक औपचारिक प्रमाण (थ्योरम 1) प्रदान करता है कि यदि लिप्सचिट्ज़ निरंतरता (Lipschitz continuity) के संबंध में धारणाएं और एक वैध बैकअप नीति का अस्तित्व बना रहता है, तो DRS-gatekeeper कम से कम $1-\delta$ की संभावना के साथ DRCC को संतुष्ट करता है। यह गारंटी प्रक्षेपवक्र आयाम या नमूनों की संख्या $N$ से स्वतंत्र है, हालांकि $N$ फ़िल्टर की रूढ़िवादिता (conservativeness) को प्रभावित करता है।

मुख्य योगदान

1. DRS-gatekeeper एल्गोरिदम: मनमानी विक्षोभ संरचनाओं और वितरण संबंधी अस्पष्टता वाले गैर-रेखीय प्रणालियों के लिए एक वास्तविक समय का सुरक्षा फिल्टर।
2. परिमित-नमूना प्रमाण (Finite-Sample Certificate): एक निर्दिष्ट विश्वास स्तर के साथ सबसे खराब विफलता संभावना के ऊपरी स्तर की गणना करके वासेरस्टीन अस्पष्टता सेट के तहत एक संभाव्यता सुरक्षा प्रमाण पत्र का व्युत्पन्न।
3. गणनात्मक दक्षता: एक उच्च-आयामी DR सुरक्षा समस्या को एक-आयामी खोज में पुनर्गठित करना, जिससे समानांतर नमूनाकरण (parallel sampling) के माध्यम से वास्तविक समय कार्यान्वयन संभव होता है।
4. अनुभवजन्य सत्यापन (Empirical Validation): बढ़ती जटिलता के तीन अलग-अलग डोमेन: डबिन्स वाहन (Dubins vehicle), फॉर्मूला 1 रेसिंग कार, और F-16 फाइटर जेट में पद्धति का प्रदर्शन।

प्रयोगात्मक परिणाम

लेखकों ने आधारभूत विधियों (जिसमें DR-CBF और MPPI नियंत्रण शामिल हैं) के विरुद्ध तुलना करके DRS-gatekeeper को मान्य किया।

• डबिन्स वाहन (Dubins Vehicle): DR-CBF की तुलना में, DRS-gatekeeper ने विभिन्न विफलता संभावनाओं ($\varepsilon$) और अस्पष्टता त्रिज्याओं ($\beta$) के तहत काफी उच्च सुरक्षा दर (100% तक बनाम 15-75%) प्राप्त की। हालांकि कुछ मामलों में लक्ष्य-प्राप्ति समय थोड़ा अधिक था, लेकिन पद्धति ने अधिक विश्वसनीय सुरक्षा-प्रदर्शन संतुलन प्रदान किया।
• फॉर्मूला 1 रेसिंग कार: एक उच्च-आयामी (7-स्टेट) परिदृश्य में जटिल, गैर-गॉसियन अनुभवजन्य अनिश्चितता के साथ:
  • गॉसियन शोर के तहत, DRS-gatekeeper ने MPPI के 92% की तुलना में 96% सुरक्षा बनाए रखी।
  • अनुभवजन्य शोर (वितरणल शिफ्ट का अनुकरण करते हुए) के तहत, MPPI की सुरक्षा गिरकर 76% हो गई, जबकि DRS-gatekeeper ने 94% सुरक्षा बनाए रखी।
  • पद्धति ने ये परिणाम न्यूनतम बैकअप हस्तक्षेप (<1.5%) और वास्तविक समय नियंत्रण के लिए उपयुक्त गणना समय (~21 ms) के साथ प्राप्त किए।
• F-16 फाइटर जेट: टर्बुलेंस और मॉडल अवशेषों के साथ एक संकीर्ण घाटी में उड़ने वाले 12-स्टेट, 4-इनपुट परिदृश्य में:
  • एक आधारभूत इष्टतम प्रक्षेपवक्र ट्रैकिंग पद्धति ने केवल 40% सुरक्षा प्राप्त की (पूर्ण क्षितिज को देखते हुए 88% जब, जो अभी भी 95% के लक्ष्य से नीचे है)।
  • DRS-gatekeeper ने कम बैकअप उपयोग (13.9%) और न्यूनतम कम्प्यूटेशनल ओवरहेड (12.2 ms) के साथ सुरक्षा दर को 88% तक सुधार दिया (प्रति पुनरावृत्ति 95% का लक्ष्य है, संचयी प्रभाव नोट किया गया है)।
  • पद्धति ने उन उच्च सापेक्ष डिग्री (high relative degree) और इनपुट बाधाओं को सफलतापूर्वक संभाला जिन्होंने DR-CBF को इस प्रणाली के लिए अनुपयुक्त बना दिया था।

महत्व और दावे

यह शोध पत्र दावा करता है कि DRS-gatekeeper स्वायत्त सुरक्षा में एक महत्वपूर्ण अंतर को संबोधित करता है: मनमानी अनिश्चितता संरचनाओं और वितरण संबंधी बदलावों को ऑनलाइन DR अनुकूलन के गणनात्मक बोझ के बिना संभालने की क्षमता। बैकअप-आधारित वास्तुकला और वासेरस्टीन-आधारित मजबूती का लाभ उठाकर, यह विधि जटिल, उच्च-आयामी गैर-रेखीय प्रणालियों के लिए कठोर संभाव्यता सुरक्षा गारंटी प्रदान करती है जहाँ पारंपरिक या तो बहुत रूढ़िवादी होते हैं या विफल हो जाते हैं। लेखक जोर देते हैं कि उनका दृष्टिकोण विशेष रूप रूप से उन प्रणालियों के लिए महत्वपूर्ण है जहाँ वास्तविक शोर वितरण अज्ञात या गैर-स्थिर है, जैसे कि उच्च गति वाली रेसिंग या टर्बुलेंस के तहत हवाई युद्धाभ्यास।