💻 computer science

Learning-Driven Autonomy in Open-Architecture Autopilots

यह शोध पत्र सुरक्षा-महत्वपूर्ण ओपन-आर्किटेक्चर ऑटोपायलट के लिए एक लर्निंग-ड्रिवन ऑटोनॉमी फ्रेमवर्क प्रस्तावित करता है जो अनिश्चितता-जागरूक पूर्वानुमान के लिए एक ट्रायड-कंडीशन्ड CVAE को रिस्क-अवेयर MPC और कंट्रोल बैरियर फंक्शन सेफ्टी फिल्टरिंग के साथ एकीकृत करता है, जिसे सुरक्षित और अनुकूलन योग्य वाहन नेविगेशन सुनिश्चित करने के लिए एक हेट्रोजेनियस ट्रिपल-रिडंडेंट आर्किटेक्चर के भीतर संचालित किया जाता है।

मूल लेखक: Lakshman Mahto

प्रकाशित 2026-06-26

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lakshman Mahto

मूल पेपर CC BY 4.0 (https://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 ड्रोन (UAV) एक बहुत ही कुशल, लेकिन थोड़ा घबराया हुआ पायलट है जो एक तूफानी, अप्रत्याशित शहर के बीच से उड़ रहा है। यह शोध पत्र उस ड्रोन के लिए एक नया "मस्तिष्क" प्रस्तावित करता है जो उसे अपना मानसिक संतुलन खोए बिना सुरक्षित रूप से उड़ने में मदद करता है।

यहाँ इस प्रणाली के काम करने का सरल विवरण दिया गया, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है:

1. समस्या: "ब्लैक बॉक्स" की दुविधा

आमतौर पर, जब हम कंप्यूटर को "सीखने" (जैसे किसी कुत्ते को करतब सिखाना) का उपयोग करके उड़ना सिखाते हैं, तो कंप्यूटर एक "ब्लैक बॉक्स" बन जाता है। वह अच्छी तरह से उड़ तो सकता है, लेकिन हमें यह नहीं पता होता कि उसने कोई निर्णय क्यों लिया, और यदि हवा अजीब तरह से बदल जाए, तो वह दुर्घटनाग्रस्त हो सकता है। सुरक्षा-महत्वपूर्ण स्थितियों में (जैसे लोगों या इमारतों के पास उड़ना), हम केवल एक ब्लैक बॉक्स पर भरोसा नहीं कर सकते। हमें एक ऐसी प्रणाली की आवश्यकता है जो स्मार्ट हो लेकिन सख्त, अटूट नियमों का पालन करती हो।

2. समाधान: एक "तीन सिरों वाली" पायलट टीम

एक अकेला मस्तिष्क सभी निर्णय लेने के बजाय, यह एक तीन अलग-अलग "चैनलों" की टीम डिजाइन करता है जो एक साथ काम करते हैं, जैसे कि एक कॉकपिट जिसमें एक कप्तान (Captain), एक सुरक्षा अधिकारी (Safety Officer) और एक नेविगेटर (Navigator) हो।

चैनल A (कप्तान): यह पुराना, भरोसेमंद ऑटोपायलट है। यह जानता है कि ड्रोन को स्थिर कैसे रखना है और बुनियादी आदेशों का पालन कैसे करना है। यह शरीर (muscle) है।
चैनल B (सुरक्षा अधिकारी): यह एक स्वतंत्र वॉचडॉग (निगरानी करने वाला) है। यह ड्रोन नहीं उड़ाता; यह केवल देखता है। यदि कप्तान या नेविगेटर कुछ खतरनाक करने का सुझाव देता है (जैसे दीवार से टकराना), तो इस अधिकारी के पास "नहीं" कहने या "धीमा होने" की शक्ति होती है।
चैनल C (नेविगेटर): यह नया "सीखने" वाला हिस्सा है। यह भविष्य को देखने के लिए उन्नत AI का उपयोग करता है। यह केवल यह नहीं देखता कि अभी क्या हो रहा है; यह अनुमान लगाता है कि अगले कुछ सेकंड में क्या हो सकता है (जैसे हवा का अचानक झोंका या कोई चलता हुआ अवरोध)।

