技術要約：再帰的制御障壁関数（CBF）のモデルフリーに基づく計算：ウルトラローカルモデル・アプローチ

問題提起

制御障壁関数（CBF）は、非線形制御システムの安全な集合の順方向不変性を保証することにより、安全制約を強制するための体系的な枠組みを提供する。しかし、標準的なCBFの実装は通常、リー微分および安全制約の強制を実行するために、正確なシステムモデルに依存している。実世界のシナリオでは、重大なモデリングの不確実性、未モデル化ダイナミクス、または外部からの外乱が存在する場合、これらのモデル依存のアプローチは失敗したり、過度に保守的になったりする可能性がある。

ニューラルネットワークやガウス過程を用いた既存のモデルフリーまたはデータ駆動型のアプローチは、大幅な計算負荷を導入することなく、あるいは膨大な学習データを必要とすることなく、厳密かつリアルタイムの安全性保証を提供することに苦慮することが多い。さらに、ウルトラローカルモデル（ULM）はモデルフリー制御において成功を収めてきたが、ULMのこれまでの適用例は、ダイナミクスの再構成に関連する不確実性を明示的に定量化することなく、瞬時的な推定値に依存していることが多い。その結果、推定誤差、測定ノイズ、および微分近似の影響が安全制約に明示的に伝播されず、安全性の保証を損なう可能性がある。

手法

本論文は、**ウルトラローカルモデル（ULM）**アプローチに基づいた、再帰的制御障壁関数を計算するためのモデルフリーの枠組みを提案する。核心となる理念は、システムの局所的な挙動を、オンラインで継続的に更新される低次入力出力表現を用いて近似することである。

1. 不確実性定量化を伴うウルトラローカルモデリング

明示的なシステムモデル $\dot{x} = f(x) + g(x)u$ の代わりに、システムは以下の単入力単出力（SISO）ウルトラローカルモデルによって近似される：
$$y^{(\nu)}(t) \approx F(t) + \beta u(t) + \Delta_m(t)$$
ここで：

• $y^{(\nu)}$ は、出力の $\nu$ 次微分である（安全制約の相対次数と一致またはそれを上回るように選択される）。
• $F(t)$ は、未知のダイナミクス、非線形性、および外乱を集約する。
• $\beta$ は、制御入力をスケーリングする非ゼロの定数である。
• $\Delta_m(t)$ は、不確実性の境界を表す。

$F(t)$ は、ノイズに対処するために数値微分（具体的には同次半暗黙的微分器）を使用してオンラインで推定される。極めて重要な点として、本フレームワークは、推定誤差を定量化するために動的な不確実性境界 $\hat{\Delta}_m(t)$ を導入する。この境界は、残差のスライディングウィンドウに対して**ウェルフォードのアルゴリズム（Welford's algorithm）**を適用し、平均（$\mu$）と分散（$\sigma^2$）の両方を計算することで算出される。

$\hat{\Delta}_m$ を定義するための3つの戦略が提案されている：

• 手法A： システムの安全境界への近接度に基づいて境界をスケーリングする、空間幾何学的アプローチ。
• 手法B： 空間幾何学的ペナルティと統計的分散を組み合わせ、過渡的なスパイクに対する保護を行う。
• 手法C： 統計的分散の閾値（$|\mu| + \kappa|\sigma|$）のみに依存する。

2. 堅牢なCBF定式化

提案されたフレームワークは、不確実性境界を含めることで標準的なCBF条件を修正し、実質的に、より制限的な「仮想」境界へと安全境界をシフトさせる。

• 相対次数1の場合： 条件は $\hat{F} + \beta u \geq -k_c(y - y_{min} - \hat{\Delta}_m/k_c)$ となる。
• 相対次数2（再帰的CBF）の場合： 条件は二階微分を組み込み、同様に不確実性項によって調整される。

