Funnel Control Under Hard and Soft Output Constraints (extended version)

本論文は、不確実な非線形オイラー・ラグランジュ系向けに、オンラインでハード（安全）制約を常に満たしつつソフト（性能）制約を調整可能な制約整合型ファネルを生成する計画手法と、これに基づいたロバストな低複雑度制御器を提案し、移動ロボットによる移動物体の追跡シミュレーションでその有効性を検証したものである。

要約

この論文は、ロボットや自動運転車などの「動く機械」を、**「絶対に守らなければならないルール（安全）」と「できれば守りたい目標（性能）」**の両方を満たしながら、上手に動かすための新しい制御方法について書かれています。

専門用語を抜きにして、まるで**「制限された迷路を走る自動運転車」**の話のように説明してみましょう。

1. 物語の舞台：二つのルール

ロボットを運転する際、私たちは通常、2 つの種類のルールを与えます。

• ハード制約（安全ルール）： 「壁にぶつからないこと」「赤い線の内側から出ないこと」。
  • これは**「絶対条件」**です。ここを破ると、ロボットは壊れたり、事故を起こしたりします。絶対に守らなければなりません。
• ソフト制約（性能ルール）： 「できるだけ速くゴールに近づけること」「滑らかに動くこと」。
  • これは**「理想」**です。できれば守りたいですが、安全ルールと矛盾する場合は、安全を優先して少し妥協しても構いません。

これまでの課題：
従来の制御技術は、この 2 つのルールが「常に仲良く共存している」ことを前提としていました。しかし、現実には「安全なエリア（ハード）」と「理想のゴール（ソフト）」が衝突することがあります。

• 例： 目標地点（ソフト）が壁の向こう側にある場合、ロボットはどうすればいい？
  • 壁を破ってゴールを目指すか（安全違反）、壁にぶつかるまで止まるか（性能違反）。
  • 従来の方法は、この「板挟み」状態になると、システムが混乱したり、安全を犠牲にしたりしていました。

2. この論文の解決策：「賢いナビゲーター」

この論文では、**「状況を見てルールを柔軟に調整する、賢いナビゲーター（オンライン・ファンネル計画）」**という新しい仕組みを提案しています。

① 「安全なトンネル」の作り直し

ロボットが通る道（トンネル）を、最初から固定するのではなく、**「その瞬間瞬間で作り直す」**のです。

• 通常時（ルールが衝突していない時）：
  安全な範囲と、理想の範囲の両方を満たすように、トンネルを広く設定します。ロボットは快適に走れます。
• 衝突時（ルールがぶつかった時）：
  もし「理想のゴール」が「安全な壁」の向こう側にあると判断したら、ナビゲーターは即座に**「理想の壁を少し内側に引っ込める」**という判断を下します。
  • イメージ： 狭い廊下を走っている時、前方に障害物（安全ルール）が現れたら、ゴール地点（性能ルール）を一旦見捨てるのではなく、「今は安全な範囲内を走ることに集中しよう」と判断し、トンネルの形を安全側にシフトさせます。
  • 重要： 安全ルール（壁）は決して破りません。性能ルール（ゴールへの近さ）は、安全と矛盾する限り、一時的に「後回し」にします。

② 「回復」の仕組み

安全な範囲を確保して、障害物を回避した後、再び「理想のゴール」が安全な範囲内に戻ってきたらどうなるでしょうか？
このシステムは、**「さあ、再び理想のゴールに戻りましょう！」と、滑らかにトンネルの形を元の理想に近い形に戻していきます。これを「指数関数的回復」と呼びますが、簡単に言えば「一度離れても、すぐに元の理想に戻ろうとする粘り強さ」**です。

