技術要約：エンゲージメント・ゾーン構築のためのインターセプション駆動型逆到達可能性

問題提起

敵対的な追跡者が存在する紛争環境で作動する自律車両は、追跡者の発射位置が未知であるという課題に直面することが多い。従来のエンゲージメント分析では、通常、追跡者のパラメータ（発射位置、航続距離、機動性）に関する事前知識を想定するか、規定された確率分布に依存している。しかし、多くの運用設定においては、脅威の場所を、疎、間接的、またはイベント駆動型の観測（例：バイナリなインターセプション・イベント）から推論しなければならない。これは、エージェントが情報を収集するために情報を収集しながら、同時に情報の取得中も安全性を維持する軌道を生成しなければならないという、結合された推定・計画問題を生じさせる。既存のエンゲージメント・ゾーン（EZ）の定式化は、既知の発射位置や既存の不確実性モデルに根本的に依存しているため、この文脈では機能しない。

手法

本論文は、観測されたインターセプション・イベントから直接、実行可能な追跡者の発射領域を推論し、この領域を伝播させて決定論的および確率的なエンゲージメント・ゾーンを構築する幾何学的フレームワークを提案する。

1. 幾何学的逆到達可能性（Geometric Inverse Reachability）

コアとなる推論メカニズムは、インターセプション・イベントによって課される幾何学的制約に基づいている。もし追跡者が位置 $\mathbf{x}_{int}$ でエージェントをインターセプトした場合、追跡者はその移動予算（最大航続距離 $R$ および捕捉半径 $r$）内で $\mathbf{x}_{int}$ に到達可能な場所から発射していなければならない。

• 制約生成: 各インターセプションは、未知の発射位置に対して円盤制約を誘発する。インターセプション位置のみが既知の場合、実行可能な発射領域は、インターセプション地点を中心とする半径 $R+r$ の円盤となる。発射時刻も測定されている場合、半径は $d_{trav} + r$ に絞り込まれる（ここで $d_{trav}$ は時間差に基づく移動距離である）。
• 実行可能領域の構築: 実行可能な発射領域 ($P_{pot}$) は、これら $N_{int}$ 個のインターセプション・イベントによって生成されたすべての円盤の共通部分である。この領域は凸であり、円弧によって境界付けられている。正確なアルゴリズムは、円盤間の有効な交点を特定し、他のすべての円盤内に存在する弧のセグメントを保持することによって、境界を計算する。

2. エンゲージメント・ゾーン（EZ）の構築

推論された実行可能な発射領域 $P_{pot}$ を用いて、回避者の安全な運用空間を定義するためのエンゲージメント・ゾーンを構築する。

• 決定論的EZ: 到達可能領域（RR）は、実行可能な発射領域と半径 $R+r$ の円盤のミンコフスキー和として計算される。その後、速度比（$\nu R$）に比例する距離だけ回避者の進行方向とは逆にRRを平行移動させることで、EZが導出される。このEZの外側に留まる軌道は、実行可能な集合内に起源を持つすべての追跡者に対して安全であることが保証される。
• 確率的EZ (PEZ): リスクを考慮した計画を可能にするため、本論文では確率的な拡張を導入する。実行可能な発射領域上に一様分布を仮定すると、特定の回避者位置におけるインターセプションの確率は、発射領域とシフトされた捕捉円盤との重なり部分の面積の正規化として計算される。これにより、バイナリな安全/危険の境界ではなく、段階的なリスクフィールドが得られる。

