🔢 mathematics

Relative Entropy-Bounded Ambiguous Chance Constraints for Robust Planning in Nonlinear Systems

यह शोध पत्र एक गैररेखीय स्टोकेस्टिक प्रणालियों (nonlinear stochastic systems) के लिए एक सुदृढ़ नियोजन ढांचे का प्रस्ताव करता है जो एक नाममात्र गॉसियन वितरण (nominal Gaussian distribution) के चारों ओर एक सापेक्ष एंट्रॉपी-बद्ध सेट (relative entropy-bounded set) को परिभाषित करके वितरण संबंधी अस्पष्टता (distributional ambiguity) के तहत जोखिम को सीमित करता है, जिसमें अस्पष्टता का आकार कोवेरिएंस विकास (covariance evolution) और गतिशील ट्रंकेशन त्रुटियों (dynamical truncation errors) द्वारा निर्धारित किया जाता है, जैसा कि एक अंतरिक्ष यान मार्गदर्शन अनुप्रयोग में प्रदर्शित किया गया है।

मूल लेखक: Trevor N. Wolf, Jay W. McMahon

प्रकाशित 2026-07-21

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Trevor N. Wolf, Jay W. McMahon

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 अंतरिक्ष की धूल और गुरुत्वाकर्षण के खिंचाव वाले एक अराजक, घूमते हुए तूफान के बीच से एक अंतरिक्ष यान को रास्ता दिखाने की कोशिश कर रहे हैं। हाई स्कूल भौतिकी की आदर्श दुनिया में, हम अक्सर ऐसा मान लेते हैं कि ब्रह्मांड शांत और पूर्वानुमानित है: यदि आप जानते हैं कि जहाज कहाँ है और उसकी गति कितनी है, तो आप सटीक रूप से गणना कर सकते हैं कि कल वह कहाँ होगा। लेकिन इंजीनियरिंग की वास्तविक और जटिल दुनिया में, चीजें इतनी व्यवस्थित नहीं होतीं। जहाज किसी भटकते हुए कण से टकरा सकता है, या गुरुत्वाकर्षण का वर्णन करने वाली गणित थोड़ी गलत हो सकती है। यहीं पर "स्टोकेस्टिक कंट्रोल" (stochastic control) काम आता है—यह एक फैंसी शब्द है जिसका अर्थ है उन चीजों को नियंत्रित करना जब आप 100% सुनिश्चित नहीं होते कि क्या हो रहा है।

यान को सुरक्षित रखने के लिए, इंजीनियर "चांस कंस्ट्रेंट्स" (chance constraints) का उपयोग करते हैं। इसे एक सुरक्षा नियम के रूप में सोचें जो कहता है, "हमें 99% सुनिश्चित होना चाहिए कि जहाज चंद्रमा से नहीं टकराएगा।" आमतौर पर, इस गणित को काम करने के लिए, इंजीनियर यह मान लेते हैं कि जहाज की अनिश्चितता एक आदर्श "बेल कर्व" (Gaussian distribution) का पालन करती है। यह ऐसा है जैसे यह मानना कि यदि आप एक गेंद फेंकते हैं, तो वह रेत के एक साफ, सममित ढेर में गिरेगी। लेकिन वास्तविक दुनिया में, विशेष रूप से किसी ग्रह की कक्षा में घूमते अंतरिक्ष यान जैसे जटिल प्रणालियों के साथ, हवा और गुरुत्वाकर्षण उस रेत के ढेर को एक अजीब, टेढ़े-मेढ़े आकार में बदल सकते हैं। यदि आप मानते हैं कि यह एक आदर्श बेल कर्व है जबकि वास्तव में यह एक टेढ़ा-मेढ़ा आकार है, तो आपकी सुरक्षा गणना खतरनाक रूप से गलत हो सकती है। यह शोध पत्र इस समस्या पर काम करता है कि कैसे तब सुरक्षित रहा जाए जब आप जानते हों कि आपका "परफेक्ट बेल कर्व" वाला अनुमान गलत होने की संभावना है, लेकिन आप यह नहीं जानते कि वह "टेढ़ा-मेढ़ा आकार" वास्तव में कैसा दिखता है।

