技術要約：ロバスト適応型離散時間制御障壁証明書

問題設定

本論文は、有界な外部外乱とパラメータモデルの不確実性の両方にさらされる離散時間システムに対して、安全性を確保するという課題に取り組んでいる。制御障壁関数（CBF）は、連続時間システムの安全性に不可った制御のための標準的なツールとなっているが、未知のパラメータを持つ離散時間システム（DT-CBF）への適用については、まだ十分に発展していない。

既存のモデルベースの手法は、モデルの不確実性に直面すると安全性の保証を損なう可能性がある。連続時間システムにおいてはロバストかつ適応的な拡張が存在するものの、それらは微分に基づく議論に依存しており、離散時間では利用できない。さらに、離散時間コントローラは因果的（将来の情報なし）に動作しなければならないが、これは従来の連続時間適応CBFの文献において十分に扱われていない。核心となる問題は、真のシステムパラメータ（$\theta^*$）へのアクセスを必要とせずに、オンラインでのパラメータ推定を許容しながら、システム状態が安全集合内に留まることを保証するフレームワークを開発することである。

手法

システムモデル

著者らは、以下の式で記述される入力アフィン離散時間システムを検討している：
$$x_{t+1} = f_d(x_t) - [\phi(x_t)]^\top \theta + g(x_t)u_t + w_t$$
ここで、$x_t$ は状態、$u_t$ は入力、$\theta$ は未知の定数パラメータベクトル、そして $w_t$ は既知の多面体内に存在する有界な外乱である。ドリフト項には、既知の公称部分と、未知のパラメータに対して線形な不確実な部分が含まれる。

ロバスト適応型制御フレームワーク

提案手法は、安全性フィルタとパラメータ推定器を分離することで、モジュール化された設計を可能にする。

1. 適応的にロバスト化された障壁関数：
   標準的な障壁関数 $B(x, \theta)$ の代わりに、著者らは現在のパラメータ推定値 $\hat{\theta}_t$ と推定誤差に基づくペナルティ項を組み込んだ、時変障壁関数 $B_{ra,t}(x)$ を定義する：
   $$B_{ra,t}(x) := B(x, \hat{\theta}_t) - \frac{1}{2}e_{\theta,t}^\top \Gamma^{-1} e_{\theta,t}$$
   ここで、$e_{\theta,t} = \hat{\theta}_t - \theta^*$ であり、$\Gamma$ は正定値行列である。これにより、現在の推定値が不完全であっても安全性を確保できる、「ロバスト化された」安全集合 $S_{ra,t}$ が作成される。

2. ロバスト適応型CBF証明書：
   本論文は、関数がロバスト適応型DT-CBFであるための十分条件（定義4）を確立している。この条件（「ロバスト適応型CBC」と呼ばれる）は、以下の要素を考慮している：

   • 有界な外乱（$w$）。
   • パラメータモデルの不一致。
   • パラメータ推定量の増分（$\delta_{\theta,t}$）。
   • 障壁関数およびシステムダイナミクスのリプシッツ定数。

   決定的なことに、この証明書は、$\theta^*$ を必要とせずに、推定誤差とパラメータ増分のワーストケース境界を用いてオフラインで検証される。

3. オンライン入力条件：
   リアルタイム実装のために、著者らは現在の推定値 $\hat{\theta}_t$ と現在の推定誤差境界 $\varepsilon_{\theta,t}$ のみに依存するオンライン入力条件（式17）を導出している。この条件は、許容される制御入力の集合 $U_{ras,t}(x)$ を定義する。安全性フィルタは、安全性を確保するために、任意の公称制御入力をこの集合に投影する。

4. 因果的推定と合成：
   論文では、セットメンバーシップ・プロジェクションを用いたクリップド最小二乗法（RLS）を用いる特定の推定器を提案している。この推定器は、過去のデータ（$F_{t-1}$）に基づいてパラメータ集合 $\Theta_t$ と点推定値 $\hat{\theta}_t$ を更新し、制御入力 $u_t$ が因果的（$t+1$ の情報に依存しない）に計算されることを保証する。

主な貢献

1. 離散時間ロバスト適応型安全保証： 本研究は、有界な外乱とパラメータ不一致の下での、入力アフィン離散時間システムに対するロバストな安全性保証を確立している。離散時間における微分に基づく議論の欠如を克服し、安全性フィルタに適したオンライン入力条件を導出している。
2. モジュール型アーキテクチャ： 本フレームワークは、パラメータ推定モジュールをCBFベースの安全性フィルタから独立して設計できることを示している。このデカップリングは、安全な適応型コントローラの開発を簡素化するものであり、既存の連続時間の結果では明示的に示されていない特徴である。
3. 固有のロバスト性分析： 提案された制御手法の「固有のロバスト性」に関する厳密な分析を提供している。摂動や不適切な推定によってシステム状態がロバスト適応型安全集合の外にある場合、制御ポリシーが状態を安全集合のシーケンスへと漸近的に導くことを証明している。
4. 一般的なオンライン推定器との互換性： 本手法は、特定の学習アルゴリズムに縛られることなく、点推定値、集合推定値、および推定増分の一様境界を提供する一般的なオンラインパラメータ推定器を受け入れることができる。

結果と主張

• 安全性保証： 主要な理論的結果（定理2）は、障壁関数がロバスト適応型CBC条件を満たす場合、許容制御入力の集合は空ではないことを述べている。さらに、制御ポリシーがこの集合から入力を選択する場合、閉ループシステムは時変安全集合のシーケンス $\{S_{ra,t}\}$ に対してロバストに安全であることを示している。
• 因果性： 提案された合成は、利用可能な過去の情報のみを使用して制御入力が計算されることを保証し、サンプリングデータシステムの因果的要件を満たしている。
• 収束 vs 安全性： 著者らは、パラメータの収束（$\theta^*$ への収束）は保守性を減少させるものの、安全性保証はパラメータ推定の収束に依存しないことを明記している。真のパラメータが推定された集合 $\Theta_t$ 内に留まっている限り、安全性は維持される。
• 実装： 論文では実装のためのアルゴリズム（アルゴリズム1）の概要を述べており、一般的な最適化問題は非凸であるが、障壁関数が状態に対して凹関数であれば凸最適化問題になることを指摘している。これは多くのDT-CBF定式化における標準的な仮定である。

意義

本論文の主な意義は、離散時間システムのための一般的なロバスト適応型安全制御フレームワークを確立したことにある。特定の障壁関数の設計や、新しいパラメータ推定アルゴリズムの開発、あるいは特定のシステムに対する障壁関数の存在の検証を目的としているのではない。むしろ、既存の推定ツールを、離散時間設定においてCBFベースのコントローラと安全に統合することを可能にする理論的基礎（証明書とオンライン条件）を提供している。

本研究は、連続時間適応型CBF理論と、MPCや強化学習といった離散時間実装の現実的な実態との間の溝を埋めるものであり、真のシステムパラメータを知ることなく、外乱に対してロバストであり、かつモデルの不確実性に対して適応的な戦略を提供するものである。