非凸制約下で安全性を保証する最小介入型シェアードコントロール

- 共有制御（shared control）において、ユーザ入力に関わらず安全性を保証しつつ、ユーザ意図からの逸脱を最小化する Constraint-Aware Assistive Controller を提案する研究。 - 低レベル制御で、recursive feasibility・厳密な制約充足・ユーザ意図への最小偏差をオンラインで実現することを狙う。 - 実世界で一般的な構造化された非凸制約群（non-convex constraints）を扱える点を特徴とする。

- 既存の shared control 手法（Model Predictive Control、Control Barrier Functions、learning-based control など）は feasibility・scalability・mixed constraints に課題があると指摘。 - 提案手法は recursive feasibility と厳密な制約充足を保証しつつ、ユーザ意図への偏差を最小化する点を狙う。 - 構造化された非凸制約を扱える点が既存手法との差異として示される。 - 66名参加の大規模ユーザスタディは shared control 研究でも最大級と位置づけられている。

- Robust Controlled Invariant Sets を用いて recursive feasibility を担保する。 - Mixed-Integer Quadratic Programming（MIQP）定式化により非凸制約を扱う。 - オンラインで制御行動を計算し、厳密な制約充足とユーザ意図からの最小偏差を両立させる Constraint-Aware Assistive Controller を構成する。

- シミュレーション環境での66名参加の大規模ユーザスタディを実施。 - タスク負荷（task load）、信頼（trust）、知覚された制御感（perceived control）に加え、性能（performance）を評価。 - 安全性とユーザ意図を損なわず、これら全項目で一貫した改善を報告。 - ロボットマニピュレータでの実世界実験により、有界外乱下での安全性と衝突回避動作を示す。

- ユーザスタディで task load・trust・perceived control・performance の全項目が改善し、安全性とユーザ意図を損なわないと報告。 - 実機マニピュレータ実験で bounded disturbances 下の安全性と collision-free operation を示す。 - 限界や今後の課題についての具体的な議論は要旨からは不明。

- Model Predictive Control ベースの shared control - Control Barrier Functions ベースの shared control - learning-based control を用いた shared control - Robust Controlled Invariant Sets に関する研究 - Mixed-Integer Quadratic Programming を用いた非凸制約下の制御