Bounded Linear Programs for Data-Driven Optimal Control via Moment-Matching

कल्पना कीजिए कि आप बिना किसी मानचित्र, दिशा-सूचक यंत्र (कम्पास), या क्षितिज के स्पष्ट दृश्य के, एक तूफान के बीच जहाज को चलाने की कोशिश कर रहे हैं। आप केवल लहरों को अपने पतवार से टकराते हुए देख सकते हैं और अपने चेहरे पर हवा के बदलते रुख को महसूस कर सकते हैं। यह उन कई इंजीनियरों और वैज्ञानिकों की वास्तविकता है जिन्हें जटिल मशीनों, जैसे स्वायत्त वाहनों (autonomous vehicles) से लेकर पावर ग्रिड तक, को नियंत्रित करना होता है जब उनके पास उन प्रणालियों के व्यवहार का पूर्ण गणितीय मॉडल नहीं होता। एक आदर्श ब्लूप्रिंट पर भरोसा करने के बजाय, उन्हें करके सीखना होता है: यह देखना कि विभिन्न इनपुट के प्रति सिस्टम कैसे प्रतिक्रिया करता है, गलतियों की लागत को रिकॉर्ड करना, और धीरे-धीरे एक ऐसी रणनीति तैयार करना जो काम करे। दशकों से, 'लीनियर प्रोग्रामिंग' नामक एक शक्तिशाली गणितीय उपकरण ने ऐसी स्थितियों में सर्वोत्तम संभव रणनीति खोजने का एक तरीका प्रदान किया है। हालाँकि, इस उपकरण में एक कुख्यात दोष है: जैसे-जैसे सिस्टम का वर्णन करने वाले चरों (variables) की संख्या बढ़ती है, गणना अक्सर नियंत्रण से बाहर हो जाती है, जिससे अनंत रूप से बड़े उत्तर प्राप्त होते हैं जो अंततः बेकार होते हैं। यह एक तराजू को उन भारों के साथ संतुलित करने की कोशिश करने जैसा है जो इतने भारी होते जाते हैं कि उसका बीम ही टूट जाता है।

ETH ज्यूरिख के शोधकर्ताओं की एक टीम ने उस तराजू को संतुलित रखने का एक तरीका खोजा है, भले ही सिस्टम जटिल हो और डेटा कम हो। उन्होंने एक इष्टतम नियंत्रण नीति (optimal control policy) के लिए गणितीय खोज को निर्देशित करने का एक नया तरीका विकसित किया है, जिससे यह सुनिश्चित होता है कि समाधान परिमित (finite) और व्यावहारिक बना रहे। 'मोमेंट-मैचिंग' (moment-matching) नामक एक तकनीक का उपयोग करके, जो अनिवार्य रूप से वांछित समाधान के गणितीय "आकार" को देखे गए डेटा के पैटर्न के साथ संरेखित करती है, वे गारंटी दे सकते हैं कि कंप्यूटर एक स्थिर उत्तर खोज लेगा। उनका कार्य बताता है कि उच्च-आयामी, गैर-रैखिक (nonlinear) प्रणालियों—ऐसी मशीनें जिनमें कई चलते-फिरते हिस्से और जटिल व्यवहार होते हैं—के लिए केवल सीमित डेटा का उपयोग करके नियंत्रक (controller) डिजाइन करना संभव है, बिना यह जाने कि सिस्टम के पीछे का भौतिक विज्ञान क्या है। यह दृष्टिकोण एक सैद्धांतिक संभावना को एक विश्वसनीय इंजीनियरिंग उपकरण में बदल देता है, जो वास्तविक दुनिया के लिए स्मार्ट और अधिक अनुकूल नियंत्रण प्रणालियों के द्वार खोलता है।

मुख्य चुनौती जिसे शोधकर्ताओं ने संबोधित किया है, वह है इन गणितीय गणनाओं को अनियंत्रित होने से रोकने की कठिनाई। 'ऑप्टिमल कंट्रोल' की दुनिया में, लक्ष्य नियमों का एक ऐसा सेट खोजना है जो मशीन को हर क्षण यह बताए कि क्या करना है ताकि लागत (जैसे ऊर्जा का उपयोग या यात्रा का समय) को न्यूनतम किया जा सके। जब सिस्टम सरल होता है, तो मानक तरीके ठीक से काम करते हैं। लेकिन जब सिस्टम जटिल होता है, जिसमें स्थिति, वेग और त्वरण जैसे कई आयाम आपस में क्रिया करते हैं, तो संभावित परिदृश्यों की संख्या विस्फोट की तरह बढ़ जाती है। शोधकर्ताओं ने नोट किया कि डेटा-संचालित तरीकों का उपयोग करके इसे हल करने के पिछले प्रयास अक्सर विफल रहे क्योंकि गणितीय समस्या 'अनबाउंडेड' (unbounded) हो गई थी। इसका अर्थ है कि कंप्यूटर एक ऐसा समाधान खोजने की कोशिश करेगा जो अनंत रूप से बड़ा हो जाए, जिससे प्रभावी रूप से गणना क्रैश हो जाएगी। जबकि कुछ शुरुआती तरीकों ने कृत्रिम बाधाएं या 'रेगुलराइज़र' जोड़कर इसे ठीक करने की कोशिश की, वे अक्सर अंतिम परिणाम को विकृत कर देते थे, जिससे नियंत्रक कम प्रभावी हो जाता था। अन्य विधियाँ भारी मात्रा में डेटा पर निर्भर थीं, जो अक्सर वास्तविक दुनिया के परिदृश्यों में असंभव होता है जहाँ प्रयोग महंगे या खतरनाक होते हैं।

