ヒューマノイドロボットは、高次元の身体構造、多数の衝突制約を持ち、人や障害物の近くで動作する必要があるため、安全な展開が難しい。安全フィルタは、公称制御動作が衝突回避制約に違反する可能性がある場合にそれを修正することで安全性を支援する。しかし、公称ベンチマークスコアだけでは、これらのフィルタがより困難な環境でどのように振る舞うかを完全に示すことはできない。
本研究「SPARKヒューマノイド安全フィルタの敵対的ストレステスト」では、SPARKヒューマノイド安全フィルタの堅牢性を再現とストレステストを通じて分析した。研究者らはまず、MuJoCoシミュレーション環境でSPARKベンチマークケースG1SportMode_D1_WG_SO_v1を再現し、制御された乱数シードの下で6つの安全フィルタ（RSSA、RSSS、SSA、CBF、PFM、SMA）を体系的に評価した。
性能をより詳細に定量化するため、チームはSPARKの生ログを3つの主要指標（目標追従精度、最小距離、衝突ステップ数）に変換する後処理パイプラインを開発した。これらの指標は、安全性とタスク完了の間のトレードオフを異なる角度から明らかにする。
実験結果は、手法によって得意分野が異なることを示した。ある手法は目標追従においてより緊密に追従し、タスクの方向性を維持する能力に優れる。一方、別の手法は衝突ステップの削減においてより効果的であり、より強い安全性を示す。この差異は、すべての次元で同時に最適となるフィルタは存在せず、実際の展開では具体的なタスク要件に応じた取捨選択が必要であることを示唆している。
さらに重要なことに、ストレステストは、より困難な条件下で安全挙動が著しく変化することを明らかにした。研究者らは障害物の密集、距離推定ノイズ、障害物情報の遅延などのシナリオをシミュレートし、これらの要因がフィルタの意思決定を妨げ、本来有効な安全戦略を無効化または性能低下させることを発見した。
これらの知見は、ヒューマノイドロボットの自律性評価が公称性能のレベルにとどまってはならないことを強調している。研究チームは、展開前に潜在的な故障モードを顕在化させる指標を用いた包括的な評価を採用することを推奨し、実環境におけるヒューマノイドロボットの安全性をより確実に保証することを目指している。本論文は5ページ、7図、1表で構成され、コードは公開されており、今後の研究に再現可能な基盤を提供している。