論文の概要: Model Free Barrier Functions via Implicit Evading Maneuvers

• arxiv url: http://arxiv.org/abs/2107.12871v1
• Date: Tue, 27 Jul 2021 15:13:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-28 14:35:41.981926
• Title: Model Free Barrier Functions via Implicit Evading Maneuvers
• Title（参考訳）: 暗黙的回避操作による自由障壁関数のモデル化
• Authors: Eric Squires, Rohit Konda, Samuel Coogan, Magnus Egerstedt
• Abstract要約: バリア機能を使用する場合、バリア機能がない場合よりも2機の固定翼機が衝突に近づきやすいことを示す。 車両が任意に離れたところで動き始めた場合でも、バリア関数がシステムに安全でないとラベル付けするケースを構築する。 2機の固定翼航空機の衝突回避シミュレーションにおけるモデル自由障壁関数の有効性を実証する。
• 参考スコア（独自算出の注目度）: 23.24464492860676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper demonstrates that in some cases the safety override arising from the use of a barrier function can be needlessly restrictive. In particular, we examine the case of fixed wing collision avoidance and show that when using a barrier function, there are cases where two fixed wing aircraft can come closer to colliding than if there were no barrier function at all. In addition, we construct cases where the barrier function labels the system as unsafe even when the vehicles start arbitrarily far apart. In other words, the barrier function ensures safety but with unnecessary costs to performance. We therefore introduce model free barrier functions which take a data driven approach to creating a barrier function. We demonstrate the effectiveness of model free barrier functions in a collision avoidance simulation of two fixed-wing aircraft.
• Abstract（参考訳）: 本稿では,バリア関数の使用による安全性のオーバーライドが不要に制限されることを実証する。 特に, 固定翼衝突回避事例について検討し, バリア機能を使用する場合, バリア機能がない場合よりも2機の固定翼航空機が衝突に近づいた場合があることを示した。 さらに,車両が任意に離れる場合でも,バリア関数がシステムに安全でないとラベル付けするケースを構築する。 言い換えれば、バリア機能は安全性を保証するが、性能に不必要なコストを伴う。 そこで本研究では,データ駆動方式でバリア関数を生成するモデル自由バリア関数を提案する。 2機の固定翼航空機の衝突回避シミュレーションにおけるモデル自由障壁関数の有効性を示す。

関連論文リスト

• Effective Virtual Reality Teleoperation of an Upper-body Humanoid with Modified Task Jacobians and Relaxed Barrier Functions for Self-Collision Avoidance [0.4972323953932129]
  本稿では,上半身のヒューマノイドを効果的に遠隔操作するために,市販のバーチャルリアリティ(VR)トラッカーを再ターゲットするアプローチを提案する。 この効果の鍵は、修正されたタスクジャコビアンと緩和されたバリア関数によって、トラッカーをジョイント集合に適切に割り当てることであった。
  論文  参考訳（メタデータ） (2024-11-12T04:19:25Z)
• Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
  入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。 逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。 その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
  論文  参考訳（メタデータ） (2024-10-05T18:45:19Z)
• Verification-Aided Learning of Neural Network Barrier Functions with Termination Guarantees [6.9060054915724]
  バリア関数は、システムの安全性を保証するための一般的なフレームワークである。 これらの関数を見つける一般的な方法は存在しない。 近年のアプローチでは、自己教師付き学習技術を用いてこれらの機能を学習している。
  論文  参考訳（メタデータ） (2024-03-12T04:29:43Z)
• Learning Performance-Oriented Control Barrier Functions Under Complex Safety Constraints and Limited Actuation [5.62479170374811]
  制御バリア関数(CBF)は非線形制御系力学を制約するエレガントなフレームワークを提供する。 これらの課題に包括的に対処する,新たな自己教師型学習フレームワークを導入する。 本研究では,2次元ダブルインテグレータ(DI)システムと7次元固定翼航空機システムに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2024-01-11T02:51:49Z)
• Gaussian Control Barrier Functions : A Non-Parametric Paradigm to Safety [7.921648699199647]
  ガウス過程(GP)を用いたCBFのオンライン合成のための非パラメトリック手法を提案する。 GPは解析的トラクタビリティやロバストな不確実性推定などの非パラメトリック性に加えて、好ましい性質を持つ。 固定的かつ任意の安全な集合に対する安全な制御を実証することにより、クワッド上で実験により検証する。
  論文  参考訳（メタデータ） (2022-03-29T12:21:28Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
  BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。 本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
  論文  参考訳（メタデータ） (2021-11-22T15:38:11Z)
• Learning Robust Hybrid Control Barrier Functions for Uncertain Systems [68.30783663518821]
  我々は,ロバストな安全を確保する制御則を合成する手段として,ロバストなハイブリッド制御障壁関数を提案する。 この概念に基づき,データからロバストなハイブリッド制御障壁関数を学習するための最適化問題を定式化する。 我々の技術は、モデル不確実性の対象となるコンパス歩行歩行者の魅力領域を安全に拡張することを可能にする。
  論文  参考訳（メタデータ） (2021-01-16T17:53:35Z)
• Reinforcement Learning for Safety-Critical Control under Model Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
  強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。 RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
  論文  参考訳（メタデータ） (2020-04-16T10:51:33Z)
• Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
  制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。 最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。 私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
  論文  参考訳（メタデータ） (2020-04-07T12:29:06Z)

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。