3. "ट्रायड" मेमोरी: पूरी तस्वीर देखना

अच्छे अनुमान लगाने के लिए, नेविगेटर को केवल वर्तमान क्षण के स्नैपशॉट से अधिक की आवश्यकता है। शोध पत्र एक विशेष "मेमोरी स्टिक" पेश करता है जिसे Triad-Conditioned Tensor कहा जाता है। इसे एक तीन-भाग वाली रिपोर्ट कार्ड के रूप में सोचें जिसे नेविगेटर एक अनुमान लगाने से पहले पढ़ता है:

मैं अभी क्या देख रहा हूँ: सभी सेंसरों (कैमरा, GPS, बैटरी) का सारांश।
मैंने अभी क्या किया: पिछले कुछ कदमों का सारांश (क्या हमने अभी तेजी से मोड़ लिया? क्या इंजन संघर्ष कर रहे हैं?)।
मैं क्या करने की योजना बना रहा हूँ: इच्छित लक्ष्य (क्या हम उतरने की कोशिश कर रहे हैं या पेड़ से बचने की?)।

इन तीनों को जोड़कर, AI वर्तमान फोटो को देखने की तुलना में संदर्भ (context) को बहुत बेहतर समझता है।

4. क्रिस्टल बॉल: "CVAE"

नेविगेटर एक विशेष उपकरण का उपयोग करता है जिसे Conditional Variational Autoencoder (CVAE) कहा जाता है।

उपमा: कल्पना कीजिए कि आप मौसम विज्ञानी से पूछते हैं, "क्या बारिश होगी?" एक सामान्य कंप्यूटर कह सकता है, "हाँ, 100%।" लेकिन एक वास्तविक मौसम विज्ञानी जानता है कि बारिश की 60% संभावना है, बूंदाबांदी की 30% और धूप की 10% संभावना है।
यह कैसे काम करता है: एक एकल भविष्यवाणी देने के बजाय, यह AI कई संभावित भविष्य (परिदृश्य) उत्पन्न करता है। यह कहता है, "यहाँ सबसे संभावित रास्ता है, लेकिन यहाँ 10 अन्य रास्ते भी हैं जो हो सकते हैं यदि हवा बदल जाए।" यह प्रणाली को अनिश्चितता समझने में मदद करता है।

5. सुरक्षा फ़िल्टर: "गार्डरेल" (Guardrail)

यह सबसे महत्वपूर्ण हिस्सा है। भले ही नेविगेटर (चैनल C) स्मार्ट है, लेकिन उसे सीधे स्टीयरिंग व्हील छूने का अधिकार नहीं है।

नेविगेटर (अपने "कई संभावित भविष्यों" के आधार पर) एक पथ का सुझाव देता है।
कप्तान (चैनल A) और सुरक्षा अधिकारी (चैनल B) सबसे अच्छे कमांड पर वोट करते हैं।
गार्डरेल (CBF): ड्रोन के वास्तव में हिलने से पहले, एक गणितीय "गार्डरेल" कमांड की जांच करता है।
- उपमा: कल्पना कीजिए कि आप कार चला रहे हैं। आप ग्रीन लाइट पकड़ने के लिए गति बढ़ाना चाहते हैं (नेविगेटर का विचार)। लेकिन यदि गार्डरेल देखता है कि सड़क पर एक बच्चा दौड़ रहा है (एक सुरक्षा बाधा), तो यह भौतिक रूप से गैस पेडल को लॉक कर देता है और आपको ब्रेक लगाने के लिए मजबूर करता है, भले ही आप तेज जाना चाहते हों।
- स्मार्ट गार्डरेल्स: क्योंकि AI जानता है कि उसकी भविष्यवाणियां कितनी अनिश्चित हैं, गार्डरेल अधिक सख्त हो जाता है जब चीजें धुंधली या जोखिम भरी होती हैं। यदि AI पेड़ से दूरी के बारे में निश्चित नहीं है, तो गार्डरेल सुरक्षा के लिए ड्रोन को पेड़ से अधिक दूर रहने के लिए मजबूर करता है।

