ロボット工学システムが複雑なタスクと安全仕様を満たしながら不確実性の中で動作することは、現代の自動化において重要な課題である。本研究は、このような仕様の監視を不確実性下で実現するための新たなフレームワークを提案している。既存の監視手法は膨大なデータや明示的な不確実性分布を必要とするのに対し、この研究ではデータ駆動型の到達可能集合（reachable sets）を活用することで、必要なデータ量を大幅に削減することを目指している。 研究チームは海上航行を具体的なケーススタディとして選定した。海上では交通ルールから発生する複雑な仕様が多数存在し、システムの安全性確保が困難である。本フレームワークを海上環境に適用するため、到達可能集合を効率的に構築するためのデータ効率的パイプラインを開発し、リアルタイム配置に適した監視定式化を導き出している。 シミュレーション実験とハードウェア実験を通じて、現実的な外乱下での堅牢な監視能力が実証された。特に注目されるのは、提案手法が既存の最先端メトリクスと比較してリスク検出性能を向上させたという点である。この成果は、自動運転船舶や自律ロボットなど、不確実性下で安全性が重視される領域への応用が期待できる。