लेखक, ट्रेवर एन. वुल्फ और जे डब्ल्यू मैकमोहन, इस अनिश्चितता को संभालने का एक नया तरीका प्रस्तावित करते हैं, जिसे वे "डिस्ट्रिब्यूशनल एम्बिग्युटी" (distributional ambiguity) कहते हैं। जहाज की अनिश्चितता के सटीक आकार का ढोंग करने के बजाय, वे स्वीकार करते हैं कि वे इसे नहीं जानते। वे अपने सबसे अच्छे अनुमान (गाऊसी बेल कर्व) के चारों ओर एक "सुरक्षा बुलबुला" (safety bubble) बनाते हैं। इस बुलबुले के भीतर, वास्तविक अनिश्चितता कुछ भी हो सकती है, जब तक कि वह अनुमान से बहुत अधिक अलग न हो। वे "रिलेटिव एंट्रॉपी" (relative entropy) नामक एक अवधारणा का उपयोग करके यह मापते हैं कि "बहुत अधिक अलग" क्या है, जो एक पैमाने की तरह काम करता है जो यह मापता है कि वास्तविक, अव्यवस्थित वास्तविकता अपने साफ, आदर्श गणितीय मॉडल से कितनी दूर हट गई है।

उनकी खोज का मुख्य हिस्सा एक गणितीय युक्ति है जो उन्हें इस सुरक्षा बुलबुले के भीतर सबसे खराब स्थिति के जोखिम की गणना करने देती है। कल्पना कीजिए कि आप एक टक्कर से बचने की कोशिश कर रहे कप्तान हैं। आपके पास एक मानचित्र है जो कहता है, "चट्टान से टकराने की 1% संभावना है।" लेकिन आप जानते हैं कि आपका मानचित्र थोड़ा गलत हो सकता है। यह शोध पत्र आपको यह कहने का एक सूत्र देता है कि, "भले ही मानचित्र इस विशिष्ट मात्रा तक गलत हो, फिर भी चट्टान से टकराने की वास्तविक संभावना निश्चित रूप से X% से अधिक नहीं होगी।" उन्होंने पाया कि इस "X%" की गणना को केवल एक बड़ा, बेकार नंबर अनुमान लगाने के बजाय, सटीक और उपयोगी कैसे बनाया जाए।

महत्वपूर्ण रूप से, यह शोध पत्र इस विचार का खंडन करता है कि अत्यधिक नॉनलीनियर सिस्टम (nonlinear systems - जहाँ छोटे बदलाव बड़े, अप्रत्याशित प्रभाव पैदा करते हैं) के साथ काम करते समय हम केवल सरल, आदर्श बेल कर्व धारणा पर टिके रह सकते हैं। वे दिखाते हैं कि इन जटिल प्रणालियों के लिए, बेल कर्व का अनुमान जल्दी ही विफल हो जाता है। वास्तविक अनिश्चितता के सटीक, असंभव-से-जानने वाले आकार को खोजने के बजाय, वे जोखिम को सीमित करने के लिए एक "वेरिएशनल एक्सप्रेशन" (variational expression - एक प्रकार का गणितीय सूत्र) का उपयोग करते हैं। इसका अर्थ यह है कि उन्हें सच्चाई जानने की आवश्यकता नहीं है; उन्हें बस यह जानने की आवश्यकता है कि सच्चाई उनके अनुमान से कितनी दूर हो सकती है।

लेखकों ने पृथ्वी-चंद्रमा प्रणाली में नेविगेट करने वाले एक अंतरिक्ष यान के सिमुलेशन का उपयोग करके इस विचार का परीक्षण किया। उन्होंने एक ऐसी स्थिति बनाई जहाँ जहाज को बिना टकराए एक "चेज़र" (chaser) अंतरिक्ष यान के पास से गुजरना था, जबकि वह स्पेस नॉइज़ के यादृच्छिक धक्कों से जूझ रहा था। उन्होंने यह देखने के लिए हजारों कंप्यूटर परीक्षण (मोंटे कार्लो सिमुलेशन) चलाए कि वास्तव में क्या हुआ। परिणाम दिखाते हैं कि उनका नया तरीका काम करता है: उनके द्वारा गणना किया गया "सुरक्षा बुलबुला" वास्तविक, अव्यवस्थित जोखिम को सफलतापूर्वक समाहित करता है। वास्तव में, जब उन्होंने यात्रा के अंत में देखा, तो पुराना, सरल तरीका (परफेक्ट बेल कर्व मानकर) खतरे को कम करके आंक रहा था, जबकि उनके नए, रोबस्ट तरीके ने सही चेतावनी दी कि जोखिम अधिक था।

