技術的概要：任意の不確実性下における分布ロバスト安全性

問題定義

自律ロボティックシステムの安全性を確保することは、非線形ダイナミクス、作動限界、モデルの不一致、知覚誤差、および外乱に起因する不確実性によって複雑化されています。安全性フィルター（または「ゲートキーパー」）は、安全性が脅かされる際に高性能な名义ポリシーから認証済みのバックアップポリシーへ切り替えることでモジュール化された解決策を提供しますが、既存のアプローチは分布的不確実性（distributional ambiguity）の下で重大な限界に直面しています。

現在の手法は、通常、以下のいずれかに依存しています：

1. ロバスト安全性フィルター：最悪ケースの決定論的境界を仮定しますが、過度に保守的になる可能性があります。
2. 確率的安全性フィルター：既知の特定の擾乱分布（例えばガウス分布）を仮定しますが、真の分布が未知、部分的に観測される、またはシフトしている（分布シフト）場合に機能しません。
3. 分布ロバスト（DR）計画：有望ですが、一般的な非線形システムに対する安全性フィルターにDR制約を直接統合することは計算的に禁止的です。これは、不確実性集合内の最悪ケース分布に対して高次元の最適化問題を解くことを必要とし、リアルタイム実装を不可能にします。

この研究で扱われる核心的な課題は、オンラインDR軌道最適化の計算コストを負うことなく、真のノイズ分布が未知である任意の不確実性構造（非加法的、非アフィン）の下で、一般的な非線形システムに対して確率的な安全性保証を提供する方法です。

手法：DRS-gatekeeper

著者は、バックアップベースの安全性フィルタリングフレームワークを拡張するリアルタイム安全性フィルターである**分布ロバスト確率的ゲートキーパー（DRS-gatekeeper）**を提案します。この手法は、Wasserstein 不確実性集合と有限サンプル統計解析を組み合わせることで安全性を認証します。

コアアーキテクチャ

このシステムは、高性能な名义ポリシー（$\pi_N$）と事前検証済みのバックアップポリシー（$\pi_B$）の間を切り替えることで動作します。バックアップポリシーは、高い確率で特定の安全集合 $\mathcal{C}$ を前方不変（forward-invariant）となるように設計されています（$\alpha$-確率的制御不変集合）。目標は、安全性が損なわれる前にバックアップポリシーへの切り替えが発生するよう確保しつつ、可能な限り長く名义ポリシーに留まることです。

主要な技術的構成要素

1. 分布ロバスト確率制約（DRCC）：
   単一の名义分布 $\hat{P}_t$ に対して最適化するのではなく、この手法は半径 $\beta$ の $\infty$-Wasserstein 距離によって定義される不確実性集合 $\mathcal{B}_\beta(\hat{P}_t)$ に対して安全性を確保します。この集合には、利用可能なデータと整合するすべての分布が含まれます。目的は以下を満たすことです：
   $$\inf_{Q \in \mathcal{B}_\beta(\hat{P}_t)} \Pr_{w \sim Q} [\text{安全性}] \geq 1 - \varepsilon$$

2. スイッチング時間探索による次元削減：
   オンラインで高次元のDR最適化問題を解くのではなく、著者はバックアップベースフィルタリングの構造を利用します。安全性認証問題は、名义ポリシーとバックアップポリシー間のスイッチング時間 $s_t$ に関する1次元探索に帰着されます。

3. 有限サンプル保証を伴うサンプリングベース認証：
   この手法はモンテカルロに着想を得たアプローチを使用します：

   • 並列ロールアウト：各候補スイッチング時間 $m$ に対して、アルゴリズムは名义分布 $\hat{P}_t$ から $N$ 個の独立したノイズ軌道サンプルを生成します。
   • Wasserstein 膨張閾値：不確実性集合から直接サンプリングすることなく不確実性を考慮するため、アルゴリズムは各ロールアウトに対して安全マージン $H$ を計算します。その後、$H < 0$ だけでなく、$H < L_H \beta$ の場合にも「失敗」とカウントします。ここで $L_H$ は安全性関数のリプシッツ定数、$\beta$ は不確実性半径です。これは、不確実性集合内の最悪ケース分布を網羅するために失敗集合を実質的に膨張させます（補題1）。
   • 統計的境界：観測された失敗回数は、二項分布とユーザー指定の信頼水準 $1-\delta$ を用いて、真の失敗確率の上限を計算するために使用されます。
   • 選択：アルゴリズムは、失敗確率の統計的上限が閾値 $(\varepsilon - \alpha)/(1 - \alpha)$ 以下に留まるような、最も遅いスイッチング時間 $s_t$ を選択します。

