論文の概要: A Closed-Form Dual-Barrier CBF Safety Filter for Holonomic Robots on Incrementally Built Occupancy Grid Maps
- arxiv url: http://arxiv.org/abs/2605.05182v1
- Date: Wed, 06 May 2026 17:49:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.973982
- Title: A Closed-Form Dual-Barrier CBF Safety Filter for Holonomic Robots on Incrementally Built Occupancy Grid Maps
- Title（参考訳）: 集積格子図を用いたホロノミックロボット用閉鎖型デュアルバリアCBF安全フィルタ
- Authors: Himanshu Paudel, Basanta Joshi, Dhirendra Raj Madai, Alina Bartaula, Biman Rimal, Sanjay Neupane,
- Abstract要約: 本稿では,ホロノミックロボットのリアルタイムかつ安全クリティカルな速度制御のための二重バリア制御バリア機能 (CBF) を提案する。
マップされた障害物の回避と未探索領域からの制限という2つの制約を施行する。
SLAMとプランニングがすでにかなりの計算を消費しているRaspberry Piのようなリソース制約のあるプラットフォームでは、提案されたフィルタのオーバーヘッドはリソースを保存する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a dual-barrier control barrier function (CBF) safety filter for real-time, safety-critical velocity control of holonomic robots operating in incrementally built occupancy grid maps. As a robot explores an unknown environment, unmapped regions introduce irreducible uncertainty, since obstacle geometry beyond the explored frontier is unknown, making entry into such regions a source of collision risk, especially with front-facing sensors. To address this, we enforce two constraints: avoidance of mapped obstacles and restriction from unexplored regions. Both constraints are derived analytically from the occupancy grid's signed distance field, yielding a closed-form safety filter that requires only a small linear system solve per cycle. On resource-constrained platforms such as the Raspberry Pi, where SLAM and planning already consume significant compute, the low overhead of the proposed filter preserves resources. An adaptive gain schedule relaxes the frontier constraint in information-rich regions and tightens it in well-mapped areas, improving exploration efficiency while maintaining safety. The filter operates in velocity space as a minimally invasive correction and composes with arbitrary nominal controllers, including learning-based methods. Hardware flight experiments on a PX4-controlled quadrotor demonstrate zero collisions across multiple indoor runs.
- Abstract（参考訳）: 本稿では, ホロノミックロボットのリアルタイムかつ安全クリティカルな速度制御を, 漸増的に構築した占有グリッドマップで行うための二重バリア制御バリア機能 (CBF) を提案する。
ロボットが未知の環境を探索する際、探索されたフロンティアを越える障害物形状が未知であるため、未マップ領域は不可逆不確実性を導入し、特に前面センサーによる衝突リスクの原因となる。
この問題に対処するため,マップ化された障害物の回避と未探索領域からの制限という2つの制約を適用した。
どちらの制約も、占有格子の符号付き距離場から解析的に導出され、サイクル毎に小さな線形系しか解決しない閉形式安全フィルタが得られる。
SLAMとプランニングがすでにかなりの計算を消費しているRaspberry Piのようなリソース制約のあるプラットフォームでは、提案されたフィルタのオーバーヘッドはリソースを保存する。
適応利得スケジュールは、情報豊富な領域におけるフロンティア制約を緩和し、うまくマッピングされた領域で締め付け、安全性を維持しながら探索効率を向上させる。
このフィルタは、最小侵襲的な補正として速度空間で動作し、学習ベースの方法を含む任意の名目制御器で構成する。
PX4制御された四極子上のハードウェア飛行実験は、複数の屋内ランを横断するゼロ衝突を実証する。
関連論文リスト
- Online Safety Filter for Deformable Object Manipulation with Horizon Agnostic Neural Operators [25.931880819916643]
変形可能なオブジェクト操作のための制約駆動型オンライン安全フィルタを提案する。
このフィルタは、名目制御ポリシーを最小限に修正することで、タスクレベルの安全性の制約をリアルタイムで実施する。
提案手法はFluidLabにおいて,フィルタがフィルタされていない基本方針に対して,安全な軌道速度を最大22%向上させる。
論文 参考訳（メタデータ） (2026-05-01T20:06:54Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - Long-Horizon Geometry-Aware Navigation among Polytopes via MILP-MPC and Minkowski-Based CBFs [6.0390093427687725]
提案フレームワークは,多目的障害物間を走行するロボットの長距離・幾何学的安全保証を橋渡しする。
提案アーキテクチャは,純粋に反応性のあるCBFナビゲーションのトポロジによる挙動を緩和する。
論文 参考訳（メタデータ） (2026-03-31T19:10:34Z) - CSSDF-Net: Safe Motion Planning Based on Neural Implicit Representations of Configuration Space Distance Field [23.48697826890044]
非構造環境における高次元マニピュレータ操作には、異なるシーンに依存しない距離問合せ機構が必要である。
CSSDF-Netは、連続署名された距離フィールドを構成空間内で直接学習し、共同空間距離と勾配クエリを提供する。
平面アームと7-DoFマニピュレータの実験は、静的および動的シーンにおける安定した勾配、効果的な衝突回避を示す。
論文 参考訳（メタデータ） (2026-03-19T09:31:41Z) - 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) - Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。
B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。
実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
論文 参考訳（メタデータ） (2025-09-30T03:38:20Z) - Online Efficient Safety-Critical Control for Mobile Robots in Unknown
Dynamic Multi-Obstacle Environments [13.858175528097032]
本稿では,LiDARに基づく目標探索・探索フレームワークを提案する。
静的障害物と移動障害物が混在する非構造環境におけるオンライン障害物回避の効率性に対処する。
論文 参考訳（メタデータ） (2024-02-26T09:53:37Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - 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) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。