論文の概要: Control Barrier Corridors: From Safety Functions to Safe Sets
- arxiv url: http://arxiv.org/abs/2603.06494v1
- Date: Fri, 06 Mar 2026 17:23:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.998192
- Title: Control Barrier Corridors: From Safety Functions to Safe Sets
- Title（参考訳）: 安全機能から安全セットまで
- Authors: Ömür Arslan, Nikolay Atanasov,
- Abstract要約: 制御バリア機能と安全な移動回廊は広く使われているが、技術的には異なる安全方法である。
本稿では,この2つのアプローチを統一する制御障壁の新たな概念を提案する。
コンベックスバリア機能のための制御バリア回廊上で,各状態の安全性を局所的に拡張可能であることを示す。
- 参考スコア（独自算出の注目度）: 7.396792281840145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe autonomy is a critical requirement and a key enabler for robots to operate safely in unstructured complex environments. Control barrier functions and safe motion corridors are two widely used but technically distinct safety methods, functional and geometric, respectively, for safe motion planning and control. Control barrier functions are applied to the safety filtering of control inputs to limit the decay rate of system safety, whereas safe motion corridors are geometrically constructed to define a local safe zone around the system state for use in motion optimization and reference-governor design. This paper introduces a new notion of control barrier corridors, which unifies these two approaches by converting control barrier functions into local safe goal regions for reference goal selection in feedback control systems. We show, with examples on fully actuated systems, kinematic unicycles, and linear output regulation systems, that individual state safety can be extended locally over control barrier corridors for convex barrier functions, provided the control convergence rate matches the barrier decay rate, highlighting a trade-off between safety and reactiveness. Such safe control barrier corridors enable safely reachable persistent goal selection over continuously changing barrier corridors during system motion, which we demonstrate for verifiably safe and persistent path following in autonomous exploration of unknown environments.
- Abstract（参考訳）: 安全自律性は重要な要件であり、ロボットが非構造的な複雑な環境で安全に動作するための重要な有効性である。
制御バリア機能と安全運動回廊は、安全動作計画と制御のために、それぞれ機能的および幾何学的、広く使われているが技術的に異なる安全方法である。
制御バリア関数は制御入力の安全フィルタリングに適用され、システム安全性の減衰率を制限する一方、安全な移動回廊は、動作最適化や基準監督設計に使用されるシステム状態の周囲の局所的な安全ゾーンを定義するために幾何学的に構築される。
本稿では,制御障壁関数を局所的な安全な目標領域に変換し,フィードバック制御システムにおける基準目標選択を行うことにより,制御障壁経路の概念を新たに導入する。
本稿では, 完全作動系, キネティック一輪車, 線形出力制御系において, 個々の状態安全性を凸バリア関数の制御障壁回廊上で局所的に拡張できることを示し, 制御収束率がバリア崩壊率と一致し, 安全性と反応性のトレードオフを浮き彫りにしている。
このような安全制御バリア回廊は、システムの動作中に連続的に変化するバリア回廊に対して、安全かつ永続的な目標選択を可能にする。
関連論文リスト
- Safe-SAGE: Social-Semantic Adaptive Guidance for Safe Engagement through Laplace-Modulated Poisson Safety Functions [18.662098889718497]
Safe-SAGEは、高レベルのセマンティック理解と低レベルの安全クリティカルコントロールのギャップを埋める統合フレームワークである。
我々のフレームワークは、コンテキストに依存した安全マージンを持つ、セマンティックにリッチな動的環境を安全にナビゲートすることを可能にする。
論文 参考訳（メタデータ） (2026-03-05T18:59:02Z) - 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) - 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) - 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) - Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments [4.788163807490197]
制御バリア関数(CBF)の制約パラメータを実行時に適用するためのソフトアクタ・クリティカル(SAC)ベースのポリシーを提案する。
我々は,本フレームワークがCBF制約を効果的に適用し,ロボットが安全性を損なうことなく最終目標に達することを実証した。
論文 参考訳（メタデータ） (2025-03-11T14:33:55Z) - Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。
逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。
その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
論文 参考訳（メタデータ） (2024-10-05T18:45:19Z) - 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) - 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)
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。