⚡ electrical engineering

Global Sensitive-Based Input Shaping for UAV-Payload Precision Motion Control

यह शोध पत्र 3D UAV-पेलोड प्रणालियों के लिए शापली मानों (Shapley values) द्वारा संवर्धित एक वैश्विक संवेदनशीलता-आधारित इनपुट शेपिंग विधि प्रस्तावित करता है, जो संख्यात्मक सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि यह गैर-मजबूत (non-robust), मानक मजबूत और मिनिमैक्स डिजाइनों की तुलना में पेलोड द्रव्यमान और रस्सी की लंबाई में अनिश्चितताओं के विरुद्ध मजबूती में महत्वपूर्ण सुधार करता है।

मूल लेखक: Karan Baker, Sanjay Maharjan, Tariq Hlayel, Oladapo Ogunbodede, Dutch Dunphy, Adrian Stein

प्रकाशित 2026-07-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Karan Baker, Sanjay Maharjan, Tariq Hlayel, Oladapo Ogunbodede, Dutch Dunphy, Adrian Stein

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 डंडे पर पानी से भरी बाल्टी लेकर दौड़ने की कोशिश कर रहे हैं। यदि आप बहुत झटके से चलते हैं, तो पानी छलक जाता है। यदि आप बहुत धीरे चलते हैं, तो आप दौड़ हार जाते हैं। यह रोबोटिक्स की एक विशिष्ट शाखा के दैनिक संघर्ष का मामला है: उड़ने वाली मशीनों को भारी चीजों को बिना ज्यादा डगमगाए ले जाने के लिए तैयार करना। वैज्ञानिक इन उड़ने वाली मशीनों को "अनमैन्ड एरियल व्हीकल्स" या UAV (ड्रोन) कहते हैं, और जो चीजें वे ले जाती हैं उन्हें "पेलोड" कहा जाता है।

जटिल हिस्सा यह है कि पेलोड ड्रोन से चिपका हुआ नहीं है; यह एक रस्सी पर लटका हुआ है। यह एक पेंडुलम प्रभाव पैदा करता है। जब ड्रोन मुड़ता है, तो भार झूलता है। जब भार झूलता है, तो वह ड्रोन को रास्ते से भटका देता है। यह एक अराजक नृत्य जैसा है जहाँ नर्तक और उसका साथी लगातार एक-दूसरे से टकरा रहे होते हैं। इसे ठीक करने के लिए, इंजीनियर "इनपुट शेपिंग" नामक एक तरकीब का उपयोग करते हैं। इसे एक कंडक्टर की तरह समझें जो संगीतकार को ठीक उसी समय नोट बजाने के लिए कहता है जब उसे किसी अनचाहे गूँज को खत्म करना हो। उनके आंदोलनों को बिल्कुल सही समय देने से, कंपन रुक जाता है। हालाँकि, यह तरकीब आमतौर पर तभी काम करती है जब इंजीनियर को बाल्टी का सटीक वजन और रस्सी की सटीक लंबाई पता हो। वास्तविक दुनिया में, ये संख्याएँ बदल जाती हैं, या कोई भी उन्हें तब तक नहीं जानता जब तक कि ड्रोन हवा में न हो। यह शोध पत्र पूछता है: क्या हम ड्रोन को यह सिखा सकते हैं कि जब उसे भार का सटीक विवरण पता न हो, तब भी वह झूलने को कैसे संभाल ले?

शोध पत्र का मिशन
यह शोध पत्र उन "निर्देशों" को डिजाइन करने का एक नया तरीका प्रस्तुत करता है जो लटके हुए भार वाले ड्रोनों के लिए होते हैं। शोधकर्ताओं ने, एक 3D ड्रोन सिस्टम के साथ काम करते हुए, एक ऐसा नियंत्रण तरीका बनाना चाहा जो पेलोड के द्रव्यमान (वजन) या रस्सी की लंबाई अनिश्चित होने पर भी शांत रहे। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने यह पता लगाने के लिए कि वजन और रस्सी की लंबाई ड्रोन की स्थिरता को कितना बिगाड़ती है, "ग्लोबल सेंसिटिविटी एनालिसिस" (GSA) नामक एक गणितीय उपकरण का उपयोग किया।

