本手法は、学習された非線形ダイナミクスを持つ自律移動エージェントのための効率的な確率的リスク制限付き軌道計画アルゴリズムを提案する。生成-検証アプローチを用いて、近似線形ダイナミクスモデルを使って候補軌道を生成し、正確な確率的ダイナミクスモデルを使って軌道のリスクを評価する。リスクが所定の制限を超える場合は、新たな安全制約を生成して軌道計画に組み込むことで、最終的に安全な軌道を得る。
本研究では、自律移動ロボットの動特性を効率的に特定し、学習するためのDRIVEプロトコルを提案する。また、動特性を考慮したベイズ線形回帰モデルを開発し、従来手法と比較して優れた予測性能を示す。