論文の概要: Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters

• arxiv url: http://arxiv.org/abs/2604.21189v1
• Date: Thu, 23 Apr 2026 01:13:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.2273
• Title: Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters
• Title（参考訳）: ロボットマニピュレータのフルボディ動的安全:CBF型安全フィルタの3次元ポアソン安全機能
• Authors: Meg Wilkinson, Gilbert Bahati, Ryan M. Bena, Emily Fourney, Joel W. Burdick, Aaron D. Ames,
• Abstract要約: ロボットマニピュレータの衝突回避には、高次元構成空間における全体安全制約を強制する必要がある。 本研究は3次元ポアソン安全関数(PSF)を利用した動的環境下でのマニピュレータのフルボディ衝突回避のための枠組みを提案する。 バッファリングされた領域でサンプルポイントを安全に保つことで,連続ロボット表面全体の衝突回避が保証されることを示す。
• 参考スコア（独自算出の注目度）: 23.052654862681738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collision avoidance for robotic manipulators requires enforcing full-body safety constraints in high-dimensional configuration spaces. Control Barrier Function (CBF) based safety filters have proven effective in enabling safe behaviors, but enforcing the high number of constraints needed for safe manipulation leads to theoretic and computational challenges. This work presents a framework for full-body collision avoidance for manipulators in dynamic environments by leveraging 3D Poisson Safety Functions (PSFs). In particular, given environmental occupancy data, we sample the manipulator surface at a prescribed resolution and shrink free space via a Pontryagin difference according to this resolution. On this buffered domain, we synthesize a globally smooth CBF by solving Poisson's equation, yielding a single safety function for the entire environment. This safety function, evaluated at each sampled point, yields task-space CBF constraints enforced by a real-time safety filter via a multi-constraint quadratic program. We prove that keeping the sample points safe in the buffered region guarantees collision avoidance for the entire continuous robot surface. The framework is validated on a 7-degree-of-freedom manipulator in dynamic environments.
• Abstract（参考訳）: ロボットマニピュレータの衝突回避には、高次元構成空間における全体安全制約を強制する必要がある。 制御バリア関数(CBF)に基づく安全フィルタは、安全な動作を可能にするのに有効であることが証明されているが、安全な操作に必要な多くの制約を課すことは、理論と計算の課題に繋がる。 本研究は,3次元ポアソン安全関数(PSF)を利用した動的環境下でのマニピュレータの全身衝突回避のための枠組みを提案する。 特に, 環境占有データから, 所定の解像度でマニピュレータ表面をサンプリングし, ポントリャーギン差分により自由空間を縮小する。 この緩衝領域では、ポアソン方程式を解くことにより、世界規模で滑らかなCBFを合成し、環境全体に対して単一の安全関数を与える。 この安全性関数は、サンプリングされた各地点で評価され、マルチ制約二次プログラムを介してリアルタイム安全フィルタによって強制されるタスク空間CBF制約が得られる。 バッファリングされた領域でサンプルポイントを安全に保つことで,連続ロボット表面全体の衝突回避が保証されることを示す。 このフレームワークは、動的環境における7自由度マニピュレータ上で検証される。

関連論文リスト

• A Closed-Form CLF-CBF Controller for Whole-Body Continuum Soft Robot Collision Avoidance [45.63674336069651]
  ソフト連続マニピュレータは機械的コンプライアンスを通じて受動的安全性を提供する。 サンプリングベースの計画のような既存のアプローチは、しばしば計算コストが高く、正式な安全保証がない。 本稿では,リアルタイム3次元障害物回避のための閉形式制御リャプノフ関数-制御バリア関数(CLF-CBF)について述べる。
  論文  参考訳（メタデータ） (2026-03-19T19:34:49Z)
• Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters [18.386652442201665]
  本稿では,ロバストで信頼性の高い層状安全フィルタを構築するための汎用的なエンドツーエンドフレームワークを提案する。 ロボット中心の点雲が与えられた場合、我々は、ポアソン安全関数(PSF)を合成するために使用される占有マップを構築することから始める。 PSFは2つの異なる安全濾過段階において制御バリア機能(CBF)として使用される。
  論文  参考訳（メタデータ） (2026-02-27T22:19:45Z)
• 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)
• SQ-CBF: Signed Distance Functions for Numerically Stable Superquadric-Based Safety Filtering [9.291918812545699]
  制御バリア関数は、リアルタイムな安全フィルタリングのための効果的なフレームワークを提供する。 それらの性能は下層の幾何学的表現に依存し、しばしば単純化される。 スーパークワッドリックは、いくつかのプリミティブを使って複雑な形状をモデル化する表現力のある方法を提供する。
  論文  参考訳（メタデータ） (2026-02-11T17:19:43Z)
• Learning for Layered Safety-Critical Control with Predictive Control Barrier Functions [26.692688699287213]
  制御障壁関数(CBF)を利用する安全フィルタは、複雑なシステム上での安全な動作を強制するのに非常に効果的である。 RoMとFoMのギャップは、安全違反を引き起こす可能性がある。 本稿では,FoMのロールアウトを活用して予測ロバスト性項を定義することで,このギャップに対処する固有CBFを提案する。
  論文  参考訳（メタデータ） (2024-12-05T23:05:25Z)
• 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)
• 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)
• 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)
• 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)

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。