論文の概要: Safe Probabilistic Planning for Human-Robot Interaction using Conformal Risk Control

• arxiv url: http://arxiv.org/abs/2603.10392v1
• Date: Wed, 11 Mar 2026 04:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.776157
• Title: Safe Probabilistic Planning for Human-Robot Interaction using Conformal Risk Control
• Title（参考訳）: コンフォーマルリスク制御を用いた人間-ロボットインタラクションの安全確率計画
• Authors: Jake Gonzales, Kazuki Mizuta, Karen Leung, Lillian J. Ratliff,
• Abstract要約: 本稿では,人間-ロボットインタラクションのための新しい確率論的安全制御フレームワークを提案する。 この手法では、CBFの安全性値の予測誤差を定量化し、制御するために共形リスク制御を用いる。 提案手法は, 基準法に比べて衝突速度と安全違反を著しく低減することを示した。
• 参考スコア（独自算出の注目度）: 13.455001736850255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a novel probabilistic safe control framework for human-robot interaction that combines control barrier functions (CBFs) with conformal risk control to provide formal safety guarantees while considering complex human behavior. The approach uses conformal risk control to quantify and control the prediction errors in CBF safety values and establishes formal guarantees on the probability of constraint satisfaction during interaction. We introduce an algorithm that dynamically adjusts the safety margins produced by conformal risk control based on the current interaction context. Through experiments on human-robot navigation scenarios, we demonstrate that our approach significantly reduces collision rates and safety violations as compared to baseline methods while maintaining high success rates in goal-reaching tasks and efficient control. The code, simulations, and other supplementary material can be found on the project website: https://jakeagonzales.github.io/crc-cbf-website/.
• Abstract（参考訳）: 本稿では,制御障壁関数(CBF)と共形リスク制御を組み合わせた人間-ロボット間相互作用の確率論的安全制御フレームワークを提案する。 この手法は共形リスク制御を用いてCBF安全値の予測誤差の定量化と制御を行い、相互作用中の制約満足度に関する正式な保証を確立する。 本稿では,現在のインタラクションコンテキストに基づいて,共形リスク制御によって生成される安全マージンを動的に調整するアルゴリズムを提案する。 人ロボットナビゲーションのシナリオ実験を通じて,本手法は,目標達成タスクにおける高い成功率と効率的な制御を維持しつつ,基準手法と比較して衝突率と安全違反を著しく低減することを示した。 コード、シミュレーション、その他の追加資料はプロジェクトのWebサイト(https://jakeagonzales.github.io/crc-cbf-website/)で見ることができる。

関連論文リスト

• 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)
• Model-Assisted Probabilistic Safe Adaptive Control With Meta-Bayesian Learning [33.75998206184497]
  メタラーニング,ベイズモデル,制御バリア関数(CBF)メソッドを統合した新しい適応型安全制御フレームワークを開発した。 具体的には、CBF法の助けを借りて、統一適応ベイズ線形回帰モデルにより固有不確かさと外部不確かさを学習する。 新しい制御タスクのために,いくつかのサンプルを用いてメタ学習モデルを洗練し,安全制御を確保するためにCBF制約に悲観的信頼境界を導入する。
  論文  参考訳（メタデータ） (2023-07-03T08:16:01Z)
• 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)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Probabilistic Guarantees for Safe Deep Reinforcement Learning [6.85316573653194]
  深層強化学習は多くの制御タスクにうまく適用されているが、安全上の懸念から、そのようなエージェントの安全クリティカルなシナリオへの応用は制限されている。 そこで我々は, 深層強化学習エージェントの安全性を評価するアルゴリズムMOSAICを提案する。
  論文  参考訳（メタデータ） (2020-05-14T15:42:19Z)
• 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。