Feasibility and Singularity in High-Order Safety-Critical Control for Quadrotor UAVs

ディナープレートほどの大きさもない、小さな飛行ロボットの群れが、混雑した空間を共にナビゲートすることを想像してみてください。これらのマシンはクアッドローターとして知られ、現代の航空ロボティクスの主力であり、橋の点検から医療品の配送まであらゆることに使用されています。しかし、彼らには根本的な物理的限界があります。それは、自身の機体に対して一方の方向に推力を発生させるために、機体を傾け、プロペラを回転させることでしか、自身を前後へ押し出すことができないという点です。このため、彼らが横方向に移動したり、傾くことなく急停止したりする必要がある場合、制御は本質的に困難になります。これらのロボットが至近距離で飛行する場合、衝突のリ訳は常に存在します。安全を確保するため、エンジニアは「数学的な安全フィルター」を使用します。これは目に見えないガードレールの役割を果たし、ロボットの経路を常にチェックし、衝突が差し迫った場合にのみ介入します。目標は、ロボットが意図したコースにできる限り忠実に従わせつつ、災害を防ぐために絶対に必要な場合にのみ介入することです。

これらのロボットが、モーターが生成できる最大推力などの厳格な物理的制限の下で動作しなければならない場合、課題はさらに激化します。複雑なシナリオでは、状況の幾何学的な構成が安全システムに不利に働くことがあります。例えば、2台のロボットが特定の角度から互いに接近している場合、衝突を回避するために必要な押し返す方向が、モーターが実際に推力を出せる方向に対して垂直になってしまうことがあります。このような瞬間、安全システムは必要な力を生成する能力を失います。これは「特異点（シンギュラリティ）」と呼ばれる現象です。さらに、たとえ安全システムが個々のロボットのペアに対して完璧に機能したとしても、複数の隣接するロボットとの衝突を同時に回避するという集団的な要求が、チーム全体が生成できる総推力を超えてしまうことがあります。これは、安全ルールを同時に満たすことが数学的に不可能となり、システムの安全維持能力が崩壊する状況を生み出します。

最近の研究において、研究者のオマイラ・ヤゴ・ニエトとレオナルド・コロンボは、クアッドローター・ドローンのチームにおけるこれらの特定の失敗モードを調査しました。彼らは、安全フィルターがいつ、なぜ失敗するのかを正確に理解し、これらの限界を克服できる新しい制御手法を設計しようと試みました。彼らの研究は、2つの異なる問題に焦点を当てています。一つは、ロボットの利用可能な推力が進行方向とずれている場合に有効性が失われること、もう一つは、共有された電力制限のために、グループ全体が同時にすべての安全制約を満たすことができなくなることです。状況の物理学を分析することで、彼らは、ロボット間の距離を見る標準的な安全チェックが、ロボットが推力の方向を変えるために機体を回転させる能力を考慮していないために、しばしば失敗することを特定しました。

これを解決するために、研究者たちは、より先を見越した高度なアプローチを開発しました。単にロボット間の現在の距離をチェックするのではなく、彼らの新しい手法は、次の数瞬間に速度、加速度、および回転力がどのように進化するかを考慮に入れます。彼らは、トルク（回転に使用されるねじれ力）を安全計算に明示的に組み込む手法を導入しました。これにより、たとえロボットが今すぐ衝突から直接遠ざかるように押すことができなくても、コンマ数秒後には推力の方向を正しい方向に向けられることを理解する、より洗練された安全フィルターを作り上げました。この「トルクを考慮した（torque-aware）」拡張により、ドローンが依然として何らかの推力を発生させている限り、安全システムは常に補正力を生成するための有効な手段を持つことができます。

研究者たちはまた、「集団的な実現可能性（collective feasibility）」の問題にも取り組みました。彼らは、チーム全体がすべての安全制約を同時に満たせるかどうかを判断するための数学的な尺度を作成しました。彼らの分析によれば、個々のロボットのペアが管理不能な特異状態にない場合であっても、グループ全体としては、全員の安全を維持できるコマンドのセットが存在しない状況に陥ることがあります。これに対処するため、彼らは集団全体の実現可能性を常にチェックする新しい制御アルゴリズムを策定しました。システムが、チームが安全性の確保が不可能になる地点に近づいていることを検知すると、アルゴリズムはロボットの挙動を調整して安全な動作範囲内に留まるようにし、常に有効な解が存在することを保証します。

突風やロボットの重量のわずかな変動といった現実世界の予測不可能性に対処するため、チームは学習コンポーネントを組み込みました。彼らは「ガウス過程」と呼ばれる統計的手法を用いて、モデルにおける未知のエラーをデータから直接学習させました。あらゆる乱れを計算しようとするのではなく、システムはこれらのエラーのパターンを学習し、その周囲に安全マージンを構築します。これにより、コントローラーは、元のモデルが予測しなかった方法で環境が振る舞ったとしても、堅牢であり続けることができます。その結果、精密かつ適応力のある安全フィルターが実現し、不確実性に直面しても安全な距離を維持することが可能になりました。

チームは、3台のクアッドローターによる複雑な交差マニューバを含むコンピュータ・シミュレーションで、新しいコントローラーをテストしました。このシナリオでは、ロボットたちが互いに至近距離で通り過ぎる必要があり、これは研究者が防ごうとしたまさにその失敗を引き起こすように設計された状況です。標準的な古い安全コントローラーを使用してシミュレーションを実行したところ、システムは失敗しました。ロボット同士が危険なほど接近し、距離は安全限界である0.8メートルを大幅に下回る0.300メートルまで減少しました。古いコントローラーは数学的に行き詰まり、ロボットを離隔させるための解を見つけることができず、シミュレーションは停止せざるを得ませんでした。

対照的に、研究者が新しいトルク考慮型コントローラーを適用したとき、ロボットたちは見事にマニューバを完了しました。飛行中の全行程を通じて、任意の2機間の最小距離は0.822メートルであり、要求された閾値を安全に上回っていました。新しいシステムは、最もタイトな交差部分においても制御を失ったり安全制約に違反したりすることなく、ロボットを導きました。また、シミュレーションの結果、古いコントローラーはロボットの回転能力を考慮できなかったために失敗しましたが、新しいコントローラーはこの回転能力を利用して回避力を生成したことも明らかになりました。風や機械的な不完全さを模したランダムな乱れを導入した場合でも、新しいシステムは0.895メートルの安全な距離を維持し、その回復力を証明しました。

本研究は、ドローンの物理学（具体的には回転力学）をより深く掘り下げ、データから学習することで、エンジニアはより信頼性の高い安全システムを作成できると結論付けています。研究者たちは、幾何学的な特異点や集団的な電力制限によって安全フィルターが失敗するという懸念が、マシンの全能力を尊重する制御戦略によって軽減できることを実証しました。彼らの研究は、安全性が不可欠な、混雑した現実世界の環境において、ドローンのチームを配備するための具体的な道筋を提供しており、たとえ状況が不可能に見える場合でも、これらの航空ロボットが衝突することなく共に作業できることを保証しています。