論文の概要: Verification of Image-based Neural Network Controllers Using Generative Models

• arxiv url: http://arxiv.org/abs/2105.07091v1
• Date: Fri, 14 May 2021 23:18:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 14:59:30.965235
• Title: Verification of Image-based Neural Network Controllers Using Generative Models
• Title（参考訳）: 生成モデルを用いた画像ベースニューラルネットワーク制御器の検証
• Authors: Sydney M. Katz, Anthony L. Corso, Christopher A. Strong, Mykel J. Kochenderfer
• Abstract要約: 本稿では,GAN (Generative Adversarial Network) を学習し,入力画像に状態をマップする手法を提案する。 発電機ネットワークと制御ネットワークを連結することにより、低次元の入力空間を有するネットワークを得る。 本手法は,自律航空機のタクシー問題に対して,画像ベースニューラルネットワークコントローラの安全性保証を行う。
• 参考スコア（独自算出の注目度）: 30.34898838361206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural networks are often used to process information from image-based sensors to produce control actions. While they are effective for this task, the complex nature of neural networks makes their output difficult to verify and predict, limiting their use in safety-critical systems. For this reason, recent work has focused on combining techniques in formal methods and reachability analysis to obtain guarantees on the closed-loop performance of neural network controllers. However, these techniques do not scale to the high-dimensional and complicated input space of image-based neural network controllers. In this work, we propose a method to address these challenges by training a generative adversarial network (GAN) to map states to plausible input images. By concatenating the generator network with the control network, we obtain a network with a low-dimensional input space. This insight allows us to use existing closed-loop verification tools to obtain formal guarantees on the performance of image-based controllers. We apply our approach to provide safety guarantees for an image-based neural network controller for an autonomous aircraft taxi problem. We guarantee that the controller will keep the aircraft on the runway and guide the aircraft towards the center of the runway. The guarantees we provide are with respect to the set of input images modeled by our generator network, so we provide a recall metric to evaluate how well the generator captures the space of plausible images.
• Abstract（参考訳）: ニューラルネットワークは、画像ベースのセンサーから情報を処理して制御アクションを生成するためによく使用される。 このタスクには有効だが、ニューラルネットワークの複雑な性質により、その出力の検証と予測が難しくなり、安全クリティカルなシステムでの使用が制限される。 このため、最近の研究は、ニューラルネットワークコントローラのクローズドループ性能の保証を得るために、形式的手法と到達可能性分析のテクニックを組み合わせることに重点を置いている。 しかし、これらの手法は画像ベースニューラルネットワークコントローラの高次元かつ複雑な入力空間にスケールしない。 そこで本研究では,gan(generative adversarial network)を訓練し,適切な入力画像に対する状態のマッピングを行う手法を提案する。 生成ネットワークと制御ネットワークを結合することにより、低次元の入力空間を有するネットワークを得る。 この洞察により、既存のクローズドループ検証ツールを使用して、画像ベースコントローラの性能の正式な保証を得ることができる。 本手法は,自律航空機のタクシー問題に対して,画像ベースニューラルネットワークコントローラの安全性保証を行う。 我々は、管制官が機体を滑走路に保持し、機体を滑走路の中央に誘導することを保証する。 私たちが提供する保証は、ジェネレータネットワークでモデル化された入力画像の集合に関するものであるので、ジェネレータが妥当な画像の空間をいかにうまくキャプチャするかを評価するためのリコールメトリックを提供する。

関連論文リスト

• Network Inversion of Convolutional Neural Nets [3.004632712148892]
  ニューラルネットワークは、さまざまなアプリケーションにまたがる強力なツールとして登場したが、意思決定プロセスはしばしば不透明である。 ネットワークの反転技術は、これらのブラックボックスの中を覗くことができるソリューションを提供します。 本稿では,厳密な条件付きジェネレータを用いたネットワークインバージョンに対する簡易かつ効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-25T12:53:21Z)
• Scalable Surrogate Verification of Image-based Neural Network Control Systems using Composition and Unrolling [9.633494094538017]
  本研究では,実世界に代わって条件付き生成逆数ネットワーク(cGAN)をイメージジェネレータとして訓練し,サロゲート検証手法を提案する。 我々は、cGANとニューラルネットワークコントローラとともにシステムのダイナミクスを構成することで、一段階のエラーを克服する。 単一ステップの合成を繰り返し、制御ループの複数のステップを大規模ニューラルネットワークに展開することで、マルチステップエラーを低減する。
  論文  参考訳（メタデータ） (2024-05-28T19:56:53Z)
• ControlNet-XS: Rethinking the Control of Text-to-Image Diffusion Models as Feedback-Control Systems [19.02295657801464]
  本研究では,既存の制御ネットワーク(ControlNet)を用いて,制御ネットワークと生成プロセス間の通信を高周波かつ大帯域で変更する。 我々は,深度,キャニーエッジ,セマンティックセグメンテーションなどの画素レベルのガイダンスに対する最先端のアプローチよりも優れており,人間のポーズのゆるいキーポイントガイダンスと同等である。 すべてのコードと事前訓練されたモデルは公開されます。
  論文  参考訳（メタデータ） (2023-12-11T17:58:06Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
  我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。 近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。 本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:32:38Z)
• Paint and Distill: Boosting 3D Object Detection with Semantic Passing Network [70.53093934205057]
  ライダーやカメラセンサーからの3Dオブジェクト検出タスクは、自動運転に不可欠である。 本研究では,既存のライダーベース3D検出モデルの性能向上を図るために,SPNetという新しいセマンティックパスフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-12T12:35:34Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)
• Generating Probabilistic Safety Guarantees for Neural Network Controllers [30.34898838361206]
  ダイナミクスモデルを使用して、ニューラルネットワークコントローラが安全に動作するために保持する必要がある出力プロパティを決定します。 ニューラルネットワークポリシの近似を効率的に生成するための適応的検証手法を開発した。 本手法は,航空機衝突回避ニューラルネットワークの確率的安全性を保証することができることを示す。
  論文  参考訳（メタデータ） (2021-03-01T18:48:21Z)
• Image Generation for Efficient Neural Network Training in Autonomous Drone Racing [15.114944019221456]
  自律型ドローンレースでは、未知の環境で完全に自律的に飛行することで、この課題を達成する必要がある。 色や幾何学に基づく従来の物体検出アルゴリズムは失敗する傾向がある。 本研究では,実際の背景画像とゲートのランダム化3次元レンダリングを組み合わせた半合成データセット生成手法を提案する。
  論文  参考訳（メタデータ） (2020-08-06T12:07:36Z)
• Towards a Neural Graphics Pipeline for Controllable Image Generation [96.11791992084551]
  ニューラルグラフパイプライン(NGP)は,ニューラルネットワークと従来の画像形成モデルを組み合わせたハイブリッド生成モデルである。 NGPは、画像を解釈可能な外観特徴マップの集合に分解し、制御可能な画像生成のための直接制御ハンドルを明らかにする。 単目的シーンの制御可能な画像生成におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-18T14:22:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。