⚡ electrical engineering

Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic

यह शोध पत्र Safety-aware-STL-MPPI को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल सैंपलिंग-आधारित रिसीडिंग-होरिज़ोन कंट्रोल फ्रेमवर्क है, जो जटिल और समय-महत्वपूर्ण वातावरणों में सुरक्षित और कुशल मोशन प्लानिंग प्राप्त करने के लिए सिग्नल टेम्पोरल लॉजिक बाधाओं को टाइम-वेरिंग कंट्रोल बैरियर फंक्शन्स के माध्यम से मॉडल प्रिडिक्टिव पाथ इंटीग्रल कंट्रोल में एकीकृत करता है।

मूल लेखक: Yiqi Zhao, Taekyung Kim, Hideki Okamoto, Bardh Hoxha, Jyotirmoy V. Deshmukh, Lars Lindemann, Georgios Fainekos

प्रकाशित 2026-08-26

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yiqi Zhao, Taekyung Kim, Hideki Okamoto, Bardh Hoxha, Jyotirmoy V. Deshmukh, Lars Lindemann, Georgios Fainekos

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 एक रोबोट एक व्यस्त गोदाम में नेविगेट कर रहा है या एक ड्रोन भीड़भाड़ वाले शहर में पैकेज डिलीवर कर रहा है। इसका काम केवल बिंदु A से बिंदु B तक पहुँचना नहीं है, बल्कि समय के साथ बदलने वाले नियमों के एक जटिल सेट का पालन करते हुए ऐसा करना है। इसे पहले तीस सेकंड के लिए चलते हुए फोर्कलिफ्ट से बचना पड़ सकता है, फिर एक मिनट और दो मिनट के बीच एक विशिष्ट चार्जिंग स्टेशन तक पहुँचना हो सकता है, और यह सब एक मेज से टकराए बिना करना होगा। यह 'सेफ्टी-अवेयर मोशन प्लानिंग' (सुरक्षा-जागरूक गति नियोजन) की चुनौती है। वर्षों से, इंजीनियरों ने रोबोट को इस तरह के समय-संवेदनशील, तार्किक निर्देशों का पालन करना सिखाने के लिए संघर्ष किया है ताकि वे फंस न जाएं या दुर्घटनाग्रस्त न हों। पारंपरिक तरीकों के लिए अक्सर रोबोट को हिलने से पहले विशाल, धीमी गणितीय पहेलियों को हल करने की आवश्यकता होती है, जिससे वे वास्तविक दुनिया के उपयोग के लिए बहुत सुस्त हो जाते हैं। अन्य दृष्टिकोण तेज़ हैं लेकिन इस बात की गारंटी नहीं देते कि रोबोट वास्तव में नियमों का पालन करेगा, जिससे वह दुर्घटनाओं के प्रति असुरक्षित हो जाता है।

एक नए अध्ययन में, शोधकर्ताओं ने एक ऐसा सिस्टम विकसित किया है जो इस अंतर को पाटता है, जिससे रोबोट जटिल, समय-आधारित निर्देशों का सख्ती से पालन करते हुए तेज़ी से और सुरक्षित रूप से चल सकते हैं। यीकी झाओ और सहयोगियों की टीम, जिसमें यूनिवर्सिटी ऑफ सदर्न कैलिफोर्निया और टोयोटा मोटर नॉर्थ अमेरिका जैसे संस्थान शामिल हैं, ने 'सेफ्टी-अवेयर-एसटीएल-एमपीपीआई' (safety-aware-stl-mppi) नामक एक प्लानिंग फ्रेमवर्क बनाया है। यह प्रणाली दो शक्तिशाली विचारों को जोड़ती है: एक तेज़, सैंपलिंग-आधारित विधि जो समानांतर में कई संभावित पथ उत्पन्न करती है, और एक गणितीय सुरक्षा फ़िल्टर जो एक संरक्षक के रूप में कार्य करता है, यह सुनिश्चित करता है कि चुना गया प्रत्येक पथ रोबोट के मिशन नियमों का सम्मान करे। शोधकर्ताओं ने मार्स रोवर और क्वाडकॉप्टर के कंप्यूटर सिमुलेशन में अपने दृष्टिकोण का परीक्षण किया, जिससे यह प्रदर्शित हुआ कि उनकी विधि ने रोबot को सुरक्षित और कुशल बनाए रखा, और मौजूदा तकनीकों से बेहतर प्रदर्शन किया जो या तो बहुत धीमी थीं या नियमों का पालन करने में विफल रहीं।

