技術要約：局所的共形校正によるアレアトリックおよびエピステミックな動態不確実性の定量化

1. 問題提起

ロボット制御システムは、しばしば（解析的、シミュレーション、または学習された）近似的な動態に依存しているが、これらは未知の環境に展開された際に不正確になる可能性がある。アレアトリックな不確実性（システムに固有の確率性）を定量化する手法は多く存在するが、基礎となる物理的相互作用が変化し、エピステミックな不確実性（データの不足やモデルの不一致に起因する不確実性）を誘発するような新しい環境においては、それらの推定だけでは不十分である。

核心となる課題は、以下の条件下で運動計画に対して証明可能かつ非漸近的な安全保証を提供することである：

1. 真の動態関数 $f$ は未知であり、不連続である可能性がある。
2. 近似モデル $\tilde{f}$ は、訓練ドメイン（$P_{train}$）と比較して、展開ドメイン（$P_{test}$）において任意に誤っている可能性がある。
3. システムは、計画ホライゾンにわたって安全集合 $C$ 内に状態が存在する確率 $P(Y_\tau \in C) \geq 1-\alpha$ を満たさなければならない。

既存のアプローチは、強い仮定（例：ガウス誤差分布）に依存していることが多く、漸近的な境界しか提供できない。また、高次元の状態・行動空間に対して、過度に保守的で情報量の少ないグローバルな校正係数を使用している。

2. 手法：局所的不確実性共形校正 (LUCCa)

著者らは、アレアトリックな不確実性の推定値を校正することで、エピステミックな不確実性を考慮するように設計された、共形予測に基づくフレームワークであるLUCCaを提案する。この手法は、オフライン校正フェーズとオンライン計画フェーズの2段階で動作する。

2.1 コア概念

• 分割共形予測 (Split Conformal Prediction, SplitCP): この手法は、予測器の構造やデータの分布を仮定することなく、頻度論的に有効な予測領域を構築するためにSplitCPを利用する。
• マハラノビス距離を用いた非適合度スコア: 動態予測器 $\tilde{f}$ が多変量正規分布（MVN）$\mathcal{N}(\hat{\mu}, \hat{\Sigma})$ を出力するため、非適合度スコア $r$ は、予測分布と真の観測状態との間のマハラノビス距離として定義される：
  $$R^{(i)} = d_M(\tilde{f}(\bar{X}^{(i)}), Y^{(i)}) = \sqrt{(Y^{(i)} - \hat{\mu})^\top \hat{\Sigma}^{-1} (Y^{(i)} - \hat{\mu})}$$
  理論的分析によれば、もしモデルが完璧であれば、二乗マハラノビス距離はカイ二乗分布 ($\chi^2_{dim(S)}$) に従う。
• 局所校正 (Local Calibration, LOCART): 単一のグローバルなスケーリング係数を適用すること（これは保守的で大きな予測領域を招く）の代わりに、LUCCaはLOCART手法を採用し、決定木回帰を用いて状態・行動空間を分割する。
  • 分割: 校正データセットを分割する。一部を用いて、状態・行動のペア $(s, u)$ を類似したモデル誤差を持つ領域を表すリーフノードにマッピングする決定木を訓練する。
  • 局所スケーリング: 各リーフノード $k$ について、そのパーティションに属するデータの残差に基づいて、特定の共形スケーリング係数 $\xi_k$ を計算する。
  • 校正: オンライン計画中、予測される共分散 $\hat{\Sigma}$ は局所的にスケーリングされる：$\hat{\Sigma}_{cal} = \xi_k \hat{\Sigma}$。これにより、局所的な動態の困難さに適応する超楕円形の予測領域が生成される。

2.2 アルゴリズムの流れ

1. オフライン校正:
   • 展開環境（またはそのプロキシ）からの遷移 $(s_t, u_t, s_{t+1})$ の校正データセット $D_{cal}$ を収集する。
   • すべての校正点に対して残差 $R^{(i)}$ を計算する。
   • 残差を用いて状態・行動空間を分割するための決定木（LOCART）を適合させ、各パーティションの局所スケーリング係数 $\xi_k$ を計算する。
2. オンライン計画 (MPC):
   • 現在の状態が与えられると、プランナー（例：MPPI）が軌跡をサンプリングする。
   • 各ステップのロールアウトにおいて、近似動態 $\tilde{f}$ が状態分布を伝播させる。
   • 現在の状態・行動ペアの場所を決定木内で特定することで、局所スケーリング係数 $\xi_k$ が伝播された共分散に適用される。
   • プランナーは、校正された不確実性のトレースに対するペナルティ（モデル誤差の低い領域を通るよう促す）と、校正された予測領域との衝突回避を含むコスト関数を最適化する。