3. ロボットへの指示：「低複雑さの運転手」

ナビゲーターが「今、通れる道（トンネル）」を決めたら、実際にロボットを動かすのは**「シンプルで頑丈な運転手（制御器）」**です。

• この運転手は、ロボットの内部の複雑な仕組み（摩擦や重さなど）を詳しく知らなくても大丈夫です（モデルフリー）。
• 運転手の仕事はただ一つ：**「ナビゲーターが決めたトンネルから絶対に外れないように、ハンドルを切る」**ことだけです。
• もし外れそうになったら、自動的に強くハンドルを切り返すため、どんなに乱れた道や予期せぬ風（外乱）が吹いても、安全にトンネル内を走り続けます。

4. 実際のテスト：動く箱の中のロボット

論文では、このシステムを実際の「移動ロボット」でテストしました。

• シナリオ： ロボットは、箱で囲まれた安全なエリア（ハード制約）の中にいなければなりません。同時に、動き回る別の物体（ターゲット）を追いかける必要があります（ソフト制約）。
• 結果：
  • ターゲットが安全エリアの外に行こうとした時、ロボットは**「壁にぶつからないように」**一旦ターゲットとの距離を広げました（安全優先）。
  • ターゲットが安全エリアに戻ってくると、ロボットは**「すぐに追いかける」**ように振る舞いを戻しました（性能回復）。
  • この間、ロボットは一度も壁（安全ルール）を破ることなく、滑らかに動きました。

まとめ：何がすごいのか？

この研究のすごいところは、**「安全」と「性能」の板挟みになった時、どちらかを捨てるのではなく、賢くバランスを取りながら、安全を最優先しつつ、可能であれば性能も取り戻そうとする「柔軟な制御」**を実現した点です。

まるで、**「雨の日に運転する時、安全のためにスピードを落とす（安全ルール）が、晴れたらすぐに本来の速さを取り戻す（性能回復）」**ような、人間らしい判断ができるロボット制御システムです。これにより、より複雑で危険な環境でも、ロボットを安全かつ効率的に動かせる未来が近づきました。

技術概要

論文「Funnel Control Under Hard and Soft Output Constraints (extended version)」の技術的サマリー

1. 概要

本論文は、不確実性を持つ非線形オイラー・ラグランジュ（EL）システム（移動ロボットやロボットマニピュレータなど）を対象とした、時間変化するハード（安全）制約とソフト（性能）制約の両方を同時に処理するための新しい「Funnel Control（漏斗制御）」手法を提案しています。従来の漏斗制御は主に性能制約に焦点を当てており、安全制約との競合（衝突）を考慮していませんでした。本手法は、安全制約を常に満たしつつ、競合しない場合にのみ性能制約も満たす、あるいは競合が解消された後に性能制約を指数関数的に回復させる「制約整合漏斗（Constraint Consistent Funnel: CCF）」をオンラインで計画・生成する点に特徴があります。

2. 問題設定

• 対象システム: 外乱やパラメータ不確実性を含む非線形オイラー・ラグランジュシステム。
• 制約条件:
  • ハード制約（安全）: 出力が常に満たさなければならない物理的・安全的な限界（例：作業領域の境界）。
  • ソフト制約（性能）: 追従精度や過渡応答に関する望ましい性能目標（例：目標軌道からの誤差範囲）。
• 課題: ハード制約とソフト制約が時間的に競合（互いに矛盾）する状況において、安全を犠牲にすることなく、かつ競合が解消された後に性能目標を可能な限り早く回復させる制御則を設計すること。

3. 提案手法の核心

3.1 オンライン制約整合漏斗（CCF）計画

ハード制約とソフト制約が競合する際、単純に両者の共通領域をとると漏斗が非連続になり、制御不能になる可能性があります。これを解決するため、以下のオンライン計画スキームを提案しています。

1. 境界関数の設計:
   出力 $x_i(t)$ の上下界 $\rho^L_i(t), \rho^U_i(t)$ を、ハード制約とソフト制約、および修正信号 $\phi_i(t)$ を用いて以下のように定義します。
   $$\rho^L_i(t) := \max_t \{ \rho^s_i(t) - \phi^L_i(t), \rho^h_i(t) \}$$
   $$\rho^U_i(t) := \min_t \{ \bar{\rho}^s_i(t) + \phi^U_i(t), \bar{\rho}^h_i(t) \}$$
   ここで、$\rho^h, \bar{\rho}^h$ はハード制約、$\rho^s, \bar{\rho}^s$ はソフト制約です。