इसे हल करने के लिए, लेखकों ने एक ऐसी विधि पेश की जो खोज की सीमाओं को परिभाषित करने के लिए स्वयं डेटा का उपयोग करती है। यह अनुमान लगाने के बजाय कि समाधान कहाँ होना चाहिए, उन्होंने सिस्टम की गतिविधियों से एकत्र किए गए डेटा के विशिष्ट पैटर्न को देखा। उन्होंने डेटा को एक उच्च-आयामी स्थान में बिंदुओं के संग्रह के रूप में माना और एक सरल प्रश्न पूछा: क्या हम अपनी खोज के लिए एक ऐसी दिशा पा सकते हैं जो इन बिंदुओं द्वारा समर्थित हो? यदि खोज की दिशा डेटा द्वारा बनाए गए संभावनाओं के "शंकु" (cone) के साथ संरेखित होती है, तो गणना का परिमित रहना सुनिश्चित है। उन्होंने प्रदर्शित किया कि देखे गए डेटा के आधार पर एक 'कॉस्ट वेक्टर' (गणितीय भार जो कंप्यूटर को प्राथमिकता बताने के लिए है) का सावधानीपूर्वक चयन करके, वे यह सुनिश्चित कर सकते थे कि समाधान सीमित रहे। यह एक ऐसी यात्रा के लिए गंतव्य निर्धारित करने के समान है जो पहले से मानचित्रित किए गए भूभाग के आधार पर पहुँचने योग्य है, न कि किसी ऐसे बिंदु के लिए जो दुनिया के किनारे से बाहर हो सकता है।

शोधकर्ताओं ने इस विचार का परीक्षण दो बहुत अलग प्रकार के सिस्टमों पर किया। सबसे पहले, उन्होंने रैखिक समय-अपरिवर्तनीय (linear time-invariant) प्रणालियों को देखा, जो ऐसी मशीनें हैं जो एक अनुमानित, सीधी रेखा में व्यवहार करती हैं। उन्होंने इन प्रणालियों को बढ़ती जटिलता के साथ सिम्युलेट किया, छोटे सेटअप से लेकर तीस अलग-अलग अवस्था चर (state variables) वाले सेटअप तक। इन परीक्षणों में, उन्होंने एक मानक दृष्टिकोण के मुकाबले अपनी नई विधि की तुलना की जो एक निश्चित, अपरिवर्तित कॉस्ट वेक्टर का उपयोग करता है। परिणाम चौंकाने वाले थे: जबकि मानक विधि दो अवस्था चरों से अधिक वाले सिस्टम के लिए समाधान खोजने में विफल रही, उनके मोमेंट-मैचिंग दृष्टिकोण ने केवल पाँच सौ डेटा बिंदुओं का उपयोग करते हुए, तीस चरों तक के सिस्टम के लिए सफलतापूर्वक परिमित समाधान खोजे। उनके द्वारा सीखे गए नियंत्रक लगभग पूर्ण थे, जो सैद्धांतिक सर्वोत्तम परिणाम के एक प्रतिशत के भीतर प्रदर्शन करते थे।