3. 主な貢献

1. アルゴリズムの提案: ロボットの将来状態に対して確率的に有効な予測領域を提供する、アレアトリックな不確実性推定値を校正するアルゴリズムであるLUCCaを導入した。
2. 理論的保証:
   • 有限の校正データ、多変量正規分布の不確実性を出力する任意の予測器、および未知の真の動態関数に対して、妥当性の証明。
   • 本手法が、緩やかな仮定の下で局所的被覆（状態・行動のパーティションに条件付けられたもの）を達成し、漸近的条件付き被覆を達成することを実証。
   • 第1計画ステップにおいて、校正された領域が確率 $\geq 1-\alpha$ で真の状態を含むことの証明。後続のステップについては、近似動態が線形であり、特定のコントローラに関する仮定が満たされる場合に保証が保持される。
3. 局所適応性: 状態・行動依存のスケーリング係数を用いることで、グローバルな校正による過度な保守性を回避し、プランナーがモデル精度の高い領域と低い領域を区別することを可能にする。
4. 実験的検証: 重大な動態の変化（摩擦の変化をシミュレート）を伴うダブルインテグレータ・システムにおいて、本手法の有効性を実証し、未校正のベースラインと比較して安全性と成功率を向上させた。

4. 実験結果

著者らは、4つの環境（正確な動態を持つ領域と、重大なモデル不一致を持つ領域（低摩擦をシミュレート）を含む）におけるダブルインテグレータ・システムを用いてLUCCaを評価した。

• 経験的被覆: 「コリドー（廊下）」環境において、LUCCaは（$\alpha=0.1$ に対して）すべてのタイムステップで経験的被覆を90%の閾値以上に維持した。対照的に、未校正のベースラインは、不一致のある領域で不確実性を大幅に過小評価し、ホライゾンが延びるにつれて被覆率が90%を大きく下回った。
• 運動計画性能: MPPIを用いたモデル予測制御（MPC）による評価：
  • 安全性: 未校正のベースラインがコリドー環境で30%、パッセージ環境で83%、Lターン環境で80%の衝突率であったのに対し、LUCCaはコリドーとパッセージで0%、Lターンで**3%**の衝突率を達成した。
  • 成功率: ベースラインがコリドーで70%、パッセージで17%であったのに対し、LUCCaはコリドーとパッセージで**100%**の成功を達成した。
  • 効率性: ベースラインは（不確実性を無視してリスクの高い経路を取るため）時として目標に早く到達したが、頻繁に衝突した。一方、LUCCaのコスト関数は高不確実性にペナルティを課すため、高誤差領域でロボットを減速させ、衝突を回避させた。
• 計算オーバーヘッド: 局所校正ステップ（決定木のクエリと共分散のスケーリング）は、計画ステップあたり約0.3 msの追加時間を要したが、著者らはこれを実用的な展開において無視できる程度であるとしている（ステップ時間の32%増）。

5. 意義と主張

本論文は、LUCCaがデータ駆動型ロボティクスにおける根本的な限界、すなわち、動態が変化する可能性のある新しい環境において学習された、あるいは解析的なモデルを安全に展開できないという問題に対処していると主張している。

• 理論的厳密性: ヒューリスティックな不確実性定量化手法とは異なり、LUCCaは、真の動態の形式や誤差の分布を仮定することなく、非漸近的かつ有限サンプルでの保証を提供する。
• 実用的有用性: グローバルな校正から局所的な校正へ移行することで、モデル精度が高い領域では「鋭い（タイトな）」、エピステミックな不確実性が高い領域では「適応的な（より大きな）」予測領域を生成する。これにより、プランナーは探索と安全性の間の適切なトレードオフを行うことができる。
• 安全クリティカルな計画: 本手法は、未知の確率的動態を持つシステムに対して、ユーザーが指定した確率で安全集合内に留まることを保証する、確率的に安全な計画の構築を可能にする。これは、モデルが特性化されていない領域において任意に誤っている場合でも実現される。

著者らは、多段階の安全保証は線形動態と特定のコントローラに関する仮定の下で理論的に証明されているものの、実験結果は、より複雑な計画シナリオにおいても本手法が堅牢な局所被覆を提供することを示唆していると結論づけている。