模倣学習（Imitation Learning, IL）は、ロボットの複雑な操作タスクを学習する強力な手法であり、フローマッチングや拡散ポリシーなどの最近のアルゴリズムは顕著な性能を示しています。しかし、これらのポリシーは訓練分布内であっても、初期条件への極端な感度と近似誤差による複合ドリフト（compounding drift）のために頻繁に失敗します。このため、実環境での展開は安全とは言えません。安全な展開の前提条件は、ポリシーがデモンストレーションから学習した方法でタスクを実行できるかどうかを判断できるようにすることです。
この課題に対処するため、Riad AhmedとMomotaz BegumはarXivに発表した論文でTAIL-Safe（Task-Agnostic Safety Monitoring for Imitation Learning Policies）を提案しました。TAIL-Safeの核心は、学習済みILポリシーに対して、ポリシーが経験的にタスクを成功裏に完了できる「安全セット」（safe set）を特定することです。彼らは、状態-行動ペアを長期的な安全スコアにマッピングするLipschitz連続なQ値関数を設計しました。このスコアは、可視性（visibility）、認識可能性（recognizability）、把握可能性（graspability）という3つの短期的でタスク非依存の基準に基づいています。これらの基準により、ポリシーは各ステップで現在の状態が安全かどうかを判断できます。このQ関数のゼロ超レベル集合（zero-superlevel set）は、状態-行動空間上の経験的な制御不変集合（empirical control invariant set）を特徴づけます。
ポリシーがこの安全セット外の行動を提案した場合、TAIL-Safeは回復メカニズムを起動します。このメカニズムはNagumoの定理に着想を得ており、Q関数への勾配上昇を用いてポリシーを安全領域に戻します。Q関数を学習するために、研究者はガウススプラッティング（Gaussian Splatting）技術を用いて高忠実度のデジタルツインを構築し、物理ハードウェアにリスクを与えることなく失敗データを体系的に収集しました。これにより、実験リスクを低減し、より多くの失敗事例からモデルが学習できるようになりました。
実験ではFranka Emikaロボットを使用しました。結果は、TAIL-Safeのガイダンスなしでは実行時の摂動下で失敗するフローマッチングポリシーが、TAIL-Safeの支援により一貫してタスクを成功させることを示しました。この研究は、模倣学習ポリシーの安全な展開に対する汎用的でタスク非依存のソリューションを提供し、実際的な意義を持ちます。さらに、この手法は特定のタスクに依存しないため、様々なロボット操作シナリオに広く適用でき、将来のロボット安全研究の基盤となります。