2. 修正信号のダイナミクス:
   競合が発生した際（ハード制約とソフト制約の距離が閾値 $\mu$ 以下になった際）、ソフト制約を一時的に緩和するために修正信号 $\phi_i(t)$ が動的に増加します。

   • 競合時：$\phi_i(t)$ が増加し、ソフト制約の境界をハード制約の範囲内に収まるように調整します。
   • 競合解消時：$\phi_i(t)$ が指数関数的にゼロに収束し、ソフト制約（性能目標）が自動的に回復します。
   • このプロセスにより、出力軌道は常に連続な漏斗（CCF）内に留まり、ハード制約の違反は防がれます。

3.2 漏斗ベースの制御器設計（PPC の応用）

計画された CCF 内に出力を収めるために、Prescribed Performance Control (PPC) の枠組みを用いたモデルフリー（モデル依存なし）のロバスト制御器を設計しています。

• 変換: 出力誤差を漏斗の境界で正規化し、非線形変換関数（対数関数など）を用いて制約付き空間 $(-1, 1)$ から無制約空間 $\mathbb{R}$ へマッピングします。
• 制御則: 変換された誤差に対して、適応的なゲインを持つ単純なフィードバック制御則を適用します。
• 特徴: 制御器はシステムモデル（慣性行列、コリオリ力など）の詳細を必要とせず、計算量も低く、外乱に対してロバストです。

4. 主要な貢献

1. ハード・ソフト制約の統合: Funnel Control において、安全（ハード）と性能（ソフト）の両方の制約を競合条件下で初めて体系的に扱いました。
2. モデルフリーかつ最適化不要: 従来の制約処理手法（CBF: Control Barrier Functions など）がシステムモデルの正確な知識やオンライン最適化（QP 解法）を必要とするのに対し、本手法はモデルフリーであり、最適化計算を不要とする低複雑な制御則を提供します。
3. オンライン漏斗計画: 競合検知と自動的な漏斗形状の調整を行う動的な計画アルゴリズムを提案し、安全を最優先しつつ性能回復を保証します。
4. 安定性の証明: 閉ループ系のすべての信号の有界性と、出力が常に CCF 内に留まることを数学的に証明しました。

5. シミュレーション結果

• シナリオ: 2 次元平面上を移動するロボットが、移動物体（目標軌道）を追従するタスク。
  • ハード制約: 矩形領域（ボックス）内への収束（安全領域）。
  • ソフト制約: 目標軌道からの誤差を指定された範囲内に収めること（追従性能）。
• 結果:
  • ロボットは安全領域（ハード制約）を常に遵守しました。
  • 目標軌道が安全領域から外れる区間では、ソフト制約（追従精度）を一時的に緩和しつつ、安全領域内で追従を継続しました。
  • 目標軌道が安全領域に戻ると、ソフト制約（追従誤差）は指数関数的に回復し、高精度な追従を達成しました。
  • 制御パラメータ（特に $k_c$）を調整することで、ソフト制約の回復速度と保守性のバランスを制御できることが確認されました。

6. 意義と今後の展望

• 実用性: 自律移動ロボットや産業用ロボットなど、安全と性能の両立が不可欠な実システムへの適用可能性が高いです。
• 計算効率: 最適化問題を解く必要がないため、リアルタイム制御に適しており、計算リソースが限られた環境でも実装可能です。
• 将来の課題: 時間・出力依存のより複雑な制約への一般化や、ソフト制約の回復を指数関数的ではなく「正確に」達成する漏斗計画手法の開発が今後の課題として挙げられています。

総じて、本論文は不確実な非線形システムにおいて、安全と性能のトレードオフを数学的に厳密かつ実用的に解決する画期的な制御枠組みを提供しています。