論文の概要: High Order Control Lyapunov Function - Control Barrier Function - Quadratic Programming Based Autonomous Driving Controller for Bicyclist Safety
- arxiv url: http://arxiv.org/abs/2512.12776v1
- Date: Sun, 14 Dec 2025 17:29:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.338753
- Title: High Order Control Lyapunov Function - Control Barrier Function - Quadratic Programming Based Autonomous Driving Controller for Bicyclist Safety
- Title（参考訳）: 高次制御リャプノフ関数 - 制御バリア関数 - 準計画法に基づく自転車安全のための自律運転制御器
- Authors: Haochong Chen, Xincheng Cao, Levent Guvenc, Bilin Aksun-Guvenc,
- Abstract要約: 自転車は、安全を重要かつ管理しやすくするユニークな特徴を提示する。
自動車は、自転車と対話する際に、比較的高い速度で移動することが多い。
本研究では,高次制御リャプノフ関数高次制御バリア関数準ドラマティックプログラミング(HOCLF HOCBF QP)制御フレームワークの提案と開発を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ensuring the safety of Vulnerable Road Users (VRUs) is a critical challenge in the development of advanced autonomous driving systems in smart cities. Among vulnerable road users, bicyclists present unique characteristics that make their safety both critical and also manageable. Vehicles often travel at significantly higher relative speeds when interacting with bicyclists as compared to their interactions with pedestrians which makes collision avoidance system design for bicyclist safety more challenging. Yet, bicyclist movements are generally more predictable and governed by clear traffic rules as compared to the sudden and sometimes erratic pedestrian motion, offering opportunities for model-based control strategies. To address bicyclist safety in complex traffic environments, this study proposes and develops a High Order Control Lyapunov Function High Order Control Barrier Function Quadratic Programming (HOCLF HOCBF QP) control framework. Through this framework, CLFs constraints guarantee system stability so that the vehicle can track its reference trajectory, whereas CBFs constraints ensure system safety by letting vehicle avoiding potential collisions region with surrounding obstacles. Then by solving a QP problem, an optimal control command that simultaneously satisfies stability and safety requirements can be calculated. Three key bicyclist crash scenarios recorded in the Fatality Analysis Reporting System (FARS) are recreated and used to comprehensively evaluate the proposed autonomous driving bicyclist safety control strategy in a simulation study. Simulation results demonstrate that the HOCLF HOCBF QP controller can help the vehicle perform robust, and collision-free maneuvers, highlighting its potential for improving bicyclist safety in complex traffic environments.
- Abstract（参考訳）: Vulnerable Road Users(VRU)の安全性を確保することは、スマートシティにおける高度な自動運転システムの開発において重要な課題である。
脆弱な道路利用者の中で、自転車は安全を重要かつ管理しやすくするユニークな特徴を提示する。
自転車は、自転車の安全のために衝突回避システムの設計をより困難にする歩行者との相互作用と比較して、自転車との相互作用において、比較的高い速度で走行することが多い。
しかし、自転車の運動は概して予測可能であり、交通規則の明確化によって支配される。
本研究は,複雑な交通環境における自転車の安全性に対処するため,高次制御リャプノフ関数高次制御バリア関数準ドラマティックプログラミング(HOCLF HOCBF QP)制御フレームワークを提案し,開発する。
この枠組みを通じて、CLFは車両が基準軌道を追跡できるようにシステムの安定性を保証し、CBFは車両が周囲の障害物との潜在的な衝突を避けることによってシステムの安全性を確保する。
そして、QP問題を解くことにより、安定性と安全性の要件を同時に満たす最適制御コマンドを算出することができる。
FARS(Fatality Analysis Reporting System)に記録されている3つの重要な自転車事故シナリオを再現し、シミュレーション研究において提案した自律走行自転車の安全管理戦略を包括的に評価するために使用される。
シミュレーションの結果、HOCLF HOCBF QPコントローラは、複雑な交通環境における自転車の安全性向上の可能性を浮き彫りにして、ロバストかつ衝突のない操縦を支援することが示されている。
関連論文リスト
- Real-Time Driver Safety Scoring Through Inverse Crash Probability Modeling [0.0]
本研究は,バイナリクラッシュ分類器を0-100連続安全性スコアに変換するフレームワークであるSafeDriver-IQを紹介する。
15の相補的な分析結果から,高リスク運転条件と低リスク運転条件を確実に区別できることが示唆された。
発見によると、衝突の87%は複数の共起リスク要因を伴い、非線形の複合効果によりリスクは4.5倍に増加する。
論文 参考訳（メタデータ） (2026-03-16T05:37:12Z) - Formal Safety Guarantees for Autonomous Vehicles using Barrier Certificates [0.1019561860229868]
この研究は、コネクテッド・アンド・オートマチック・ビークルズのための公式に認証された安全フレームワークを開発する。
Barrier(BC)と解釈可能なトラフィック競合メトリクス、特に時間対時間安全メトリクスを統合している。
このアプローチは、解釈可能な安全保証と証明可能な安全保証の両方を提供し、安全な自動運転のための実用的でスケーラブルな戦略を実証する。
論文 参考訳（メタデータ） (2026-01-08T19:44:13Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - SafeCast: Risk-Responsive Motion Forecasting for Autonomous Vehicles [12.607007386467329]
リスク応答型モーション予測モデルであるSafeCastを提案する。
安全を意識した意思決定と不確実性を意識した適応性を統合する。
我々のモデルは、軽量なアーキテクチャと低推論レイテンシを維持しながら、最先端(SOTA)の精度を実現する。
論文 参考訳（メタデータ） (2025-03-28T15:38:21Z) - Dynamic High-Order Control Barrier Functions with Diffuser for Safety-Critical Trajectory Planning at Signal-Free Intersections [9.041849642602626]
信号のない交差点を通る安全かつ効率的な軌道を計画することは、自動運転車にとって重要な課題である。
本研究では,動的高次制御バリア関数(DHOCBF)と拡散モデル(DSC-Diffuser)を統合する安全クリティカルプランニング手法を提案する。
動的環境における運転安全をより確実にするために,提案したDHOCBFフレームワークは周囲の車両の動きを考慮した動的調整を行う。
論文 参考訳（メタデータ） (2024-11-29T11:57:00Z) - A Conflicts-free, Speed-lossless KAN-based Reinforcement Learning Decision System for Interactive Driving in Roundabouts [16.714573474722282]
本稿では,様々な交通状況における安全かつ効率的な運転を促進する学習に基づくアルゴリズムを提案する。
KAN(Kolmogorov-Arnold Network)は、AVの環境理解を改善する。
実験結果から,提案システムは最先端の手法よりも一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2024-08-15T16:10:25Z) - Safe Neural Control for Non-Affine Control Systems with Differentiable
Control Barrier Functions [58.19198103790931]
本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。
制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。
我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
論文 参考訳（メタデータ） (2023-09-06T05:35:48Z) - Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。
これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文 参考訳（メタデータ） (2022-08-23T05:02:09Z) - 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) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-13T23:08:49Z) - 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)
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。