💻 computer science

Learning to Adapt Control Barrier Functions Under Epistemic and Aleatoric Uncertainty

本論文は、エピステミックおよびアレオリックな不確実性の下にある多様なロボットシステムにおいて、安全性を確保しつつ保守性を低減するために、確率的アンサンブルニューラルネットワークと不確実性を考慮した検証を用いて、実行時に制御バリア関数（CBF）のパラメータを動的に適応させるフレームワークであるOnline Adaptive CBF（OA-CBF）を提案する。

原著者： Taekyung Kim, Robin Inho Kee, Dimitra Panagou

公開日 2026-06-04

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Taekyung Kim, Robin Inho Kee, Dimitra Panagou

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、ロボットに街中を運転する方法を教えていると考えてください。ロボットには主に2つの目標があります：衝突しないこと（安全性）と、目的地に素早く到着すること（効率性）です。

安全性を確保するために、エンジニアは**制御バリア関数（CBF）**と呼ばれる数学的な「セーフティ・シールド（安全の盾）」を使用します。これは、ロボットに対して「このエリアの中に留まれ。さもないと衝突するぞ」と伝える、目に見えないフェンスのようなものです。

問題：「ゴールドロック（適度な塩梅）」のジレンマ

厄介なのは、この目に見えないフェンスの「締め付け具合」をどのように設定するかです。

きつすぎる場合（保守的）: フェンスを非常に厳格に設定すると、ロボットは極めて安全になりますが、亀のように動きが遅くなります。例えば、実際には進路を妨げていない駐車車両を避けるために、大幅な迂回をしてしまうかもしれません。
緩すぎる場合（攻撃的）: フェンスを緩く設定すると、ロボットは速く動けます。しかし、壁や歩行者に近づきすぎたとき、「大変だ、間に合わない！」とパニックに陥る可能性があります。これは、衝突や、ロボットがどうすればいいか分からずフリーズしてしまう原因になります。

通常、エンジニアはフェースの設定を一つ選び、それに固執しなければなりません。これは悪い選択です。なぜなら、空いている駐車場でうまく機能する設定が、混雑した通りでは緩すぎたり、逆に厳しすぎたりする場合があるからです。

解決策：OA-CBF（「賢く適応する盾」）

この論文では、OA-CBF（Online Adaptive Control Barrier Function：オンライン適応型制御バリア関数）と呼ばれる新しいシステムを紹介しています。一つの設定を選んで固定するのではなく、OA-CBFはスマートなリアルタイム交通警察のように、今起きている状況に基づいて、常にフェンスを調整します。

その仕組みを、簡単な比喩を使って説明します。

1. 「買う前に試着する」テスト

最適な設定を推測する代わりに、OA-CBFは実際に使用する前に、頭の中でいくつかの異なるフェンスの設定を試してみます。そしてこう問いかけます。「もし次の数秒間、この設定を使ったら、安全を維持できるだろうか？」

比喩: あなたが靴を買おうとしている場面を想像してください。最初に見つけた靴をすぐに買うわけではありません。店の中を少し歩いてみて（「有限ホライゾン」）、つま先が痛くないか、あるいは脱げそうにないかを確認します。OA-CBFも、この「歩行テスト」を瞬時に行います。

2. 「自信のチェック」（不確実性）

ロボットはしばしば、予測にAI（ニューラルネットワーク）を使用します。しかし、AIは自信過剰になることがあります。見たこともないような状況に直面しても、「私は100%確信しています。この設定は安全です！」と言ってしまうかもしれません。

比喩: 「必ず雨が降ります！」と言う天気予報士を想像してください。ただし、その予報士は雨を見たことがありません。OA-CBFには特別な**「自信のゲート（Confidence Gate）」**があります。もしAIが確信を持てなかったり、これまで見たことがない種類の障害物に遭遇したりした場合、ゲートは閉まり、ロボットはその予測を無視します。AIが真に自信を持っている場合にのみ、ロボットはその指示を聞きます。

3. 「リスク・フィルター」（アレオリック不確実性）

AIが自信を持っていたとしても、そこには常に多少のランダム性（突然の突風や滑りやすい路面など）が存在します。

比喩: AIは単に「雨が降る」と言うだけではありません。「雨が降る確率は95%であり、最悪のシナリオにおいても、私は傘を持っています」と言います。OA-CBFはこの「最悪のシナリオ」をチェックします。もしリスクが高すぎる場合は、その設定を拒否します。

4. 最善の選択肢を選ぶ

システムが安全でないものや不確実な選択肢をフィルタリングした後、残った「安全な」設定の中から、ロボットが目的地に向かって最も速く移動できるものを選択します。

比喩: あなたの手元に、完璧にフィットする靴が3足あるとします。その中から、最も速く走れる靴を選びます。

何をテストしたのか？

研究者たちは、以下を含む多くの異なるタイプのロボットでこのシステムをテストしました。

ユニサイクル（一輪でバランスを取るロボット）
クアッドローター（2Dおよび3Dで飛行するドローン）
自転車（車のようにステアリング操作を行うロボット）
VTOL機（ホバリングもでき、飛行機としても飛べる航空機）

