論文の概要: SHIELD: Scalable Optimal Control with Certification using Duality and Convexity
- arxiv url: http://arxiv.org/abs/2605.09171v2
- Date: Tue, 12 May 2026 03:46:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.251354
- Title: SHIELD: Scalable Optimal Control with Certification using Duality and Convexity
- Title（参考訳）: ShiELD: 二重性と凸性を用いた認証付きスケーラブル最適制御
- Authors: Hansung Kim, Siddharth H. Nair, Francesco Borrelli,
- Abstract要約: ShiELD は階層的なアルゴリズムであり、凸プログラムにおける決定のマグニチュードと制約セットの両方を削減する。
複雑なマルチモーダル交通シナリオにおけるモデル予測制御(SMPC)における ShiELD の有効性を検証する。
- 参考スコア（独自算出の注目度）: 5.679384378922127
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present SHIELD, a hierarchical algorithm that reduces both the decision-variable dimension and the constraint set in $\ell_1$-regularized convex programs. From strong convexity and Lagrangian duality, we derive certificates that \emph{safely} discard constraints and decision variables while guaranteeing that all removed constraints remain satisfied and all removed variables are null. To further accelerate the proposed algorithm, we propose a transformer-based deep neural network to guide the dual certificate inference. We validate SHIELD on stochastic model predictive control (SMPC) in complex, multi-modal traffic scenarios, comparing against a full-dimensional SMPC policy. Numerical simulations demonstrate order-of-magnitude computational speedups while preserving feasibility and closed-loop safety, highlighting the practicality of certifiably safe, lightweight MPC in complex driving scenes.
- Abstract（参考訳）: 我々は、決定変数次元と制約セットを$\ell_1$-regularized convexプログラムで削減する階層アルゴリズムShiELDを提案する。
強い凸性とラグランジアン双対性から、すべての削除された制約が満たされ、すべての削除された変数がnullであることを保証しながら、 \emph{safely} が制約と決定変数を破棄する証明書を導出します。
提案アルゴリズムをさらに高速化するために,デュアル証明書推論を誘導するトランスフォーマーに基づくディープニューラルネットワークを提案する。
複雑なマルチモーダル交通シナリオにおける確率モデル予測制御(SMPC)におけるShiELDの有効性を,フル次元SMPCポリシーとの比較により検証した。
数値シミュレーションは、複雑な運転シーンにおける安全で軽量なMPCの実現性を強調しながら、実現可能性と閉ループ安全性を保ちながら、オーダー・オブ・マグニチュード計算の高速化を示す。
関連論文リスト
- VISION-SLS: Safe Perception-Based Control from Learned Visual Representations via System Level Synthesis [5.4376319679463565]
高解像度RGB画像から非線形フィードバック制御を行うVISION-SLSを提案する。
学習した視覚的抽象化と効率的な解法を組み合わせることで、SLSベースの安全なビジュモータフィードバックを大規模に実現可能であることを示す。
論文 参考訳（メタデータ） (2026-04-27T18:20:42Z) - A KL Lens on Quantization: Fast, Forward-Only Sensitivity for Mixed-Precision SSM-Transformer Models [9.31160191200499]
エッジデバイス上の大規模言語モデル(LLM)は、計算とメモリの厳しい制約に直面している。
量子化誘起劣化に最も敏感なハイブリッドSSM-トランスフォーマーコンポーネントを同定するための,軽量でバックプロパゲーションフリーなサロゲート型感度分析フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T03:40:30Z) - Minimal Information Control Invariance via Vector Quantization [2.094349987888854]
我々は,サンプルデータ制御の下で,コンパクトな前方不変量を描画するために,何個の異なる制御信号が必要であるかを検討する。
状態空間分割と有限制御符号ブックを共同で学習するベクトル量子化オートエンコーダを提案する。
安全操作と互換性のある最小感度分解能を実証的に特徴付ける。
論文 参考訳（メタデータ） (2026-04-03T15:53:07Z) - Intelligent Control of Collisional Architectures for Deterministic Multipartite State Engineering [0.0]
我々は、繰り返し励起-相互作用を伴うアーキテクチャにおいて、対称ディック状態の決定論的生成のためのインテリジェントで制約対応の制御フレームワーク、|D_n(m)rangle$を導入する。
このプロトコルは2つの非結合量子ビットレジスタ間の部分SWAPの衝突を利用しており、これには$m$ ancillary Shuttle'' の量子ビットが介在し、Emphループの設計問題としてDickestateの準備を行う。
論文 参考訳（メタデータ） (2026-02-09T11:15:32Z) - Global stability of vehicle-with-driver dynamics via Sum-of-Squares programming [0.0]
この研究は、7状態の車両とドライバーシステムのために、アトラクション地域(ROA)のサブセットで安全を見積もる。
セーフセットは、元の反復的な Sum-of-Squares (SOS) 手順によって、リアプノフ関数を最適化することで計算される。
論文 参考訳（メタデータ） (2025-12-05T15:27:52Z) - One-Shot Safety Alignment for Large Language Models via Optimal Dualization [64.52223677468861]
本稿では,制約付きアライメントを等価な非制約アライメント問題に還元する双対化の観点を提案する。
我々は、閉形式を持つ滑らかで凸な双対函数を事前に最適化する。
我々の戦略は、モデルベースと嗜好ベースの設定における2つの実用的なアルゴリズムに導かれる。
論文 参考訳（メタデータ） (2024-05-29T22:12:52Z) - Uniformly Safe RL with Objective Suppression for Multi-Constraint Safety-Critical Applications [73.58451824894568]
広く採用されているCMDPモデルは予測のリスクを制約しており、長い尾の州で危険な行動を起こす余地がある。
安全クリティカルな領域では、そのような行動は破滅的な結果をもたらす可能性がある。
本稿では,目標を最大化するタスク報酬を適応的に抑制する新しい手法であるObjective Suppressionを提案する。
論文 参考訳（メタデータ） (2024-02-23T23:22:06Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - Learning Stabilizing Controllers for Unstable Linear Quadratic
Regulators from a Single Trajectory [85.29718245299341]
線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。
楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。
高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
論文 参考訳（メタデータ） (2020-06-19T08:58:57Z)
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。