Local Conformal Calibration of Dynamics Uncertainty from Semantic Images

技術的サマリー：セマンティック画像からのダイナミクス不確実性の局所共形較正

問題定義
実世界環境で動作するロボットシステムは、未モデル化の擾乱（アレイアトリック不確実性）およびモデルの不一致（エピステミック不確実性）に起因する不確実性の定量化において重大な課題に直面している。共形予測（CP）は、予測領域に対する確率的保証を提供する分布フリーの枠組みを提供するが、ロボット工学における既存の CP 手法には 2 つの決定的な限界がある：

1. 識別性の欠如： 標準的な CP はデータセット全体での平均（周辺）カバレッジ保証を提供するが、モデルの不一致が高い領域と低い領域のステート - アクション領域を区別できない。これにより、プランナが不確実性の低いステートへシステムを誘導することが妨げられる。
2. 環境固有のデータ要件： 現在の手法は、有効性を確保するために、厳密にテスト時の環境から収集された較正データを必要とする。これは非現実的かつ危険である。なぜなら、ダイナミクスモデルを較正する目的のみで、新しい潜在的に危険な環境（例えば、凍結した道路）を走行する必要があるからである。

著者らは、視覚的に類似しているが異なる環境からの知覚情報を活用することで、未見のテスト時環境に対する証明可能な有限サンプル不確実性保証を提供するアルゴリズムの必要性に取り組む。

手法：OCULAR
本論文は、ロボットフレームの知覚データを用いて線形ガウスダイナミクスモデル（$\tilde{f}$）を較正する手法である「観測意識型共形不確実性局所較正（OCULAR）」を導入する。中核的な革新は、環境固有のデータが必要となる世界フレームのポーズを、学習されたセマンティック観測の表現に置き換えることである。

手法は 2 つのフェーズで進行する：

1. オフライン較正：

   • 観測処理： 生の深度画像とセマンティック画像を、ロボットフレームの「平面セマンティックフットプリント（$o'_t$）」へ投影する。この表現は、ロボット前方の環境を捉えつつ、無関係な世界フレーム座標を破棄する。
   • 潜在エンコーディング： 畳み込みオートエンコーダ（CAE）を、較正環境群からのデータで訓練し、平面フットプリントを低次元の潜在ベクトル（$\phi_t$）に圧縮する。
   • 局所分割： 入力空間を $X = (v_t, a_t, \phi_t)$ と定義し、速度、アクション、潜在観測を組み合わせる。決定木（DTree）を訓練し、非共形スコア（$\tilde{f}$ と真値との不一致）がほぼ一定となる領域（$X_k$）へこの空間を分割する。これは、分割内のスコア分散を最小化する LOCART アルゴリズムを用いて達成される。
   • 局所較正： 各分割 $X_k$ に対して、較正データのホールドアウト部分集合上でスプリット共形予測（SplitCP）手順を実行する。これにより、ガウス予測の共分散を調整する分割固有のスケーリング因子（$\hat{q}_k$）が得られる。

2. オンライン展開：

   • 未見の新しい環境での運用中、ロボットは現在の観測を潜在空間へ処理し、事前訓練された DTree を通して現在の分割 $X_k$ を特定する。
   • ダイナミクスモデルの予測共分散は、$\hat{q}_k$ から導出される対応する因子 $\xi_k$ によってスケーリングされる。
   • この較正された不確実性推定値は、モデル予測制御（MPC）プランナへ入力される。プランナは、真の次のステートを確率 $(1-\alpha)$ で含むことが保証された予測領域を構築し、較正された不確実性が高い領域または障害物と交差する領域を回避するように軌道を最適化する。

主要な貢献
著者らは 3 つの主要な貢献を行う：

1. アルゴリズムの提案： 視覚的に類似した環境からのデータのみを用いて、新しい未見の環境におけるダイナミクス不確実性に対する証明可能な有限サンプル保証を提供するアルゴリズム、OCULAR を提案する。
2. 理論的妥当性： 観測の投影、CAE によるエンコーディング、決定木による分割というパイプラインが、共形予測に必要な交換性を保持することを証明する。これにより、単なる大域的な周辺保証ではなく、局所的（条件付き）カバレッジ保証が可能となる。
3. 実証的検証： 乱雑な摂動と顕著なモデルの不一致（滑りやすい表面をシミュレート）にさらされたダブルインテグレータシステム上で手法を検証する。実験には、簡略化された平面センサーと現実的な Isaac Sim カメラの両方が用いられる。

結果
実験は 4 つの平面マップと 3 つの Isaac Sim 道路シナリオで行われ、OCULAR を以下の手法と比較した：

• NoCP： 較正されていないモデル（分布外（OOD）データで失敗する）。
• SplitCP： テスト環境データを用いた大域的較正（分布内では過度に保守的、OOD では保護不足）。
• LUCCa： テスト環境データを用いた局所的較正（環境固有のデータを必要とする）。

主要な知見は以下の通り：

• カバレッジ： OCULAR は、テスト環境からのデータを一切使用することなく、分布内および OOD 領域（例えば、凍結した道路）の両方でユーザー設定のカバレッジ確率（90%）を達成する。対照的に、NoCP は OOD 領域で著しくカバレッジ不足となり、SplitCP は局所的不確実性の変動に適応できない。
• 体積効率： OCULAR は、「オラクル」最適領域よりもわずか 12〜15% 大きい予測領域を構築し、テスト環境データへのアクセスを有する手法（LUCCa など）と同等の高い体積効率を実証する。
• 安全な計画： 軌道最適化タスクにおいて、OCULAR は減速して衝突を回避することで高不確実性領域を成功裏に通過し、テストされたすべてのマップで 100% の成功率を達成した。較正を行わない手法（NoCP）や大域的較正を行う手法（SplitCP）は、それぞれ過度の楽観主義または過度の保守主義に起因して頻繁に衝突を引き起こした。

意義と主張
本論文は、OCULAR が理論的な不確実性保証と実用的なロボット展開の間のギャップを埋めると主張する。環境全体にわたって一般化するために知覚情報を活用することで、この手法は危険を伴う環境固有の較正データ収集の必要性を排除する。著者らは、彼らの保証が非漸近的かつ分布フリーであり、未知の実システムダイナミクスに関する強い仮定を必要としないことを強調する。

著者らは控えめに、実行中のマップ生成観測の非交換性により、多ステップ安全性に対する厳密な理論的保証を主張するものではないと指摘しつつ、1 ステップの安全性保証とヒューリスティックな多ステップ計画を実証していると述べる。さらに、CAE および決定木のハイパーパラメータに対する感度と、現在の潜在表現学習が不確実性予測の有用性から切り離されていることを認め、今後の研究の余地を示唆している。