Constrained Scenario Adaptation in Flight Simulator Training using Conceptualized State Spaces

तकनीकी सारांश: वैचारिक अवस्था स्थानों (Conceptualized State Spaces) का उपयोग करके फ्लाइट सिम्युलेटर प्रशिक्षण में बाधित परिदृश्य अनुकूलन (Constrained Scenario Adaptation)

समस्या विवरण
एविएशन क्षेत्र, जो EASA AI रोडमैप 2.0 द्वारा निर्देशित है, के लिए यह आवश्यक है कि मशीन लर्निंग (ML) सिस्टम न केवल सटीक हों, बल्कि नियत (deterministic), व्याख्या योग्य (interpretable), परिभाषित अवधारणाओं तक सुराग योग्य (traceable), स्पष्ट सुरक्षा बाधाओं द्वारा सीमित और पश्च-निर्धारण (post-hoc) के लिए पुनर्निर्मित करने योग्य भी हों। वर्तमान दृष्टिकोण अक्सर अनुकूलित पायलट प्रशिक्षण को एक अनियंत्रित प्रेडिक्टर के रूप में देखते हैं जो लेटेंट फीचर स्पेस पर कार्य करता है, और बाधाओं को केवल एक 'पोस्ट-हॉक फिल्टर' के रूप में लागू करते हैं। यह एक पद्धतिगत अंतराल पैदा करता है: ऐसा कोई औपचारिक रूप से परिभाषित रूपांतरण नहीं है जो विषम प्रशिक्षण साक्ष्यों (सिद्धांत-आधारित मूल्यांकन और सिम्युलेटर टेलीमेट्री को संयोजित करते हुए) को स्वीकार्य परिदृश्य अनुकूलन में परिवर्तित कर सके और साथ ही नियतता, अर्थपूर्ण आधार (semantic grounding), बाधा अनुपालन और पुनर्निर्माण सुनिश्चित कर सके। साइबर-फिजिकल सिस्टम्स (CPS) के मौजूदा वैचारिक दृष्टिकोण स्पष्ट रूप से यह संबोधित नहीं करते हैं कि ऐसे अर्थपूर्ण रूप से ग्राउंडेड स्टेट स्पेस को सुरक्षा-महत्वपूर्ण ML आर्किटेक्चर में कैसे एकीकृत किया जाए।

कार्यप्रणाली
यह शोध पत्र एक औपचारिक मैपिंग $\Phi: D_{raw} \rightarrow \Delta_{scenario}$ प्रस्तावित करता है जो कच्चे डेटा से परिदृश्य अनुकूलन तक के संक्रमण को चार संरचनात्मक रूप से सत्यापित उप-चरणों में विभाजित करता है। इस आर्किटेक्चर को स्टाल रिकग्निशन और रिकवरी प्रशिक्षण के लिए 'एविडेंस-बेस्ड ट्रेनिंग' (EBT) और 'कॉम्पिटेंसी-बेस्ड ट्रेनिंग एंड असेसमेंट' (CBTA) प्रतिमानों के भीतर स्थापित किया गया है।

1. वैचारिक अवस्था स्थान निर्माण (RQ1):
   सिस्टम विषम कच्चे मापन ($D_{raw}$) को एक नियत, अर्थपूर्ण रूप से ग्राउंडेड स्टेट स्पेस ($S$) में बदलने के लिए तीन-चरणीय प्रक्रिया का उपयोग करता है:

• विविक्तकरण (Discretization): निरंतर टेलीमेट्री और मूल्यांकन स्कोर को इवेंट डिटेक्शन और थ्रेशोल्डिंग के माध्यम से विविक्त डायग्नोस्टिक अवस्थाओं ($Z$) में परिवर्तित किया जाता है।
• अर्थपूर्ण असाइनमेंट (Semantic Assignment): डायग्नोस्टिक अवस्थाओं को 'नॉलेज, स्किल्स और एटीट्यूड' (KSA) का प्रतिनिधित्व करने वाले 'डीप-लिंकिंग कीवर्ड्स' ($K$) के एक परिमित सेट में मैप किया जाता है। यह सिद्धांत-आधारित ज्ञान कार्य को सिम्युलेटर-आधारित प्रदर्शन से जोड़ता है।
• एकत्रीकरण (Aggregation): साक्ष्यों को एक एकीकृत शिक्षार्थी अवस्था ($s_i$) में एकत्रित किया जाता है जिसमें KSA स्कोर, मैन्यूवर-विशिष्ट ट्रेस फीचर्स, निर्देशात्मक प्रगति और संदर्भ शामिल होते हैं। यह अवस्था ML घटक के लिए इनपुट के रूप में कार्य करती है, जिससे यह सुनिश्चित होता है कि कोई भी लेटेंट या अनियंत्रित प्रतिनिधित्व उपयोग नहीं किया गया है।

2. बाधित अनुकूलन मॉडल (RQ2):
   अनुकूलन तर्क एक 'डिटरमिनिस्टिक फाइनाइट ऑटोमेटा' (DFA) द्वारा नियंत्रित होता है जो ML लेयर से स्वतंत्र रूप से निर्देशात्मक चरणों का प्रबंधन करता है। अनुकूलन नीति एक कड़ाई से परिभाषित स्वीकार्य एक्शन स्पेस ($A_{allowed}$) के भीतर कार्य करती है, जो निम्नलिखित द्वारा बाधित है:

• फेज गेटिंग (Phase Gating): अनुकूलन केवल विशिष्ट निर्देशात्मक चरणों में ही अनुमत है।
• एक्शन कॉन्ट्रैक्ट्स (Action Contracts): परिदृश्य पैरामीटर (जैसे, हवा की गति, ऊंचाई, मैन्यूवर पुनरावृत्ति) नियामक और सुरक्षा सीमाओं द्वारा बंधे होते हैं।
• नियम-आधारित बेसलाइन: एक नियत नियम-आधारित नीति ($\pi_{rule}$), जो KSA प्रोफाइल के आधार पर फोकस कीवर्ड्स का चयन करती है और थ्रेशोल्ड-आधारित अनुकूलन वर्गों (स्ट्रॉन्ग, मॉडरेट, स्टेबल) को लागू करती है, एक संदर्भ के रूप में कार्य करती है।

3. बाधित नीति सन्निकटन (RQ2):
   एक ML नीति ($\pi_{ML}$) को बाधित स्थान ($\Pi_c$) के भीतर नियम-आधारित बेसलाइन ($\pi_{rule}$) को अनुमानित (approximate) करने के लिए प्रशिक्षित किया जाता है।

• लर्निंग कंस्ट्रेंट्स (Learning Constraints): प्रशिक्षण के दौरान मॉनोटोनिसिटी (monotonicity) बाधाओं को लागू किया जाता है (उदाहरण के लिए, बढ़ती कौशल क्षमता से उपचारात्मक अनुकूलन की संभावना नहीं बढ़नी चाहिए)।
• इन्फरेंस कंस्ट्रेंट्स (Inference Constraints): एक नियत प्रोजेक्शन ऑपरेटर ($P$) मॉडल आउटपुट को स्वीकार्य एक्शन स्पेस तक सीमित (clip) करता है और फेज गेटिंग को लागू करता है। यह सुनिश्चित करता है कि भले ही ML मॉडल एक अस्वीकार्य क्रिया का अनुमान लगाए, निष्पादित नीति ($\pi_{exec}$) संरचनात्मक रूप से अनुपालन बनाए रखेगी।

4. पुनर्निर्माण क्षमता (Reconstructability) (RQ3):
   प्रत्येक निर्णय को एक निरंतर ट्रेस ($\tau$) में लॉग किया जाता है जिसमें कच्चे इनपुट, मध्यवर्ती अवस्थाएं, मॉडल आउटपुट और प्रोजेक्शन परिणाम शामिल होते हैं, जो पूर्ण पश्च-निर्धारण ऑडिटेबिलिटी (post-hoc auditability) सक्षम बनाता है।

प्रमुख योगदान

1. औपचारिक मैपिंग परिभाषा: शोध पत्र विषम प्रशिक्षण साक्ष्य से स्वीकार्य परिदृश्य अनुकूलन तक के संक्रमण को एक नियत मैपिंग $\Phi$ के रूप में परिभाषित करता है जिसमें चार संरचनात्मक गुण हैं: नियतता, अर्थपूर्ण आधार, बाधा अनुपालन और पुनर्निर्माण क्षमता।
2. नियत अवस्था निर्माण: यह CPS वैचारिक दृष्टिकोणों का विस्तार करता है और तीन-चरणीय अवस्था-स्थान निर्माण (विविक्तकरण, अर्थपूर्ण असाइनमेंट, एकत्रीकरण) को औपचारिक बनाता है, जो ह्यूरिस्टिक कीवर्ड एकत्रीकरण को एक औपचारिक प्रतीकात्मक प्रतिनिधित्व में ऊपर उठाता है जो निदान और ऑडिट के लिए उपयुक्त है।
3. आर्किटेक्चरल रूप से बाधित ML: ML को एक नियम-आधारित नीति के एक बाध्यित सन्निकटन (bounded approximation) के रूप में समाहित किया गया है। स्वीकार्यता को 'पोस्ट-हॉक फिल्टरिंग' पर निर्भर रहने के बजाय, मॉनोटोनिसिटी बाधाओं, नियत निर्देशात्मक नियंत्रण और एक प्रोजेक्शन ऑपरेटर के माध्यम से संरचनात्मक रूप से गारंटी दी गई है।
4. एकीकृत व्याख्यात्मकता: व्याख्यात्मकता और ऑडिटेबिलिटी को पश्च-जोड़ (post-hoc add-ons) के बजाय, स्टेट-स्पेस संरचना और निरंतर निर्णय ट्रेसेस से प्राप्त आर्किटेक्चरल गुणों के रूप में माना गया है।

