論文の概要: Control Barrier Functions Solved with Hierarchical Quadratic Programming for Safe Physical Human-Robot Interaction
- arxiv url: http://arxiv.org/abs/2604.23039v1
- Date: Fri, 24 Apr 2026 21:54:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.113068
- Title: Control Barrier Functions Solved with Hierarchical Quadratic Programming for Safe Physical Human-Robot Interaction
- Title（参考訳）: 階層的二次計画法で解決した人-ロボットの安全なインタラクションのための制御バリア関数
- Authors: Rui Luo, Jonas Mariager Jakobsen, Wesley Roozing, Federico Califano, Cheng Fang,
- Abstract要約: 制御バリア機能(CBF)は、安全保証を強制するための効果的なアプローチとして登場した。
CBFは、多くのCBF形式タスクを含む擬似プログラミング(QP)問題で解決できる。
本稿では,CBFをベースとした階層的擬似プログラミングフレームワークを物理ロボットインタラクションに適用することを提案する。
- 参考スコア（独自算出の注目度）: 7.06220923441206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Physical human-robot interaction offers the potential to leverage human intelligence and robot physical capabilities to enable a range of exciting applications, e.g., collaborative robots for rehabilitation. Safety is critical for the successful deployment of this kind of robotic system. In recent years, Control Barrier Function (CBF) has emerged as an effective approach to enforce safety guarantees, which has been widely applied in various applications, from adaptive cruise control to navigation of legged robots. CBFs can be solved in a Quadratic Programming (QP) problem, which can include many CBF-formulated tasks. To manage a large number of safety tasks, a hierarchical CBF has been used to allow hierarchical relaxation of safety tasks to ensure the feasibility of a solution in the presence of conflicting tasks. In this work, we propose to use a CBF-based Hierarchical Quadratic Programming (HQP) framework in physical human-robot interaction to allow us to design both performance tasks (e.g., preserve the desired behavior at the human-robot interaction point) and safety tasks at any level of a hierarchy to balance the safety and the performance in a more flexible way. Extensive experiments were carried out on a real redundant robot to validate the effectiveness, flexibility, and generality of this approach.
- Abstract（参考訳）: 物理的な人間とロボットの相互作用は、人間の知性とロボットの物理的な能力を活用して、リハビリのためのコラボレーションロボットなど、さまざまなエキサイティングな応用を可能にする。
この種のロボットシステムの展開を成功させるためには、安全性が不可欠だ。
近年、制御バリア機能(CBF)は、適応型クルーズ制御から脚付きロボットのナビゲーションに至るまで、様々な用途に広く応用されている安全保証を強制するための効果的なアプローチとして出現している。
CBFは、多くのCBF形式タスクを含む擬似プログラミング(QP)問題で解決できる。
多くの安全タスクを管理するために、階層的なCBFを使用して安全タスクの階層的な緩和を可能にし、競合するタスクの存在下でのソリューションの実現可能性を保証する。
本研究では,CBFをベースとした階層的擬似プログラミング(HQP)フレームワークを用いて,人間とロボットの相互作用点における所望の動作を保持するなど)と安全タスクの両方を階層の任意のレベルで設計し,安全性と性能のバランスをより柔軟な方法で実現することを提案する。
提案手法の有効性, 柔軟性, 汎用性を検証するために, 現実の冗長ロボットを用いて大規模な実験を行った。
関連論文リスト
- Capability-Aware Heterogeneous Control Barrier Functions for Decentralized Multi-Robot Safe Navigation [19.794822517328654]
既存の分散化手法では、ロボットの同質性を仮定し、異種エージェント間で共有された安全要件を不均一に解釈する。
本稿では、一貫した安全対策と機能意識調整のための分散型フレームワークであるCA-HCBF(Capability-Aware Heterogeneous Control Barrier Function)を提案する。
論文 参考訳（メタデータ） (2026-04-14T19:21:46Z) - ToMPC: Task-oriented Model Predictive Control via ADMM for Safe Robotic Manipulation [20.83011691536596]
このフレームワークは、衝突のない動きとロボット環境の相互作用を統一し、多様なシナリオに対処する。
また、運動の冗長性を活用して障害物環境の操作効率を高めるタスク指向の障害物回避も導入している。
その結果, フレームワークはリアルタイムに動きや力の軌跡を計画し, 障害物を避けながら操作範囲を最大化し, 安全に関する厳密な制約に固執できることがわかった。
論文 参考訳（メタデータ） (2026-03-14T13:35:24Z) - Uncertainty Aware-Predictive Control Barrier Functions: Safer Human Robot Interaction through Probabilistic Motion Forecasting [13.020006323600251]
不確かさを意識した予測制御バリア関数は、制御バリア関数の正式な安全性を保証することで、確率的手の動き予測を融合させる。
UA-PCBFは、将来の人間の状態をより深く理解した協力型ロボットに力を与える。
最先端のHRIアーキテクチャとは対照的に、UA-PCBFはタスククリティカルなメトリクスでより良いパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-08-28T14:11:26Z) - Towards provable probabilistic safety for scalable embodied AI systems [79.31011047593492]
エンボディードAIシステムは、様々なアプリケーションでますます普及している。
複雑な運用環境での安全性確保は依然として大きな課題である。
このパースペクティブは、安全で大規模に実施されたAIシステムを安全クリティカルなアプリケーションに採用するための道筋を提供する。
論文 参考訳（メタデータ） (2025-06-05T15:46:25Z) - 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) - Safe Human Robot Navigation in Warehouse Scenario [15.277331501780488]
本研究は,制御バリア機能(CBF)を活用し,倉庫ナビゲーションの安全性を高める手法を提案する。
学習ベースのCBFとOpen Robotics Middleware Framework(OpenRMF)を統合することで、マルチロボット、マルチエージェントシナリオにおける適応性と安全性向上の制御を実現する。
論文 参考訳（メタデータ） (2025-03-27T04:12:27Z) - ABNet: Attention BarrierNet for Safe and Scalable Robot Learning [58.4951884593569]
バリアベースの手法は、安全なロボット学習における主要なアプローチの1つである。
本稿では,より大規模な基本安全モデルを段階的に構築するスケーラブルなAttention BarrierNet(ABNet)を提案する。
2次元ロボット障害物回避、安全なロボット操作、視覚に基づくエンドツーエンド自動運転におけるABNetの強みを実証する。
論文 参考訳（メタデータ） (2024-06-18T19:37:44Z) - Proactive Human-Robot Co-Assembly: Leveraging Human Intention Prediction
and Robust Safe Control [10.973115127845224]
本稿では,プロアクティブなロボット協調のための統合フレームワークを提案する。
頑健な意図予測モジュールが学習され、ロボットに効率的な協調を誘導する。
開発したフレームワークは,Kinova Gen3ロボットを用いた協調作業に適用される。
論文 参考訳（メタデータ） (2023-06-20T19:42:30Z) - A ROS Architecture for Personalised HRI with a Bartender Social Robot [61.843727637976045]
BRILLOプロジェクトの目的は、自律的なロボットバーテンダーを作ることだ。
本稿では、異なる社会信号の処理を管理する知覚層と、多人数インタラクションを処理する意思決定層と、腕と顔からなる複雑なロボットの動作を制御する実行層を統合した3層ROSアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-03-13T11:33:06Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z)
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。