इसे और भी स्मार्ट बनाने के लिए, उन्होंने गेम थ्योरी से एक अवधारणा उधार ली जिसे "शापली वैल्यू" (Shapley value) कहा जाता है। कल्पना कीजिए कि दोस्तों का एक समूह पिज्जा को निष्पक्ष रूप से बांटने की कोशिश कर रहा है। शापली वैल्यू एक सूत्र है जो गणना करता है कि समूह की सफलता में प्रत्येक व्यक्ति का कितना योगदान था। इस शोध पत्र में, "दोस्त" अनिश्चित कारक (वजन और रस्सी की लंबाई) हैं, और "पिज्जा" कुल झूलना (swinging) है। शोधकर्ताओं ने इस गणित का उपयोग यह पूछने के लिए किया: "झूलने के लिए वास्तव में रस्सी की लंबाई के कारण है या वजन के कारण?" उत्तर जानकर, वे एक ऐसा कंट्रोलर डिजाइन कर सके जो विशेष रूप से उन चीजों को अनदेखा करे जो सबसे अधिक समस्या पैदा करती हैं।

उन्होंने क्या किया और क्या पाया
टीम ने एक पेलोड ले जा रहे ड्रोन का कंप्यूटर सिमुलेशन बनाया। उन्होंने ड्रोन की गति को नियंत्रित करने के चार अलग-अलग तरीकों का परीक्षण किया:

नॉन-रोबस्ट (Non-robust): एक बुनियादी तरीका जो यह मान लेता है कि वजन और रस्सी बिल्कुल वही हैं जो वे उम्मीद करते हैं।
रोबस्ट (Robust): एक तरीका जो संभावित वजन और लंबाई की एक सीमा को संभालने की कोशिश करता है।
मिनिमैक्स (Minimax): एक तरीका जो सबसे खराब स्थिति (worst-case scenario) को कम करने की कोशिश करता है।
नया GSA/शापली तरीका: इस शोध पत्र में प्रस्तावित दृष्टिकोण।

उन्होंने हजारों सिमुलेशन चलाए जहाँ पेलोड का वजन 0.2 किलोग्राम से 1 किलोग्राम के बीच बदलता रहा, और रस्सी की लंबाई 0.2 मीटर से 1.8 मीटर के बीच बदलती रही।

परिणामों ने दिखाया कि मानक तरीके (नॉन-रोबस्ट, रोबस्ट और मिनिमैक्स) ने ठीक-ठाक काम किया, लेकिन वे अभी भी पेलोड को थोड़ा झूला छोड़ देते थे। उदाहरण के लिए, मानक "रोबस्ट" विधि के साथ, झूलने का कोण (कितनी दूर भार अगल-बगल झूला) औसतन लगभग 8.98 डिग्री था।

हालाँकि, नया ग्लोबल सेंसिटिविटी-आधारित इनपुट शेपर काफी बेहतर प्रदर्शन कर रहा था। उनके सिमुलेशन में, इस नए तरीके ने औसत झूलने की सीमा को घटाकर केवल 7.83 डिग्री कर दिया। और भी प्रभावशाली बात यह है कि इसने परिणामों को बहुत अधिक सुसंगत बना दिया। इनका "स्टैंडर्ड डेविएशन" (एक माप कि परिणाम कितने उतार-चढ़ाव भरे थे) अन्य तरीकों के 1.2 डिग्री से अधिक से गिरकर केवल 0.89 डिग्री रह गया। इसका मतलब है कि ड्रोन न केवल औसतन अधिक स्थिर था, बल्कि वह बहुत अधिक अनुमानित (predictable) भी था।

शापली ट्विस्ट
शोधकर्ताओं ने एक कदम आगे बढ़कर, शापली वैल्यू का उपयोग करके कंट्रोलर को रस्सी की लंबाई के प्रति अतिरिक्त सावधान रहने के लिए मजबूर किया, जिसे उन्होंने झूलने का सबसे बड़ा कारण पाया था। उन्होंने गणित में एक नियम जोड़ा: "सुनिश्चित करें कि रस्सी की लंबाई का झूलने पर 85% से अधिक प्रभाव न हो।"

