論文の概要: Probabilistic Recursively Feasible Motion Planning Under Uncertain Environments
- arxiv url: http://arxiv.org/abs/2605.19015v1
- Date: Mon, 18 May 2026 18:35:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:08.922581
- Title: Probabilistic Recursively Feasible Motion Planning Under Uncertain Environments
- Title（参考訳）: 不確実環境下での確率的再帰可能な運動計画
- Authors: Hyeontae Sung, Hyeongchan Ham, Junyoung Park, Kai Ren, Heejin Ahn,
- Abstract要約: 本稿では,確率的再帰的モデル予測制御(PRF-MPC)フレームワークを提案する。
この分析に基づいて,現在の安全集合が将来の安全集合に含まれることを高い確率で保証する安全制約を構築する。
- 参考スコア（独自算出の注目度）: 5.47494170074467
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Safe motion planning in uncertain, time-varying environments is challenging because the safe region can change unpredictably across planning steps, often causing a loss of recursive feasibility. In this work, we present a Probabilistic Recursively Feasible Model Predictive Control (PRF-MPC) framework that guarantees recursive feasibility with a specified probability. We introduce properties that an ideal predictor should satisfy to ensure distributional consistency, and use these properties to derive closed-form expressions for the means and covariances of trajectories predicted at future time steps. Building on this analysis, we construct safety constraints that ensure, with high probability, that the current safe set is contained within the safe sets at future time steps, thereby probabilistically guaranteeing recursive feasibility. Simulation results on a lane-change scenario demonstrate that the proposed method significantly improves recursive feasibility.
- Abstract（参考訳）: 安全領域は計画段階を通して予測不可能に変化し、しばしば再帰的な実現可能性を失うため、不確実で時間的変化のある環境における安全な運動計画は困難である。
本研究では,確率的再帰的モデル予測制御(PRF-MPC)フレームワークを提案する。
理想的な予測器は、分布の整合性を確保するために満足すべき特性を導入し、これらの特性を用いて、将来の時間ステップで予測される軌道の手段と共分散に対する閉形式式を導出する。
この分析に基づいて、現在の安全セットが将来の時間ステップにおいて安全なセットに含まれることを保証する安全制約を構築し、再帰的実現可能性の確率論的保証を行う。
レーン変更シナリオのシミュレーション結果から,提案手法は再帰的実現可能性を大幅に向上することを示した。
関連論文リスト
- Data-driven Reachable Set Estimation with Tunable Adversarial and Wasserstein Distributional Guarantees [0.0]
サンプル状態軌跡のみを用いた未知離散時間力学系の有限地平線到達可能集合推定について検討した。
到達可能な集合推定にどのように調整できるかを示し、そこでは全体の軌道に基づいて集合の族を学ばなければならない。
論文 参考訳（メタデータ） (2026-04-14T12:23:14Z) - Statistical Contraction for Chance-Constrained Trajectory Optimization of Non-Gaussian Stochastic Systems [0.0]
このフレームワークは共形推論を用いて任意の参照軌跡を囲む閉ループ力学に対する信頼セットを生成する。
適切な制約の締め付けにより、基準軌跡上の統計的に妥当な決定論的制約をトラクタブルに修正することができる。
これにより、安全クリティカルな現実世界のアプリケーションにおいて、ニューラルネットワークメトリクスのような学習ベースのモーションプランナとコントローラを活用、検証するフォーマルなパスが可能になる。
論文 参考訳（メタデータ） (2026-03-07T08:01:20Z) - Conformal Prediction in The Loop: A Feedback-Based Uncertainty Model for Trajectory Optimization [3.761729592527251]
コンフォーマル予測(CP)は、カバレッジ保証を備えた不確実性セットを構築するための強力な統計機械学習ツールである。
本稿では,リスク制約を伴ってThorizonを縮小する新しいフィードバックベースCP(Fb-CP)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-18T07:11:23Z) - Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。
本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-18T21:14:07Z) - Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。
データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-27T21:46:42Z) - Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。
我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2024-07-01T20:44:48Z) - Recursively Feasible Shrinking-Horizon MPC in Dynamic Environments with Conformal Prediction Guarantees [23.32696414512787]
我々は、ミッション中に制御不能なエージェントと相互作用する決定論的自律システムを制御することを検討する。
既存の作業は、未知のエージェントに対して高い信頼度予測領域を導出し、これらの領域をMPCに適した安全制約の設計に統合する。
我々は,新たな予測領域がオンライン化されるにつれて,安全制約の段階的緩和を通じて再帰的実現性を保証する縮小水平MPCを提案する。
論文 参考訳（メタデータ） (2024-05-17T16:07:03Z) - ConstrainedZero: Chance-Constrained POMDP Planning using Learned Probabilistic Failure Surrogates and Adaptive Safety Constraints [34.9739641898452]
本研究では、最適値とポリシーのニューラルネットワーク近似を学習することにより、信念空間におけるCC-POMDPを解くConstrainedZeroポリシーアルゴリズムを導入する。
その結果, 目標から安全制約を分離することで, 報酬とコストのバランスを最適化することなく, 目標となる安全レベルを達成できることが示唆された。
論文 参考訳（メタデータ） (2024-05-01T17:17:22Z) - Information-Theoretic Safe Bayesian Optimization [59.758009422067005]
そこでは、未知の(安全でない)制約に反するパラメータを評価することなく、未知の関数を最適化することを目的としている。
現在のほとんどのメソッドはドメインの離散化に依存しており、連続ケースに直接拡張することはできない。
本稿では,GP後部を直接利用して,最も情報に富む安全なパラメータを識別する情報理論的安全な探索基準を提案する。
論文 参考訳（メタデータ） (2024-02-23T14:31:10Z) - 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。