Physics-Aware Sparse Learning and Selective Online Adaptation for Euler-Lagrange Robot Dynamics

तकनीकी सारांश: यूलर-लैग्रेंज रोबोट डायनेमिक्स के लिए भौतिकी-जागरूक स्पार्स लर्निंग और चयनात्मक ऑनलाइन अनुकूलन

1. समस्या विवरण

सटीक डायनेमिक्स मॉडल मॉडल-आधारित रोबोटिक नियंत्रण के लिए मौलिक हैं, जो आमतौर पर यूलर-लैग्रेंज (EL) सूत्रीकरण पर निर्भर करते हैं। हालाँकि, अनमॉडल प्रभावों जैसे कि पेलोड भिन्नता, इंट्रा-सिस्टम कपलिंग, घर्षण, एरोडायनामिक ड्रैग और बदलते परिचालन स्थितियों के कारण नाममात्र (nominal) EL मॉडल वास्तविक दुनिया के परिदृश्यों में विफल हो जाते हैं।

मौजूदा लर्निंग-आधारित सुधार विधियाँ आमतौर पर नाममात्र मॉडल में एक एकल योज्य (additive) अवशिष्ट पद (residual term) पेश करके इसे संबोधित करती हैं। हालांकि ये भविष्यवाणी त्रुटि को कम करने में प्रभावी हैं, लेकिन ये दृष्टिकोण विसंगति को एक असंरचित, ब्लैक-बॉक्स फंक्शन के रूप में मानते हैं। यह EL सिस्टम की आंतरिक यांत्रिक संरचना की उपेक्षा करता है, जो समरूपता (symmetry), जड़त्व मैट्रिक्स (inertia matrix) की धनात्मक-निश्चितता (positive-definiteness), और जड़त्व तथा वेग-निर्भर (कोरिओलिस/सेंट्रीफ्यूगल) पदों के बीच विशिष्ट कपलिंग जैसे महत्वपूर्ण भौतिक गुणों का उल्लंघन करता है। फलस्वरूप, ऐसे मॉडल भौतिक रूप से असंगत भविष्यवाणियाँ दे सकते हैं और नियंत्रकों में शामिल होने पर उनकी विश्वसनीयता कम हो सकती है।

इसके अलावा, वास्तविक दुनिया के सिस्टम समय-परिवर्तनीय कपलिंग प्रदर्शित करते हैं जहाँ कई स्टेट इंटरैक्शन कमजोर रहते हैं, जो यह संकेत देता है कि अवशिष्ट डायनेमिक्स आंशिक रूप से स्पार्स (sparse) हैं। मौजूदा विधियाँ अक्सर इस स्पार्सिटी का लाभ उठाने में या उच्च कम्प्यूटेशनल लागत या डेटा अक्षमता के बिना गैर-स्थिर स्थितियों के अनुकूल होने में विफल रहती हैं। मुख्य चुनौती एक ऐसा लर्निंग फ्रेमवर्क विकसित करना है जो EL सिस्टम के संरचित यांत्रिक रूप को संरक्षित करते हुए बदलते विकर्षणों (disturbances) के लिए संक्षिप्त, चयनात्मक ऑनलाइन अनुकूलन को सक्षम करे।

2. कार्यप्रणाली

लेखक एक संरचना-संरक्षण अवशिष्ट लर्निंग फ्रेमवर्क (structure-preserving residual learning framework) का प्रस्ताव करते हैं जो मॉडल विसंगति को तीन अलग-अलग घटकों में विभाजित करता है, जिससे यांत्रिक रूप से जुड़े पदों को विक्षोभ-संवेदनशील बलों से अलग किया जाता है। कार्यप्रणाली के चार मुख्य चरण हैं:

A. संरचित अवशिष्ट अपघटन (Structured Residual Decomposition)

एक एकल योज्य अवशिष्ट $\delta$ सीखने के बजाय, मॉडल EL समीकरण के आधार पर सुधार को तीन भागों में विभाजित करता है:
$$\delta_t = \Delta M_t \ddot{\chi}_t + \Delta C_t \dot{\chi}_t + \Delta f_t$$

