ルールブックを用いたリスク認識型最適制御

本論文は、複数の要件が異なる優先度と評価の不確実性を持つ安全クリティカルな制御問題を扱う。要件をrisk-aware rulebooksとして表現し、各要件にリスク尺度と許容閾値、優先関係を割り当てる。各要件はポリシーを違反リスクに写像するリスク評価関数を誘発する。risk-aware rulebooksを用いたリスク認識最適制御を、超過リスクに関するlexicographic optimization problemとして定式化し、anytime filtering and branch-and-bound algorithmを開発する。このアルゴリズムは、認定された最適性ギャップを漸進的に厳密化し、各優先レベルでのポリシー集合を特徴付ける。ポリシーとギャップを返し、ギャップはその次善性を制限する。

先行研究では、複数の要件を扱う際に、優先度を考慮しない重み付き和や、リスクを決定論的に評価することが多かった。本手法は、リスク尺度（例：CVaR）を用いて不確実性を明示的に扱い、要件間の優先順位をlexicographicに組み込む点が新しい。また、anytimeアルゴリズムにより、計算予算が有限でも有効な最適性ギャップを提供し、予算増加に伴いギャップがゼロに収束することを理論的に保証する点が優れている。

手法の核は、risk-aware rulebooksをlexicographic optimization problemとして定式化し、anytime filtering and branch-and-boundアルゴリズムを適用すること。各優先レベルで、より高い優先度の要件の超過リスクを最小化しつつ、次の優先度の要件を考慮する。アルゴリズムは、ポリシー空間を枝刈りしながら、各レベルでの最適ポリシー集合を近似し、最適性ギャップを計算する。ギャップは有限計算予算でも有効であり、追加の仮定の下で予算増加とともにゼロに収束することを証明している。

検証は、既知の最適解を持つ合成ベンチマークと、CVaRベースの衝突、後方制動、車頭時間、快適性ルールを用いた現実的な高速道路合流シミュレーションで行った。合成ベンチマークでは、アルゴリズムが正しい最適解に収束することを確認し、高速道路合流では、複数のリスク要件を優先度に従って満たすポリシーを生成できることを示した。

要旨からは、アルゴリズムの計算複雑性や、実際のロボットへの適用におけるリアルタイム性についての議論は不明。また、リスク尺度の選択や閾値の設定が結果に与える影響についての考察も要旨には含まれていない。さらに、提案手法は離散的なポリシー空間を仮定している可能性があり、連続空間への拡張が課題となるかもしれない。

要旨で参照されている関連研究は明示されていないが、リスク認識制御やlexicographic optimization、rulebooksの概念に関連する論文が考えられる。具体的には、rulebooksの元となった論文や、CVaRを用いたリスク制御、branch-and-bound法を用いた最適制御の研究を読むとよい。