उनके काम का एक बहुत ही चतुर हिस्सा यह तय करना है कि "सुरक्षा बुलबुला" कितना बड़ा बनाया जाए। केवल एक यादृच्छिक आकार चुनने के बजाय, उन्होंने एक नियम निकाला जो बुलबुले के आकार को इस बात से जोड़ता है कि जहाज का पथ कितना मुड़ रहा है और गणितीय मॉडल वास्तविक भौतिकी का कितना अनुमान लगा रहा है। यह एक रबर बैंड की तरह है जो सड़क के ऊबड़-खाबड़ होने पर अपने आप चौड़ा हो जाता है और सड़क के चिकना होने पर तंग हो जाता है। उन्होंने गणितीय रूप से सिद्ध किया कि जैसे-जैसे उनका "रबर बैंड" शून्य की ओर सिकुड़ता है (जिसका अर्थ है कि मॉडल एकदम सटीक है), उनका जटिल जोखिम सूत्र वापस उसी सरल, मानक जोखिम सूत्र में बदल जाता है जिसे हम पहले से जानते हैं।

अपने विशिष्ट सिमुलेशन में, उन्होंने $5 \times 10^{-6}$ km/s $^{3/2}$ और $1 \times 10^{-6}$ km/s $^{3/2}$ के डिफ्यूजन मैग्नीट्यूड (यह मापने का पैमाना कि यादृच्छिक शोर जहाज को कितना धकेल रहा है) का उपयोग किया। उन्होंने पाया कि उच्च शोर के साथ, "परफेक्ट अनुमान" और "अव्यवस्थित वास्तविकता" के बीच का अंतर बढ़ जाता है, और उनके तरीके ने सुरक्षा मार्जिन को समायोजित करने के लिए इसे सही ढंग से प्रबंधित किया। उन्होंने यह भी दिखाया कि गणित को सटीक बनाने के लिए उपयोग किया जाने वाला "ट्यूनिंग नॉब" (एक चर जिसे $\lambda$ कहा जाता है) समय के साथ बदलता रहता है, जो उड़ान के विशिष्ट क्षण के अनुसार अनुकूलित होता है।

अंततः, यह शोध पत्र पूर्ण भविष्यवाणी की समस्या को हल करने का दावा नहीं करता है। इसके बजाय, यह इंजीनियरों को एक ऐसा ढांचा प्रदान करता है जिससे वे कह सकें, "हम सटीक सच्चाई नहीं जानते, लेकिन हम यह जानते हैं कि हम कितने गलत हो सकते हैं, और हम अभी भी उन सीमाओं के भीतर सुरक्षा की गारंटी दे सकते हैं।" यह गैर-रेखीय अराजकता (nonlinear chaos) के डरावने अज्ञात को एक प्रबंधनीय, गणनीय जोखिम में बदल देता है, जो अंतरिक्ष यान को ब्रह्मांड के अप्रत्याशित नृत्य के माध्यम से निर्देशित करने के लिए एक नया टूलकिट प्रदान करता है।

समस्या विवरण
यह शोध पत्र वितरण संबंधी अनिश्चितता (distributional ambiguity) के तहत गैर-रेखीय स्टोकेस्टिक प्रणालियों (nonlinear stochastic systems) के लिए सुदृढ़ मार्गदर्शन और नियंत्रण नीतियों को डिजाइन करने की चुनौती को संबोधित करता है। पारंपरिक चांस-कंस्ट्रेंड कंट्रोल विधियाँ, विशेष रूप से कोवेरियेंस स्टीयरिंग (CS) के ढांचे के भीतर, आमतौर पर यह मानती हैं कि वास्तविक अवस्था वितरण (state distribution) सटीक रूप से ज्ञात है और एक गाऊसी (Gaussian) वितरण का अनुसरण करता है। ये धारणाएँ अक्सर अत्यधिक गैर-रेखीय गतिकी वाले वास्तविक इंजीनियरिंग अनुप्रयोगों (जैसे, पृथ्वी-चंद्रमा प्रणाली में अंतरिक्ष यान मार्गदर्शन) के लिए अमान्य होती हैं, जहाँ सिस्टम की गतिकी केवल अनुमानित रूप से मॉडल की जा सकती है या जहाँ गैर-रेखीयताएँ गाऊसी प्रकृति को तेजी से कम कर देती हैं। फलस्वरूप, मानक विधियाँ बाधा उल्लंघन (constraint violations), जैसे कि टकराव, के जोखिम को सटीक रूप से मापने में विफल हो सकती हैं जब वास्तविक संभाव्यता घनत्व फलन (PDF) नामित गाऊसी संदर्भ से विचलित होता है।

कार्यप्रणाली
लेखक एक "वितरण रूप से सुदृढ़ चांस कंस्ट्रेंट्स" (distributionally robust chance constraints) के लिए एक ढांचा प्रस्तावित करते हैं जो एक सापेक्ष एंट्रॉपी (Kullback-Leibler divergence, KLD) सीमित अस्पष्टता सेट (ambiguity set) का उपयोग करता है। कार्यप्रणाली निम्नलिखित प्रमुख चरणों के माध्यम से आगे बढ़ती है:

