安全なダイナミクス適応のための段階的積分オンライン共形予測：多段階のカバレッジ保証付き

要旨: 不確実で適応するシステムの安全性が重要な制御は、多くの場合、閉ループ性能を制限する保守的な、最悪ケースの不確実性境界に依存しています。オンライン共形予測（conformal prediction）は、予測された出力の真値がオンラインで明らかになるときの不確実性を定量化するための強力なデータ駆動手法です。しかし、状態の微分に関する測定なしに動力学を適応させるシステムでは、標準的なオンライン共形予測ではモデル不確実性を定量化するのに不十分です。本稿では、撹乱と学習誤差の束ねられた効果を定量化するための積分スコア関数を用いるアルゴリズム「Staggered Integral Online Conformal Prediction（SI-OCP）」を提案します。この手法は長期にわたる被覆（カバレッジ）保証を提供し、安全性が重要なコントローラ、たとえばロバスト・チューブ・モデル予測制御（robust tube model predictive control）と統合した場合に長期的な安全性につながります。最後に、本提案手法の妥当性を、ロバスト・チューブMPCを用いた全層ディープニューラルネットワーク（DNN）による適応型クアッドコプタの数値シミュレーションによって検証し、複雑な学習パラメータ化および制御戦略への本手法の適用可能性を示します。