6. परिणाम: "दूरदर्शिता बिना लापरवाही के"

इस शोध पत्र का परीक्षण एक सिम्युलेटेड ड्रोन पर किया गया जो बाधाओं के बीच से उड़ रहा था।

AI भविष्य की भविष्यवाणी करने और जोखिमों को पहचानने में अच्छा था।
सुरक्षा परत (Safety Layer) तब हस्तक्षेप करती थी जब AI बहुत आक्रामक हो जाता था या जब स्थिति बहुत अनिश्चित होती थी।
परिणाम: ड्रोन ने सुरक्षित रूप से उड़ान भरी, बाधाओं से बचा और बैटरी का प्रबंधन किया, जिससे यह सिद्ध हुआ कि आप स्मार्ट, लर्निंग-आधारित AI का उपयोग ड्रोन उड़ाने में मदद के लिए कर सकते हैं, जब तक कि आप अंतिम निर्णय के लिए एक सख्त, अटूट सुरक्षा परत को प्रभारी रखते हैं।

संक्षेप में: यह शोध पत्र एक ऐसा ड्रोन मस्तिष्क बनाता है जो भविष्य का अनुमान लगाने के लिए पर्याप्त स्मार्ट है, लेकिन इतना विनम्र भी है कि अंतिम निर्णय लेने के लिए एक सख्त सुरक्षा गार्ड को छोड़ दे कि क्या आगे बढ़ना सुरक्षित है।

तकनीकी सारांश: ओपन-आर्किटेक्चर ऑटोपायलट में लर्निंग-ड्रिवन ऑटोनॉमी

समस्या विवरण
गतिशील, अनिश्चित और सुरक्षा-महत्वपूर्ण वातावरण में संचालित होने वाले स्वायत्त हवाई वाहन (UAVs) को उन क्षमताओं की आवश्यकता होती है जो पारंपरिक फीडबैक नियंत्रण से परे हों। इनमें मल्टीमॉडल धारणा (perception), भविष्योन्मुखी तर्क (predictive reasoning), जोखिम-जागरूक नियोजन (risk-aware planning) और औपचारिक सुरक्षा फ़िल्टरिंग शामिल हैं। हालाँकि, एंड-टू-एंड न्यूरल कंट्रोल अक्सर व्याख्यात्मकता (interpretability), प्रमाणन (certification) और आउट-ऑफ-डिस्ट्रीब्यूशन इनपुट के प्रति संवेदनशीलता के कारण सुरक्षा-महत्वपूर्ण ऑटोपायलट के लिए अनुपयुक्त होता है। मुख्य चुनौती यह है कि क्लासिकल कंट्रोल लेयर्स द्वारा प्रदान किए गए नियतात्मक सुरक्षा गारंटियों (deterministic safety guarantees) से समझौता किए बिना, ओपन-आर्किटेक्चर ऑटोपायलट स्टैक में लर्निंग-आधारित दूरदर्शिता (foresight) और संभाव्य तर्क (probabilistic reasoning) को कैसे एकीकृत किया जाए।

कार्यप्रणाली
यह शोध पत्र एक लेयर्ड, लर्निंग-ड्रिवन ऑटोनॉमी आर्किटेक्चर प्रस्तावित करता है जिसे ओपन-आर्किटेक्चर ऑटोपायलट (जैसे PXLE, ArduPilot) के लिए डिज़ाइन किया गया है। सिस्टम प्रेडिक्शन, ऑप्टिमाइज़ेशन, सेफ्टी एनफोर्समेंट और एक्जीक्यूशन को अलग-अलग मॉड्यूल में विभाजित करता है, जो एक विषम त्रि-अतिरेक (heterogeneous triple-redundant) आर्किटेक्चर के इर्द-गिर्द व्यवस्थित हैं:

