微分可能到達可能性による非線形システムの安全なリアルタイム能動モデル識別と故障診断

本論文は、不確実な連続時間非線形システムに対する安全かつリアルタイムな能動的故障診断とモデル識別のアルゴリズムを提案する。アクチュエータ故障やセンサ故障を含む候補モデル集合が与えられたとき、有限ホライズンで状態・入力の安全制約をロバストに満たしつつ、測定値が高々1つのモデルと整合するようにシステムを駆動する出力フィードバック時変ポリシー最適化問題を定式化する。これをリアルタイムで解くため、到達可能状態・出力集合の区間過近似と、モデル間の到達可能出力集合の重なりを罰する微分可能目的関数を用いた扱いやすい近似を開発する。JAXと微分可能到達可能性プリミティブを用いた勾配法でオンライン最適化する。

先行研究と比べて、安全制約をロバストに強制しながら能動的故障診断を行う点、および微分可能到達可能性を用いてリアルタイムに解く点が優れている。従来の能動的故障診断は安全制約やリアルタイム性の両立が困難であったが、本手法は区間過近似と微分可能目的関数により、勾配ベースの効率的なオンライン最適化を可能にした。また、最大11の故障モードを持つ高次元非線形ロボットシステムで、50ms未満で信頼性の高いモデル識別を達成し、ベースラインを識別成功率と速度で上回り、形式的な安全保証を提供する。

技術の肝は、出力フィードバック時変ポリシー最適化問題を、到達可能状態・出力集合の区間過近似と微分可能な識別可能性目的関数で近似する点にある。識別可能性は、可能なモデル間の到達可能出力集合の重なりを罰する微分可能目的関数として符号化される。これにより、JAXと微分可能到達可能性プリミティブを用いた勾配ベースのオンライン最適化が可能となり、リアルタイム求解を実現する。安全制約は有限ホライズンでロバストに強制される。

検証は、センサ故障とアクチュエータ故障の診断（最大11故障モード）を、いくつかの高次元非線形ロボットシステムで評価した。具体的には、シミュレーションされたquadrotorとfighter-jetモデル、ハードウェアのdifferential-drive robot、quadrupedal navigationを含む。これらのケーススタディで、本手法は50ms未満で信頼性の高いモデル識別を達成し、識別成功率と速度でベースラインを上回り、形式的な安全保証を提供した。

議論としては、本手法が形式的な安全保証を提供しつつリアルタイム性能を達成した点が挙げられるが、要旨からは限界や失敗ケース、仮定の詳細については不明である。また、区間過近似の保守性や微分可能到達可能性の計算コスト、高次元システムへのスケーラビリティについての議論は要旨からは不明である。

要旨で参照・比較されている研究は明示されていないが、関連手法としてactive fault diagnosis、model discrimination、differentiable reachability、interval over-approximation、JAXを用いた勾配ベース最適化が挙げられる。同分野の定番としては、set-based fault diagnosis、moving horizon estimation、reachability analysis、active learning for model discriminationなどが次に読むべき論文として考えられる。