Timely Activation of Safety Filters via One-Step Reachability Expansion

रोबोट और स्वायत्त वाहन (autonomous vehicles) तेजी से जटिल और भीड़भाड़ वाले स्थानों, जैसे कि कारखानों के फर्श से लेकर शहर की सड़कों तक, में नेविगेट करने की उम्मीद कर रहे हैं। इसे सुरक्षित रूप से करने के लिए, इंजीनियर गणितीय ढांचों पर भरोसा करते हैं जो अदृश्य सुरक्षा घेरे (guardrails) के रूप में कार्य करते हैं, यह सुनिश्चित करते हुए कि मशीन कभी ऐसी स्थिति में न जाए जहाँ दुर्घटना या विफलता अपरिहार्य हो। एक शक्तिशाली दृष्टिकोण, जिसे 'रीचेबिलिटी एनालिसिस' (reachability analysis) के रूप में जाना जाता है, एक आपदा से पीछे की ओर काम करता है ताकि हर उस संभावित पथ का मानचित्र तैयार किया जा सके जो किसी सिस्टम को उस आपदा तक पहुँचा सकता है। यह मानचित्र, जिसे 'बैकवर्ड रीचेबल ट्यूब' (backward reachable tube) कहा जाता है, एक सीमा निर्धारित करता है: यदि रोबोट इस ट्यूब के बाहर रहता है, तो वह सुरक्षित है; यदि वह सीमा को छूता है, तो उसे खतरे से बचने के लिए तत्काल, विशिष्ट कार्रवाई करनी चाहिए। सिद्धांत में, यह प्रणाली पूर्ण है। हालाँकि, वास्तविक दुनिया के रोबोट सुचारू, निरंतर प्रवाह में नहीं सोचते या चलते नहीं हैं। इसके बजाय, वे नियंत्रण संकेतों के निश्चित अंतराल पर अपनी स्थिति की जाँच करने, एक नया दिशा निर्धारित करने और अपने मोटरों को समायोजित करने के लिए त्वरित स्नैपशॉट्स की एक श्रृंखला में काम करते हैं। चिकनी थ्योरी और इस खंडित वास्तविकता के बीच का यह अंतर एक खतरनाक अंध बिंदु (blind spot) पैदा करता है। एक स्नैपशॉट और अगले के बीच, एक रोबोट सैद्धांतिक रूप से सुरक्षा सीमा को पार कर सकता है और सीधे खतरे के क्षेत्र में पहुँच सकता है, इससे पहले कि कंप्यूटर को पता चले कि उसने रेखा पार कर ली है।

सेंटियागो डी चिली विश्वविद्यालय के शोधकर्ताओं ने इस विशिष्ट भेद्यता की पहचान की है और इस अंतर को पाटने के लिए एक व्यवस्थित समाधान प्रस्तावित किया है। उन्होंने पाया कि उन रोबरों के लिए मानक सुरक्षा सीमा पर निर्भर रहना अपर्याप्त है जो डिस्क्रीट टाइम स्टेप्स (discrete time steps) पर अपने नियंत्रण संकेतों को अपडेट करते हैं। इसे ठीक करने के लिए, उन्होंने एक बड़ा, विस्तारित सुरक्षा घेरा बनाने की विधि विकसित की जो नियंत्रण अपडेट के बीच के संक्षिप्त क्षण के दौरान रोबोट की गतिशीलता को ध्यान में रखता है। मूल खतरे के क्षेत्र को छूने का इंतजार करने के बजाय, नया सिस्टम केवल एक एकल टाइम स्टेप के बाद रोबोट कहाँ पहुँच सकता है, इसके पूर्वानुमान के आधार पर सुरक्षा हस्तक्षेप को पहले ही शुरू कर देता है। इन सुरक्षा फिल्टरों के लिए इस विस्तारित सीमा का उपयोग करके, सिस्टम यह सुनिश्चित करता है कि रोबोट कभी भी ऐसी स्थिति में न पहुँचे जहाँ से बचना असंभव हो, भले ही डिजिटल नियंत्रण में देरी मौजूद हो।

