A Surveillance Evasion Game with Continuous Sensor Redeployment via Bilevel Optimization

技術概要：二階層最適化による連続的なセンサー再配置を伴う監視回避ゲーム

問題定式化
本論文は、無人航空システム（UAS）がセンサー周界の時空間的隙間を悪用して、検知されずに制限空域に侵入するという重要なセキュリティ課題に取り組んでいる。著者らは、この相互作用を、敵対的な UAS（攻撃者）と、方向性センサーおよび全方位センサーからなる異種センサー網（防衛者）との間の二人零和微分ゲームとしてモデル化している。

従来のアプローチでは、防衛者を離散的配置グラフや固定構成に制限するか、静的な全方位カバレッジを仮定することが多かったが、本研究では連続的な戦略空間上で問題を定式化している。攻撃者は、検知確率の累積値を最小化する、開始点から目標点までの衝突のない時空間軌道を求め、一方、防衛者はセンサーの空間的配置を最適化することでこの確率を最大化しようとする。主要な複雑性は、防衛者が回転する方向性センサーを使用することから生じ、これにより時間変化する非凸なカバレッジ領域と、知的な敵対者が悪用可能な予測可能な隙間が生まれる。著者らは、高次元かつ非凸な結合戦略空間と、回転するセンサーの視野（FOV）によって導入される不連続性のため、大域鞍点の探索は非現実的であると指摘している。したがって、目的は局所ナッシュ均衡（LNE）の計算であり、これはどのプレイヤーも無限小の片側的な逸脱によって利得を改善できない状態を指す。

手法
提案される解決策は、攻撃者と防衛者の最善反応部分問題を交互に解く反復的な二階層最適化フレームワークを採用し、LNE への収束が達成されるまでこれを繰り返す。

1. 攻撃者の最善反応:
   固定されたセンサー配置が与えられた場合、攻撃者は検知確率を最小化するために非線形計画法（NLP）問題を解く。非凸な検知ランドスケープを処理するため、著者らは二段階のアプローチを利用する。

   • 初期化: 時空間確率的ラピッドエクスプロアリングランダムツリー（STP-RRT*）アルゴリズムが、動的なセンサーカバレッジ領域を回避する、実行可能かつ衝突のない初期軌道を生成する。
   • 精緻化: 勾配ベースの NLP ソルバ（IPOPT）が、累積検知確率を最小化するためにこの軌道を精緻化する。検知モデルは、勾配ベースの最適化のための微分可能性を確保するために、可視性を近似する滑らかなシグモイド関数を使用する。

2. 防衛者の最善反応:
   攻撃者の最適化された軌道が与えられた場合、防衛者は検知確率を最大化するために連続的なセンサー再配置問題を解く。

   • 連続再配置: 離散的なグラフベースの手法とは異なり、センサーは凸多角形建物の境界に沿って自由にスライドすることが許される。
   • 滑らかな制約: これらの境界上で勾配ベースの最適化を可能にするため、著者らは、最も近い建物エッジまでの符号付き距離の log-sum-exp 滑らかな近似を用いて配置制約を課す。この手法は多角形の頂点における微分可能性を保持し、硬い境界制約の非微分可能性を克服する。

3. 反復スキーム:
   このフレームワークは、攻撃者の最小化と防衛者の最大化の間を交互に行う。プロセスは、両プレイヤーの勾配残差が規定の許容値以下になり、LNE に対する一階停留条件を満たしたときに終了する。アルゴリズムがリミットサイクル（減衰しない振動）に入った場合、収束を回復させるために防衛者は新しいランダム配置から再初期化する。

主要な貢献
本論文は、以下の 3 つの主要な貢献を行う。

• ゲーム定式化: 連続的な戦略空間上で、回転する方向性センサーの時間変化する非凸な検知領域をモデル化する、二人零和微分ゲームの定式化。
• 連続再配置: 微分可能な log-sum-exp 制約によって強制され、勾配ベースの最適化を可能にする、物理的な建物境界に沿ってセンサーが連続的にスライドすることを許容する、新規な防衛者の定式化。
• 反復二階層最適化: センサー配置と攻撃者の軌道を交互に最適化することで局所ナッシュ均衡に収束するアルゴリズム的フレームワークであり、両プレイヤーに対して解析的な一階停留条件が導出されている。

結果と検証
このフレームワークは、数値シミュレーションと物理的な実験デモンストレーションを通じて評価された。

• モンテカルロシミュレーション: 500 回の試行によるシミュレーションは、提案されたフレームワークが、ランダムなセンサー配置（自然なベースライン）と比較して、防衛者の検知確率で4 倍の改善を達成することを示した。この手法は、局所ナッシュ均衡への96.8% の収束率を達成した。収束状態において、防衛者の検知確率は有意に増加し（平均約 0.103 から約 0.419 へ）、一方、攻撃者の成功率は減少した。
• 収束挙動: 交互最適化は通常、プラトーに安定し、数値残差はほぼ $10^{-6}$ まで減衰した。リミットサイクルの挙動は 500 回の試行中 1 回（2%）のみ観察されたが、再初期化によって正常に解決された。
• 実験デモンストレーション: このフレームワークは、都市峡谷を伴う空港防衛シナリオをシミュレートした縮小された物理環境でテストされた。攻撃者として Crazyflie 2.1 を、防衛者として PTZ カメラを使用して実験を行った結果、二階層最適化が一貫した戦略の改善を生み出すことが検証された。LNE 戦略（$a^*, d^*$）は、検知コスト（$J$）を 0.9451 とし、これは初期のヒューリスティック配置（$J=0.6847$）よりも有意に高く、一方のプレイヤーのみが戦略を最適化するシナリオよりも優れていた。

意義と主張
著者らは、この作業を Counter-UAS（CUAS）ミッションにおける異種センサー配置の実用可能なベースラインとして位置づけている。彼らは、その重要性が既存の文献における 3 つのギャップを埋める点にあると主張している。すなわち、建物境界に沿った連続的なセンサー再配置の欠如、ゲーム理論的コンテキストにおける確率的な方向性 FOV モデリングの欠如、そして離散的戦略空間から勾配ベースの二階層最適化への移行である。

本論文は、配置トポロジーの寄与を分離することで、必要な第一歩を確立するという貢献を控えめに位置づけ、より複雑な結合スケジューリング・配置問題は将来の課題として残されていることを認めている。結果は、方向性センサーの動的性質を考慮して連続空間でセンサー配置を最適化することが、静的またはランダムなベースラインと比較して、知的な敵対者に対する周界セキュリティを大幅に強化することを確認している。