論文の概要: Staggered Integral Online Conformal Prediction for Safe Dynamics Adaptation with Multi-Step Coverage Guarantees
- arxiv url: http://arxiv.org/abs/2604.06058v1
- Date: Tue, 07 Apr 2026 16:44:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.932061
- Title: Staggered Integral Online Conformal Prediction for Safe Dynamics Adaptation with Multi-Step Coverage Guarantees
- Title（参考訳）: マルチステップ被覆保証による安全ダイナミクス適応のための重み付き積分オンライン等角予測
- Authors: Daniel M. Cherenson, Dimitra Panagou,
- Abstract要約: 本稿では、積分スコア関数を用いて、乱れと学習誤差のラップ効果を定量化するアルゴリズムであるStaggered Integral Online Conformal Prediction (SI-OCP)を提案する。
提案手法は,全層ディープニューラルネットワーク(DNN)適応クアッドコプターの数値シミュレーションにより検証する。
- 参考スコア（独自算出の注目度）: 5.395687668363633
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety-critical control of uncertain, adaptive systems often relies on conservative, worst-case uncertainty bounds that limit closed-loop performance. Online conformal prediction is a powerful data-driven method for quantifying uncertainty when truth values of predicted outputs are revealed online; however, for systems that adapt the dynamics without measurements of the state derivatives, standard online conformal prediction is insufficient to quantify the model uncertainty. We propose Staggered Integral Online Conformal Prediction (SI-OCP), an algorithm utilizing an integral score function to quantify the lumped effect of disturbance and learning error. This approach provides long-run coverage guarantees, resulting in long-run safety when synthesized with safety-critical controllers, including robust tube model predictive control. Finally, we validate the proposed approach through a numerical simulation of an all-layer deep neural network (DNN) adaptive quadcopter using robust tube MPC, highlighting the applicability of our method to complex learning parameterizations and control strategies.
- Abstract（参考訳）: 不確実で適応的なシステムの安全クリティカルな制御は、しばしば閉ループ性能を制限する保守的で最悪の不確実性境界に依存している。
オンラインコンフォメーション予測は、予測された出力の真理値がオンラインで公表されたときの不確かさを定量化する強力なデータ駆動型手法である。
本稿では、積分スコア関数を用いて、乱れと学習誤差のラップ効果を定量化するアルゴリズムであるStaggered Integral Online Conformal Prediction (SI-OCP)を提案する。
このアプローチは長期にわたるカバレッジ保証を提供し、堅牢な管モデル予測制御を含む安全クリティカルなコントローラで合成された場合、長時間の安全性をもたらす。
最後に、ロバストチューブMPCを用いた全層ディープニューラルネットワーク(DNN)適応クアッドコプターの数値シミュレーションにより提案手法の有効性を検証し、複雑な学習パラメータ化と制御戦略への適用性を強調した。
関連論文リスト
- Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。
このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。
また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
論文 参考訳（メタデータ） (2026-03-13T02:38:17Z) - Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis [3.5174884177930448]
整合予測(CP)とシステムレベル合成(SLS)を用いた配電系統のロバストな配電計画と制御のための新しいフレームワークを提案する。
まず、重み付きCPと学習状態制御依存共分散モデルを用いた高信頼モデル誤差境界を導出する。
これらの境界はSLSに基づく頑健な非線形モデル予測制御(MPC)の定式化に統合され、容積最適化された前方到達可能な集合を通して予測水平線上で制約の締め付けを行う。
論文 参考訳（メタデータ） (2026-02-12T15:11:44Z) - Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。
適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。
本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文 参考訳（メタデータ） (2024-12-26T18:42:08Z) - Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis [18.110158316883403]
本稿では,未知の線形システムに対するセットメンバシップ推定(SME)に焦点を当てる。
本稿では,中小企業の収束率境界について述べるとともに,緩和された仮定の下での中小企業の変動について論じる。
また,中小企業の実用性を示す数値的な結果も提供する。
論文 参考訳（メタデータ） (2023-09-26T03:58:06Z) - Adaptive Robust Model Predictive Control via Uncertainty Cancellation [25.736296938185074]
本稿では,動的に重要な不確かさを補う学習に基づく頑健な予測制御アルゴリズムを提案する。
我々は、一定の等価な「推定とキャンセル」制御法に着想を得た、非線形フィードバックポリシーのクラスを最適化する。
論文 参考訳（メタデータ） (2022-12-02T18:54:23Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - 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) - 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) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Adaptive Robust Model Predictive Control with Matched and Unmatched
Uncertainty [28.10549712956161]
離散時間系のダイナミクスにおける大きな不確実性を扱うことができる学習ベースの堅牢な予測制御アルゴリズムを提案する。
既存の学習に基づく予測制御アルゴリズムが大規模な不確実性が存在する場合の安全性を確保することができず、性能が大幅に向上する。
論文 参考訳（メタデータ） (2021-04-16T17:47:02Z)
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。