[論文レビュー] Reachability Analysis Using Hybrid Zonotopes and Functional Decomposition

Jacob A. Siefert, Trevor J. Bird+5 more|arXiv (Cornell University)|Apr 13, 2023

Robotic Mechanisms and Dynamics被引用数 5

ひとこと要約

本稿では、ハイブリッドゾノトープ、機能的分解、状態更新集合を用いたスケーラブルな到達可能性解析手法を提案する。この手法により、メモリと計算複雑度が時間と次元数に対して線形に増加する。高次元の非線形関数を低次元の成分に分解し、多面体集合をハイブリッドゾノトープに効率的に変換することで、ニューラルネットワーク制御系や高次元論理系と閉ループで動作する際の到達集合のタイトな上界近似が可能となり、先行手法と比較して17倍の高速化を達成した。

ABSTRACT

This paper proposes methods for reachability analysis of nonlinear systems in both open loop and closed loop with advanced controllers. The methods combine hybrid zonotopes, a construct called a state-update set, functional decomposition, and special ordered set approximations to enable linear growth in reachable set memory complexity with time and linear scaling in computational complexity with the system dimension. Facilitating this combination are new identities for constructing nonconvex sets that contain nonlinear functions and for efficiently converting a collection of polytopes from vertex representation to hybrid zonotope representation. Benchmark numerical examples from the literature demonstrate the proposed methods and provide comparison to state-of-the-art techniques.

研究の動機と目的

• 非凸性と指数的複雑度増加のため、非線形系の到達可能性解析におけるスケーラビリティの制限を解消すること。
• ニューラルネットワークを含む高度な制御系と閉ループで動作する際の到達集合の効率的計算を可能にすること。
• 新しい集合表現と分解技術により、時間と状態次元数に比例して線形増加するように、メモリと計算複雑度を低減すること。
• 非線形ダイナミクス用のオープンループおよびクローズドループ状態更新集合を一般化し、効率的に構築するための方法を提供すること。
• 連続時間非線形系および高次元論理系の両方において、スケーラビリティを実証すること。

提案手法

• 多変数非線形関数を1変数または2変数の成分に分解することで、次元の呪いを回避する。
• 一般の非線形関数を含むハイブリッドゾノトープを構築するための新規恒等式を導入し、非線形ダイナミクスの効率的上界近似を可能にする。
• 状態更新集合の表現を用いてシステムダイナミクスをモデル化し、オープンループ状態更新集合と状態入力写像を組み合わせることでクローズドループ集合を形成する。
• 頂点表現の多面体をハイブリッドゾノトープに変換するための新規変換恒等式を導入し、集合表現の効率性を向上させる。
• メモリ複雑度を制御するため、3ステップごとに周期的な上界近似を適用し、到達集合のタイトな包含を維持する。
• 包含関係と性能の検証のため、フル可視化の代替として低コストなサポート関数サンプリングを用いる。

実験結果

リサーチクエスチョン

• RQ1 機能的分解は、時間と次元数に対して線形のメモリと計算複雑度を達成する高次元非線形系のスケーラブルな到達可能性解析を可能にするか？
• RQ2 ハイブリッドゾノトープは、非線形関数を含む集合を効率的に表現・伝搬できるか？
• RQ3 ニューラルネットワーク制御系に対して、機能的分解とハイブリッドゾノトープを用いることで、従来手法に比べてどの程度の性能向上が達成できるか？
• RQ4 高次元論理系において、メモリ複雑度を低減しつつ、タイトな上界近似を維持できるか？
• RQ5 60状態および60入力を有する系において、計算時間とメモリ増加の両面で、この手法はどの程度スケーリングするか？

主な発見

• 高次元論理系において、実行時間を論理的ゾノトープの150秒から、ハイブリッドゾノトープと機能的分解を用いた場合の9秒にまで短縮し、17倍の高速化を達成した。
• ニューラルネットワーク制御系と閉ループで動作する連続時間非線形系において、1ステップあたりの平均計算時間はわずか5ミリ秒であり、到達集合のタイトな上界近似が達成された。
• 時間経過に伴い、メモリ複雑度は線形に増加した。3ステップごとの周期的上界近似により、ピーク複雑度が低減され、到達集合の包含関係が維持された。
• 軸に沿った方向でのサポート関数サンプリングは、15ステップで34秒で完了した。これは、フル可視化に要する時間（7378秒）の0.5％未満であった。
• 定理3の包含条件が、すべての時間ステップで満たされた。これにより、上界近似の正しさが確認された。
• 本手法により、時間と計算複雑度の両方が線形に増加するため、長時間スパンの到達可能性解析においてスケーラブルであることが示された。