जब उन्होंने ऐसा किया, तो रस्सी की लंबाई के लिए परिणाम अविश्वसनीय रूप से स्थिर हो गए। औसत झूलने की सीमा कम (लगभग 7.97 डिग्री) रही, लेकिन निरंतरता और भी बेहतर हो गई, जिसका स्टैंडर्ड डेविएशन केवल 0.78 डिग्री था। ट्रेड-ऑफ (नुकसान)? दूसरे दिशा (दूसरे कोण) से संबंधित झूलना थोड़ा खराब हो गया, जो अपेक्षित है जब आप एक विशिष्ट समस्या को ठीक करने पर इतना ध्यान केंद्रित करते हैं। लेकिन कुल मिलाकर, टीम ने दिखाया कि इन उन्नत गणितीय उपकरणों का उपयोग करके, वे ड्रोन के नियंत्रण प्रणाली को अज्ञात कारकों के प्रति "असंवेदनशील" (desensitized) बना सकते हैं।

इसका क्या अर्थ है
लेखक सावधानी से यह नोट करते हैं कि ये परिणाम कंप्यूटर सिमुलेशन से आए हैं, अभी वास्तविक दुनिया की उड़ानों से नहीं। वे स्पष्ट रूप से कहते हैं कि हालांकि गणित आशाजनक दिखता है, उन्हें यह साबित करने के लिए कि यह वास्तविक दुनिया की हवा और अशांति में काम करता है, इसे वास्तविक हार्डवेयर पर परीक्षण करने की आवश्यकता है। वे अगला कदम उठाने की योजना बना रहे हैं, जिसमें 0.6 किलोग्राम के पेलोड और 1 मीटर की रस्सी वाले ड्रोन का उपयोग किया जाएगा।

संक्षेप में, यह शोध पत्र सुझाव देता है कि गेम थ्योरी का उपयोग करके यह समझने से कि ड्रोन क्यों झूलता है, हम इसे तब भी स्थिर रूप से उड़ना सिखा सकते हैं जब हमें ठीक-ठीक नहीं पता होता कि वह क्या ले जा रहा है या रस्सी कितनी लंबी है। यह उन ड्रोनों की ओर एक कदम है जो पैकेज पहुंचा सकते हैं, संरचनाएं बना सकते हैं, या फिल्में फिल्मा सकते हैं बिना कैमरा या पैकेज के पेंडुलम की तरह झूलने के।

तकनीकी सारांश: UAV-पेलोड सटीक गति नियंत्रण के लिए वैश्विक संवेदनशील-आधारित इनपुट शेपिंग

समस्या विवरण
लटकते हुए पेलोड को ले जाने वाले मानव रहित हवाई वाहन (UAVs) रसद और बुनियादी ढांचे के कार्यों में महत्वपूर्ण लाभ प्रदान करते हैं, लेकिन उन्हें अंडरएक्टुएटेड (underactuated) और नॉनलीनियर डायनेमिक्स के कारण मौलिक नियंत्रण चुनौतियों का सामना करना पड़ता है। निलंबित भार अतिरिक्त डिग्री ऑफ फ्रीडम (degrees of freedom) पेश करता है, जो वाहन और पेलोड के बीच जटिल युग्मित गतिकी (coupled dynamics) बनाता है। प्रक्षेपवक्र (trajectory) में छोटे विचलन पेलोड की दोलन गति को उत्तेजित कर सकते हैं, जो वाहन की गतिशीलता में फीडबैक देता है, जिससे अक्सर अवशिष्ट स्विंग (residual swing) होता है जो ट्रैकिंग सटीकता और सुरक्षा से समझौता करता है। ये चुनौतियां पैरामीटर अनिश्चितताओं, विशेष रूप से पेलोड द्रव्यमान ( $m_l$ ) और रस्सी की लंबाई ( $L$ ) में विविधताओं के कारण और भी बढ़ जाती हैं, जो अक्सर उड़ान से पहले अज्ञात होती हैं या संचालन के दौरान बदल जाती हैं। जबकि मौजूदा नियंत्रण रणनीतियाँ (जैसे कि पासिविटी-आधारित, एडेप्टिव, स्लाइडिंग मोड) मजबूती प्रदान करती हैं, वे आमतौर पर नाममात्र (nominal) ऑपरेटिंग पॉइंट्स के लिए ट्यून की जाती हैं और व्यापक या अनस्ट्रक्चर्ड अनिश्चितताओं के तहत खराब हो सकती हैं।

कार्यप्रणाली
यह शोध एक ग्लोबल सेंसिटिविटी एनालिसिस (GSA) आधारित इनपुट शेपिंग फ्रेमवर्क प्रस्तावित करता है, जिसे पेलोड स्विंग को कम करने के लिए डिज़ाइन किया गया है और जो पेलोड द्रव्यमान ( $m_l$ ) और केबल लंबाई ( $L$ ) की अनिश्चितताओं को ध्यान में रखता है। कार्यप्रणाली में तीन प्राथमिक घटक शामिल हैं:

सिस्टम मॉडलिंग: UAV-पेलोड सिस्टम को एक पॉइंट मास UAV के रूप में मॉडल किया गया है जिसमें एक कठोर केबल द्वारा जुड़ा हुआ एक सस्पेंडेड पॉइंट मास पेलोड है। डायनेमिक्स को लैग्रेंजियन फॉर्मूलेशन का उपयोग करके व्युत्पन्न किया गया है, जिसमें ट्रांसलेशनल मोशन, पेलोड स्विंग कोण ( $\alpha, \beta$ ), और रोटेशनल एनर्जी को शामिल किया गया है। अनिश्चितताओं को यूनिफॉर्म डिस्ट्रीब्यूशन के रूप में मॉडल किया गया है: $m_l \sim U[0.2, 1]$ किग्रा और $L \sim U[0.2, 1.8]$ मीटर।
इनपुट शेपर डिज़ाइन: यह अध्ययन कई फीडफॉरवर्ड इनपुट शेपिंग तकनीकों की तुलना करता है:
- नॉन-रोबस्ट (Non-robust): एक मानक शेपर जो नाममात्र मापदंडों के लिए डिज़ाइन किया गया है।
- रोबस्ट (Robust): एक शेपर जो नॉच (notch) को चौड़ा करने के लिए नाममात्र पोल लोकेशन पर दो सेट ज़ीरो रखता है।
- मिनिमैक्स (Minimax): एक शेपर जिसे एक परिभाषित फ्रीक्वेंसी रेंज में अवशिष्ट ऊर्जा को कम करने के लिए डिज़ाइन किया गया है।
- GSA-आधारित (GSA-based): एक ऑप्टिमाइज़ेशन-आधारित शेपर जहाँ उद्देश्य मैन्यूवर समय के दौरान स्विंगिंग एंगल की अपेक्षित रेंज ( $R_\alpha, R_\beta$ ) को कम करना है, जो परिमाण और स्विच समय के बाधाओं के अधीन है।
शापली वैल्यू इंटीग्रेशन (Shapley Value Integration): अनिश्चितताओं को व्यवस्थित रूप से शामिल करने के लिए, लेखक को-ऑपरेटिव गेम थ्योरी से शापली वैल्यू अवधारणा को शामिल करते हैं। इस संदर्भ में, अनिश्चित मापदंडों ( $m_l$ और $L$ ) को एक खेल में "खिलाड़ियों" के रूप में माना जाता है। शापली वैल्यू प्रत्येक पैरामीटर के सिस्टम के आउटपुट वेरिएंस (स्विंगिंग एंगल रेंज) में मार्जिनल योगदान को मात्रात्मक रूप से निर्धारित करती है। एक विशिष्ट बाधा पेश की गई है जो स्विंग एंगल रेंज पर केबल की लंबाई के प्रभाव के शापली वैल्यू को सीमित करती है ( $Sh^R_\alpha_L \leq 0.85$ ), जो प्रभावी रूप से रस्सी की लंबाई में विविधताओं के प्रति कंट्रोलर को असंवेदनशील बनाती है।

प्रमुख योगदान

GSA-आधारित इनपुट शेपिंग: यह कार्य 3D UAV-पेलोड सिस्टम के लिए इनपुट शेपर्स को डिजाइन करने के लिए GSA को लागू करने की व्यवहार्यता प्रदर्शित करता है, जो केवल नाममात्र या सरल रोबस्ट डिजाइनों से आगे बढ़ता है।
शापली वैल्यू बाधाएं (Shapley Value Constraints): यह शोध इनपुट शेपर डिज़ाइन के भीतर ऑप्टिमाइज़ेशन बाधाओं के रूप में शापली वैल्यू का उपयोग करने के एक नवीन तरीके को पेश करता है। यह अनिश्चितता योगदान के व्यवस्थित आरोपण और विशिष्ट मापदंडों (जैसे रस्सी की लंबाई) के प्रति संवेदनशीलता को लक्षित रूप से कम करने की अनुमति देता है।
तुलनात्मक विश्लेषण: अध्ययन नॉन-रोबस्ट, रोबस्ट, मिनिमैक्स, स्टैंडर्ड GSA, और शापली-कंस्ट्रेंड GSA इनपुट शेपर्स के बीच एक व्यापक संख्यात्मक तुलना प्रदान करता है।

