安全制御/不確実性定量化2026/4/1arXiv:2604.06058

多段階カバレッジ保証を備えた安全な動的適応のための段階的積分オンラインコンフォーマル予測

Staggered Integral Online Conformal Prediction for Safe Dynamics Adaptation with Multi-Step Coverage Guarantees

状態微分の測定なしで動的モデルが適応するシステムに対し、積分スコア関数を用いたオンラインコンフォーマル予測法を提案し、安全制御との統合で長期安全性を保証する。

詳しい要約

1. どんなもの？

- 不確かな適応システムの安全制御において、オンラインconformal predictionを用いて不確実性を定量化する手法。 - 状態微分の測定なしに動力学を適応させるシステムに対し、標準的なオンラインconformal predictionでは不十分。 - 提案手法SI-OCPは、外乱と学習誤差の集約効果を積分スコア関数で定量化し、長期的なカバレッジ保証を提供。 - 安全臨界制御器（robust tube MPCなど）と統合することで長期的な安全性を実現。 - 全層DNN適応quadcopterの数値シミュレーションで有効性を検証。

2. 先行研究と比べてどこがすごい？

- 標準的なオンラインconformal predictionは、予測出力の真値がオンラインで明らかになる場合に不確実性を定量化できるが、状態微分の測定なしに動力学を適応させるシステムには不十分。 - 従来の安全臨界制御は保守的な最悪ケース不確実性境界に依存し、閉ループ性能を制限。 - SI-OCPは積分スコア関数を用いることで、外乱と学習誤差の集約効果を捉え、長期的なカバレッジ保証を提供。 - これにより、複雑な学習パラメータ化と制御戦略に適用可能。

3. 技術・手法の肝は？

- 積分スコア関数を利用して、外乱と学習誤差の集約効果を定量化。 - オンラインconformal predictionの枠組みで、長期的なカバレッジ保証を提供。 - 安全臨界制御器（robust tube MPCなど）と統合し、長期的な安全性を保証。 - 全層DNN適応quadcopterに適用可能な手法。

4. どうやって有効だと検証した？

- 全層DNN適応quadcopterの数値シミュレーションを実施。 - robust tube MPCと組み合わせて、提案手法の有効性を検証。 - 複雑な学習パラメータ化と制御戦略への適用可能性を示した。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、online conformal prediction、robust tube model predictive control、adaptive control、deep neural network (DNN) ベースの適応制御が挙げられる。

※ 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: Daniel M. Cherenson, Dimitra Panagou

分類: eess.SY, cs.RO, cs.SY

原文アブストラクト

Safety-critical control of uncertain, adaptive systems often relies on conservative, worst-case uncertainty bounds that limit closed-loop performance. Online conformal prediction is a powerful data-driven method for quantifying uncertainty when truth values of predicted outputs are revealed online; however, for systems that adapt the dynamics without measurements of the state derivatives, standard online conformal prediction is insufficient to quantify the model uncertainty. We propose Staggered Integral Online Conformal Prediction (SI-OCP), an algorithm utilizing an integral score function to quantify the lumped effect of disturbance and learning error. This approach provides long-run coverage guarantees, resulting in long-run safety when synthesized with safety-critical controllers, including robust tube model predictive control. Finally, we validate the proposed approach through a numerical simulation of an all-layer deep neural network (DNN) adaptive quadcopter using robust tube MPC, highlighting the applicability of our method to complex learning parameterizations and control strategies.

arXivで原文を読む →arXiv概要ページ

← 論文一覧