3. 情報駆動型サクリフィシャル・プランニング

追跡者の局所化を加速させるため、本フレームワークは、インターセプションを誘発するように設計された「サクリフィシャル（使い捨て）」エージェントを採用する。

• 目的関数: サクリフィシャル・エージェントの軌道は、期待情報利得を最大化するように最適化される。
  • 観測前（まだインターセプションが発生していない場合）: 目的は、「発射カバレッジ分率」を最大化することである。すなわち、初期の実行可能な発射領域のうち、軌道にエンゲージできる可能性のある部分を最大化し、初期のインターセプションを誘発する確率を最大化する。
  • 観測後: 目的は、実行可能な発射領域の面積の期待減少量を最大化することにシフトする。軌道は、現在の実行可能集合と交差した際に、面積を最大の減少をもたらす場所にインターセプションを誘発するように選択される。
• 最適化: 軌道はBスプラインとしてパラメータ化され、運動学的制約（曲率、旋回率）および特定の情報駆動型目的関数に従って、内部点法ソルバー（IPOPT）を用いて最適化される。

主な貢献

本論文は、主に以下の4つの貢献を述べている：

1. 幾何学的逆到達可能性手法: 発射場所に関する事前知識なしに、単一の追ら行者からインターセプション・イベントを通じて実行可能な追跡者の発射領域を推論する手法。
2. 決定論的EZ構築: 境界のある発射の不確実性を決定論的なEZへとマッピングする到達可能領域の構築手法であり、軌道計画に対して明示的なワーストケースの安全性保証を提供する。
3. 確率的拡張: 幾何学的な重なりを通じてエンゲージメントの可能性を定量化する確率的エンゲージメント・ゾーンの定式化であり、ある程度のインターセプション確率が許容されるリスク認識型計画を可能にする。
4. 情報駆動型プランナー: 実行可能な発射領域の面積減少を最大化するように設計された、サクリフィシャル・エージェントのための軌道目的関数であり、脅威の局所化を能動的に加速させる。

結果

本フレームワークは、3種類の追跡者コミットメント・ドクトリン（パッシブ、ノーミナル、アグレッシブ）および4つのセンシング/プランニング構成（ナイーブな直線 vs 最適化されたスプライン、および発射時刻測定の有無）にわたる1,000回のモンテカルロ・シミュレーションを用いて評価された。

• 領域の縮小: 最適化されたスプライン軌道は、ナイーブな直線軌道よりも大幅に速く、実行可能な発射領域の面積を減少させた。アグレッシブな追跡者の場合、わずか3回のサクリフィシャル展開後に、実行可能な領域は99.25%縮小した。
• 経路効率: 実行可能な発射領域が縮小するにつれ、高価値エージェントのための安全な軌道の長さは減少し、追跡者の位置に関する完全な知識がある場合に達成可能な最適パスに近づいた。アグレッシブな追跡者の場合、正規化された安全パス時間比は、3回の展開後に完全情報最適値の0.29%以内に低下した。
• センシングの影響: 発射時刻を測定することは、パッシブおよびノーミナルな追跡者に対して制約を厳格化することで大きな利益をもたらしたが、最大航続距離付近でインターセプトを行う典型的なアグレッシブな追者に対しては、追加の利益は最小限であった（固定半径制約と時間依存制約のサイズが類似するため）。
• 収束: 結果は、適切に配置された少数のサクリフィシャル展開だけで、達成可能な運用のメリットの大部分を回収できることを示している。

意義と主張

本論文は、少数のサクリフィシャル・エージェントを用いることで、未知の追跡者が存在する状況下での運用上の認識を大幅に向上させ、安全性を高めることができると主張している。その意義は、以下を実現できる点にある：

• 敵対者の発射位置に関する事前知識を排除すること。
• 疎でイベント駆動型の観測から直接、エンゲージメント・ゾーンを構築すること。
• 特定の確率分布を仮定することなく、明示的なワーストケースの安全性保証（決定論的）または段階的なリスク評価（確率的）を提供すること。
• 情報駆動型の軌道計画を通じて脅威の局所化を能動的に加速させ、高価値資産を保守的な長い軌道から、より最適なパスへと迅速に移行させること。

著者らは、本フレームワークが最大能力の追跡者と限定された航続距離を想定していることを指摘しており、将来的には、複数の追跡者、不確実な能力、およびより複雑な3Dジオメトリへの拡張が可能であるとしている。