Game-Theoretic Area Coverage Control with Cooperative-Adversarial Multi-Agent Systems

तकनीकी सारांश: सहयोगात्मक-प्रतिद्वंद्वी बहु-एजेंट प्रणालियों के साथ गेम-थ्योरेटिक क्षेत्र कवरेज नियंत्रण

समस्या का निरूपण
यह कार्य बहु-एजेंट प्रणालियों के लिए क्षेत्र कवरेज नियंत्रण समस्या को दो अलग-अलग समूहों के एजेंटों के बीच एक दो-खिलाड़ी शून्य-योग खेल (two-player zero-sum game) के रूप में पुनर्व्याख्या करके इसे संबोधित करता है: "साधारण" (ordinary) एजेंट और "प्रतिद्वंद्वी" (adversarial) एजेंट। पारंपरिक कवरेज नियंत्रण के विपरीत, जहाँ पर्यावरणीय जोखिम घनत्व (risk density) एक स्थिर, पूर्व-निर्धारित क्षेत्र होता है जो एजेंटों के व्यवहार से अप्रभावित रहता है, यह ढांचा यह प्रतिपादित करता है कि जोखिम क्षेत्र प्रतिद्वंद्वी एजेंटों द्वारा गतिशील रूप से उत्पन्न किया जाता है। साधारण एजेंटों का लक्ष्य सेंसिंग कवरेज को अधिकतम करना (कवरेज मीट्रिक को कम करना) है, जबकि प्रतिद्वंद्वी एजेंटों का लक्ष्य इस कवरेज को कम करना (उसी मीट्रिक को बढ़ाना) है।

कार्यक्षेत्र $\Omega$ एक सीमित, उत्तल (convex) द्वि-आयामी क्षेत्र है। साधारण एजेंटों का सामूहिक राज्य $P(t)$ और प्रतिद्वंद्वियों का राज्य $S(t)$ को दर्शाया गया है। सिस्टम डायनेमिक्स सिंगल-इंटीग्रेटर मॉडल का पालन करते हैं। कवरेज मीट्रिक $H(P, S, V)$ गेम पे-ऑफ के रूप में कार्य करता है, जिसे प्रतिद्वंद्वियों द्वारा उत्पन्न सामूहिक जोखिम घनत्व द्वारा भारित (weighted) साधारण एजेंटों के सेंसिंग प्रदर्शन (क्वाड्रेटिक दूरी) के समाकलन (integral) के रूप में परिभाषित किया गया है। समस्या को मैक्सिमिन अनुकूलन (maximin optimization) के रूप में तैयार किया गया है:
$$\max_{S \in \Omega} \min_{P \in \Omega} H(P, S, V)$$
एजेंट डायनेमिक्स के अधीन।

कार्यप्रणाली
लेखक ग्रेडिएंट डिसेंट-असेंट (GDA) एल्गोरिदम पर आधारित एक नियंत्रण डिजाइन प्रस्तावित करते हैं।

1. साधारण एजेंट: कवरेज मीट्रिक को कम करने के लिए एक ग्रेडिएंट डिसेंट रणनीति (लॉयड का एल्गोरिदम) का उपयोग करते हैं। उनका नियंत्रण नियम प्रत्येक एजेंट को उसके वोरोनोई सेल (Voronoi cell) के सेंट्रॉइड की ओर ले जाता है, जो जोखिम घनत्व क्षेत्र द्वारा भारित होता है।
2. प्रतिद्वंद्वी एजेंट: कवरेज मीट्रिक को अधिकतम करने के लिए एक ग्रेडिएंट एसेंट रणनीति का उपयोग करते हैं। उनका नियंत्रण नियम उन्हें उन स्थितियों की ओर ले जाता है जो साधारण एजेंटों के सेंसिंग प्रदर्शन के सापेक्ष भारित जोखिम घनत्व को अधिकतम करती हैं।

दोनों समूहों के बीच युग्मन (coupling) इसलिए होता है क्योंकि वोरोनोई विभाजन (जो साधारण एजेंटों के सेंट्रॉइड निर्धारित करता है) जोखिम घनत्व पर निर्भर करता है, जो बदले में प्रतिद्वंद्वी स्थितियों पर निर्भर करता है। इसके विपरीत, प्रतिद्वंद्वी नियंत्रण इनपुट भारित जोखिम घनत्व पर निर्भर करते हैं, जो साधारण एजेंटों की स्थितियों से प्रभावित होता है।

