論文の概要: DualShield: Safe Model Predictive Diffusion via Reachability Analysis for Interactive Autonomous Driving

• arxiv url: http://arxiv.org/abs/2601.15729v1
• Date: Thu, 22 Jan 2026 07:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.534747
• Title: DualShield: Safe Model Predictive Diffusion via Reachability Analysis for Interactive Autonomous Driving
• Title（参考訳）: DualShield: 対話型自律運転のための到達可能性分析による安全モデル予測拡散
• Authors: Rui Yang, Lei Zheng, Ruoyu Yao, Jun Ma,
• Abstract要約: 本稿では、ハミルトン・ヤコビ(HJ)到達可能性値関数を二重容量で活用する計画制御フレームワークであるDualShieldを紹介する。 第一に、値関数はプロアクティブなガイダンスとして機能し、拡散復調過程を安全かつ動的に実現可能な領域に向けて操る。 次に、制御バリア値関数(CBVF)を使用してリアクティブな安全シールドを形成し、実行されたアクションを修正し、安全性を確保する。
• 参考スコア（独自算出の注目度）: 8.323621563740772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models have emerged as a powerful approach for multimodal motion planning in autonomous driving. However, their practical deployment is typically hindered by the inherent difficulty in enforcing vehicle dynamics and a critical reliance on accurate predictions of other agents, making them prone to safety issues under uncertain interactions. To address these limitations, we introduce DualShield, a planning and control framework that leverages Hamilton-Jacobi (HJ) reachability value functions in a dual capacity. First, the value functions act as proactive guidance, steering the diffusion denoising process towards safe and dynamically feasible regions. Second, they form a reactive safety shield using control barrier-value functions (CBVFs) to modify the executed actions and ensure safety. This dual mechanism preserves the rich exploration capabilities of diffusion models while providing principled safety assurance under uncertain and even adversarial interactions. Simulations in challenging unprotected U-turn scenarios demonstrate that DualShield significantly improves both safety and task efficiency compared to leading methods from different planning paradigms under uncertainty.
• Abstract（参考訳）: 拡散モデルは、自律運転におけるマルチモーダル運動計画の強力なアプローチとして現れている。 しかし、彼らの実践的な展開は、車両のダイナミクスを強制することの固有の困難さと、他のエージェントの正確な予測に重大な依存によって妨げられ、不確実な相互作用の下での安全性の問題に悩まされる。 これらの制約に対処するため、ハミルトン・ヤコビ(HJ)の到達可能性値関数を二重容量で活用する計画制御フレームワークであるDualShieldを導入する。 第一に、値関数はプロアクティブなガイダンスとして機能し、拡散復調過程を安全かつ動的に実現可能な領域に向けて操る。 次に、制御バリア値関数(CBVF)を使用してリアクティブな安全シールドを形成し、実行されたアクションを修正し、安全性を確保する。 この二重機構は拡散モデルの豊富な探索能力を保ちつつ、不確実かつ敵対的な相互作用の下での安全保証を提供する。 無防備なUターンシナリオのシミュレーションでは、DualShieldは、不確実性の下で異なる計画パラダイムからのリードメソッドと比較して、安全性とタスク効率の両方を著しく改善している。

関連論文リスト

• Automating Steering for Safe Multimodal Large Language Models [58.36932318051907]
  基礎モデルの微調整を必要とせず,モジュール型かつ適応型推論時間介入技術であるAutoSteerを導入する。 AutoSteerは,(1)モデル内部層間の最も安全性に関連のある識別を自動的に行う新しい安全意識スコア(SAS),(2)中間表現から有害な出力の可能性を推定するために訓練された適応安全プローバ,(3)安全性のリスクが検出された場合に生成を選択的に介入する軽量な拒絶ヘッドの3つのコアコンポーネントを組み込んだ。
  論文  参考訳（メタデータ） (2025-07-17T16:04:55Z)
• Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
  本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。 Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-05-23T09:22:19Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Active Uncertainty Reduction for Safe and Efficient Interaction Planning: A Shielding-Aware Dual Control Approach [9.07774184840379]
  本稿では,暗黙的二重制御パラダイムに基づく対話型動作計画における能動的不確実性低減を実現するアルゴリズムを提案する。 提案手法は, 動的プログラミングのサンプリングに基づく近似に依拠し, リアルタイム勾配最適化法で容易に解けるモデル予測制御問題に導かれる。
  論文  参考訳（メタデータ） (2023-02-01T01:34:48Z)

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。