強化学習
学習方策を安全に動かすランタイム保証：監視・シールド・フォールバックの設計
学習方策をアクチュエータへ直結せず、制約監視、出力修正、リカバリ、停止を分離して設計する方法と限界を整理します。
ロボットの世界モデルを制御に使うには：状態推定・予測・行動生成の役割分担
世界モデルを状態推定やMPCの代替ではなく、将来予測と候補行動評価を担う上位層として捉え、安全な制御構成と判断基準を整理する。
Sim-to-Realの性能劣化を分解する：物理パラメータ・センサー・制御の補正手順
実機ログからSim-to-Realの性能差を観測、遅延、制御、物理、接触、環境、方策に分解し、補正の順序と判断基準を整理します。