この定式化により、CBFは不確実性が高い場合やシステムが境界に近い場合に、安全違反を予見して制約を活性化させることが可能になる。

3. 2つの制御戦略

本論文では、制御入力 $u$ を決定するための2つの異なる戦略を提示している：

• 戦略1（勾配ベースのULM-CBF）： 2つのタイムスケールを持つ確率的勾配降下法を使用して、パラメータ $\hat{F}$ および $\hat{\beta}$ を再帰的に推定する。制御入力は、名目上のコントローラからの偏差を最小化しつつ、堅牢なCBF制約を満たす二次計画法（QP）を解くことによって導出される。
• 戦略2（グリッドベースのULM-CBF）： 単一のオンライン推定の代わりに、このアプローチでは、並列的に候補となる $\beta$ 値の離散グリッドを評価する。各候補に対して、堅牢なCBF-QPが解かれる。最も安全な制御入力および対応する $\beta$ のインデックスを選択するために、制御エネルギー、不確実性境界エネルギー、制御変動、およびパラメータ変動を最小化する選択基準が用いられる。この戦略は、現在の動作領域に対して最も適した入出力スケーリングを選択することで、構造的な堅牢性を提供することを目的としている。

主な貢献

1. モデルフリー再帰的CBF： 明示的なシステムモデルを必要とせず、オンラインのULM推定に依存して、高次（再帰的）CBFを構築するフレームワークの開発。
2. 明示的な不確実性伝播： 推定誤差 $\hat{\Delta}_m$ を明示的に定量化し、CBF制約内に伝播させる手法の導入。これにより、安全境界を動的な不確実性を考慮した仮想境界へと変換する。
3. デュアル戦略の実装： 勾配適応法とグリッド選択法の両方を提案し、計算の単純さと推定の不整合に対する堅牢性の間のトレードオフを提供。
4. ベンチマークによる検証： 一階の例示的な例および二階のアダプティブ・クルーズ・コントロール（ACC）ベンチマークを用いた検証を行い、名目上の参照値が安全制約に違反する場合でも安全性を維持できることを示す。

シミュレーション結果

本論文では、2つのシミュレーションシナリオを通じてアプローチを検証している：

• 一次系システム： パラメータスタディにおいて、変動するCBF剛性（$k_c$）および幾何学的ペナルティ（$\epsilon_p$）パラメータの下で2つの戦略を比較した。

  • 知見： 戦略1（勾配ベース）はパラメータチューニングに対して敏感であり、剛性が高い場合やペナルティの厚みが低い場合に、制約違反（安全性の喪失）を招く設定があることが示された。戦略2（グリッドベース）は優れた堅像性を示し、最適なモデルパラメータを即座に選択することで、テストされたすべての構成において一貫して安全マージンを維持した。
  • 観察： グリッドベースのアプローチは、特に統計的（手法C）のみの不確実性境界を使用する場合において、制約の強制を経験的なチューニングパラメータから効果的にデカップリング（分離）した。

• アダプティブ・クルーズ・コントロール（ACC）： 車両の縦方向ダイナミクスを表す二階系を用いて、車両間距離を追従させた。

• シナリオ： 参照軌道が一時的に最小安全距離を侵害するように変更された。

• 結果： 名目上のコントローラのみでは、システムを安全でない状態へと導いてしまう。提案されたCBFベースのコントローラは、名目上の動作を正常にオーバーライドし、正確な車両モデルに依存することなく、車両間距離を安全閾値以上に維持することに成功した。

• 性能： グリッド戦略は、空気抵抗や転がり抵抗の変化に対処するために、スケーリングパラメータ $\beta$ をリアルタイムで適応させ、堅牢な安全強制を実現した。

意義と主張

著者らは、本研究が、詳細なシステムモデルを必要とせずに、高次の相対次数と重大なモデリング不確実性を持つシステムにおいて安全性を強制するための体系的なフレームワークを提供すると主張している。

• 堅牢性： 不確実性を明示的に伝播させることで、推定誤差や測定ノイズが存在してもシステムが安全であり続けることが可能となり、従来のモデルフリーCBFの適用における主要な課題に対処している。
• 予見性： 不確実性に基づいて安全境界をシフトさせることで、コントローラは安全違反が発生する前にそれを予見し、防止することができる。
• 適用可能性： 本アプローチは、ダイナミクスが複雑または不明瞭な、自動車システム（ACC）や、詳細な電気化学モデルなしに安全制約（電圧、電流、温度）を強制する必要があるエネルギーシステム（例：バッテリー充電）などの、安全性が極めて重要なアプリケーションにおいて特に有用である。

本論文は、グリッド戦略が強化された堅牢性とより簡便なチューニングを提供する一方で、フレームワーク全体としては、推定誤差を明示的に考慮することで、モデルフリー制御における形式的な安全性保証を導出するための新しい方向性を切り開くものであると結論付けている。