論文の概要: Distribution-Free Risk-Aware Planning and Control Under Uncertainty Using Conformal Spectral Risk Control

• arxiv url: http://arxiv.org/abs/2606.04185v1
• Date: Tue, 02 Jun 2026 20:07:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.362414
• Title: Distribution-Free Risk-Aware Planning and Control Under Uncertainty Using Conformal Spectral Risk Control
• Title（参考訳）: コンフォーマルスペクトルリスク制御を用いた不確実性下における分散自由リスク対応計画と制御
• Authors: Junsik Eom, Tulga Ersal,
• Abstract要約: 本稿では,リスク対応モデル予測制御(RA-MPC)フレームワークを提案する。 予測セットをMPCフレームワークに組み込むことで、不確実な不確実性であってもスペクトルリスク制約満足度の観点から統計的安全性が保証されることを示す。
• 参考スコア（独自算出の注目度）: 1.9551668880584971
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe navigation in dynamic and uncertain environments often relies on accurate estimation of, or assumptions about, the true underlying uncertainty. However, accurately characterizing the true uncertainty distribution is often difficult due to limited data or imperfect information. An incorrect understanding of the uncertainty and its associated risk may lead to dangerous decisions even under high levels of risk aversion. To address this issue, we propose a risk-aware model predictive control (RA-MPC) framework that incorporates prediction sets to guarantee risk control below a user-specified threshold without requiring assumptions about the underlying uncertainty distribution. To generate the prediction sets, we develop a distribution-free risk quantification framework that extends conformal risk control (CRC) to general spectral risk measures. We then show that incorporating the prediction sets into the MPC framework provides statistical safety guarantees in terms of spectral risk constraint satisfaction even under uncertainty misspecification. We validate the proposed framework in simulated vehicle obstacle avoidance scenarios, demonstrating improved safety and reduced solve time compared to a baseline RA-MPC framework.
• Abstract（参考訳）: 動的で不確実な環境での安全なナビゲーションは、しばしば真に根底にある不確実性の正確な推定や仮定に依存している。 しかし、データや不完全な情報のために、真の不確実性分布を正確に特徴づけることはしばしば困難である。 不確実性とその関連するリスクに対する誤った理解は、高いレベルのリスク回避の下でも危険な決定につながる可能性がある。 この問題に対処するために,リスク対応モデル予測制御(RA-MPC)フレームワークを提案する。 予測セットを生成するために、共形リスク制御(CRC)を一般的なスペクトルリスク対策に拡張する分布自由リスク定量化フレームワークを開発した。 次に,MPC フレームワークに予測セットを組み込むことで,不確実な不確かさであってもスペクトルリスク制約満足度の観点から統計的安全性が保証されることを示す。 シミュレーション車両障害物回避シナリオにおいて提案手法の有効性を検証し, RA-MPCフレームワークと比較して安全性の向上と解決時間短縮を実現した。

関連論文リスト

• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• Uncertainty-Aware Vision-based Risk Object Identification via Conformal Risk Tube Prediction [7.840136094141999]
  既存のアプローチは意思決定を行い、不確実性を無視します。 これらの課題にもかかわらず、現在の手法には、空間と時間にわたって共同でリスクの不確実性をモデル化する原則的な枠組みが欠如している。 本稿では, リスクの原則的不確実性を把握し, 真のリスクに対するカバレッジ保証を提供し, 不確実性を考慮した校正リスクスコアを生成するコンフォーマルリスク予測統一定式化を提案する。
  論文  参考訳（メタデータ） (2026-03-25T04:13:42Z)
• Constrained Language Model Policy Optimization via Risk-aware Stepwise Alignment [49.2305683068875]
  本稿では,リスク認識を政策最適化プロセスに組み込んだ新しいアライメント手法であるリスク対応ステップワイドアライメント(RSA)を提案する。 RSAは、過剰なモデルシフトによって引き起こされるリスクを基準方針から緩和し、低確率で高影響の有害な振る舞いを明示的に抑制する。 実験により, 本手法は高い安全性を確保しつつ, 高い安全性を達成できることが確認された。
  論文  参考訳（メタデータ） (2025-12-30T14:38:02Z)
• Conformal Risk Training: End-to-End Optimization of Conformal Risk Control [41.45834526675908]
  我々は,モデルトレーニングや微調整において,コンフォーマルなOCEリスク制御を通じて区別する,エンドツーエンドのアプローチである「コンフォーマルリスクトレーニング」を導入する。 提案手法は,実証可能なリスク保証を実現するとともに,ポストホック手法よりも平均ケース性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-10-09T19:05:45Z)
• On Continuous Monitoring of Risk Violations under Unknown Shift [46.65571623109494]
  進化するデータストリームにおけるリスク違反のリアルタイムモニタリングのための一般的なフレームワークを提案する。 我々の手法は、遭遇したシフトの性質について最小限の仮定の下で機能する。 本稿では,異常検出におけるリスクの監視と,さまざまなシフト下での予測によるアプローチの有効性について述べる。
  論文  参考訳（メタデータ） (2025-06-19T15:52:24Z)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• From Risk to Uncertainty: Generating Predictive Uncertainty Measures via Bayesian Estimation [5.355925496689674]
  私たちは、異なる予測の不確実性対策を作成できるフレームワークを構築します。 本手法は,分布外および誤分類インスタンスの検出において,その性能を評価することにより,画像データセット上での検証を行う。
  論文  参考訳（メタデータ） (2024-02-16T14:40:22Z)
• Risk Sensitive Model-Based Reinforcement Learning using Uncertainty Guided Planning [0.0]
  本稿では,モデルに基づく強化学習アルゴリズムでリスク感度を向上する。 本研究では,高分散状態予測をもたらす行動系列を解析する不確実性誘導型クロスエントロピー法計画を提案する。 実験では、エージェントが計画中の状態空間の不確実な領域を識別し、エージェントを高い信頼領域内に保持する行動をとる能力を示す。
  論文  参考訳（メタデータ） (2021-11-09T07:28:00Z)

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。