वैरिएशनल अपर बाउंड (Variational Upper Bound): शोध पत्र एक अज्ञात वास्तविक वितरण $\pi_t$ के तहत अपेक्षित जोखिम (बाधा उल्लंघन की संभावना) पर एक ऊपरी सीमा प्राप्त करने के लिए डॉन्सकर-वरियाडन (Donsker–Varadhan) वैरिएशनल फॉर्मूला का उपयोग करता है। यह सीमा एक नामित गाऊसी संदर्भ वितरण $\hat{\pi}_t$ और सापेक्ष एंट्रॉपी $R(\pi_t \| \hat{\pi}_t)$ के संदर्भ में व्यक्त की जाती है। यह सीमा संदर्भ वितरण के सापेक्ष एंट्रॉपी के शून्य के करीब पहुँचने पर सटीक जोखिम मान को पुनः प्राप्त करती है।
सापेक्ष एंट्रॉपी वृद्धि का अनुमान लगाना (Bounding Relative Entropy Growth): एक महत्वपूर्ण योगदान वास्तविक वितरण के स्पष्ट ज्ञान की आवश्यकता के बिना स्वयं सापेक्ष एंट्रॉपी के लिए एक समय-परिवर्ती ऊपरी सीमा का व्युत्पन्न करना है। वास्तविक और संदर्भ घनत्वों के लिए फोकर-प्लांक (Fokker-Planck) समीकरणों का विश्लेषण करके, लेखक सापेक्ष एंट्रॉपी की वृद्धि दर के लिए एक डिफरेंशियल इनइक्वालिटी (differential inequality) व्युत्पन्न करते हैं। यह दर प्रक्रिया शोर सहप्रसरण (process noise covariance) द्वारा भारित, वास्तविक गैर-रेखीय ड्रिफ्ट और रैखिकीकृत संदर्भ ड्रिफ्ट के बीच अपेक्षित वर्ग त्रुटि द्वारा सीमित होती है।
गैर-रेखीयता को संभालना (Handling Nonlinearity): सीमा को गणना योग्य बनाने के लिए, लेखक संदर्भ माध्य (reference mean) पर केंद्रित द्वितीय-क्रम टेलर विस्तार (quadratic remainder) का उपयोग करके ड्रिफ्ट त्रुटि का अनुमान लगाते हैं। वे गाऊसी मोमेंट्स (विशेष रूप से द्विघात रूपों का प्रत्याशा/expectation) के गुणों का लाभ उठाते हैं ताकि सीमा को संदर्भ कोवेरियेंस मैट्रिक्स और गैर-रेखीय ड्रिफ्ट के हेसियन (Hessian) के संदर्भ में व्यक्त किया जा सके।
संख्यात्मक कार्यान्वयन (Numerical Implementation): व्युत्पन्न सापेक्ष एंट्रॉपी वृद्धि दर को एक कॉनवेक्स ऑप्टिमाइज़ेशन फ्रेमवर्क के भीतर प्रथम-क्रम यूलर विधि (first-order Euler method) का उपयोग करके संख्यात्मक रूप से एकीकृत किया जाता है। लेखक अनुकूल फीडबैक नियंत्रण गेन (control gains) को हल करने के लिए शूर कॉम्प्लीमेंट (Schur complements) का उपयोग करके कोवेरियेंस स्टीयरिंग बाधाओं के एक कॉनवेक्स रिलैक्सेशन का उपयोग करते हैं।

प्रमुख योगदान

अस्पष्टता के तहत जोखिम सीमा (Risk Bound under Ambiguity): शोध पत्र एक अनिश्चित वितरण के तहत चांस कंस्ट्रेंट्स के लिए एक कठोर ऊपरी सीमा स्थापित करता है, जो नामित गाऊसी जोखिम और सापेक्ष एंट्रॉपी बॉल के भीतर सबसे खराब स्थिति के जोखिम के बीच के अंतर को पाटता है।
गतिशील अस्पष्टता सेट का आकार (Dynamic Ambiguity Set Sizing): पिछले कार्यों के विपरीत, जो अक्सर अस्पष्टता सेट के आकार को एक स्थिर पैरामीटर के रूप में मानते हैं, यह कार्य संदर्भ कोवेरियेंस विकास और द्वितीय-क्रम के गतिशील ट्रंकेशन एरर के फलन के रूप में सापेक्ष एंट्रॉपी ऊपरी सीमा निर्धारित करने के लिए एक सिद्धांत आधारित विधि पेश करता है। यह अस्पष्टता सेट के आकार को सिस्टम की गैर-रेखीयता और शोर विशेषताओं के आधार पर गतिशील रूप से नियंत्रित करने की अनुमति देता है।
गैर-रेखीय CS के लिए ढांचा (Framework for Nonlinear CS): यह कार्य गैर-रेखीय कोवेरियेंस स्टीयरिंग समस्याओं में वितरण संबंधी अस्पष्टता को शामिल करने के लिए एक आधारभूत ढांचा प्रदान करता है, जो लीनियर टाइम-इनवेरिएंट (LTI) धारणाओं या निश्चित गाऊसी मिश्रणों की सीमाओं से परे जाता है।