समस्या का मूल कारण यह है कि हम मशीन के लिए सुरक्षा को कैसे वर्णित करते हैं। शोधकर्ताओं ने 'सिग्नल टेम्पोरल लॉजिक' (Signal Temporal Logic) नामक एक भाषा का उपयोग किया, जो मनुष्यों को "हमेशा रेड ज़ोन से बचें" या "दस सेकंड के भीतर ब्लू ज़ोन तक पहुँचें" जैसे निर्देश लिखने की अनुमति देता है। हालांकि यह भाषा सटीक है, लेकिन इसे ऐसे निर्देशों के सेट में बदलना जिसे एक रोबोट वास्तविक समय में पालन कर सके, कठिन है। पिछले प्रयासों में से कई भारी कम्प्यूटेशनल इंजनों पर निर्भर थे जो चलते हुए वाहन के लिए आवश्यक गति के साथ तालमेल नहीं बिठा सकते थे। नया दृष्टिकोण 'मॉडल प्रेडिक्टिव पाथ इंटीग्रल कंट्रोल' (Model Predictive Path Integral control) नामक तकनीक का उपयोग करके इस बाधा को दूर करता है। पहले से एक ही आदर्श पथ की गणना करने के बजाय, सिस्टम एक सेकंड के हिस्से में हजारों यादृच्छिक, संभावित पथ उत्पन्न करता है। फिर यह उनका मूल्यांकन करता है, अच्छे वाले को महत्व देता है और बुरे वाले को हटा देता है, ताकि सर्वोत्तम कार्रवाई का पता लगाया जा सके।

हालांकि, यदि कोई पथ सुरक्षा नियम का उल्लंघन करता है, तो केवल एक यादृच्छिक नमूने से सर्वश्रेष्ठ पथ चुनना पर्याप्त नहीं है। इसे ठीक करने के लिए, शोधकर्ताओं ने एक गतिशील सुरक्षा अवरोध (dynamic safety barrier) पेश किया है। इस अवरोध को एक स्थिर दीवार के रूप में नहीं, बल्कि एक बदलते, अदृश्य घेरे के रूप में सोचें जो रोबोट के वर्तमान समय और स्थान के आधार पर हिलता और आकार बदलता है। यदि रोबोट का पथ इस घेरे को पार करने की कोशिश करता है, तो सिस्टम तुरंत उसे वापस सुरक्षित पक्ष पर धकेल देता है। यह जटिल तार्किक नियमों को बाधाओं के एक सेट में अनुवादित करके किया जाता है जिसे रोबोट का कंट्रोलर तुरंत समझ और पालन कर सके। सिस्टम प्रत्येक संभावित पथ की इन बाधाओं के विरुद्ध जांच करता है, और यदि कोई पथ खतरे के बहुत करीब है, तो रोबोट के चलने का निर्णय लेने से पहले उसे सुरक्षित क्षेत्र में वापस प्रोजेक्ट करता है।

शोधकर्ताओं ने कई विस्तृत सिमुलेशन के माध्यम से इस प्रणाली की प्रभावशीलता का प्रदर्शन किया। एक परिदृश्य में, उन्होंने एक आभासी मार्स रोवर को बाधाओं से भरे जटिल वातावरण और विशिष्ट समय आवश्यकताओं के माध्यम से नेविगेट करने का कार्य सौंपा। रोबोट को हर समय कुछ क्षेत्रों से बचना था और साथ ही एक सीमित समय सीमा के भीतर एक विशिष्ट स्थान तक पहुँचना था। नए सिस्टम ने रोबोट को इन चुनौतियों के माध्यम से सफलतापूर्वक निर्देशित किया, सुरक्षा बनाए रखते हुए यात्रा के समय को कम किया। एक अन्य परीक्षण में, एक सिम्युलेटेड ड्रोन को फोर्कलिफ्ट A और फोर्कलिफ्ट B, तथा मेजों जैसी बाधाओं से बचते हुए, एक केंद्रीय स्टैंड के पास उतरना था। ड्रोन का उड़ान पथ वास्तविक समय में उत्पन्न किया गया था, और सुरक्षा फ़िल्टर ने यह सुनिश्चित करने के लिए निरंतर उसके मार्ग को समायोजित किया कि वह मिशन के सख्त नियमों का उल्लंघन कभी न करे।

