論文の概要: Gated Uncertainty-Aware Runtime Dual Invariants for Neural Signal-Controlled Robotics

• arxiv url: http://arxiv.org/abs/2511.20570v1
• Date: Tue, 25 Nov 2025 18:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.598728
• Title: Gated Uncertainty-Aware Runtime Dual Invariants for Neural Signal-Controlled Robotics
• Title（参考訳）: 神経信号制御ロボットのためのGated Uncertainty-Aware Runtime Dual Invariants
• Authors: Tasha Kim, Oiwi Parker Jones,
• Abstract要約: GUARDIANは、ニューラルネットワーク制御ロボットのためのリアルタイム神経シンボル検証のためのフレームワークである。 GUARDIANは、信頼度校正された脳信号デコードと象徴的なゴールグラウンドとを結合することにより、論理的安全性と生理的信頼の両方を強制する。
• 参考スコア（独自算出の注目度）: 1.8381910913370485
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Safety-critical assistive systems that directly decode user intent from neural signals require rigorous guarantees of reliability and trust. We present GUARDIAN (Gated Uncertainty-Aware Runtime Dual Invariants), a framework for real-time neuro-symbolic verification for neural signal-controlled robotics. GUARDIAN enforces both logical safety and physiological trust by coupling confidence-calibrated brain signal decoding with symbolic goal grounding and dual-layer runtime monitoring. On the BNCI2014 motor imagery electroencephalogram (EEG) dataset with 9 subjects and 5,184 trials, the system performs at a high safety rate of 94-97% even with lightweight decoder architectures with low test accuracies (27-46%) and high ECE confidence miscalibration (0.22-0.41). We demonstrate 1.7x correct interventions in simulated noise testing versus at baseline. The monitor operates at 100Hz and sub-millisecond decision latency, making it practically viable for closed-loop neural signal-based systems. Across 21 ablation results, GUARDIAN exhibits a graduated response to signal degradation, and produces auditable traces from intent, plan to action, helping to link neural evidence to verifiable robot action.
• Abstract（参考訳）: 神経信号から直接ユーザーの意図を解読する安全クリティカルな補助システムは、信頼性と信頼性の厳格な保証を必要とする。 本稿では,GUARDIAN(Gated Uncertainty-Aware Runtime Dual Invariants)について紹介する。 GUARDIANは、信頼度校正された脳信号デコードと象徴的なゴールグラウンドと二重層ランタイム監視を結合することにより、論理的安全性と生理的信頼の両方を強制する。 BNCI2014の運動画像脳波(EEG)データセットでは9名の被験者と5,184名の被験者がおり、テスト精度が低い軽量デコーダアーキテクチャ(27-46%)と高いECE信頼度(0.22-0.41)でも94-97%の安全性で動作している。 模擬騒音試験におけるベースラインに対する1.7倍の精度の介入を実演する。 モニターは100Hzとミリ秒以下の決定遅延で動作し、クローズドループ神経信号ベースのシステムで実用可能である。 21回のアブレーションの結果、GUARDIANは信号の劣化に対する段階的な反応を示し、意図からの聴取可能な痕跡を生成し、行動計画を立て、神経的な証拠と検証可能なロボットの動きを結びつけるのに役立つ。

関連論文リスト

• SHIELD: Securing Healthcare IoT with Efficient Machine Learning Techniques for Anomaly Detection [0.0]
  本研究では、悪意のあるサイバー攻撃を検出し、異常なデバイス異常を識別するための機械学習駆動フレームワークを提案する。 8つの機械学習モデルが3つの学習アプローチで評価される。 このフレームワークは、データ漏洩の防止、システムダウンタイムの最小化、医療機器の継続的かつ安全な運用を保証する可能性を秘めている。
  論文  参考訳（メタデータ） (2025-11-05T17:20:23Z)
• Consciousness-ECG Transformer for Conscious State Estimation System with Real-Time Monitoring [40.49243145490585]
  非侵襲的で信頼性の高い意識状態推定に心電図(ECG)信号を利用する変圧器を提案する。 我々のアプローチでは、意識状態と無意識状態を区別する心拍変動特性を効果的に捉えるために、クエリアテンションを分離したトランスフォーマーを用いている。 本研究は,心電図に基づく意識モニタリングが患者の安全性を高め,意識状態の理解を深める可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-10-31T05:53:41Z)
• Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
  本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。 検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。 ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
  論文  参考訳（メタデータ） (2025-10-16T13:56:54Z)
• Low-Latency Neural Inference on an Edge Device for Real-Time Handwriting Recognition from EEG Signals [1.0383582379105902]
  想像上の手書きは、文字レベルのニューラルデコーディングに直感的なパラダイムを提供する。 非侵襲脳波(EEG)はより安全でスケーラブルな代替手段を提供するが、低信号対雑音比と空間分解能に悩まされている。 この研究は、高度な機械学習と情報的脳波特徴抽出を組み合わせることで、これらの障壁を克服できることを実証している。
  論文  参考訳（メタデータ） (2025-10-07T21:20:50Z)
• Autonomous Multi-Robot Infrastructure for AI-Enabled Healthcare Delivery and Diagnostics [0.0]
  本研究では、ウェアラブルヘルスセンサ、RFベースのコミュニケーション、AIによる意思決定支援を取り入れた医療用マルチロボットシステムを提案する。 シミュレーションされた病院環境内では、患者監視、医療提供、緊急支援を行うためにリーダー・フォロワー・スワム構成を採用する。
  論文  参考訳（メタデータ） (2025-09-30T11:27:33Z)
• AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence [4.494833548150712]
  我々は、患者を継続的に監視する現実世界の異常検知システムであるPulseにAIを導入する。 SoTA(State-of-the-art)のユニバーサル時系列モデルであるUniTSによって、我々のフレームワークは患者のユニークな生理的および行動的パターンを自律的に学習する。
  論文  参考訳（メタデータ） (2025-08-05T13:24:15Z)
• Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
  大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。 LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。 敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。 私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
  論文  参考訳（メタデータ） (2025-07-30T08:44:22Z)
• A Self-Supervised Robotic System for Autonomous Contact-Based Spatial Mapping of Semiconductor Properties [40.361306070887366]
  我々は、ロボットにドメインエキスパート測定の原則に従うように教えるコンタクトベースのロボットシステムに、自己監督型の自律性を構築する。 半導体光伝導性を特徴付けるために,4自由度ロボットプローブを24時間自律駆動することで,このアプローチの性能を実証する。
  論文  参考訳（メタデータ） (2024-11-15T02:36:36Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• DeepBeat: A multi-task deep learning approach to assess signal quality and arrhythmia detection in wearable devices [0.0]
  我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。 我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。 2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-01-01T07:41:28Z)

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。