予測的ゾノトープ縮小：不確実性下での高精度ランタイム監視

本論文は、不確実性を伴うセンサ計測下でロボットの安全性を監視するRuntime Monitoringにおいて、Zonotopeの精度を保つための新しい削減手法Predictive Zonotope Reduction (PZR)を提案する。Zonotopeは不確実性の表現に広く使われるが、計測を組み込むと次数が無制限に増加するため、定期的に過剰近似削減が必要となる。既存手法は固定の削減方法を用いるが、最適な方法は現在の状態に依存する。PZRは削減方法の選択を最適制御問題として定式化し、beam-search model predictive control (MPC)で解く。さらに、policy distillationにより小型のニューラルポリシーを学習し、MPCより高速で高性能な実行を実現する。RLolaフレームワークに実装し、MuJoCo上の5自由度ロボットアームで評価した。

先行研究では、Zonotopeの削減方法を実行中固定しており、状態に応じた最適な選択ができず、精度が低下する可能性があった。PZRは削減方法の選択を動的最適化問題として扱い、現在の状態に応じて最適な削減方法を選択する点が新しい。また、MPCを直接使うと計算コストが高いが、policy distillationにより小型のニューラルポリシーを学習することで、リアルタイム性を保ちつつ精度を向上させる点も優れている。

手法の核心は、Zonotope削減方法の選択を最適制御問題として定式化し、beam-search MPCで解くこと。具体的には、各時刻で削減方法の候補を選択し、将来の不確実性の伝播をシミュレートして、安全性仕様に対する違反の可能性を最小化する。MPCの計算負荷を軽減するため、policy distillationを用いてニューラルポリシーを学習し、実行時はそのポリシーで高速に削減方法を決定する。

RLolaフレームワークに実装し、MuJoCoでシミュレートした5自由度ロボットアームで評価した。センサ不確実性はISO 5725に基づいてモデル化した。Raspberry Pi 5上での実験で、動的削減が静的削減戦略と比較して誤検出率(false-positive rates)を大幅に低減することを示した。

要旨からは、PZRの計算コストや、ニューラルポリシーの学習に必要なデータ量、他のロボットシステムへの一般化可能性などについての議論は不明。また、静的削減戦略との比較のみで、他の動的手法との比較は要旨にない。

要旨で参照されている関連研究として、Zonotopeの削減方法（例：Kuhn, 1998など）や、Runtime Monitoringフレームワーク（例：RLola）が挙げられる。また、Model Predictive ControlやPolicy Distillationの一般的な手法も関連する。