Neural CBFとConformal Predictionによる制御の確率的な安全性保証

抄録

非線形離散時間システムの制御で安全性を保証する新しい手法を提案する。この手法では、ニューラルネットワーク(NN)で学習したControl Barrier Functions（CBF）を使い、システムが安全状態を維持できるかを判断する。さらに、Conformal Prediction(CP)を活用し、CBFの予測値と真値の誤差を評価して、安全性を確率的に保証する。ポテンシャル法で経路計画を行ったロボットに対して本手法を適用し、デッドロックのような発生条件が定式化しにくい危険状態に対しても適用可能であり、CPによってシステムが安全状態を維持する確率を定量化できることを実証した。データ駆動型の制御設計と確率的安全性保証を組み合わせたこの手法は、制御システムの安全性向上に役立つ。