理論的保証

本論文は、安全性関数のリプシッツ連続性に関する仮定と有効なバックアップポリシーの存在が成り立つ場合、DRS-gatekeeper が確率 $1-\delta$ 以上でDRCCを満たすことを示す形式的証明（定理1）を提供します。この保証は軌道の次元やサンプル数 $N$ に依存しませんが、$N$ はフィルターの保守性に影響を与えます。

主要な貢献

1. DRS-gatekeeper アルゴリズム：任意の擾乱構造と分布的不確実性を有する非線形システム向けのリアルタイム安全性フィルターの導入。
2. 有限サンプル証明書：指定された信頼水準で最悪ケース失敗確率の上限を計算することにより、Wasserstein 不確実性集合下での確率的安全性証明書の導出。
3. 計算効率：無限次元のDR安全性問題を1次元探索に再定式化し、並列サンプリングによるリアルタイム実装を可能にすること。
4. 実証的検証：複雑さが増す3つの異なる領域（ドビンス車、F1レーシングカー、F-16戦闘機）における手法のデモンストレーション。

実験結果

著者は、DR-CBF（分布ロバスト制御バリア関数）やMPPI（モデル予測経路積分制御）などのベースライン手法と比較するシミュレーションを通じて、DRS-gatekeeper を検証しました。

• ドビンス車：DR-CBF と比較して、DRS-gatekeeper は異なる失敗確率（$\varepsilon$）および不確実性半径（$\beta$）において、著しく高い安全性率（パラメータに応じて15-75%から100%まで）を達成しました。目標到達時間は場合によってはわずかに長くなりましたが、この手法はより信頼性の高い安全性と性能のトレードオフを提供しました。
• F1レーシングカー：複雑な非ガウス実証的不確実性を伴う高次元（7状態）シナリオにおいて：
  • ガウスノイズ下では、MPPI の92% に対して DRS-gatekeeper は96% の安全性を維持しました。
  • 分布シフトをシミュレートする実証ノイズ下では、MPPI の安全性は76% に低下しましたが、DRS-gatekeeper は94% の安全性を維持しました。
  • この手法は、最小限のバックアップ介入（<1.5%）とリアルタイム制御に適した計算時間（約21 ms）でこれらの結果を達成しました。
• F-16戦闘機：乱流とモデル残差を伴う狭い峡谷を飛行する12状態、4入力シナリオにおいて：
  • ベースラインの最適軌道追跡手法は、40% の安全性しか達成できませんでした（完全なホライズンを考慮しても88% であり、95% の目標には届きませんでした）。
  • DRS-gatekeeper は、バックアップ使用率13.9%、計算オーバーヘッド12.2 ms という低いコストで安全性率を88% に改善しました（反復ごとの目標95% に対し、累積効果が指摘されています）。
  • この手法は、このシステムに対してDR-CBF が適用不可能であった高相対次数と入力制約を成功裡に処理しました。

意義と主張

本論文は、DRS-gatekeeper がオンラインDR最適化の計算的負担なしに任意の不確実性構造と分布シフトを処理する能力という、自律安全性における重要なギャップを埋めると主張しています。バックアップベースアーキテクチャとWasserstein ベースのロバスト性を活用することで、この手法は、従来のロバストまたは確率的フィルターが失敗するか、過度に保守的となる複雑な高次元非線形システムに対して厳密な確率的安全性保証を提供します。著者は、真のノイズ分布が未知または非定常であるシステム、例えば高速レースや乱流下での航空機機動において、このアプローチが特に重要であると強調しています。