इसके बाद, उन्होंने इस पद्धति को बहुत अधिक कठिन क्षेत्र में धकेला: गैर-रैखिक यांत्रिक प्रणालियाँ (nonlinear mechanical systems)। ये ऐसी मशीनें हैं जहाँ उन पर लगने वाले बल सरल सीधी रेखाओं का पालन नहीं करते; उदाहरण के लिए, एक ऐसा सिस्टम जिसमें इलास्टिक कपलिंग, गैर-रैखिक गुरुत्वाकर्षण और वेग के घन (cube) के साथ बढ़ने वाला ड्रैग (drag) शामिल है। ये प्रणालियाँ नियंत्रण के लिए अत्यंत कठिन मानी जाती हैं क्योंकि छोटे बदलाव भी जंगली व्यवहार की ओर ले जा सकते हैं। शोधकर्ताओं ने दस आयामों तक के इन सिस्टमों का सिमुलेशन किया और पाया कि उनकी विधि अभी भी स्थिर समाधान खोज सकती है जहाँ मानक दृष्टिकोण विफल रहा। एक विशिष्ट सिमुलेशन में, उन्होंने चार आयामों वाले एक सिस्टम को नियंत्रित किया जो स्वाभाविक रूप से अस्थिर था, जिसका अर्थ है कि हस्तक्षेप के बिना यह बिखर जाएगा। उनके द्वारा सीखे गए नियंत्रक ने सिस्टम को एक स्थिर संतुलन (equilibrium) की ओर सफलतापूर्वक निर्देशित किया, उसे संतुलित रखा, जबकि उसी सिस्टम का अनियंत्रित संस्करण भटक गया। इस सफलता की कुंजी अधिक डेटा नहीं, बल्कि डेटा का स्मार्ट उपयोग था। डेटा के मोमेंट्स (moments) को मैच करके—अर्थात देखे गए व्यवहारों के औसत मान और प्रसार को मिलाकर—वे एक ऐसा कॉस्ट फंक्शन बना सके जिसने गणितीय समस्या को हल करने योग्य बनाए रखा।

इस दृष्टिकोण की सुंदरता इसकी दक्षता और उपलब्ध डेटा पर इसके भरोसे में निहित है। शोधकर्ताओं ने दिखाया कि यह विधि तब भी काम करती है जब डेटा बिंदुओं की संख्या सिस्टम की जटिलता के सापेक्ष कम होती है। उन्होंने पाया कि एक सहायक 'सैंपल पॉइंट्स' के पूल के आकार को बढ़ाकर, वे और भी बड़े सिस्टम के लिए समाधान खोजने की संभावना में सुधार कर सकते हैं। यह सुझाव देता है कि बाधा डेटा की मात्रा नहीं है, बल्कि इस बात पर है कि उस डेटा की व्याख्या कैसे की जाती है। इस पद्धति के लिए सिस्टम का रैखिक होना या डायनेमिक्स का ज्ञात होना आवश्यक नहीं है; इसे केवल यह आवश्यकता है कि एकत्र किया गया डेटा समस्या के आकार को परिभाषित करने के लिए पर्याप्त जानकारी प्रदान करे। इस पद्धति की कम्प्यूटेशनल लागत कम है, जिसमें केवल रैखिक समीकरणों का एक सेट शामिल है जिसे एक मानक कंप्यूटर पर तेजी से हल किया जा सकता है।

अंततः, यह कार्य उच्च-आयामी स्थानों में डेटा-संचालित नियंत्रण के लिए एक व्यावहारिक मार्ग प्रदान करता है। यह क्षेत्र को इस विचार से दूर ले जाता है कि जटिल मशीनों को नियंत्रित करने के लिए हमें विशाल डेटासेट या पूर्ण मॉडल की आवश्यकता है। इसके बजाय, यह दिखाता है कि सही गणितीय ढांचे के साथ, अपेक्षाकृत कम डेटा भी एक ऐसा नियंत्रक प्राप्त करने के लिए पर्याप्त हो सकता है जो स्थिर और प्रभावी दोनों हो। शोधकर्ता सावधानी बरतते हुए कहते हैं कि जबकि उनके सिमुलेशन उत्साहजनक हैं, यह पद्धति वर्तमान में 'डिटरमिनिस्टिक' (deterministic) प्रणालियों के लिए सिद्ध है जिनमें बहुपद (polynomial) विशेषताएं हैं। वे एक भविष्य देखते हैं जहाँ इस तकनीक को 'स्टोकेस्टिक' (stochastic) प्रणालियों तक विस्तारित किया जाएगा, जहाँ यादृच्छिकता (randomness) एक बड़ी भूमिका निभाती है, और और भी अधिक जटिल प्रकार के कार्यों तक। फिलहाल, हालांकि, उन्होंने प्रदर्शित किया है कि 'कर्स ऑफ डाइमेंशनैलिटी' (curse of dimensionality), जिसने लंबे समय से इस प्रकार की गणनाओं को प्रभावित किया है, उसे नियंत्रित किया जा सकता है। यह सुनिश्चित करके कि सर्वोत्तम नियंत्रण नीति की खोज देखे गए डेटा की वास्तविकता में जमी रहे, उन्होंने एक सैद्धांतिक अवधारणा को एक ऐसे उपकरण में बदल दिया है जिसका उपयोग बेहतर, सुरक्षित और अधिक बुद्धिमान मशीनें बनाने के लिए किया जा सकता है।