Active Interaction-Aware Model Predictive Path Integral via Ego-Conditioned Generative Predictions

तकनीकी सारांश: ईगो-कंडीशन्ड जेनेरेटिव प्रेडिक्शन के माध्यम से सक्रिय इंटरैक्शन-अवेयर मॉडल प्रिडिक्टिव पाथ इंटीग्रल

समस्या विवरण
सघन यातायात में स्वायत्त नेविगेशन मौलिक रूप से एक संवादात्मक (interactive) समस्या है जहाँ ईगो वाहन और आसपास के एजेंट निरंतर एक-दूसरे को प्रभावित करते हैं। पारंपरिक "प्रेडिक्ट-देन-प्लान" (predict-then-plan) दृष्टिकोण इन प्रक्रियाओं को अलग करते हैं, जो एजेंटों के भविष्य के प्रक्षेप पथों (trajectories) की भविष्यवाणी ईगो के भविष्य के कार्यों के स्वतंत्र रूप से करते हैं। यह प्रतिमान "फ्रोजन रोबोट" (frozen robot) की समस्या से ग्रस्त है, जहाँ सिस्टम अत्यधिक सतर्क या डेडलॉक (deadlock) की स्थिति में हो जाता है (जैसे कि मर्जिंग या अनप्रोटेक्टेड टर्न के दौरान), क्योंकि यह इस बात का लेखा-जोखा रखने में विफल रहता है कि उसके अपने कार्य दूसरों की प्रतिक्रियाओं को कैसे प्रेरित करते हैं। जबकि गेम-थ्योरेटिक विधियाँ इंटरैक्शन को मॉडल करने का प्रयास करती हैं, वे अक्सर अवास्तविक तर्कसंगतता (rationality) की धारणाओं पर निर्भर करती हैं और सघन यातायात में कम्प्यूटेशनल रूप से अव्यवहार्य होती हैं। इसके विपरीत, मौजूदा ईगो-कंडीशन्ड प्लानर्स अक्सर एक कठोर "लीडर-फॉलोअर" संरचना अपनाते हैं, जिससे अत्यधिक आक्रामक व्यवहार हो सकता है क्योंकि वे अंतर्निहित रूप से यह मान लेते हैं कि अन्य एजेंट रास्ता देंगे। मुख्य चुनौती एक ऐसा प्लानिंग फ्रेमवर्क विकसित करना है जो इंटरैक्शन अनिश्चितता के बारे में सक्रिय रूप से तर्क कर सके, अन्य एजेंटों के छिपे हुए इरादों (intent) की जांच कर सके, और सरलीकृत पैरामीट्रिक मॉडलों पर निर्भर हुए बिना कार्य दक्षता और सुरक्षा के बीच संतुलन बना सके।

कार्यप्रणाली (Methodology)
लेखक एक हाइब्रिड प्लानिंग फ्रेमवर्क प्रस्तावित करते हैं जो एक जेनेरेटिव ऑटोरेग्रेसिव प्रेडिक्शन मॉडल (GARPM)—विशेष रूप से SMART ट्रांसफार्मर आर्किटेक्चर के एक संस्करण—को एक मॉडल प्रिडिक्टिव पाथ इंटीग्रल (MPPI) कंट्रोल स्कीम के भीतर एकीकृत करता है।