परिणाम
इस ढांचे को स्टाल प्रशिक्षण परिदृश्यों से प्राप्त $N=160$ नीति मामलों का उपयोग करके एक प्रूफ-ऑफ-कॉन्सेप्ट के रूप में अनुभवजन्य रूप से मान्य किया गया, जिसमें डेटा लीकेज को रोकने के लिए ग्रुप-वाइज $k=5$ क्रॉस-वैलिडेशन का उपयोग किया गया।

• प्रदर्शन: बाधित ML नीति ने एक प्रोफाइल मीन एब्सोल्यूट एरर (MAE) $0.126 \pm 0.024$ के साथ नियत बेसलाइन का सफलतापूर्वक सन्निकटन किया।
• वर्गीकरण: मॉडल ने $0.631 \pm 0.080$ की फोकस-क्लासिफिकेशन सटीकता प्राप्त की, जो मेजॉरिटी-क्लास बेसलाइन ($0.288 \pm 0.042$) पर $+0.344$ की वृद्धि दर्शाती है।
• अर्थपूर्ण विश्लेषण: SHAP विश्लेषण ने खुलासा किया कि हालांकि कुछ कीवर्ड (जैसे, "एनर्जी-मैनेजमेंट") को स्पष्ट फोकस लक्ष्यों के रूप में शायद ही कभी चुना गया, लेकिन वे महत्वपूर्ण नीति-निर्धारक चर के रूप में कार्य करते हैं, जो यह दर्शाता है कि मॉडल सरल नियम प्रतिकृति के बजाय जटिल अर्थपूर्ण अंतःक्रियाओं को कैप्चर करता है।
• सत्यापन: विश्लेषणात्मक सत्यापन ने पुष्टि की कि सिस्टम संरचनात्मक रूप से चार गुणों (P1–P4) को संतुष्ट करता है, जो डेटासेट के आकार से स्वतंत्र है।

महत्व और दावे
शोध पत्र यह दावा करता है कि वह यह प्रदर्शित कर सकता है कि ML-आधारित अनुकूलन, नियतता या ऑडिटेबिलिटी से समझौता किए बिना, सुरक्षा-महत्वपूर्ण साइबर-फिजिकल प्रशिक्षण प्रणालियों के साथ संरचनात्मक रूप से संगत हो सकता है। इसका महत्व अनियंत्रित अनुकूलनशीलता में नहीं, बल्कि उन औपचारिक रूप से निर्दिष्ट शर्तों को परिभाषित करने में है जिनके तहत ML एक सुरक्षा-महत्वपूर्ण ढांचे के भीतर कार्य कर सकता है। लेखक स्पष्ट रूप से कहते हैं कि प्रायोगिक परिणाम एक 'प्रूफ-ऑफ-कॉन्सेप्ट' हैं; नमूना आकार ($N=160$) परिचालन क्षमता और बाधा अनुपालन प्रदर्शित करने के लिए पर्याप्त है, लेकिन विभिन्न समूहों या मैन्यूवर श्रेणियों में सांख्यिकीय सामान्यीकरण के दावों का समर्थन नहीं करता है। यह कार्य मल्टी-कोहॉर्ट जनरलाइजेशन और अनुकूलन निर्णयों के लिए शुद्धता स्थितियों के औपचारिक लक्षण वर्णन को आवश्यक अगले कदम के रूप में पहचानता है। प्रस्तावित आर्किटेक्चर एक सामान्य पद्धतिगत पैटर्न प्रदान करता है जो सुरक्षा-महत्वपूर्ण CPS में बाधित ML को एकीकृत करने के लिए उपयोग किया जा सकता है, जो विशेष रूप से विमानन में विश्वसनीय, सुराग योग्य और बाध्यित AI के लिए EASA की आवश्यकता को संबोधित करता है।