ट्रायड-कंडीशन्ड ऑटोनॉमी रिप्रेजेंटेशन (Triad-Conditioned Autonomy Representation):
लर्निंग मॉड्यूल के लिए मुख्य इनपुट एक कॉम्पैक्ट टेंसर $\xi_t = c_t \parallel \psi^{ctrl}_t \parallel \pi_t \in \mathbb{R}^{104}$ है। यह ट्रायड निम्नलिखित का संयोजन है:

$c_t \in \mathbb{R}^{64}$ : एक सीखा हुआ मल्टीसेन्सर बिलीफ वेक्टर जो हालिया विषम सेंसर इतिहास का सारांश प्रस्तुत करता है।
$\psi^{ctrl}_t \in \mathbb{R}^{32}$ : हालिया कंट्रोल-रेजीम जानकारी (एक्चुएशन हिस्ट्री, स्विचिंग व्यवहार) का एक एम्बेडिंग।
$\pi_t \in \mathbb{R}^{8}$ : संभावित भविष्य-योजना इरादे (candidate future-plan intent) का एक संकुचित प्रतिनिधित्व।
यह प्रतिनिधित्व सुनिश्चित करता है कि फोरकास्टिंग मॉडल स्टेट-अवेयर, कंट्रोल-अवेयर और प्लान-अवेयर है।

मल्टीमॉडल परसेप्शन और बिलीफ एनकोडिंग:
विषम सेंसर स्ट्रीम्स (नेविगेशन, IMU, पर्यावरण/पावर/रिस्क) को न्यूरल मोडैलिटी एनकोडर्स के माध्यम से प्रोसेस किया जाता है। इन्हें रैंडम फूरियर फीचर कर्नल मीन एम्बेडिंग्स (RFF-KME) का उपयोग करके सारांशित किया जाता है ताकि सेंसर विंडोज के कॉम्पैक्ट डिस्ट्रिब्यूशनल सारांश बनाए जा सकें। एक GRU-अटेंशन नेटवर्क फिर इन सारांशों को बिलीफ वेक्टर $c_t$ में एकत्रित करता है, जिससे मॉडल को भविष्य के पूर्वानुमान के लिए प्रासंगिक संदर्भ विंडोज को तौलने की अनुमति मिलती है।
संभाव्य पूर्वानुमान (Deep CVAE):
एक कंडीशनल वेरिएशनल ऑटोएनकोडर (CVAE) कंडीशनल डिस्ट्रीब्यूशन $p_\theta(X_{t+1:t+H} | \xi_t)$ को मॉडल करता है। CVAE छिपे हुए परिदृश्य कारकों (जैसे अनदेखा हवा का झोंका, बाधा की गति) को कैप्चर करने के लिए एक लेटेंट वेरिएबल $z$ का उपयोग करता है। परिनियोजन (deployment) के दौरान, भविष्य के प्रक्षेप पथों (trajectories) के एक एन्सेम्बल को उत्पन्न करने के लिए कंडीशनल प्रायर से लेटेंट परिदृश्यों को सैंपल किया जाता है, जो औसत भविष्यवाणियों और अनिश्चितता अनुमानों दोनों को प्रदान करता है।
रिस्क-अवेयर कंट्रोल और सेफ्टी फ़िल्टरिंग:

MPC लेयर: एक रिस्क-अवेयर मॉडल प्रेडिक्टिव कंट्रोल (MPC) लेयर CVAE फोरकास्ट डिस्ट्रीब्यूशन (मीन, वेरिएंस और परिदृश्य सैंपल) का उपयोग करके एक नॉमिनल कंट्रोल प्रस्ताव उत्पन्न करती है।
ट्रिपल-रिडंडेंट वोटिंग: सिस्टम तीन चैनल नियोजित करता है: (A) एक प्राथमिक रियल-टाइम कंट्रोलर, (B) एक स्वतंत्र सुरक्षा/वोटिंग चैनल, और (C) AI/MPC कंपैनियन। कमांड्स को मीडियन वोटिंग और कॉन्फिडेंस-वेटेड एवरेजिंग के माध्यम से संयोजित किया जाता है। जब फोरकास्ट अनिश्चितता या जोखिम बढ़ता है, तो AI चैनल का भार ( $w_C$ ) कम कर दिया जाता है।
CBF सेफ्टी फ़िल्टर: अंतिम वोट किया गया कमांड को कंट्रोल बैरियर फंक्शन्स (CBFs) का उपयोग करके एक सुरक्षित-कंट्रोल सेट में प्रोजेक्ट किया जाता है। यह लेयर कमांड को न्यूनतम रूप से संशोधित करके हार्ड बाधाओं (बाधा क्लीयरेंस, बैटरी मार्जिन) को लागू करती है। महत्वपूर्ण रूप से, सुरक्षा मार्जिन अनिश्चितता-जागरूक (uncertainty-aware) हैं; उदाहरण के लिए, प्रभावी बाधा क्लीयरेंस को प्रेडिक्टेड LiDAR दूरी अनिश्चितता ( $\sigma_{LiDAR}$ ) और रिस्क स्कोर के आधार पर बढ़ाया जाता है।

प्रमुख योगदान

आर्किटेक्चर: एक स्ट्रक्चर्ड ऑटोनॉमी स्टैक जो मल्टीमॉडल परसेप्शन, संभाव्य फोरकास्टिंग, MPC, CBF सेफ्टी फ़िल्टरिंग और विषम वोटिंग को एकीकृत करता है, यह सुनिश्चित करता है कि लर्निंग मॉड्यूल निर्धारित सुरक्षा लेयर्स को बदलने के बजाय उन्हें सहायता प्रदान करें।
ट्रायड टेंसर: एक ट्रायड-कंडीशन्ड ऑटोनॉमी टेंसर का परिचय जो प्रेडिक्शन को धारणा (perception), कंट्रोल हिस्ट्री और भविष्य के योजना इरादे पर एक साथ कंडिशन करता है।
मॉडलिंग: मोडैलिटी समराइजेशन के लिए RFF-KME और कॉन्टेक्स्ट एनकोडिंग के लिए GRU-अटेंशन का उपयोग करने वाला एक डीप CVAE फोरकास्टिंग मॉडल।
सुरक्षा एकीकरण: एक MPC-CBF-वोटिंग पाइपलाइन में संभाव्य पूर्वानुमानों का एकीकरण जहाँ फोरकास्ट अनिश्चितता सीधे CBF लेयर में सुरक्षा मार्जिन को बढ़ा देती है।
औपचारिक गारंटी (Formal Guarantees): एक थ्योरम जो व्यवहार्य CBF फ़िल्टरिंग के तहत सेफ सेट के फॉरवर्ड इनवेरिएंस (forward invariance) को स्थापित करता है, जिसमें व्यवहार्यता धारणा और अनिश्चितता-मोनोटोन कंजर्वेटिविज्म पर एक व्यावहारिक चर्चा शामिल है।
पुनरुत्पादकता (Reproducibility): एक पूर्ण सिमुलेशन वर्कफ़्लो जिसमें फोरकास्टिंग मेट्रिक्स, अनिश्चितता प्लॉट्स, अटेंशन विज़ुअलाइज़ेशन और 3D ट्रजेक्टरी विश्लेषण शामिल है।

परिणाम
आर्किटेक्चर का मूल्यांकन एक UAV नेविगेशन डेटासेट (5,000 नमूने) पर क्रोनोलॉजिकल ट्रेन-टेस्ट स्प्लिट का उपयोग करके किया गया।

