論文要約：オンライン学習強化型高次適応安全制御 (Online Learning-Enhanced High Order Adaptive Safety Control)

1. 背景と課題 (Problem)

近年、ロボットシステム（ドローンや四足歩行ロボットなど）の複雑化に伴い、学習ベースの制御手法が導入されていますが、これらには安全性の保証が欠如しているという問題があります。これを解決するため、制御バリア関数 (Control Barrier Functions: CBFs) が、集合の不変性（安全性）を保証するモデルベースのツールとして注目されています。

しかし、従来の CBF 制御はモデルの精度に強く依存しています。実際の環境では、ペイロードの変化や風などの外乱により、システムのダイナミクスがモデルと一致しなくなる（モデル不整合）ことが多く、これにより安全性の保証が破綻し、衝突などの事故が発生するリスクがあります。
既存の適応型 CBF (aCBF) やロバスト CBF には、以下のような限界がありました：

• オフライン学習依存: 事前学習が必要であり、学習分布から外れた未知の残差（外乱）には対応できない。
• 線形性の仮定: 残差を既知の行列と定数ベクトルの線形結合と仮定する必要があり、複雑な非線形外乱（例：乱流）を捉えきれない。
• 過剰な保守性: 不確実性の上限を既知と仮定する必要があるため、制御性能が過度に制限される。
• 数値微分のノイズ: 時間微分の推定に数値微分を用いる必要があり、ノイズに弱い。

2. 提案手法 (Methodology)

著者らは、ニューラル ODE (Neural ODEs) を用いたオンライン学習強化型高次適応制御バリア関数 (NODE-HO-aCBF) を提案しました。この手法は、既知の nominal モデル（基準モデル）と、ニューラルネットワークで学習される残差モデルを組み合わせるハイブリッドアプローチを採用しています。

主要な技術的要素

1. ハイブリッドモデル構造 (KNODE):

   • 真のダイナミクスを $\dot{x} = f(x) + g(x)u + \hat{d}_\theta(x)$ とモデル化します。
   • $f(x) + g(x)u$ は既知の物理モデル（例：ダブルインテグレータ）、$\hat{d}_\theta(x)$ はニューラルネットワークで推定する未知の残差（外乱やモデル誤差）です。
   • これにより、物理法則を保持しつつ、データ駆動で複雑な非線形性をオンラインで学習できます。

2. 高次適応 CBF (High-Order Adaptive CBF):

   • 多くの機械システムでは、安全性制約の相対次数が 1 より大きいため、高次 CBF (HOCBF) が必要です。
   • 提案手法は、残差項 $\hat{d}_\theta$ のリウ微分（Lie derivative）を HOCBF の制約条件に直接組み込みます。これにより、学習された残差モデルに基づいて安全性をオンラインで再保証します。
   • 数値微分の代わりに、自動微分（Automatic Differentiation）を用いて残差の微分を計算し、ノイズに強い推定を実現しています。

3. オンライン学習ループ:

   • システムは 100Hz で動作し、状態と制御入力のペアを FIFO キューに蓄積します。
   • 最新のデータを用いてニューラルネットワークをオンラインで再学習（微調整）し、モデルを更新します。
   • 学習と制御は並行して行われ、時間変動する外乱（例：突風）に対して即座に適応します。

3. 主な貢献 (Key Contributions)

1. 複雑な時間変動モデル摂動に対する安全性向上: 学習強化型の高次適応 CBF を提案し、未知かつ時間変化する非線形残差（外乱）に対してオンラインで安全性を改善します。
2. オンラインハイブリッドアプローチの実装: Knowledge-based Neural ODEs (KNODE) を用い、学習可能なパラメータを含む CBF 最適化問題を 100Hz で解くことを可能にしました。オフライン学習を必要とせず、必要に応じてオフライン学習もサポートします。

4. 実験結果 (Results)

シミュレーション評価

• 設定: 2 次元のダブルインテグレータモデルに対し、「引力型」「斥力型」「時間変動型」の 3 種類の未知残差を仮定し、障害物回避タスクを行いました。
• 結果:
  • 従来の HOCBF や既存の aCBF は、残差に適応できず、安全性違反（障害物への接近・衝突）が発生しました。
  • 提案手法（オンライン・オフライン両方）は、残差を学習し、障害物から安全な距離を維持しながら軌道に追従できました。
  • 特に「時間変動型」外乱において、他の手法が失敗する中、提案手法のみが適応し、安全境界に近い安定した軌道を実現しました。
  • 既存手法はハイパーパラメータ（適応ゲインなど）の調整に敏感でしたが、提案手法は調整が容易でロバストでした。

物理実験 (Nano Quadrotor)

• プラットフォーム: 重量 38g のナノクアッドコプター (Crazyflie 2.1)。
• 環境: 時速 18km の乱流風（ターボファン）を発生させる環境下で、円形軌道追従と障害物（原点からの距離制限）回避を行いました。
• 結果:
  • 従来の HOCBF や既存の aCBF は風の影響を受け、安全領域内（障害物領域）に侵入するなどの失敗を繰り返しました。
  • オンライン NODE-HO-aCBF: 風にさらされた直後からモデルを学習し、安全性を即座に回復させました。
  • オフライン NODE-HO-aCBF: 事前学習により、最初から高い安全性を維持しました。
  • 定量的な指標（安全違反時間の割合 $h_{neg}$ や安全距離の平均値）において、提案手法は既存手法を大幅に上回る性能を示しました。

5. 意義と結論 (Significance)

この研究は、モデルベースの安全性保証とデータ駆動型の適応性を融合させる画期的なアプローチを示しています。

• 実世界への適用性: 事前の完全なモデル知識やオフライン学習が不要であり、実機（特に小型ドローン）の複雑な環境変化（風、ペイロード変化など）に対して即座に適応できるため、実用性が極めて高いです。
• 安全性と性能の両立: 過剰に保守的な制御を避けつつ、数学的に保証された安全性を維持します。
• 将来展望: 本研究は、大規模な群ロボット（スウォーム）の近接飛行や、より複雑なタスクにおける安全性と安定性の向上への道を開きます。

要約すると、この論文は「モデルの不確実性や時間変動する外乱に対しても、オンライン学習によって安全性を動的に維持・向上させる新しい制御フレームワーク」を提案し、シミュレーションおよび実機実験でその有効性を証明したものです。