1. जड़त्व सुधार ($\Delta M$): जड़त्व मैट्रिक्स के लिए एक संरचित सुधार।
2. प्रेरित कोरिओलिस पद ($\Delta C$): स्क्यू-सिमेट्री (skew-symmetry) गुण ($\dot{M} - 2C$) को संरक्षित करने के लिए सीधे सुधारा गया जड़त्व से व्युत्पन्न।
3. सामान्यीकृत बल अवशेष ($\Delta f$): गैर-रूढ़िवत बलों (घर्षण, ड्रैग, बाहरी विक्षोभ) को कैप्चर करता है।

B. स्पार्स लेटेंट इंटरैक्शन मॉडलिंग

इतिहास-निर्भर डायनेमिक्स को संभालने और स्पार्सिटी का लाभ उठाने के लिए, सिस्टम एक टेम्पोरल कनवल्शनल नेटवर्क का उपयोग करके अवलोकनों के एक सीमित इतिहास विंडो ($H_t$) को एक लेटेंट रिप्रजेंटेशन $\tilde{z}_t$ में एनकोड करता है। इस रिप्रजेंटेशन को फिर सॉफ्ट-थ्रेशोल्डिंग (एक स्पार्स कोडिंग तंत्र) के माध्यम से दो शाखाओं में विभाजित किया जाता है:

• स्ट्रक्चरल ब्रांच ($z^M_t$): एक स्पार्स कोड जो जड़त्व सुधार को संचालित करता है।
• एडेप्टिव ब्रांच ($z^f_t$): एक स्पार्स कोड जो सामान्यीकृत बल सुधार को संचालित करता है।

यह सुनिश्चित करता है कि किसी भी दिए गए समय में केवल "सक्रिय" इंटरैक्शन मोड के एक छोटे से समूह का उपयोग किया जाए, जिससे संक्षिप्तता (parsimony) को बढ़ावा मिलता है।

C. भौतिक बाधाएं और पैरामीट्राइजेशन

• जड़त्व मैट्रिक्स: सुधारा गया जड़त्व $\hat{M}$ को नाममात्र जड़त्व और एक सीखे गए सुधार के योग के रूप में पैरामीट्राइज किया जाता है। सुधार को एक लो-रैंक टर्म और एक सख्ती से धनात्मक विकर्ण पद (एक softplus एक्टिवेशन का उपयोग करके) के रूप में बनाया गया है, जो यह गारंटी देता है कि $\hat{M}$ रचना द्वारा सममित धनात्मक निश्चित (Symmetric Positive Definite - SPD) बना रहे।
• कोरिओलिस मैट्रिक्स: सुधारा गया कोरिओलिस मैट्रिक्स $\hat{C}$ स्वतंत्र रूप से नहीं सीखा जाता है, बल्कि क्रिस्टोफेल सिम्बल्स (Christoffel symbols) का उपयोग करके सीखे गए जड़त्व $\hat{M}$ से विश्लेषणात्मक रूप से व्युत्पन्न किया जाता है। यह जड़त्व और वेग पदों के बीच यांत्रिक कपलिंग को लागू करता है।
• सामान्यीकृत बल: स्पार्स एडेप्टिव लेटेंट कोड ($\Delta f = \Theta z^f_t$) के रैखिक फलन के रूप में मॉडल किया गया है।

D. चयनात्मक ऑनलाइन अनुकूलन (Selective Online Adaptation)

समय-परिवर्तनीय स्थितियों (जैसे पेलोड परिवर्तन) को संभालने के लिए, फ्रेमवर्क चयनात्मक ऑनलाइन अनुकूलन का उपयोग करता है:

• यांत्रिक रूप से संरचित घटकों ($\Delta M$ और $\Delta C$) को ऑफलाइन प्रशिक्षण के बाद स्थिर (fixed) रखा जाता है।
• केवल सामान्यीकृत बल डिकोडर ($\Theta$) को ऑनलाइन अपडेट किया जाता है।
• अपडेट्स को $z^f_t$ के गैर-शून्य तत्वों द्वारा परिभाषित सक्रिय लेटेंट सबस्पेस के भीतर बायेसियन लीनियर रिग्रेशन का उपयोग करके किया जाता है। यह पूरे मॉडल को पुन: प्रशिक्षित किए बिना या यांत्रिक संरचना का उल्लंघन किए बिना, विक्षोभों के प्रति तीव्र और नमूना-कुशल अनुकूलन की अनुमति देता है।

3. प्रमुख योगदान

पेपर तीन प्राथमिक योगदानों को रेखांकित करता है:

1. संरचना-संरक्षण अवशिष्ट अपघटन: EL सिस्टम के लिए अवशिष्ट लर्निंग का सूत्रीकरण, जो स्पष्ट रूप से जड़त्व सुधारों, प्रेरित कोरिओलिस पदों और सामान्यीकृत बलों को अलग करता है। यह एक जेनेरिक ब्लैक-बॉक्स टर्म में सभी विसंगतियों को समाहित करने के बजाय प्रमुख यांत्रिक गुणों (समरूपता, धनात्मक-निश्चितता) को संरक्षित करता है।
2. पार्सिमोनियस हिस्ट्री-डिपेंडेंट इंटरैक्शन मॉडलिंग: एक स्पार्स लेटेंट रिप्रजेंटेशन का परिचय जो सक्रिय इंटरैक्शन पैटर्न की एक सीमित संख्या को कैप्चर करता है। यह संरचित यांत्रिक विसंगतियों और विक्षोभ प्रभावों दोनों के संक्षिप्त मॉडलिंग को सक्षम बनाता है, यह देखते हुए कि कई स्टेट इंटरैक्शन लगातार कमजोर रहते हैं।
3. चयनात्मक बायेसियन ऑनलाइन अनुकूलन: एक अनुकूलन तंत्र का विकास जो सक्रिय लेटेंट सबस्पेस के भीतर केवल विक्षोभ-संवेदनशील सामान्यीकृत-बल घटक को अपडेट करता है। यह सीखे गए यांत्रिक ढांचे की अखंडता को बनाए रखता है जबकि गैर-स्थिर डायनेमिक्स के प्रति प्रतिक्रियाशीलता सुनिश्चित करता है।

4. प्रयोगात्मक परिणाम

विधि का मूल्यांकन पांच रोबोटिक प्लेटफॉर्म्स पर किया गया: एक डिफरेंशियल-ड्राइव मोबाइल रोबोट, एक 6-DoF मैनिपुलेटर, एक क्वाड्रोटर, एक मोबाइल मैनिपुलेटर, और एक एरियल मैनिपुलेटर। प्रयोगों में विभिन्न पेलोड और परिचालन स्थितियों के तहत जटिल फिगर-एट (figure-eight) ट्रैजेक्टरीज को ट्रैक किया गया।