परिणाम
संख्यात्मक सिमुलेशन एक पॉइंट-टू-पॉइंट मैन्यूवर के लिए किए गए जिसका अंतिम समय $T_f = 3.7898$ सेकंड है। मुख्य निष्कर्ष शामिल हैं:

संवेदनशीलता विश्लेषण (Sensitivity Analysis): इनपुट शेपिंग के बिना, स्विंगिंग एंगल रेंज ने पेलोड द्रव्यमान ( $m_l$ ) की तुलना में केबल लंबाई ( $L$ ) पर मजबूत निर्भरता दिखाई।
प्रदर्शन सुधार: स्टैंडर्ड GSA-आधारित इनपुट शेपर ने नॉन-रोबस्ट, रोबस्ट और मिनिमैक्स डिजाइनों की तुलना में काफी बेहतर प्रदर्शन किया। इसने स्विंगिंग एंगल रेंज के लिए कम माध्य ( $\mu$ ) और मानक विचलन ( $\sigma$ ) प्राप्त किया। उदाहरण के लिए, $\alpha$ के लिए मानक विचलन घटकर $0.8959^\circ$ हो गया (मिनिमैक्स के $1.2303^\circ$ की तुलना में)।
शापली बाधा प्रभावशीलता: केबल लंबाई की अनिश्चितता के प्रति स्विंग एंगल रेंज की संवेदनशीलता को कम करने के लिए शापली वैल्यू बाधा ( $Sh^R_\alpha_L \leq 0.85$ ) को लागू करने से सफलता मिली। हालांकि इसके परिणामस्वरूप $\alpha$ के लिए माध्य स्विंग एंगल में मामूली वृद्धि हुई और $\beta$ के प्रदर्शन में ट्रेड-ऑफ (वेरिएंस में वृद्धि) हुआ, लेकिन इसने $\alpha$ के मानक विचलन को सफलतापूर्वक $0.7807^\circ$ तक कम कर दिया।
ट्रेड-ऑफ (Trade-offs): परिणाम मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन में एक ट्रेड-ऑफ को उजागर करते हैं; एक पैरामीटर (केबल लंबाई) के प्रति सिस्टम को असंवेदनशील बनाने से दूसरे उद्देश्य ( $\beta$ ) के प्रदर्शन पर प्रभाव पड़ सकता है।

महत्व और दावे
लेखक का दावा है कि प्रस्तावित GSA-आधारित इनपुट शेपर, अनिश्चितता-जागरूक पेलोड परिवहन के लिए एक आशाजनक फ्रेमवर्क प्रदान करता है। प्राथमिक महत्व सिस्टम अनिश्चितताओं के प्रति UAV-पेलोड मोशन कंट्रोलर्स को असंवेदनशील बनाने की क्षमता में निहित है, जो पारंपरिक तरीकों के लिए एक मजबूत विकल्प प्रदान करता है।

शोध विनम्रतापूर्वक नोट करता है कि हालांकि शापली-आधारित दृष्टिकोण पैरामीटर परिवर्तनशीलता को संभालने के लिए महत्वपूर्ण अंतर्दृष्टि प्रदान करता है, लेकिन मोंटे कार्लो सिमुलेशन पर निर्भरता इसे ऑफलाइन डिज़ाइन के लिए कम्प्यूटेशनल रूप से गहन बनाती है। इसके अलावा, सिस्टम की नॉनलीन प्रकृति और सीमित सैंपल साइज के कारण शापली वैल्यू समेशन (summation) में संख्यात्मक विचलन देखे गए। लेखक निष्कर्ष निकालते हैं कि भविष्य के कार्य को एक भौतिक ड्रोन का उपयोग करके प्रयोगात्मक सत्यापन और कम्प्यूटेशनल लागत को कम करने के लिए सरोगेट मॉडल, जैसे कि पॉलिनोमियल चाओस एक्सपेंशन (polynomial chaos expansion), की खोज पर ध्यान केंद्रित करना चाहिए। अंतिम लक्ष्य उच्च-सटीक डिलीवरी, स्थिर सिनेमैटोग्राफी और सटीक सर्वेक्षण के लिए आवश्यक अनुप्रयोगों हेतु इन रणनीतियों को मान्य करना है।

इसी तरह के और पेपर