彼らは、動く障害物、狭いスペース、そして回転や加速の厳しい制限があるシミュレーション環境にこれらのロボットを投入しました。

結果

固定設定（従来の方法）: ロボットは、動きが遅すぎる（時間を無駄にする）か、頻繁に衝突するかのどちらかでした。
OA-CBF（新しい方法）: ロボットは、慎重な設定よりもずっと速く、かつ攻撃的な設定よりもずっと安全でした。衝突することも、立ち往生することもほとんどありませんでした。

まとめ

OA-CBFは、ロボットが**「勇敢かつ賢く」**動けるようにするシステムです。単一の「万能な」安全ルールに縛られるのではなく、常に自分の仕事をチェックし、「これは本当に安全か？」と自問自答し、自信を持って「イエス」と言える場合にのみ進行します。これにより、ロボットは複雑で変化の激しい環境においても、衝突することなく効率的に移動できるのです。

技術要約：認識論的および偶然的な不確実性下におけるオンライン適応型制御障壁関数

1. 問題設定

制御障壁関数（CBF）は、名目上のコントローラを最小限に修正する安全フィルタを合成することにより、ロボットシステムの安全制約を強制するための標準的なツールである。しかし、CBFベースのコントローラの実際の実績は、クラス- $\mathcal{K}$ 関数のパラメータ（減衰率）の選択に大きく依存する。これにより、根本的なトレードオフが生じる：

保守的なパラメータは、実現可能性と安全性を確保するが、しばしば動作を遅く、回り道なものにする。
積極的なパラメータは、進捗を向上させるが、特に入力制約や障害物の近くにおいて、安全フィルタを実現不可能または不安全にする可能性がある。

最適パラメータを直接生成するものとして学習済みモデルを扱う、オンラインでこれらのパラメータを適応させようとする既存の学習ベースのアプローチは、重大なリスクを導入する。もしモデルが、分布外（OOD）の状態や障害物の構成に対して過信してしまうと、安全フィルタの実現可能性を直接損なう無効なパラメータを出力する可能性がある。さらに、多くの既存手法は、予測の不確実性を評価したり、適用前にパラメータを入力制約に対して検証したりする明示的なメカニメントを欠いている。

本論文は、入力制約下におけるオンラインCBFパラメータ適応という課題に取り組み、厳格な不確実性認識型の検証プロセスを通じて、保守性を低減しつつ安全性を保証することを目指している。

2. 手法：オンライン適応型CBF (OA-CBF)

提案されるフレームワークであるOA-CBFは、直接的なパラメータ予測から、候補パラメータの不確実性を考慮した評価へとパラダイムを転換する。単一の最適パラメータを予測する代わりに、システムは候補パラメータをサンプリングし、それらを安全および性能指標に対して評価し、検証された最良の候補を選択する。

A. ローカルに検証されたCBFパラメータ

単一のパラメータが将来のすべての状態に対してグローバルに有効であることを要求するのではなく（これはしばしば困難であり、過度に保守的となる）、OA-CBFはローカルに検証されたCBFパラメータという概念を導入する。パラメータは、有限の予測ホライゾン $[t, t+T]$ において入力制約付きCBF（ICCBF）条件を満たす場合に、ローカルに有効であると見なされる。

本フレームワークは、システム軌道がこのホライゾン期間中、「内部安全集合」 $C^\star(\alpha)$ 内に留まることを保証する。
ホライゾンよりも短い間隔でパラメータを繰り返し更新することにより、後退ホライゾン検証メカニズムを通じて安全性が維持される。

B. 予測モデルの設計

候補を効率的に評価するために、OA-CBFはオフラインで訓練された**確率的アンサンブルニューラルネットワーク（PENN）**を採用する。

グラフ・アテンション・エンコーダ： 変化する数の障害物を持つ環境を扱うため、モデルはアテンション機構を備えたグラフニューラルネットワーク（GNN）を使用する。これは、パディングやヒューリスティックな選択を行うことなく、すべての観測された障害物（ロボット、ゴール、および障害物をノードとして）からの情報を集約し、コンテキストベクトルを生成する。
入力構造： 候補となるCBFパラメータ $\tilde{\alpha}$ $\tilde{α}$ は、環境コンテキストベクトルと明示的に結合される。ネットワークは、以下の2つの指標に関する分布を予測する：
1. 安全指標 ( $\phi$ )： ICCBF制約違反および障害物への近接をペナルティとして課す、安全損失密度関数から導出されるリスクレベル。
2. 性能指標 ( $\delta$ )： 進捗効率（例：ゴールまでの時間）の尺度。
アンサンブル・アーキテクチャ： PENNは、認識論的不確実性（限定されたデータによるモデルの不確実性）と偶然的不確実性（システム固有のノイズ）の両方を捉えるために、複数の独立したニューラルネットワークで構成されている。