• भविकी सटीकता (Prediction Accuracy): प्रस्तावित विधि ने स्पार्स सिस्टम आइडेंटिफिकेशन (SysID), फिजिक्स-इंस्पायर्ड TCNs (PI-TCN), और डीप मॉडल रेफरेंस एडेप्टिव कंट्रोल (DMRAC) सहित बेसलाइन्स की तुलना में सबसे कम नॉर्मलाइज्ड प्रेडिक्शन एरर प्राप्त किया। बेसलाइन्स मोबाइल और एरियल मैनिपुलेटर्स में कॉन्फ़िगरेशन-डिपेंडेंट कपलिंग के साथ संघर्ष करते रहे, जबकि स्ट्रक्चर्ड दृष्टिकोण उत्कृष्ट रहा।
• ट्रैजेक्टरी ट्रैकिंग: कंप्यूटेड टॉर्क कंट्रोलर में क्लोज्ड-लूप कंट्रोल का उपयोग करते हुए, प्रस्तावित विधि ने ऑफलाइन डीप लर्निंग मॉडल्स (DNN, Diffusion), मेटा-लर्निंग अप्रोच और एक्टिव MLPs की तुलना में बेहतर ट्रैकिंग प्रदर्शन (सबसे कम RMSE) प्रदर्शित किया। परिणाम दर्शाते हैं कि गैर-स्थिर डायनेमिक्स के तहत मजबूत ट्रैकिंग के लिए स्ट्रक्चर्ड मॉडलिंग के साथ रिकर्सिव, अनिश्चितता-जागरूक अपडेट को जोड़ना महत्वपूर्ण है।
• एब्लेशन स्टडीज (Ablation Studies):
  • स्पार्सिटी: मध्यम स्पार्सिटी स्तरों ने सर्वोत्तम अभिव्यक्ति और मजबूती के बीच संतुलन प्रदान किया, जिससे कम-डेटा शासन में डेटा दक्षता में सुधार हुआ और तेज़ अभिसरण (convergence) संभव हुआ।
  • अनुकूलन: स्पार्स मॉडल ने डेन्स मॉडल्स की तुलना में क्षणिक विक्षोभों (जैसे पेलोड ड्रॉप) के बाद तेज़ एरर रिकवरी और सुचारू अभिसरण दिखाया। सक्रिय लेटेंट डायमेंशन क्षणिक घटनाओं के दौरान गतिशील रूप से बढ़ गया और नाममात्र स्तरों पर वापस आ गया, जो अनुकूलित जटिलता को प्रदर्शित करता है।

5. महत्व और दावे

पेपर तर्क देता है कि वास्तविक दुनिया के सटीक मॉडल-आधारित नियंत्रण के लिए केवल भविष्यवाणी त्रुटि को कम करने से अधिक की आवश्यकता है; इसके लिए भौतिक निरंतरता (physical consistency) और चयनात्मक अनुकूलन क्षमता की आवश्यकता है।

• भौतिक निरंतरता: EL संरचना (SPD जड़त्व, युग्मित कोरिओलिस पद) को संरक्षित करके, मॉडल व्याख्या योग्य और विश्वसनीय रहता है, जो असंरचित ब्लैक-बॉक्स सुधारों के खतरों से बचता है जो अस्थिर नियंत्रण व्यवहार की ओर ले जा सकते हैं।
• दक्षता और मजबूती: स्पार्स लेटेंट रिप्रजेंटेशन और चयनात्मक ऑनलाइन अनुकूलन का संयोजन सिस्टम को कुशलतापूर्वक समय-परिवर्तनीय स्थितियों को संभालने की अनुमति देता है। यह पूर्ण-मॉडल पुन: प्रशिक्षण या बड़े पैरामीटर सेट को अनुकूलित करने की डेटा अक्षमता और कम्प्यूटेशनल बोझ से बचता है।
• व्यावहारिक तैनाती: फ्रेमवर्क को NVIDIA Jetson Orin NX जैसे एम्बेडेड हार्डवेयर पर रीयल-टाइम तैनाती के लिए डिज़ाइन किया गया है, जो यह प्रदर्शित करता है कि स्ट्रक्चर्ड रेसिडुअल लर्निंग को विविध रोबोटिक सिस्टम के लिए मॉडल-आधारित नियंत्रकों में प्रभावी ढंग से एकीकृत किया जा सकता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि उनका दृष्टिकोण प्रदर्शन में काफी सुधार करता है, एक सीमा बनी हुई है: तैनाती के दौरान यांत्रिक रूप से संरचित घटक स्थिर रहता है। वे सुझाव देते हैं कि भविष्य के कार्यों में बहुत बड़े या निरंतर बदलते जड़त्व गुणों वाले परिदृश्यों के लिए संयुक्त रूप से संरचित यांत्रिक पदों के अनुकूलन की जांच की जानी चाहिए।