जो इस कार्य को विशेष रूप से महत्वपूर्ण बनाता है वह यह है कि यह सुरक्षा के लिए गति का या गति के लिए सुरक्षा का त्याग नहीं करता है। सिस्टम को मानक कंप्यूटर हार्डवेयर पर कुशलतापूर्वक चलाने के लिए डिज़ाइन किया गया है, जिससे यह वास्तविक दुनिया के अनुप्रयोगों के लिए उपयुक्त बनता है जहाँ मिलीसेकंड मायने रखते हैं। शोधकर्ताओं ने पाया कि उनकी विधि ने लगातार उच्च स्तर की सुरक्षा प्राप्त की, एक ऐसा परिणाम जिसे अन्य समान नियोजन विधियों ने अपने परीक्षणों में मैच करने में विफल रहा। हालांकि वर्तमान परिणाम कंप्यूटर सिमुलेशन पर आधारित हैं, जिसमें NVIDIA द्वारा प्रदान किए गए वर्चुअल वातावरण में क्वाडकॉप्टर का परीक्षण भी शामिल है, अंतर्निहित गणित बताता है कि दृष्टिकोण भौतिक तैनाती के लिए पर्याप्त मजबूत है। टीम ने अपना कोड सार्वजनिक रूप से उपलब्ध कराया है, जिससे अन्य शोधकर्ताओं को इस नींव पर निर्माण करने के लिए आमंत्रित किया गया है।

यह प्रगति स्वायत्त रोबोटों को अधिक विश्वसनीय और भरोसेमंद बनाने की दिशा में एक कदम है। मशीनों को जटिल, समय-संवेदनशील नियमों को समझने और उनका पालन करने के लिए शिक्षित करके, शोधकर्ताओं ने रोबोटों के लिए अधिक गतिशील और अप्रत्याशित वातावरण में काम करने का द्वार खोल दिया है। चाहे वह किसी नए ग्रह की खोज करने वाला रोवर हो या व्यस्त शहर में दवा पहुँचाने वाला ड्रोन, सुरक्षित रूप से नेविगेट करने की क्षमता और नियमों का पालन करने की शक्ति अनिवार्य है। नई विधि इसे प्राप्त करने का एक व्यावहारिक तरीका प्रदान करती है, यह सुनिश्चित करती है कि रोबोट फुर्तीले और आज्ञाकारी दोनों हो सकें, जो भविष्य के जटिल मिशनों को संभालने के लिए तैयार हैं।

तकनीकी सारांश: सिग्नल टेंपोरल लॉजिक के साथ सेफ्टी-अवेयर मॉडल प्रेडिक्टिव पाथ इंटीग्रल कंट्रोल

समस्या विवरण
रोबोटिक्स में सेफ्टी-अवेयर मोशन प्लानिंग महत्वपूर्ण चुनौतियों का सामना करती है जब मिशन समय-संवेदनशील होते हैं और जटिल, रियल-टाइम स्पेसियो-टेम्पोरल विशिष्टताओं (specifications) द्वारा शासित होते हैं। जबकि सिग्नल टेंपोरल लॉजिक (STL) ऐसी आवश्यकताओं को व्यक्त करने के लिए एक कठोर औपचारिक भाषा प्रदान करता है (जैसे, "लक्ष्य तक अंततः पहुँचना जबकि हमेशा बाधाओं से बचना"), मौजूदा नियोजन विधियाँ कम्प्यूटेशनल दक्षता के लिए संघर्ष करती हैं। पारंपरिक दृष्टिकोण जो मिक्स्ड इंटीजर प्रोग्राम्स (MIP) का उपयोग करते हैं, वे कठोर गारंटी तो देते हैं लेकिन अक्सर ऑनलाइन निष्पादन के लिए बहुत महंगे होते हैं। इसके विपरीत, मॉडल प्रेडिक्टिव पाथ इंटीग्रल (MPPI) जैसे सैंपलिंग-आधारित तरीके कम्प्यूटेशनल रूप से कुशल और समानांतर योग्य (parallelizable) होते हैं, लेकिन उनमें अक्सर सामान्य STL बाधाओं को संतुष्ट करने के लिए औपचारिक गारंटी की कमी होती है, और वे अक्सर कॉस्ट-फंक्शन एप्रोक्सिमेशन पर निर्भर करते हैं जो सीधे सुरक्षा संतुष्टि (safety satisfaction) से मैप नहीं होते हैं।