प्रमुख योगदान
यह शोध पत्र तीन प्राथमिक योगदान देता है:

1. गेम-थ्योरेटिक पुनर्गठन: क्षेत्र कवरेज समस्या को एक शून्य-योग नैश गेम (zero-sum Nash game) के रूप में पुनर्गठित किया गया है जहाँ जोखिम घनत्व स्थिर नहीं है बल्कि प्रतिद्वंद्वी एजेंटों की रणनीतियों का एक अनुकूलन योग्य आउटपुट है। यह वास्तविक निगरानी और रक्षा परिदृश्यों को पकड़ता है जहाँ प्रतिद्वंद्वी पहचान से बचने के लिए सक्रिय रूप से बचते हैं।
2. युग्मित गतिकी (Coupled Dynamics) और द्विभाजन विश्लेषण: लेखक युग्मित ग्रेडिएंट-डिसेंट-अससेंट नियंत्रक व्युत्पन्न करते हैं और सिस्टम की स्थिरता का विश्लेषण करते हैं। एक निम्न-आयामी न्यूनीकरण (एक साधारण एजेंट और एक प्रतिद्वंद्वी एक 1D डोमेन पर) के माध्यम से, वे प्रदर्शित करते हैं कि सिस्टम एक हॉपफ द्विभाजन (Hopf bifurcation) से गुजरता है। सिस्टम का व्यवहार नियंत्रण गेन के अनुपात $\gamma = k_p / k_s$ (जहाँ $k_p$ साधारण एजेंट गेन है और $k_s$ प्रतिद्वंद्वी गेन है) द्वारा निर्धारित होता है।
   • जब $\gamma$ छोटा होता है (प्रतिद्वंद्वी प्रभुत्व), तो सिस्टम आवधिक पीछा-बचाव गतिकी (लिमिट साइकल) प्रदर्शित करता है।
   • जब $\gamma$ बड़ा होता है (साधारण एजेंट प्रभुत्व), तो सिस्टम एक निश्चित स्थानिक विन्यास (fixed spatial configuration) की ओर अभिसरित होता है।
3. नैश इक्विलिब्रियम लक्षण वर्णन: यह शोध पत्र नैश इक्विलिब्रियम के अस्तित्व के लिए स्थितियाँ स्थापित करता है। यह दिखाया गया है कि विशिष्ट स्थितियों के तहत (गाऊसीयन जोखिम घनत्व के प्रसार और कार्यक्षेत्र के आकार के बीच संबंधित), स्थिर विन्यास एक स्थानीय नैश इक्विलिब्रियम के अनुरूप होता है जहाँ साधारण एजेंट एक सेंट्रॉइडल वोरोनोई टेसेलेशन बनाते हैं और प्रतिद्वंद्वी एजेंट संतुलन सेंट्रॉइड पर स्थिर होते हैं।