समस्या का मूल कारण इस बात में निहित है कि सुरक्षा की गणना कैसे की जाती है और रोबोट वास्तव में कैसे चलते हैं। आदर्श गणितीय दुनिया में, एक रोबोट का पथ एक निरंतर रेखा होता है। यदि एक सुरक्षा फिल्टर खतरे के क्षेत्र के किनारे को छूते ही आपातकालीन युक्ति (emergency maneuver) को सक्रिय करने के लिए डिज़ाइन किया गया है, तो यह पूरी तरह से काम करता है। लेकिन वास्तव में, एक रोबोट का कंप्यूटर अपनी स्थिति की जाँच करता है, निर्णय लेता है, और हर सेकंड के एक छोटे हिस्से में मोटरों को कमांड भेजता है। उस छोटे से अंतराल के दौरान, रोबोट चलता रहता है। यदि वह पर्याप्त तेज़ चल रहा है, या यदि हवा का कोई अप्रत्याशित झोंका या झटका उसे धकेलता है, तो वह अगले चेक होने से पहले ही सुरक्षा रेखा को पार कर सकता है और खतरे के क्षेत्र में प्रवेश कर सकता है। रोबोट प्रभावी रूप से सुरक्षा घेरे के ऊपर से कूद गया है। इंजीनियरों ने इसे कागज पर खतरे के क्षेत्र को बड़ा बनाकर, सुरक्षा प्रणाली को पहले सक्रिय करने के लिए एक रैंडम बफर ज़ोन जोड़कर हल करने की कोशिश की है। हालांकि यह मदद करता है, लेकिन यह एक मोटा अनुमान है जो अक्सर रोबोट को अत्यधिक सतर्क होने के लिए मजबूर करता है, जिससे उसकी कार्यक्षमता सीमित हो जाती है।

शोधकर्ताओं ने इस विचार को सटीक रूप से यह गणना करके हल किया कि एक एकल टाइम स्टेप के तहत सबसे खराब परिस्थितियों में एक रोबोट कितनी दूर जा सकता है। उन्होंने मूल खतरे के क्षेत्र को अंतिम लक्ष्य के रूप में नहीं, बल्कि एक गंतव्य के रूप में माना जिसे रोबोट उस एक संक्षिप्त अंतराल के भीतर प्राप्त कर सकता है। एक टाइम स्टेप की अवधि के दौरान खतरे के क्षेत्र से पीछे की ओर काम करके, उन्होंने एक नया, बड़ा क्षेत्र मैप किया। इस नए क्षेत्र में वे सभी स्थान शामिल हैं जहाँ से रोबोट प्रतिक्रिया देने से पहले मूल खतरे के क्षेत्र तक पहुँच सकता है। यह 'वन-स्टेप एक्सपेंडेड बैकवर्ड रीचेबल ट्यूब' है। यह कोई रैंडम अनुमान या निश्चित मार्जिन नहीं है; यह रोबोट के भौतिक विज्ञान, इसकी अधिकतम गति और घर्षण या हवा जैसे व्यवधानों की क्षमता से प्राप्त एक सटीक गणना है। परिणाम एक ऐसा सीमा है जो बिना अनावश्यक रूप से प्रतिबंधात्मक हुए सुरक्षा की गारंटी देने के लिए पर्याप्त बड़ी है।

इस विचार का परीक्षण करने के लिए, टीम ने एक स्वायत्त कार का अनुकरण (simulate) किया, जिसे बाधाओं से भरे वातावरण में नेविगेट करने के लिए एक 'डबिन कार' (Dubins car) के रूप में मॉडल किया गया था। कार को चार गोलाकार बाधाओं वाले आयताकार घेरे से बचते हुए एक शुरुआती बिंदु से लक्ष्य तक पहुँचना था। शोधकर्ताओं ने कार को एक मानक नेविगेशन रणनीति का उपयोग करने के लिए प्रोग्राम किया जिसमें स्वाभाविक रूप से सुरक्षा की चिंता नहीं थी, और पूरी तरह से सुरक्षा फिल्टर पर निर्भर था। फिर उन्होंने दो परिदृश्यों की तुलना की: एक जहाँ सुरक्षा फिल्टर ने मूल, मानक सीमा का उपयोग किया, और दूसरा जहाँ इसने नई, विस्तारित सीमा का उपयोग किया। उन्होंने इन सिमुलेशन को नियंत्रण अपडेट के बीच अलग-अलग समय अंतरालों (0.1 सेकंड से 0.4 सेकंड तक) के साथ चलाया, और वास्तविक दुनिया की अनिश्चितता की नकल करने के लिए रैंडम व्यवधान पेश किए।

