学習されたエネルギー関数を用いるポート・ハミルトニアン系に対するベイズ的安全保証
arXiv cs.RO / 2026/4/6
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ハミルトニアンをデータから学習する際のモデル不確実性によって、ポート・ハミルトニアン系に対する制御バリア関数（CBF）がどのように劣化するかを扱う。
- 事後不確実性をGPで学習したハミルトニアンに基づく「信頼できるエネルギー蓄積帯」および「ベイズ的な安全バリア」へと変換し、真の安全集合の高確率内近似を構成する、二段階のベイズ手法を提案する。
- ベクトル場（ダイナミクスのドリフト）に関する不確実性を、ドリフトに関する信頼できる楕円体を用いてCBF不等式へと別途伝播させる。その際、信頼度予算は独立に調整可能である。
- 得られるエンドツーエンドの安全保証は、少なくとも合成された故障確率であり、すなわち安全フィルタは少なくとも 1 − (η_dr + η_ptB) の確率で安全性を保証する。
- 質量・ばねオシレータでの実験および平面マニピュレータでの比較により、限られた／ノイズのある計測条件下で安全性の維持が改善され、非構造化GP-CBF手法よりも大きな安全集合を実現できることを示す。