परिणाम

• स्थिरता और अभिसरण: लियापुनोव विश्लेषण (Lyapunov analysis) का उपयोग करते हुए, लेखक सिद्ध करते हैं कि यदि नियंत्रण गेन अनुपात $\gamma$ एक महत्वपूर्ण सीमा $\gamma_c$ से अधिक है, तो सिस्टम ट्रैजेक्टरीज उस सबसे बड़े इनवेरिएंट सेट की ओर अभिसरित होती हैं जहाँ एजेंट अपने संबंधित सेंट्रॉइड के साथ संरेखित होते हैं ($p_i = c^p_i$ और $s_j = c^s_j$)।
• द्विभाजन (Bifurcation): निम्न-आयामी मामले में, विश्लेषण पुष्टि करता है कि जैसे ही $\gamma$ एक महत्वपूर्ण मान (विशेष रूप से जब $\mu_4 > \mu_2$, जो गाऊसियन घनत्व के मोमेंट्स से संबंधित है) से नीचे गिरता है, फिक्स्ड पॉइंट एक हॉपफ द्विभाजन के माध्यम से अपनी स्थिरता खो देता है, जिससे एक लिमिट साइकल उत्पन्न होता है।
• नैश इक्विलिब्रियम स्थितियाँ: फिक्स्ड पॉइंट पर एक स्थानीय नैश इक्विलिब्रियम के अस्तित्व के लिए पे-ऑफ फंक्शन के हेसियन (Hessian) को विशिष्ट निश्चितता शर्तों ($H_{pp} \succeq 0$ और $H_{ss} \preceq 0$) को संतुष्ट करना आवश्यक है। लेखक दिखाते हैं कि यह आयामहीन पैरामीटर $\epsilon = (b-a)/(2\sigma)$ पर निर्भर करता है, जो कार्यक्षेत्र के अर्ध-लम्बाई और जोखिम घनत्व के मानक विचलन के अनुपात का प्रतिनिधित्व करता है। एक पर्याप्त बड़ा प्रसार ($\epsilon < \epsilon_c \approx 1.37$) यह सुनिश्चित करता है कि इक्विलिब्रियम स्थितियाँ पूरी हों।
• सिमुलेशन: उच्च-आयामी सिस्टम (3 एजेंट बनाम 3 प्रतिद्वंद्वी) के संख्यात्मक सिमुलेशन सैद्धांतिक निष्कर्षों की पुष्टि करते हैं।
  • $\gamma=1$ (प्रतिद्वंद्वी प्रभुत्व) के साथ, ट्रैजेक्टरीज निरंतर आवधिक दोलन प्रदर्शित करती हैं।
  • $\gamma=3$ (साधारण प्रभुत्व) के साथ, सिस्टम एक निश्चित विन्यास की ओर अभिसरित होता है।
  • कोवेरिएंस $\sigma$ को बदलते हुए सिमुलेशन दर्शाते हैं कि हालांकि सिस्टम एक फिक्स्ड पॉइंट की ओर अभिसरित हो सकता है, यह केवल तभी एक नैश इक्विलिब्रियम बनता है जब जोखिम घनत्व का प्रसार कार्यक्षेत्र के सापेक्ष पर्याप्त रूप से बड़ा हो।

महत्व और दावे
यह शोध पत्र उन प्रतिस्पर्धी वातावरणों में क्षेत्र कवरेज को समझने के लिए एक नया ढांचा प्रदान करने का दावा करता है जहाँ "जोखिम" एक स्थिर पर्यावरणीय विशेषता नहीं है बल्कि एक प्रतिद्वंद्वी द्वारा नियंत्रित गतिशील चर है। इसका महत्व यहाँ है:

• सामान्यीकरण: स्थिर जोखिम क्षेत्रों से आगे बढ़कर अनुकूलित, एजेंट-जनित जोखिम क्षेत्रों तक पहुँचना।
• गतिशील अंतर्दृष्टि: यह पहचानना कि दोनों समूहों की सापेक्ष भौतिक क्षमताएं (एक्चुएशन अथॉरिटी, सेंसिंग दरें), जो गेन अनुपात $\gamma$ में समाहित हैं, सिस्टम के गुणात्मक व्यवहार को स्थिर कवरेज से आवधिक बचाव (periodic evasion) में मौलिक रूप से बदल देती हैं।
• इक्विलिब्रियम लक्षण वर्णन: उन पर्याप्त स्थितियों को प्रदान करना जिनके तहत परिणामी स्थिर विन्यास एक वास्तविक नैश इक्विलिब्रियम होता है, जो केवल गतिकी के अभिसरण और गेम-थ्योरेटिक इष्टतमता के बीच अंतर करता है।

लेखक नोट करते हैं कि जबकि निम्न-आयामी विश्लेषण एक वैश्विक नैश इक्विलिब्रियम प्रदान करता है, उच्च-आयामी मामला सामान्य सेटिंग्स में गैर-उत्तल (non-convex) कवरेज मीट्रिक के कारण आमतौर पर अधिकतम एक स्थानीय नैश इक्विलिब्रियम ही देता है। अपूर्ण या अनिश्चित जानकारी वाले परिदृश्यों में इस ढांचे को विस्तारित करने के लिए भविष्य के कार्य का सुझाव दिया गया है।