Fugu-MT 論文翻訳(概要): A Hazard-Informed Data Pipeline for Robotics Physical Safety

論文の概要: A Hazard-Informed Data Pipeline for Robotics Physical Safety

arxiv url: http://arxiv.org/abs/2603.06130v1
Date: Fri, 06 Mar 2026 10:38:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-09 13:17:45.513058
Title: A Hazard-Informed Data Pipeline for Robotics Physical Safety
Title（参考訳）: ロボティクスの安全のための危険情報パイプライン
Authors: Alexei Odinokov, Rostislav Yavorskiy,
Abstract要約: このレポートは、古典的なリスクエンジニアリングと現代的な機械学習パイプラインを橋渡しする。このフレームワークの主な貢献は、古典的な安全工学、デジタルツインシミュレーション、合成データ生成、機械学習モデルトレーニングの整合性である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This report presents a structured Robotics Physical Safety Framework based on explicit asset declaration, systematic vulnerability enumeration, and hazard-driven synthetic data generation. The approach bridges classical risk engineering with modern machine learning pipelines, enabling safety envelope learning grounded in a formalized hazard ontology. The key contribution of this framework is the alignment between classical safety engineering, digital twin simulation, synthetic data generation, and machine learning model training.
Abstract（参考訳）: 本報告では、明示的なアセット宣言、系統的脆弱性列挙、ハザード駆動型合成データ生成に基づく構造化されたロボティクス物理安全フレームワークを提案する。このアプローチは、古典的なリスクエンジニアリングを現代的な機械学習パイプラインにブリッジし、形式化されたハザードオントロジーに基づく安全エンベロープ学習を可能にする。このフレームワークの主な貢献は、古典的な安全工学、デジタルツインシミュレーション、合成データ生成、機械学習モデルトレーニングの整合性である。

関連論文リスト

Learning from Risk: LLM-Guided Generation of Safety-Critical Scenarios with Prior Knowledge [25.50999678115561]
本稿では,条件付き変分オートエンコーダ(CVAE)と大規模言語モデル(LLM)を統合した高忠実なシナリオ生成フレームワークを提案する。我々のフレームワークは、リスクの高いイベントやロングテールイベントのカバレッジを大幅に向上させ、シミュレートされたトラフィック分布と実世界のトラフィック分布の一貫性を改善し、既存のルールやデータ駆動方式よりもはるかに難しいインタラクションに自律運転システムを公開します。
論文参考訳（メタデータ） (2025-11-25T09:53:09Z)
Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
サイバー物理パワーシステムの複雑さは攻撃面を大きくし悪質なアクターに悪用される我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
論文参考訳（メタデータ） (2025-06-14T12:07:44Z)
Data-Driven Safety Verification using Barrier Certificates and Matrix Zonotopes [1.6078581568133972]
ノイズの多いデータから直接システムの安全性を検証するための,データ駆動型安全性検証フレームワークを提案する。 1つの信頼できないモデルを信頼するのではなく、観測されたデータと整合する一連のモデルを構築します。このモデル集合は行列ゾノトープを用いてコンパクトに表現され、効率的な計算と不確実性の伝播を可能にする。
論文参考訳（メタデータ） (2025-04-01T17:46:42Z)
Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文参考訳（メタデータ） (2025-02-18T02:26:50Z)
Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy [53.048430683355804]
ロボット操作における人間の指示の実行は、深刻な安全性のリスクにつながる可能性がある。 i) 安全リスクを含むシナリオを自動生成し、仮想的なインタラクションを行う世界モデルと、(ii) 反射による結果を予測するメンタルモデルを含む。本研究は, 安全行政がリスクを回避し, 合成データセットと実世界の両方の実験において, 効率的にタスクを完了できることを実証する。
論文参考訳（メタデータ） (2024-11-27T12:27:50Z)
EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文参考訳（メタデータ） (2024-08-08T13:19:37Z)
Instance-Level Safety-Aware Fidelity of Synthetic Data and Its Calibration [5.089356301032639]
4種類のインスタンスレベルの忠実さを導入し、安全クリティカルなアプリケーションにおけるその役割に焦点を当てる。目的は、合成データにテストを適用することによって、現実世界の安全性の問題を明らかにすることだ。
論文参考訳（メタデータ） (2024-02-10T19:45:40Z)
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)
Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文参考訳（メタデータ） (2021-02-15T19:56:48Z)

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。