परिणाम स्पष्ट थे। मानक सीमा का उपयोग करते समय, रोबोट बार-बार टकराव से विफल रहा, विशेष रूप से जैसे-जैसे अपडेट के बीच का समय बढ़ता गया। 0.2-सेकंड के अंतराल वाले सबसे चुनौतीपूर्ण परीक्षण में, मानक पद्धति ने 100 सिम्युलेटेड रन में से 95 बार रोबोट को टकराने दिया। रोबोट बाधा के पास आता, कंप्यूटर अगले अपडेट का इंतजार करता, और उस एक पल के भीतर, रोबोट सुरक्षा रेखा को पार कर जाता और बाधा से टकरा जाता। इसके विपरीत, विस्तारित सीमा का उपयोग करने वाले सिस्टम ने अधिकांश मामलों में सुरक्षा बनाए रखी। 0.2-सेकंड के समान अंतराल के साथ, विस्तारित पद्धति ने 100 में से 82 रन में रोबोट को सुरक्षित रखा। यहाँ तक कि विस्तारित पद्धति के साथ भी जब विफलताएँ हुईं, तो वे बहुत कम गंभीर थीं; रोबोट ने बाधा क्षेत्र में बहुत कम दूरी तक प्रवेश किया, और पहली विफलता से पहले का समय भी अधिक था।

अध्ययन ने यह भी खुलासा किया कि अपडेट के बीच का समय बढ़ने पर विस्तारित सीमा और भी अधिक प्रभावी हो जाती है। जबकि मानक पद्धति लंबे अंतरालों के साथ बुरी तरह संघर्ष करती रही, विस्तारित पद्धति मजबूती से प्रदर्शन करती रही। यह सुझाव देता है कि नया दृष्टिकोण उन प्रणालियों के लिए विशेष रूप से मूल्यवान है जो अपने नियंत्रणों को बहुत तेज़ी से अपडेट नहीं कर सकते। शोधकर्ताओं ने नोट किया कि विस्तारित सीमा एक बफर के रूप में कार्य करती है जो देरी की भरपाई करती है, यह सुनिश्चित करती है कि सुरक्षा फिल्टर खतरे से दूर जाने के लिए पर्याप्त समय रहते सक्रिय हो जाए। हालाँकि, वे इस बात को लेकर भी सावधान थे कि यह विधि सभी जोखिमों को समाप्त नहीं करती है। क्योंकि अंतर्निहित सुरक्षा गणना अभी भी निरंतर-समय गणित (continuous-time mathematics) पर आधारित है, एक छोटा सा अंतर बना रहता है। सिमुलेशन में विफलताएँ अभी भी हुईं, हालांकि वे बहुत कम बार और कम गंभीर थीं।

यह कार्य वास्तविक दुनिया में स्वायत्त प्रणालियों को सुरक्षित बनाने के लिए एक स्पष्ट मार्ग प्रदान करता है। खतरे के क्षेत्र के मनमाने सुरक्षा मार्जिन से हटकर, एक गणना की गई, एक-चरण विस्तार की ओर बढ़कर, इंजीनियर ऐसे रोबोट तैनात कर सकते हैं जो सुरक्षित और कुशल दोनों हों। यह विधि सुरक्षित क्षेत्रों में रोबोट की स्वतंत्र रूप से चलने की क्षमता को बनाए रखती है और यह भी सुनिश्चित करती है कि जैसे ही वह जोखिम के करीब पहुँचता है, सिस्टम पर्याप्त समय रहते हस्तक्षेप करे। शोधकर्ताओं का सुझाव है कि इस तर्क को अन्य सुरक्षा ढांचों पर भी लागू किया जा सकता है, जो एक सामान्य तरीका प्रदान करता है। भविष्य के रोबोटिक्स के लिए, जहाँ मशीनों को अप्रत्याशित वातावरण में मनुष्यों के साथ सुरक्षित रूप से काम करना होगा, इस अंतर को पाटना केवल एक तकनीकी सुधार नहीं है; यह विश्वास के लिए एक मौलिक आवश्यकता है।