論文の概要: Is Your Safe Controller Actually Safe? A Critical Review of CBF Tautologies and Hidden Assumptions
- arxiv url: http://arxiv.org/abs/2603.06954v1
- Date: Sat, 07 Mar 2026 00:07:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.02677
- Title: Is Your Safe Controller Actually Safe? A Critical Review of CBF Tautologies and Hidden Assumptions
- Title（参考訳）: 安全コントローラは本当に安全か?CBFのタウトロジーと隠れた推測の批判的レビュー
- Authors: Taekyung Kim,
- Abstract要約: このチュートリアルでは、ロボット安全における制御バリア関数(CBF)の実用的応用についてレビューする。
CBFの定式化が有効な安全保証を提供する場合と、一般的な誤用により失敗する場合を示す。
そして、このような受動的安全性のないシステムに対して、実現可能な安全性引数を構築するための実践的ガイドラインを提供する。
- 参考スコア（独自算出の注目度）: 7.1985435335714465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This tutorial provides a critical review of the practical application of Control Barrier Functions (CBFs) in robotic safety. While the theoretical foundations of CBFs are well-established, I identify a recurring gap between the mathematical assumption of a safe controller's existence and its constructive realization in systems with input constraints. I highlight the distinction between candidate and valid CBFs by analyzing the interplay of system dynamics, actuation limits, and class-K functions. I further show that some purported demonstrations of safe robot policies or controllers are limited to passively safe systems, such as single integrators or kinematic manipulators, where safety is already inherited from the underlying physics and even naive geometric hard constraints suffice to prevent collisions. By revisiting simple low-dimensional examples, I show when CBF formulations provide valid safety guarantees and when they fail due to common misuses. I then provide practical guidelines for constructing realizable safety arguments for systems without such passive safety. The goal of this tutorial is to bridge the gap between theoretical guarantees and actual implementation, supported by an open-source interactive web demonstration that visualizes these concepts intuitively.
- Abstract（参考訳）: このチュートリアルは、ロボット安全における制御バリア関数(CBF)の実用的応用について批判的なレビューを提供する。
CBFの理論的基礎は十分に確立されているものの、安全なコントローラの存在の数学的仮定と、入力制約のあるシステムにおける構成的実現との連続的なギャップを同定する。
システム力学,アクティベーション限界,クラス-K関数の相互作用を分析することにより,候補と有効なCBFの区別を強調した。
さらに、安全なロボットポリシーやコントローラーのデモは、シングルインテグレータやキネマティックマニピュレータのような受動的に安全なシステムに限られており、そこでは、基礎となる物理学からすでに安全が受け継がれており、衝突を防ぐのに幾何学的制約が十分であることも示しています。
単純な低次元の例を再考することにより、CBFの定式化が有効な安全保証を提供するか、また、一般的な誤用により失敗するかを示す。
そして、このような受動的安全性のないシステムに対して、実現可能な安全性引数を構築するための実践的ガイドラインを提供する。
このチュートリアルの目的は、理論的保証と実際の実装のギャップを埋めることであり、これらの概念を直感的に視覚化するオープンソースのインタラクティブなWebデモによって支えられている。
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) - Learning Neural Control Barrier Functions from Expert Demonstrations using Inverse Constraint Learning [1.7235805533661985]
我々は、安全、すなわち制御された前方不変集合に属することを考慮し、システムの状態を分類する制約関数を訓練する。
次に、その関数を使用して、新しいシミュレートされた軌道のセットをラベル付けし、神経CBFをトレーニングします。
4つの異なる環境において、我々のアプローチを実証的に評価し、既存のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-24T15:20:34Z) - CP-NCBF: A Conformal Prediction-based Approach to Synthesize Verified Neural Control Barrier Functions [2.092779643426281]
制御バリア関数(CBF)は、安全クリティカルなコントローラを設計するための実践的なアプローチである。
近年,ニューラルCBFのような学習ベースの手法でこの問題に対処する研究が進められている。
本稿では, 分割整形予測を利用して, 正式に検証されたニューラルCBFを生成する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-18T10:01:06Z) - 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) - Gaussian Control Barrier Functions : A Non-Parametric Paradigm to Safety [7.921648699199647]
ガウス過程(GP)を用いたCBFのオンライン合成のための非パラメトリック手法を提案する。
GPは解析的トラクタビリティやロバストな不確実性推定などの非パラメトリック性に加えて、好ましい性質を持つ。
固定的かつ任意の安全な集合に対する安全な制御を実証することにより、クワッド上で実験により検証する。
論文 参考訳（メタデータ） (2022-03-29T12:21:28Z) - Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。
まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。
次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文 参考訳（メタデータ） (2021-11-18T23:21:00Z) - 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 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。