परिणाम
प्रस्तावित विधि का मूल्यांकन अर्थ-चंद्रमा सर्कुलर रिस्ट्रिक्टेड थ्री-बॉडी प्रॉब्लम (CRTBP) क्षेत्र में एक गैर-रेखीय स्टोकेस्टिक स्पेसक्राफ्ट गाइडेंस समस्या का उपयोग करके किया गया है।

सिमुलेशन सेटअप: परिदृश्य में एक ऑर्बिटल पीरियड के दौरान एक अंतरिक्ष यान के वितरण को निर्देशित करना और एक "चेज़र" (chaser) अंतरिक्ष यान से टकराव से बचना शामिल है। दो अलग-अलग डिफ्यूजन मैग्नीट्यूड (प्रोसेस नॉइज़ स्तर) का परीक्षण किया गया।
वैधीकरण (Validation): लेखकों ने अपने व्युत्पन्न सापेक्ष एंट्रॉपी ऊपरी सीमा की तुलना एक "ट्रुथ-सरोगेट" (truth-surrogate) मॉडल के विरुद्ध की, जो 4,000-ट्रायल मोंटे कार्लो सिमुलेशन के बीच KLD की गणना करता है।
निष्कर्ष:
- व्युत्पन्न ऊपरी सीमा ने वास्तविक सापेक्ष एंट्रॉपी के विकास को सफलतापूर्वक ट्रैक किया, और विभिन्न ट्यूनिंग मापदंडों ( $\gamma$ ) के लिए पूरे प्रक्षेपवक्र (trajectory) के दौरान वैध (रूढ़िवादी/conservative) बना रहा।
- परिणामों ने प्रदर्शित किया कि नामित जोखिम (गाऊसी धारणा के तहत गणना किया गया) वास्तविक जोखिम को काफी कम आंकता है, विशेष रूप से प्रक्षेपवक्र के उत्तरार्ध में जहाँ गैर-रेखीय त्रुटियाँ संचित होती हैं।
- प्रस्तावित जोखिम ऊपरी सीमा ने नामित और वास्तविक दोनों जोखिम संभावनाओं को प्रभावी ढंग से नियंत्रित किया, जिससे एक सुदृढ़ सुरक्षा मार्जिन प्रदान हुआ।
- वैरिएशनल बाउंड के लिए इष्टतम ट्यूनिंग पैरामीटर $\lambda^*$ को समय-परिवर्ती दिखाया गया, जो सापेक्ष एंट्रॉपी सीमा पर निर्भर है।

महत्व
शोध पत्र का दावा है कि यह गैर-रेखीय कोवेरियेंस स्टीयरिंग समस्याओं में वितरण संबंधी अस्पष्टता को संभालने के लिए आवश्यक मौलिक उपकरण प्रदान करता है। इसका प्राथमिक महत्व सिस्टम के संभाव्यता वितरण के पूर्ण ज्ञान की धारणा के बिना जोखिम को मापने और सीमित करने का एक तरीका प्रदान करने में निहित है। अस्पष्टता सेट के आकार को सीधे सिस्टम की गतिशील त्रुटियों और कोवेरियेंस विकास से जोड़कर, यह दृष्टिकोण नियंत्रण नीतियों को डिजाइन करने का एक व्यवस्थित तरीका प्रदान करता है जो मॉडल की अशुद्धियों और गैर-रेखीय प्रभावों के प्रति सुदृढ़ (robust) हैं। लेखक इस कार्य को जटिल इंजीनियरिंग प्रणालियों के लिए कॉनवेक्स ऑप्टिमाइज़ेशन प्रक्रियाओं में वितरण रूप से सुदृढ़ चांस कंस्ट्रेंट्स को क्रियान्वित करने की दिशा में एक कदम के रूप में देखते हैं।

इसी तरह के और पेपर