SafeStreamingFlow、サンプリングと実行ダイナミクスを物理時間で整合させ安全なストリーミング軌道計画を実現

生成モデルによる軌道計画において、実行ダイナミクスとサンプリングダイナミクスを整合させながら、推論時の安全制約を実時間で満たすことは可能か。

従来の拡散およびフローマッチング型安全プランナーは全軌道を一括生成し、中間状態に安全補正を繰り返すため、計算負荷が大きく、サンプリング過程が実行ダイナミクスとずれることで分布シフトや局所トラップ、実行時の安全違反が生じる。

従来手法は、Diffuser、SafeDiffuser、FM/SafeFM、FlowMatcher/SafeFlowMatcher、分類器ガイダンス（CG）などの軌道レベルの生成プランナーであり、全ホライズンHとサンプリング反復KにわたりH×K回の最適化を実行して安全制約を課す。計算コストが高く、中間サンプリング状態が実際に実行されないため動的整合性が崩れ、局所トラップや実行時安全違反が発生する。既存のストリーミング手法は主に行動模倣ポリシーとして定式化され、システムの実行ダイナミクスや開始状態と目標状態で条件付けされた有限ホライズン計画を扱っていない。

SafeStreamingFlowは、学習した開始状態と目標状態で条件付けした状態ベクトル場Fθを物理時間でオイラー積分し、1ステップ先の状態参照を逐次生成する。第二階システムの運動学的ショートカットを抑えるため、位置を先に予測して速度を後から予測する階層型状態予測器（HSP）を導入し、収縮条件付きフローとフローマッチング損失で学習する。生成した参照をPD制御器で追従させ、その出力を離散時間高次CBFフィルタで最小修正し、実行する1ステップのみに安全制約を課す。これにより最適化解の回数がO(HK)からO(H)へ削減され、閉ループ実行にそのまま適用できる。

Maze2Dでは、SafeStreamingFlowはUmazeで成功率98.0%（開ループと閉ループの両方）、実行時違反0件、トラップ0件を記録した。一方、SafeDiffuserは成功率67%、違反33%、トラップ24件、SafeFMは成功率80%、SafeFlowMatcherは成功率66%だった。MediumではSafeStreamingFlowの閉ループ成功率95%、違反0%に対し、SafeDiffuserは49%、SafeFMは46%、SafeFlowMatcherは25%。LargeではSafeStreamingFlowの閉ループ成功率88%、違反4%に対し、SafeDiffuserは13%、SafeFMは23%、SafeFlowMatcherは24%だった。F1TENTHでは、BudapestでSafeStreamingFlowが成功率73%、違反20%、最適化時間0.71秒に対し、SafeDiffuserは成功率0%、SafeFMは0%、SafeFlowMatcherは0%。CatalunyaではSafeStreamingFlowが成功率99%、違反0%を達成した。MuJoCo Hopperでは、SafeStreamingFlowはスコア51.4±3.4、実行時違反0.0%、1アクションあたり総遅延7.30msを記録し、SafeDiffuser（スコア16.6±13.7、違反85%、1012.4ms）より134倍高速だった。Gazebo倉庫ナビゲーションでは、SafeStreamingFlowの閉ループ成功率51%、違反1.0%に対し、SafeDiffuserは成功率34%、違反19%、SafeFMは37%、SafeFlowMatcherは38%だった。すべて100ロールアウトの平均値である。

著者は、SafeStreamingFlowがデータ対データの輸送を前提とするため、通常のノイズ対データのフローマッチングより豊富なデモンストレーションデータが必要と述べた。また、CBFに由来する限界として、二次障壁関数では扱える障害物形状が限られ、障壁関数とゲインを事前に指定する必要がある。再帰的実行可能性は未証明で、Maze2D Largeではフィルタが解を見つけられない場合があり、閉ループの一部ロールアウトで障壁違反が残った。さらに全評価がシミュレーションのみで、実機検証は未実施である。コードは公開されているが、査読付き会議や論文誌への採録は報告されていない。