1. ईगो-कंडीशन्ड प्रेडिक्शन: मानक प्रेडिक्टर्स के विपरीत, GARPM आसपास के एजेंटों के भविष्य के स्टोकेस्टिक और मल्टी-मोडल भविष्यवाणियां उत्पन्न करता है, जो विशिष्ट कैंडिडेट ईगो प्रक्षेप पथों (trajectories) पर आधारित होते हैं। एजेंटों के भविष्य का संयुक्त वितरण ऑटोरेग्रेसिव रूप से फैक्टराइज़ किया जाता है, जहाँ प्रत्येक एजेंट की अगली स्थिति सभी एजेंटों के इतिहास और मूल्यांकन किए जा रहे विशिष्ट ईगो प्रक्षेप पथ के आधार पर अनुमानित की जाती है।
2. नेस्टेड सैंपलिंग स्कीम: प्लानिंग और प्रेडिक्शन के बीच चक्रीय निर्भरता (circular dependency) को हल करने के लिए (जहाँ प्लान के लिए प्रेडिक्शन की आवश्यकता होती है, लेकिन प्रेडिक्शन के लिए प्लान की आवश्यकता होती है), लेखक एक सुलभ नेस्टेड सैंपलिंग दृष्टिकोण का उपयोग करते हैं:
   • आउटर लूप (MPPI): प्लानर एक नॉमिनल कंट्रोल सीक्वेंस को विचलित (perturb) करके $M$ कैंडिडेट ईगो प्रक्षेप पथों को सैंपल करता है।
   • इनर लूप (बिहेवियर रोलआउट्स): प्रत्येक सैंपल किए गए ईगो प्रक्षेप पथ के लिए, GARPM आसपास के एजेंटों के लिए $B$ स्टोकेस्टिक बिहेवियर रोलआउट जेनरेट करता है।
   • सरोगेट डिस्ट्रीब्यूशन: लागत मूल्यांकन (cost evaluation) को सुलभ बनाने के लिए, $B$ रोलआउट्स के डिस्क्रीट सेट को एक निरंतर गौसियन मिक्सचर (MoG) सरोगेट में परिवर्तित किया जाता है। गौसियन्स के माध्य (means) सैंपल किए गए एजेंट स्टेट्स के अनुरूप होते हैं, जबकि मिक्सिंग वेट्स सैंपल किए गए प्रक्षेप पथों के ऑटोरेग्रेसिव लाइकलीहुड से प्राप्त होते हैं।
3. रिस्क-अवेयर कॉस्ट इवैल्यूएशन: प्रत्येक ईगो प्रक्षेप पथ के लिए स्टेज कॉस्ट की गणना ट्रैकिंग और स्पीड ऑब्जेक्टिव्स का MoG सरोगेट के विरुद्ध मूल्यांकन करके की जाती है। महत्वपूर्ण रूप से, कोलिजन रिस्क (collision risk) का अनुमान कोलिजन रीजन पर MoG डिस्ट्रीब्यूशन को इंटीग्रेट करके लगाया जाता है। यह प्लानर को एजेंट व्यवहारों के प्रेरित वितरण के तहत कोलिजन की संभावना का आकलन करने की अनुमति देता है।
4. सक्रिय अनिश्चितता न्यूनीकरण (Active Uncertainty Reduction): यह फ्रेमवर्क अंतर्निहित रूप से "सक्रिय" व्यवहार को प्रोत्साहित करता है। जो प्रक्षेप पथ वातावरण की सक्रिय रूप से जांच करते हैं (जैसे कि प्रतिक्रिया उत्पन्न करने के लिए आगे बढ़ना) वे एजेंटों के इरादों को स्पष्ट करने में मदद करते हैं, जिससे MoG वेट्स को कुछ अधिक सुसंगत हाइपोथीसिस पर केंद्रित किया जा सकता है। यह अनुमानित कोलिजन रिस्क को कम करता है, जो स्वाभाविक रूप से MPPI ऑप्टिमाइज़र को उन युद्धाभ्यासों (maneuvers) की ओर निर्देशित करता है जो अनिश्चितता को दूर करते हैं।

मुख्य योगदान (Key Contributions)
यह शोध पत्र तीन प्राथमिक योगदान देता है:

1. हाइब्रिड फ्रेमवर्क: MPPI में एक नवीन लर्निंग ऑटोरेग्रेसिव जेनेरेटिव मॉडल का एकीकरण, जो प्रेडिक्शन और प्लानिंग के बीच के लूप को बंद करता है। यह वास्तविक दुनिया के डेटा से मल्टी-मोडल अनिश्चितता को कैप्चर करने के लिए जेनेरेटिव मॉडल्स की अभिव्यंजक क्षमता का लाभ उठाता है और साथ ही मॉडल-आधारित कंट्रोल की सुरक्षा-प्रासंगिक संरचना को बनाए रखता है।
2. सुलभ इंटरैक्शन-अवेयर फॉर्मुलेशन: एक नेस्टेड सैंपलिंग स्कीम का उपयोग करते हुए एक इंटरैक्शन-और-अनिश्चितता-जागरूक प्लानिंग फॉर्मुलेशन। यह दृष्टिकोण सैंपल किए गए ईगो प्रक्षेप पथों पर आधारित मल्टी-मोडल भविष्यवाणियों का मूल्यांकन करता है, जिससे मानक ईगो-कंडीशन्ड प्लानर्स के "लीडर-फॉलोअर" पूर्वाग्रह के बिना रिस्क-अवेयर कोलिजन प्रोबेबिलिटी अनुमान प्राप्त होता है।
3. अंतर्निहित सक्रिय जांच (Implicit Active Probing): यह प्रदर्शन करना कि जेनेरेटिव मॉडल्स को MPPI वेटिंग मैकेनिज्म के साथ संयोजित करने से सक्रिय अनिश्चितता न्यूनीकरण सक्षम होता है। सिस्टम बिना किसी समर्पित एक्सप्लोरेशन टर्म या स्पष्ट बिलीफ-स्पेस रिप्रेजेंटेशन के, अधिक निर्णायक ड्राइविंग व्यवहार प्राप्त करता है।

