論文の概要: Safety Certification is Classification

• arxiv url: http://arxiv.org/abs/2605.06087v1
• Date: Thu, 07 May 2026 12:10:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.751243
• Title: Safety Certification is Classification
• Title（参考訳）: 安全認定は分類である
• Authors: Oliver Schön, Licio Romao, Sadegh Soudjani,
• Abstract要約: 本稿では,軌道データの分類問題として安全性認証を扱うカーネル埋め込みフレームワークを提案する。 このフレームワークは、文献(例えば、バリア証明書、ロバストマルコフモデル)から確立されたアプローチを特別なケースとして仮定する。 直接推定器は、認証の地平線と非マルコフ条件とは独立に安定であることを示す。
• 参考スコア（独自算出の注目度）: 1.6945967751903934
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The goal of this paper is certifying safety of dynamical systems subject to uncertainty. Existing approaches use trajectory data to estimate transition probabilities, and compute safety probabilities recursively via dynamic programming (DP). This recursion may lead to compounding errors in the certified safety probability, thus collapsing to a vacuous lower bound for growing horizons $T$. We propose a kernel embedding framework that treats safety certification as a classification problem on trajectory data, directly estimating the $T$-step safety probability without recursion. We show that the framework subsumes well-established approaches from the literature (e.g., barrier certificates, robust Markov models) as special cases, and allows us to go beyond their limitations. As the main consequence, it bypasses compounding error across the horizon and enables certification for systems with non-Markovian dynamics. We demonstrate that direct estimators remain stable independent of the certification horizon and in the non-Markovian setting, whilst DP-based certificates silently go unsound -- confirmed in simulation on a neural-controlled quadrotor.
• Abstract（参考訳）: 本研究の目的は,不確実性を考慮した力学系の安全性の証明である。 既存のアプローチでは、トランジション確率を推定するためにトラジェクトリデータを使用し、動的プログラミング(DP)を介して再帰的に安全確率を計算する。 この再帰は、認証された安全性の確率で複雑なエラーを引き起こす可能性があり、したがって、水平線を成長させるために空の低い境界に崩壊する。 本稿では,軌道データ上での安全性保証を分類問題として扱うカーネル埋め込みフレームワークを提案し,再帰を伴わない$T$-stepの安全性確率を直接推定する。 このフレームワークは、文献(例えば、バリア証明書、ロバストなマルコフモデル)から特別なケースとして確立されたアプローチを仮定し、それらの制限を超えることができることを示す。 その結果、地平線を越えて複雑なエラーを回避し、非マルコフ力学系に対する認証を可能にする。 我々は、直接推定器が認証の地平線と非マルコフ設定から独立して安定していることを示し、一方、DPベースの証明は静かに音を鳴らさず、ニューラルコントロールされた四重項器のシミュレーションで確認した。

関連論文リスト

• 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)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Barrier Certificates for Unknown Systems with Latent States and Polynomial Dynamics using Bayesian Inference [4.521450956414864]
  本稿では,未知システムに対するバリア証明書の合成手法を提案する。 初期状態空間表現は、ターゲットとするメトロポリス・ハスティングスサンプリング器を介して出力データを用いて更新される。 その妥当性の確率的保証は、追加の後方サンプルのセットをテストすることによって得られる。
  論文  参考訳（メタデータ） (2025-04-02T15:12:34Z)
• Data-Driven Safety Verification using Barrier Certificates and Matrix Zonotopes [1.6078581568133972]
  ノイズの多いデータから直接システムの安全性を検証するための,データ駆動型安全性検証フレームワークを提案する。 1つの信頼できないモデルを信頼するのではなく、観測されたデータと整合する一連のモデルを構築します。 このモデル集合は行列ゾノトープを用いてコンパクトに表現され、効率的な計算と不確実性の伝播を可能にする。
  論文  参考訳（メタデータ） (2025-04-01T17:46:42Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Data-Driven Distributionally Robust Safety Verification Using Barrier Certificates and Conditional Mean Embeddings [0.24578723416255752]
  問題を非現実的な仮定にシフトすることなく,スケーラブルな形式検証アルゴリズムを開発する。 問題を非現実的な仮定にシフトさせることなく,スケーラブルな形式検証アルゴリズムを開発するためには,バリア証明書の概念を用いる。 本稿では,2乗法最適化とガウス過程エンベロープを用いて効率よくプログラムを解く方法を示す。
  論文  参考訳（メタデータ） (2024-03-15T17:32:02Z)
• Safe Online Dynamics Learning with Initially Unknown Models and Infeasible Safety Certificates [45.72598064481916]
  本稿では、制御バリア関数(CBF)2次コーンプログラムに基づく、堅牢な安全証明書を備えた学習ベースの設定について考察する。 制御バリア関数証明書が実現可能ならば,その安全性を確保するため,本手法では,データ収集と制御バリア関数制約の実現可能性の回復のために,システムダイナミクスを探索する。
  論文  参考訳（メタデータ） (2023-11-03T14:23:57Z)
• 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)

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。