論文の概要: Learning Density Distribution of Reachable States for Autonomous Systems

• arxiv url: http://arxiv.org/abs/2109.06728v1
• Date: Tue, 14 Sep 2021 14:43:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 15:49:48.545069
• Title: Learning Density Distribution of Reachable States for Autonomous Systems
• Title（参考訳）: 自律システムの到達可能な状態の学習密度分布
• Authors: Yue Meng, Dawei Sun, Zeng Qiu, Md Tawhid Bin Waez, Chuchu Fan
• Abstract要約: 状態密度分布は、安全性に関する問題に活用できる。 本研究では,非線形システムやブラックボックスシステムに対して,到達可能な状態の密度分布を計算するためのデータ駆動手法を提案する。
• 参考スコア（独自算出の注目度）: 7.900957413198177
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: State density distribution, in contrast to worst-case reachability, can be leveraged for safety-related problems to better quantify the likelihood of the risk for potentially hazardous situations. In this work, we propose a data-driven method to compute the density distribution of reachable states for nonlinear and even black-box systems. Our semi-supervised approach learns system dynamics and the state density jointly from trajectory data, guided by the fact that the state density evolution follows the Liouville partial differential equation. With the help of neural network reachability tools, our approach can estimate the set of all possible future states as well as their density. Moreover, we could perform online safety verification with probability ranges for unsafe behaviors to occur. We use an extensive set of experiments to show that our learned solution can produce a much more accurate estimate on density distribution, and can quantify risks less conservatively and flexibly comparing with worst-case analysis.
• Abstract（参考訳）: 最悪の場合の到達可能性とは対照的に、状態密度分布は安全性に関連する問題に活用でき、潜在的に危険な状況のリスクの可能性を定量化することができる。 本研究では,非線形およびブラックボックス系の到達可能な状態の密度分布を計算するためのデータ駆動法を提案する。 半教師付きアプローチは軌道データから系のダイナミクスと状態密度を学習し、状態密度の進化はリウヴィル偏微分方程式に従うという事実に導かれる。 ニューラルネットワークのリーチビリティツールの助けを借りて、我々のアプローチは、将来のすべての状態とその密度のセットを推定できる。 さらに、安全でない行動が起こる確率範囲でオンライン安全性検証を行うこともできる。 我々は、我々の学習した解がより正確な密度分布を推定し、より保守的で柔軟にリスクを定量化できることを示すために、一連の実験を用いています。

関連論文リスト

• Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
  脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。 ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。 提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
  論文  参考訳（メタデータ） (2024-07-02T03:31:21Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Adapting to Continuous Covariate Shift via Online Density Ratio Estimation [64.8027122329609]
  分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。 歴史的情報を適切に再利用するオンライン手法を提案する。 我々の密度比推定法は, ダイナミックなリセットバウンドを楽しむことにより, 良好に動作できることが証明された。
  論文  参考訳（メタデータ） (2023-02-06T04:03:33Z)
• Case Studies for Computing Density of Reachable States for Safe Autonomous Motion Planning [8.220217498103313]
  到達可能な状態の密度は、安全クリティカルなシステムのリスクを理解するのに役立つ。 最近の研究は、自律システムの前方到達可能な状態の密度分布をオンラインで計算するためのデータ駆動型アプローチを提供する。 本稿では,不確実性を考慮した安全な経路計画のためのモデル予測制御とモデル予測制御の併用について検討する。
  論文  参考訳（メタデータ） (2022-09-16T17:38:24Z)
• Lyapunov Density Models: Constraining Distribution Shift in Learning-Based Control [64.61499213110334]
  我々はエージェントを訓練された状態や行動に制約するメカニズムを模索する。 制御理論において、リャプノフ安定性と制御不変集合は、コントローラについて保証することを可能にする。 密度モデルによって トレーニングデータの分布を推定できます
  論文  参考訳（メタデータ） (2022-06-21T16:49:09Z)
• MCD: Marginal Contrastive Discrimination for conditional density estimation [0.0]
  Marginal Contrastive Discrimination (MCD) は条件密度関数を目的変数の限界密度関数と密度関数の比の2つの因子に再構成する。 提案手法は,ほとんどの密度モデルや回帰データセットにおいて,既存の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-06-03T14:22:29Z)
• Robust Learning via Ensemble Density Propagation in Deep Neural Networks [6.0122901245834015]
  本稿では,ディープニューラルネットワーク(DNN)の層を通した密度伝搬の問題を定式化し,それをエンサンブル密度伝搬法を用いて解く。 MNISTとCIFAR-10データセットを用いた実験は、ランダムノイズや敵攻撃に対するトレーニングモデルの堅牢性を大幅に改善したことを示している。
  論文  参考訳（メタデータ） (2021-11-10T21:26:08Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Featurized Density Ratio Estimation [82.40706152910292]
  本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。 この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。 同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
  論文  参考訳（メタデータ） (2021-07-05T18:30:26Z)
• Conditional Density Estimation via Weighted Logistic Regressions [0.30458514384586394]
  非均一プロセスモデルの一般密度と可能性関数の関連性を示すパラメトリック条件密度推定法を提案する。 最大推定値は重み付けされたロジスティック回帰によって得ることができ、ブロックワイズ交互化スキームと局所ケースコントロールサンプリングを組み合わせることで計算を著しく緩和することができる。
  論文  参考訳（メタデータ） (2020-10-21T11:08:25Z)
• Anomaly Detection with Density Estimation [2.0813318162800707]
  我々は新しい教師なし異常検出手法(ANODE)を提案する。 信号領域およびサイドバンドにおけるデータの確率密度を推定することにより、データとバックグラウンドとの確率比を構築することができる。 ANODEは信号領域とサイドバンドの体系的な違いに対して堅牢であり、他の方法よりも広い適用性を与えている。
  論文  参考訳（メタデータ） (2020-01-14T19:00:02Z)

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。