फोरकास्टिंग सटीकता: डीप CAVE ने पांच लक्ष्यों (ऊंचाई, गति, LiDAR दूरी, बैटरी स्तर, जोखिम) के लिए एक मीन RMSE 38.29 प्राप्त किया, जबकि एक डिटर्मिनिस्टिक रिज रिग्रेशन बेसलाइन का मान 38.92 था। सुधार मामूली है लेकिन सुसंगत है।
अनिश्चितता अंशांकन (Uncertainty Calibration): CVAE ने लक्ष्यों के लिए 0.724 से 0.844 तक की एम्पिरिकल 80% प्रेडिक्शन इंटरवल कवरेज प्रदान की। हालांकि यह आम तौर पर नॉमिनल 80% से थोड़ा कम है (जो मामूली अंडरकवरेज का संकेत देता है), मॉडल ने सफलतापूर्वक उन अनिश्चितता अंतरालों को उत्पन्न किया जो बेसलाइन में अनुपस्थित थे।
सुरक्षा व्यवहार: सिमुलेशन ने दिखाया कि CBF लेयर ने तब आक्रामक कमांड्स को सफलतापूर्वक कम किया जब अनुमानित बाधा या बैटरी मार्जिन असुरक्षित होने लगे। वोटिंग तंत्र ने AI/MPC चैनल के भार को गतिशील रूप से कम किया जैसे-जैसे प्रेडिक्टेड रिस्क या अनिश्चितता बढ़ी, जिससे अथॉरिटीिटी सुरक्षा चैनल की ओर स्थानांतरित हो गई।
प्रतिनिधित्व (Representation): डायग्नोस्टिक्स ने दिखाया कि बिलीफ वेक्टर स्मूथ बना रहा, जबकि कंट्रोल-रेजीम और प्लान एम्बेडिंग्स एक्चुएशन तीव्रता और सुरक्षा मार्जिन के साथ भिन्न हुए, जो ऑपरिटिंग रेजीम्स को अलग करने की ट्रायड की क्षमता की पुष्टि करते हैं।

महत्व और दावे
शोध पत्र का दावा है कि इसकी प्राथमिक महत्ता यह प्रदर्शित करने में निहित है कि सुरक्षा-महत्वपूर्ण ऑटोपायलट सिस्टम में डीप प्रोबेबिलिस्टिक मॉडल्स का उपयोग करने के लिए एक स्ट्रक्चर्ड मार्ग क्या है, बिना लर्निंग मॉड्यूल को सीधा एक्चुएटर अधिकार दिए। लर्निंग मॉड्यूल की भूमिका (दूरदर्शिता और निर्णय सहायता) को निष्पादन लेयर (निर्मित सुरक्षा फ़िल्टरिंग) से अलग करके, यह आर्किटेक्चर क्लासिकल कंट्रोल की मजबूती को बनाए रखता है जबकि अनुकूलन योग्य, जोखिम-जागरूक नियोजन को सक्षम करता है।

लेखक इस बात पर जोर देते हैं कि CVAE स्वयं सुरक्षा की गारंटी नहीं देता है; बल्कि, यह संभाव्य दूरदर्शिता प्रदान करता है जो CBF लेयर को सूचित करती है। CBF लेयर हार्ड बाधाओं को लागू करती है, यह सुनिश्चित करती है कि अंतिम कमांड स्वीकार्य है। यह कार्य एक व्यावहारिक ढांचे के रूप में प्रस्तुत किया गया है जिसका उद्देश्य लर्निंग-आधारित ऑटोनॉमी को उन ओपन-आर्किटेक्चर सिस्टम (जैसे UAV और फील्ड रोबोटिक्स) में एकीकृत करना है जहाँ सुरक्षा प्रमाणन और फॉल्ट टॉलरेंस सर्वोपरि हैं। परिणाम बताते हैं कि हालांकि डीप लर्निंग लीनियर बेसलाइन्स की तुलना में पॉइंट-एस्टिमेशन सटीकता में मामूली सुधार प्रदान करता है, इसका वास्तविक मूल्य अनिश्चितता अनुमान प्रदान करने में है जो अनिश्चितता-जागरूक सुरक्षा मार्जिन और डायनेमिक कमांड मध्यस्थता (arbitration) को सक्षम बनाता है।