कार्यप्रणाली: सेफ्टी-अवेयर-STL-MPPI
यह शोध पत्र safety-aware-stl-mppi का प्रस्ताव करता है, जो एक रिसीडिंग-होराइजन (receding-horizon) प्लानिंग फ्रेमवर्क है जो कंट्रोल बैरियर फंक्शन्स (CBFs) का उपयोग करके STL विशिष्टताओं को सीधे MPPI कंट्रोलर में एकीकृत करता है। यह कार्यप्रणाली तीन चरणों में आगे बढ़ती है:

STL से टाइम-वेरिंग CBF एनकोडिंग:
लेखक पूर्व कार्य [5] से निरंतर-समय (continuous-time) CBF एनकोडिंग को डिस्क्रीट-टाइम सिस्टम के लिए अनुकूलित करते हैं। वे एक टाइम-वेरिंग फंक्शन $h_\phi(x, t)$ का निर्माण करते हैं ताकि स्थिति $h_\phi(x, t) \geq 0$ STL फॉर्मूला $\phi$ की संतुष्टि को दर्शाती हो।

रिकर्सिव कंस्ट्रक्शन: एनकोडिंग STL की रिकर्सिव सिमेंटिक्स का अनुसरण करती है। एटॉमिक प्रेडिकेट्स को स्मूथ फंक्शन्स में मैप किया जाता है। टेम्पोरल ऑपरेटर्स (Globally $G$ , Finally $F$ , Until $U$ ) और लॉजिकल कंजंक्शन्स को $\tilde{\min}$ (एक स्मूथ अंडर-एप्रोक्सिमेशन) का उपयोग करके कैंडिडेट CBFs को संयोजित करके संभाला जाता है।
डिलीशन मैकेनिज्म: कंजर्वेटिविज्म (conservatism) को कम करने के लिए, फ्रेमवर्क एक डिलीशन स्ट्रैटेजी का उपयोग करता है जहाँ विशिष्ट समय चरणों पर उन temporal constraints के अनुरूप CBF टर्म्स को हटा दिया जाता है जो पहले ही संतुष्ट हो चुके हैं या समाप्त हो चुके हैं।

सेफ्टी-ऑगमेंटेड कॉस्ट के साथ MPPI:
मुख्य प्लानर MPPI का उपयोग करता है, जो कैंडिडेट ट्राजेक्टरीज (rollouts) उत्पन्न करने के लिए एक गॉसियन डिस्ट्रीब्यूशन से कंट्रोल इनपुट परटर्बेशन्स को सैंपल करता है।

कॉस्ट फंक्शन: मानक MPPI कॉस्ट को CBF से प्राप्त एक सेफ्टी टर्म के साथ ऑगमेंट किया जाता है। रोलआउट $k$ के लिए कॉस्ट को $J^{(t)}_{\phi, k} = J^{(t)}_k + \eta \sum C_{CBF}$ के रूप में परिभाषित किया गया है, जहाँ $C_{CBF}$ CBF कंडीशन के उल्लंघन (अर्थात, जब ट्राजेक्टरी सुरक्षित सेट की फॉरवर्ड इनवेरिएंस बनाए रखने में विफल रहती है) को दंडित करता है।
वेटिंग: कैंडिडेट इनपुट्स को उनके ऑगमेंटेड कॉस्ट के आधार पर वेट किया जाता है ताकि एक नॉमिनल वेटेड रोलआउट $v^+$ की गणना की जा सके।

CBF प्रोजेक्शन (सेफ्टी फिल्टर):
चूंकि वेटेड रोलआउट $v^+$ के CBF बाधा को संतुष्ट करने की गारंटी नहीं होती है, इसलिए एक प्रोजेक्शन स्टेप लागू किया जाता है। एल्गोरिदम एक कंस्ट्रेंड ऑप्टिमाइज़ेशन समस्या को हल करता है ताकि नॉमिनल इनपुट $v^+_\tau$ के सबसे निकटतम कंट्रोल इनपुट $v^*_\tau$ को पाया जा सके जो डिस्क्रीट-टाइम CBF कंडीशन को संतुष्ट करता है:
$h_\phi(f(x_\tau, v^*_\tau), \tau+1) - h_\phi(x_\tau, \tau) \geq -\alpha h_\phi(x_\tau, \tau)$

