日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

安全制御arXiv:2512.24493

学習したエネルギー関数を持つポート・ハミルトン系に対するベイズ的安全保証

Bayesian Safety Guarantees for Port-Hamiltonian Systems with Learned Energy Functions

シェア:XThreadsFacebookLINEはてブBluesky

ハミルトニアンをデータから学習する際の不確かさをベイズ的に伝播させ、安全フィルタの信頼性保証を可能にする手法を提案。

詳しい要約

1. どんなもの?

- Port-Hamiltonian systems において Hamiltonian をデータから学習する際に生じるモデル不確実性を、安全フィルタへ伝播させる枠組み。 - 学習されたエネルギー関数に基づく control barrier functions (CBF) の安全保証を Bayesian に与える。 - エネルギーとベクトル場の不確実性を別々の credible set として扱い、独立に調整可能な credibility budget を持つ。

2. 先行研究と比べてどこがすごい?

- 学習 Hamiltonian を用いる CBF が持つモデル不確実性を明示的に安全フィルタへ伝播する点。 - エネルギー不確実性と drift 不確実性を disjoint な credible set として分離し、end-to-end の安全保証を少なくとも 1-(η_dr+η_ptB) として与える。 - 比較対象の unstructured GP-CBF より planar manipulator で大きい safe set を得たと報告。

3. 技術・手法の肝は?

- 二段階 Bayesian アプローチ。 - 第一段: Hamiltonian の posterior prediction から energy storage の credible band を作り、Bayesian barrier の safe set を credibility 1-η_ptB の高確率 inner approximation とする。 - 第二段: drift credible ellipsoid で CBF 不等式内の vector field 不確実性を credibility 1-η_dr で扱う。 - 両不確実性が disjoint な credible set を通るため保証を合成。

4. どうやって有効だと検証した?

- GP-learned Hamiltonian を用いた mass-spring oscillator 実験で、限られたノイズ付き観測でも安全を維持することを示す。 - planar manipulator 上で unstructured GP-CBF 代替手法より大きい safe set が得られることを示す。

5. 議論はある?

- 保証は少なくとも 1-(η_dr+η_ptB) であり、credibility budget を独立に調整できる。 - 実験は mass-spring oscillator と planar manipulator に限られ、他の系への一般化やスケーラビリティに関する議論は要旨からは不明。

6. 次に読むべき論文は?

- 比較対象として言及される unstructured GP-CBF に関する研究。 - 背景として control barrier functions、port-Hamiltonian systems、Gaussian process (GP) による学習モデル、Bayesian safety filter の関連文献。

※ 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: Chi Ho Leung, Philip E. Paré

分類: eess.SY, cs.RO, cs.SY

原文アブストラクト

Control barrier functions for port-Hamiltonian systems inherit model uncertainty when the Hamiltonian is learned from data. We show how to propagate this uncertainty into a safety filter with independently tunable credibility budgets. To propagate this uncertainty, we employ a two-stage Bayesian approach. First, posterior prediction over the Hamiltonian yields credible bands for the energy storage, producing Bayesian barriers whose safe sets are high-probability inner approximations of the true allowable set with credibility $1 - (\eta_{\mathrm{ptB}})$. Independently, a drift credible ellipsoid accounts for vector field uncertainty in the CBF inequality with credibility $1 - (\eta_{\rm dr})$. Since energy and drift uncertainties enter through disjoint credible sets, the end-to-end safety guarantee is at least $1 - (\eta_{\rm dr} + \eta_{\mathrm{ptB}})$. Experiments on a mass-spring oscillator with a GP-learned Hamiltonian show that the proposed filter preserves safety despite limited and noisy observations. Moreover, we show that the proposed framework yields a larger safe set than an unstructured GP-CBF alternative on a planar manipulator.

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. 2newmo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
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI