論文の概要: Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters

• arxiv url: http://arxiv.org/abs/2603.00338v1
• Date: Fri, 27 Feb 2026 22:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:00:14.305242
• Title: Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters
• Title（参考訳）: 層状安全:多段CBF安全フィルタによる自律衝突回避
• Authors: Erina Yamaguchi, Ryan M. Bena, Gilbert Bahati, Aaron D. Ames,
• Abstract要約: 本稿では,ロバストで信頼性の高い層状安全フィルタを構築するための汎用的なエンドツーエンドフレームワークを提案する。 ロボット中心の点雲が与えられた場合、我々は、ポアソン安全関数(PSF)を合成するために使用される占有マップを構築することから始める。 PSFは2つの異なる安全濾過段階において制御バリア機能(CBF)として使用される。
• 参考スコア（独自算出の注目度）: 18.386652442201665
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a general end-to-end framework for constructing robust and reliable layered safety filters that can be leveraged to perform dynamic collision avoidance over a broad range of applications using only local perception data. Given a robot-centric point cloud, we begin by constructing an occupancy map which is used to synthesize a Poisson safety function (PSF). The resultant PSF is employed as a control barrier function (CBF) within two distinct safety filtering stages. In the first stage, we propose a predictive safety filter to compute optimal safe trajectories based on nominal potentially-unsafe commands. The resultant short-term plans are constrained to satisfy the CBF condition along a finite prediction horizon. In the second stage, instantaneous velocity commands are further refined by a real-time CBF-based safety filter and tracked by the full-order low-level robot controller. Assuming accurate tracking of velocity commands, we obtain formal guarantees of safety for the full-order system. We validate the optimality and robustness of our multistage architecture, in comparison to traditional single-stage safety filters, via a detailed Pareto analysis. We further demonstrate the effectiveness and generality of our collision avoidance methodology on multiple legged robot platforms across a variety of real-world dynamic scenarios.
• Abstract（参考訳）: 本稿では,局所的な知覚データのみを用いて,広範囲のアプリケーションに対して動的衝突回避を実現するために,堅牢で信頼性の高い層状安全フィルタを構築するための汎用的なエンドツーエンドフレームワークを提案する。 ロボット中心の点雲が与えられた場合、我々はまず、ポアソン安全関数(PSF)を合成するために使用される占有マップを構築することから始める。 PSFは2つの異なる安全濾過段階において制御バリア機能(CBF)として使用される。 第1段階では,有意な潜在的な安全でないコマンドに基づいて最適な安全軌道を計算するための予測安全フィルタを提案する。 得られた短期計画は、有限の予測地平線に沿ってCBF条件を満たすよう制約される。 第2段階では、瞬時速度コマンドはリアルタイムCBFベースの安全フィルタによりさらに洗練され、フルオーダーの低レベルロボットコントローラによって追跡される。 速度コマンドの正確な追跡を仮定すると、全順序システムの安全性の正式な保証が得られる。 より詳細なパレート解析により,従来の単段安全フィルタと比較して,多段アーキテクチャの最適性と堅牢性を検証した。 さらに,複数脚ロボットプラットフォーム上での衝突回避手法の有効性と汎用性について,様々な実世界の動的シナリオにまたがって検証した。

関連論文リスト

• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Q-realign: Piggybacking Realignment on Quantization for Safe and Efficient LLM Deployment [55.14890249389052]
  既存の防衛は、安全回復を微調整に埋め込んだり、微調整による修正に先立って微調整に頼ったりしている。 我々は,ポストトレーニング量子化に基づくポストホック防御手法であるtextttQ-realign を提案する。 私たちの仕事は、安全を意識したデプロイメントのための実践的でターンキーなソリューションを提供します。
  論文  参考訳（メタデータ） (2026-01-13T00:07:24Z)
• UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
  大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。 安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。 この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
  論文  参考訳（メタデータ） (2025-10-02T16:43:33Z)
• SafeFlowMatcher: Safe and Fast Planning using Flow Matching with Control Barrier Functions [0.0]
  本稿では,フローマッチング(FM)と制御バリア関数(CBF)を結合して,リアルタイムの効率性と認証された安全性を実現するための計画フレームワークであるSafeFlowMatcherを提案する。 結果のフローシステムに対する障壁証明を証明し、ロバストな安全な集合の前方不変性と、安全な集合への有限時間収束性を確立する。 迷路ナビゲーションとベンチマーク全体で、SafeFlowMatcherは拡散とFMベースのベースラインよりも高速でスムーズで安全なパスを実現している。
  論文  参考訳（メタデータ） (2025-09-29T03:33:33Z)
• One Filter to Deploy Them All: Robust Safety for Quadrupedal Navigation in Unknown Environments [10.103090762559708]
  観測条件付き到達可能性に基づく安全フィルタ(OCR)フレームワークを提案する。 我々のキーとなるアイデアは、新しい障害領域に対する最適制御理論安全値関数を予測するOCR値ネットワーク(OCR-VN)を使用することです。 提案手法は,多種多様な階層型二次制御系を自動で保護できることを実証する。
  論文  参考訳（メタデータ） (2024-12-13T09:21:02Z)
• Multi-Step Model Predictive Safety Filters: Reducing Chattering by Increasing the Prediction Horizon [7.55113002732746]
  安全フィルタを用いて学習制御ポリシを増強することにより、状態と入力制約の満足度を保証できる。 モデル予測安全フィルタ(MPSF)は、モデル予測制御(MPC)に基づく一般的な安全フィルタリング手法である。
  論文  参考訳（メタデータ） (2023-09-20T16:35:29Z)
• CaRT: Certified Safety and Robust Tracking in Learning-based Motion Planning for Multi-Agent Systems [7.77024796789203]
  CaRTは、学習ベースのモーションプランニングポリシーの安全性と堅牢性を保証するために、新しい階層的な分散アーキテクチャである。 定性障害や有界障害があっても,CaRTは軌道追跡誤差の安全性と指数関数性を保証する。 本稿では, 非線形動作計画と制御問題のいくつかの例において, CaRTの有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-13T21:51:29Z)
• 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)
• 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 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。