एप्रोक्सिमेशन: क्योंकि डिस्क्रीट टाइम में सटीक बाधा नॉन-कॉन्वेक्स (non-convex) है, लेखक सिस्टम डायनेमिक्स और CBF फंक्शन के फर्स्ट-ऑर्डर टेलर एक्सपेंशन का प्रस्ताव करते हैं। यह बाधा को एक एफाइन इनइक्वेलिटी (affine inequality) में बदल देता है, जिससे प्रोजेक्शन को एक क्वाड्रेटिक प्रोग्राम (QP) के रूप में कुशलतापूर्वक हल किया जा सकता है।
क्लोज्ड-फॉर्म सॉल्यूशन: अनबाउंडेड कंट्रोल इनपुट्स ( $U = \mathbb{R}^m$ ) के मामले में, QP का एक क्लोज्ड-फॉर्म सॉल्यूशन उपलब्ध होता है, जो कम्प्यूटेशनल दक्षता को और बढ़ाता है।

प्रमुख योगदान

फ्रेमवर्क इंटीग्रेशन: safety-aware-stl-mppi का प्रस्ताव, जो एक सैंपलिंग-आधारित प्लानर है जो यूजर-डिफाइंड कॉस्ट फंक्शन्स को मिनिमाइज करते हुए CBF-इंफॉर्म्ड कंस्ट्रेंट्स के रूप में STL विशिष्टताओं को शामिल करता है।
डिस्क्रीट-टाइम अडैप्टेशन: निरंतर-समय साहित्य से टाइम-वेरिंग CBF एनकोडिंग को डिस्क्रीट-टाइम सिस्टम के लिए अनुकूलित करना, जिसके साथ इन बाधाओं को लागू करने के लिए एक लाइटवेट प्रोजेक्शन मैकेनिज्म भी है।
एम्पिरिकल वैलिडेशन: विभिन्न वातावरणों और कॉस्ट सेटअप वाले चार आर्टिफिशियल मार्स रोवर प्लानिंग केस स्टडीज के माध्यम से एल्गोरिदम की प्रभावकारिता का प्रदर्शन।

परिणाम
लेखकों ने चार आर्टिफिशियल मार्स रोवर प्लानिंग केस स्टडीज का उपयोग करके कई MPPI बेसलाइन्स के विरुद्ध विधि का मूल्यांकन किया।

सुरक्षा और दक्षता: प्रस्तावित विधि लगातार उच्च सुरक्षा स्तर (STL विशिष्टताओं को संतुष्ट करना) प्राप्त करती है और कम्प्यूटेशनल दक्षता बनाए रखती है।
बेसलाइन तुलना: अन्य MPPI बेसलाइन्स, जो आमतौर पर STL संतुष्टि को बिना किसी स्पष्ट कंस्ट्रेंट प्रोजेक्शन के कॉस्ट फंक्शन के हिस्से के रूप में मानते हैं, समान स्तर की सुरक्षा गारंटी प्राप्त करने में विफल रहे।
हार्डवेयर-इन-द-लूप: एक क्वाडकॉप्टर प्लानिंग प्रयोग ने इस दृष्टिकोण की व्यावहारिक प्रयोज्यता का प्रदर्शन किया।

महत्व और दावे
पेपर का दावा है कि safety-aware-stl-mppi सैंपलिंग-आधारित प्लानर्स की कम्प्यूटेशनल दक्षता और औपचारिक विधियों (formal methods) की कठोर सुरक्षा गारंटी के बीच के अंतर को पाटता है। दृष्टिकोण एक सटीक STL-CBF कंडीशन पर आधारित है जो संतुष्टि के लिए औपचारिक पर्याप्तता (formal sufficiency) प्रदान करता है; हालाँकि, लेखक स्पष्ट रूप से नोट करते हैं कि वास्तविक समय का कार्यान्वयन इस स्थिति का अनुमान (approximate) लगाता है। फलस्वरूप, जबकि विधि का लक्ष्य STL बाधाओं को संतुष्ट करना है, औपचारिक गारंटी (थ्योरम 2) उन कंट्रोलर्स पर सख्ती से लागू होती है जो सटीक बाधा को लागू करते हैं, जबकि प्रस्तावित एल्गोरिदम 1 वास्तविक समय निष्पादन के लिए फर्स्ट-ऑर्डर एप्रोक्सिमेशन पर निर्भर करता है। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण सामान्य, नॉन-कॉन्वेक्स कॉस्ट फंक्शन्स के लिए अनुमति देता है और साथ ही यह सुनिश्चित करने का प्रयास करता है कि परिणामी क्लोज्ड-लूप ट्राजेक्टरी यूजर-डिफाइंड STL मिशन आवश्यकताओं को पूरा करे। एल्गोरिदम के लिए कोड को आगे के अनुसंधान को सुगम बनाने के लिए सार्वजनिक रूप से उपलब्ध कराया गया है।

इसी तरह के और पेपर