परिणाम (Results)
प्रस्तावित विधि का मूल्यांकन nuPlan सिम्युलेटर में तीन इंटरैक्टिव शहरी परिदृश्यों में किया गया: एडजसेंट लेन मर्जिंग, ऑन-रैंप मर्जिंग, और अनप्रोटेक्टेड लेफ्ट टर्न। इसकी तुलना चार बेसलाइन्स से की गई:

• बेसलाइन 1: मल्टी-मोडल प्रेडिक्ट-देन-प्लान।
• बेसलाइन 2: रिसेडिंग-होराइजन ईगो-कंडीशनिंग (केवल पिछले अनुकूलतम प्लान पर आधारित)।
• बेसलाइन 3: यूनिमोडल ईगो-कंडीशन्ड प्लानिंग।
• बेसलाइन 4: पैसिव ईगो-कंडीशन्ड MPPI (फिक्स्ड प्रोबेबिलिटीज़)।

मात्रात्मक निष्कर्ष (Quantitative Findings):

• मर्जिंग: प्रस्तावित विधि ने सभी बेसलाइन्स की तुलना में सबसे कम मर्ज समय (11.8s) के साथ 75% मर्ज सफलता दर प्राप्त की। बेसलाइन 1 (प्रेडिक्ट-देन-प्लान) अत्यधिक रूढ़िवादिता के कारण 37.5% सफलता दर के साथ रही।
• ऑन-रैंप मर्जिंग: प्रस्तावित विधि ने 0% कोलिजन रेट प्राप्त किया, जबकि ईगो-कंडीशन्ड बेसलाइन्स (2, 3, और 4) अत्यधिक सहकारिता (cooperativeness) का अनुमान लगाने के कारण 15% और 25% के बीच कोलिजन रेट से ग्रस्त थे। बेसलाइन 1 अत्यधिक रूढ़िवादी बनी रही।
• अनप्रोटेक्टेड लेफ्ट टर्न: प्रस्तावित विधि ने सबसे कम डेडलॉक रेट (5%) और कोलिजन रेट (0%) प्राप्त किया, जो बेसलाइन्स से बेहतर था, जिनमें 30% तक डेडलॉक रेट और 10% तक कोलिजन रेट देखा गया।

गुणात्मक निष्कर्ष (Qualitative Findings):
दृश्य विश्लेषण (Figs. 2–6) पुष्टि करता है कि प्रस्तावित विधि सक्रिय जांच के माध्यम से आसपास के एजेंटों की सहकारिता को सफलतापूर्वक समझ लेती है। सहकारी परिदृश्यों में, प्लानर तब तक युद्धाभ्यास के लिए प्रतिबद्ध होता है जब तक कि "यील्ड" (yield) मोड प्रभावी न हो जाए। गैर-सहकारी परिदृश्यों में, "प्रोसीड" (proceed) मोड हावी हो जाता है, जिससे अनुमानित कोलिजन रिस्क बढ़ जाता है और प्लानर सुरक्षित, बचाव वाले युद्धाभ्यास चुनने लगता है। इसके विपरीत, बेसलाइन्स या तो इरादे की अस्पष्टता को सुलझाने में विफल रहे (डेडलॉक की ओर ले गया) या अत्यधिक आशावादी रहे (कोलिजन की ओर ले गया)।

महत्व (Significance)
यह शोध पत्र दावा करता है कि इसका महत्व गेम-थ्योरेटिक इक्विलिब्रियम गणना के कम्प्यूटेशनल बोझ या सरलीकृत पैरामीट्रिक मॉडलों की व्यवहार संबंधी सीमाओं के बिना "फ्रोजन रोबोट" समस्या के लिए एक सिद्धांतपूर्ण समाधान प्रदान करना है। एक सैंपलिंग-आधारित कंट्रोलर के भीतर आधुनिक जेनेरेटिव मॉडल्स की ऑटोरेग्रेसिव प्रकृति का लाभ उठाकर, यह फ्रेमवर्क स्वायत्त वाहनों को अनिश्चितता को कम करने के लिए अपने वातावरण की सक्रिय रूप से जांच करने की अनुमति देता है। इसके परिणामस्वरूप ड्राइविंग व्यवहार पारंपरिक प्रेडिक्ट-देन-प्लान या पैसिव इंटरैक्शन-अवेयर दृष्टिकोणों की तुलना में अधिक सुरक्षित, कुशल और निर्णायक होता है, जो मानव ड्राइवरों द्वारा देखे जाने वाले सक्रिय अनिश्चितता न्यूनीकरण रणनीतियों की प्रभावी ढंग से नकल करता है।