C. 2段階の不確実性認識型検証

候補パラメータが適用される前に、2つの厳格なゲートを通過しなければならない。

認識論的不確実性ゲート（共形予測）：
- システムは、アンサンブル間の**イェンセン・レニー・ダイバージェンス（JRD）**を用いてモデルの不一致を定量化する。
- 閾値 $D_{thr}$ は、特定のイン分布・リコール率を保証するために、ホールドアウト・データセットを用いた共形予測によって較正される。
- もしJRDが閾値を超えた場合、入力はOODと見なされ、過信による外挿を防ぐために予測は拒否される。
偶然的リスク・スクリーニング（分布ロバストCVaR）：
- 認識論的ゲートを通過した候補に対し、システムは予測された安全指標の**条件付き期待値（CVaR）**を評価する。
- 分布ロバストな条件により、最も保守的なアンサンブルメンバーであっても、高い確率でリスクレベルが安全閾値を下回ることを保証する。これにより、安全違反につながる可能性のある偶然的リスク（ノイズや変動）をスクリーニングする。

D. 選択と制御

両方の検証ステージを通過した候補の中から、システムは予測性能指標 $\delta$ を最小化するパラメータを選択する。選択されたパラメータは、CBF-QPまたはサンプリングデータMPC-CBFのいずれかのコントローラに適用される。

3. 主な貢献

本論文には、主に4つの貢献がある：

ローカル検証型CBF定式化： グローバルな解を求めるのではなく、有限ホライゾンにわたって検証することでCBFパラメータを適応させる新しい問題定式化を提案し、繰り返しのローカル検証が安全性を維持することを証明した。
不確実性認識型検証： 認識論的ゲーティングのための共形予測と、偶然的リスク・スクリーニングのための分布ロバストCVaRを組み合わせた2段階の手順により、信頼できる予測のみがコントローラに影響を与えることを保証する。
グラフ・アテンション予測アーキテクチャ： 情報の損失なしに変数の数が多い障害物環境を処理できるスケーラブルなエンコーダであり、単一の決定論的な値を出力するのではなく、任意の候補パラメータを評価することを可能にする。
幅広い適用性： 本フレームワークがMPC-CBFおよびCBF-QPフィルタの両方で機能すること、および距離ベース（ICCBF）と非距離ベース（動的放物線CBF）の両方の安全制約に適用可能であることを実証した。

4. 実験結果

OA-CBFフレームワークは、5つの非線形かつ入力制約のあるシステム（ダイナミック・ユニサイクル、平面クアッドロータ（Quad2D）、3Dクアッドロータ（Quad3D）、運動学的自転車、VTOLクアッドプレーン）で評価された。

安全性 vs 保守性： 固定パラメータのベースラインと比較して、OA-CBFは保守性を大幅に低減した。例えば、ダイナミック・ユニサイクルにおいて、保守的な固定パラメータが平均到達時間31.0秒（失敗率0%）であったのに対し、OA-CBFは0%の安全失敗率で平均到達時間10.8秒を達成した。一方、積極的な固定パラメータは39%の失敗率を記録した。
学習ベースの比較： OA-CBFは、BarrierNetや最適減衰法などの学習ベースのベースラインを上回った。一部のベースラインは成功した試行では高速であったが、高い失敗率を示した（例：BarrierNetはユニサイクルにおいて60%の失敗率）。OA-CBFは、すべての距離ベースのベンチマークにおいて0%の失敗率を維持しながら、安全な手法の中で最も速い到達時間を達成した。
グラフ・アテンションの影響： 提案されたグラフ・アテンション・エンコーダを標準的な「最近接障害物」エンコーダに置き換えると、安全失敗率が増加した（例：Quad2Dにおいて0%から11%へ）。これは、全障害物環境を処理することの重要性を示している。
非距離ベースのCBF： 動的放物線CBF（相対速度空間で定義）を用いた運動学的自転車において、OA-CBлоフは安全失敗率を積極的な固定パラメータの84%から**1%**に減少させ、距離関数以外の適用性も証明した。

5. 意義と主張

本論文は、OA-CBFがCBFベースの制御における安全性と性能のトレードオフを解決するための実行可能なメカニズムを提供すると主張している。学習済みモデルを直接的な生成器ではなく、不確実性を認識した評価器として扱うことで、フレームワークは適用される前に、安全でない、あるいは信頼できない更新を明示的に拒否する。

著者らは、本手法が以下の特性を持つことを強調している：

保守性の低減： 固定的な保守的パラメータとは異なり、条件が許せば安全集合の境界付近での運用を可能にする。
堅牢性の確保： 共形較正とCVaRスクリーニングを通じて、ニューラルネットワークの過信や分布シフトに伴うリスクを軽減する。
汎用性： 多様なダイナミクス（ユニサイクルからVTOL航空機まで）および異なるCBF定式化（距離ベースおよび相対速度ベース）に対して有効である。

論文は、適応の質はオフライン訓練データの被覆率に依存すること、およびハードウェアへの展開には、センシング誤差、未モデル化ダイナミクス、およびリアルタイム最適化のレイテンシに対処するためのさらなる研究が必要であることを認め、控えめに結論づけている。