模倣学習（IL）研究では、これまでタスクの成功率がポリシーの性能を測る主要な指標とされてきました。しかし、この特性により、安全性が極めて重要な現場ロボット工学へのILアルゴリズムの応用が厳しく制限されています。多くの場合、ILで動くロボットが現場で安全性を保証できないならば、ポリシーを実行せず、したがって低い性能を示すことが望まれます。古典的な制御理論では安全性と性能のトレードオフはよく研究されていますが、IL研究におけるポリシーの安全性はほとんど未開拓の領域です。ILには安全性の普遍的な定義がなく、さらに既存の安全性に関する理論的研究の多くは、現場のILロボットに拡張することが著しく困難です。
本論文は、ILポリシーの安全性と性能に関する重要な洞察を提供します。我々は「実行保証」と呼ばれるポリシー非依存の安全指標を提案します。これは、状態空間の特定領域内で、実行時の微小な変化にもかかわらず、視覚運動ILポリシーに対して最大タスク成功率を保証するものです。我々は、視点合成（view synthesis）の最近の進歩を活用してILポリシーの状態空間内のそのような領域を特定し、集合不変性に関する基本的な結果—すなわちNagumoの劣接線条件—を探求して、その領域内部からの実行保証を証明し、運用可能にします。
Frankaロボットを用いたシミュレーションと実世界の両方での実験により、提案する安全分析によって、さまざまなILポリシーが保証付きで最大タスク成功率を達成できることを実証します。具体的には、複数のILアルゴリズムをテストし、実行保証がさまざまな条件下で有効であることを確認しました。さらに、安全性分析の副産物である回復ポリシーがポリシーの性能向上に役立ち、ILにおける安全と性能のトレードオフを緩和するという興味深い結果も示します。これにより、ロボットは安全性を保証しつつ、回復ポリシーを通じて行動を再調整し、全体のタスク成功率を向上させることができます。
本研究は、安全性が重要な環境でILを活用したロボットを展開するための重要な理論的基盤と実用的ツールを提供します。形式的安全検証とデータ駆動型学習を組み合わせることで、ILを製造業、医療、サービス分野などの現場ロボットに応用する新たな道を開きます。今後の研究では、実行保証の概念をさらに拡張し、より複雑な環境や動的変化に対処することが期待されます。この論文は、ILの安全性研究の空白を埋め、現実のロボットにおけるAIの安全な展開を強力に支援します。