日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

安全保証arXiv:2511.07899

安全フィルタのアンサンブルと共形予測による制御システムの安全性の統計的保証

Statistically Assuring Safety of Control Systems using Ensembles of Safety Filters and Conformal Prediction

シェア:XThreadsFacebookLINEはてブBluesky

学習したハミルトン・ヤコビ値関数と安全政策の不確実性を共形予測で境界付け、確率的な安全保証を提供するフレームワークを提案。独立に訓練した値関数のアンサンブルを安全フィルタとして用いる手法も検討。

詳しい要約

1. どんなもの?

- 学習ベースの制御システムの安全性保証を目的としたフレームワーク。 - Hamilton-Jacobi (HJ) reachability analysisの計算コスト問題に対処するため、強化学習で価値関数を近似。 - 学習された価値関数と安全ポリシーの不確実性をconformal prediction (CP)で境界付け、確率的な安全保証を提供。 - 安全フィルタとして複数のHJ価値関数のアンサンブルも検討。

2. 先行研究と比べてどこがすごい?

- 従来のHJ reachability analysisは高次元システムで計算コストが高い。 - 学習による近似は保証がないが、本研究はCPを用いて学習された価値関数とポリシーに確率的保証を付与。 - アンサンブルアプローチを単一の価値関数と比較し、安全性フィルタとしての有効性を検討。

3. 技術・手法の肝は?

- CPを用いて、学習されたHJ価値関数の評価値と実際の安全リターンとの間の不確実性を境界付け。 - 安全でないnominal controllerと学習されたHJベースの安全ポリシーとの間の切り替えをCPでキャリブレーション。 - 切り替えポリシー下での安全保証を導出。 - 独立に訓練されたHJ価値関数のアンサンブルを安全フィルタとして使用する方法も調査。

4. どうやって有効だと検証した?

- 要旨からは不明(具体的な実験や検証方法は記述されていない)。

5. 議論はある?

- 学習された価値関数とポリシーの不確実性をCPで定量化するアプローチの有効性を議論。 - アンサンブルと単一価値関数の比較を通じ、安全フィルタとしての性能を検討。 - 計算コストと保証のトレードオフについて言及。

6. 次に読むべき論文は?

- Hamilton-Jacobi (HJ) reachability analysisに関する原論文。 - Conformal predictionの基礎論文。 - 強化学習による安全制御や安全フィルタに関する研究(例: safe reinforcement learning, control barrier functions)。 - アンサンブル学習や不確実性推定に関する研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ihab Tabbara, Yuxuan Yang, Hussein Sibai

分類: cs.LG, cs.AI, cs.RO, cs.SY, eess.SY

原文アブストラクト

Safety assurance is a fundamental requirement for deploying learning-enabled autonomous systems. Hamilton-Jacobi (HJ) reachability analysis is a fundamental method for formally verifying safety and generating safe controllers. However, computing the HJ value function that characterizes the backward reachable set (BRS) of a set of user-defined failure states is computationally expensive, especially for high-dimensional systems, motivating the use of reinforcement learning approaches to approximate the value function. Unfortunately, a learned value function and its corresponding safe policy are not guaranteed to be correct. The learned value function evaluated at a given state may not be equal to the actual safety return achieved by following the learned safe policy. To address this challenge, we introduce a conformal prediction-based (CP) framework that bounds such uncertainty. We leverage CP to provide probabilistic safety guarantees when using learned HJ value functions and policies to prevent control systems from reaching failure states. Specifically, we use CP to calibrate the switching between the unsafe nominal controller and the learned HJ-based safe policy and to derive safety guarantees under this switched policy. We also investigate using an ensemble of independently trained HJ value functions as a safety filter and compare this ensemble approach to using individual value functions alone.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI