論文の概要: Exact, Efficient, and Safe Occlusion-Aware Planning Using AH-Polyhedrons

• arxiv url: http://arxiv.org/abs/2606.15046v1
• Date: Sat, 13 Jun 2026 01:28:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.667685
• Title: Exact, Efficient, and Safe Occlusion-Aware Planning Using AH-Polyhedrons
• Title（参考訳）: AH-ポリヘドロンを用いた排他的・効率的・安全な排他的計画法
• Authors: Long Kiu Chung, David Isele, Toktam Mohammadnejad, Faizan M. Tariq, Sangjae Bae, Shreyas Kousik, Jovin D'sa,
• Abstract要約: 我々は,精密かつ効率的なオクルージョン対応計画フレームワークであるAPRO(AH-Polyhedron Reachability for Occlusions)を提案する。 我々の重要な洞察は、AH-ポリヘドロンの結合として以前の作業におけるセットベースの安全条件を再構築することである。 提案手法は,提案手法を最適化した計画立案者や,リアルタイムアプリケーションのための二項探索方式に統合する方法を示す。
• 参考スコア（独自算出の注目度）: 5.980069180948256
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Safely handling occlusions is a fundamental challenge for autonomous mobile robots operating in dynamic environments. This issue is especially prominent in autonomous valet parking (AVP), where traffic rules are lax, occlusions are frequent and cluttered, and overly conservative behavior can leave vehicles stuck. However, existing methods either lack formal safety guarantees, assume agents follow road structures, or introduce conservatism, leaving occlusion-aware planning for AVP an open challenge. In this paper, we propose APRO (AH-Polyhedron Reachability for Occlusions), an exact and efficient occlusion-aware planning framework based on game-theoretic active perception and AH-polyhedron reachability analysis with AVP as our canonical use case. Our key insight is to reformulate set-based safety conditions in prior work as unions of AH-polyhedrons, enabling exact safety verification through linear programming (LP) without any additional conservatism in set computations or assumptions on road topology. We further show how the resulting safety conditions can be integrated into optimization-based planners or a bisection search scheme for real-time applications. We validate our method in simulation and hardware experiments, including data replay on a real-world parking lot dataset. Experimental results demonstrate that our method consistently achieved a 100% safety rate across all evaluated scenarios while maintaining real-time performance, resulting in safer and more optimal decisions than existing methods with formal safety guarantees.
• Abstract（参考訳）: 閉塞を安全に扱うことは、動的環境で動作する自律移動ロボットにとって、基本的な課題である。 この問題は、交通規則が怠けており、閉塞が頻繁で散らかっており、過度に保守的な行動は車両を立ち往生させる可能性がある、自律型ヴァレット駐車(AVP)において特に顕著である。 しかし、既存の手法は、正式な安全保証を欠いているか、エージェントが道路構造に従うと仮定するか、保守主義を導入するかのいずれかであり、AVPの排他的計画がオープンな課題である。 本稿では,ゲーム理論のアクティブな認識とAVPを用いたAH-ポリヘドロンリーチビリティ分析に基づく,精密かつ効率的なオクルージョン対応計画フレームワークであるAPRO(AH-Polyhedron Reachability for Occlusions)を提案する。 我々の重要な洞察は、AH-ポリヘドロンの結合として以前の作業において、設定された計算や道路トポロジーの仮定に余分な保守性を持たずに、線形プログラミング(LP)による正確な安全性検証を可能にするように設定ベースの安全条件を再構築することである。 さらに、結果の安全性条件を最適化ベースのプランナーや、リアルタイムアプリケーションのための二項探索方式に統合する方法について述べる。 本手法をシミュレーションおよびハードウェア実験で検証し,実世界の駐車場データセット上でのデータ再生を含む実験を行った。 実験結果から,本手法は実時間性能を維持しつつ,評価シナリオ全体の100%の安全率を連続的に達成し,安全性を保証した既存手法よりも安全かつ最適に決定できることを示した。

関連論文リスト

• SQ-CBF: Signed Distance Functions for Numerically Stable Superquadric-Based Safety Filtering [9.291918812545699]
  制御バリア関数は、リアルタイムな安全フィルタリングのための効果的なフレームワークを提供する。 それらの性能は下層の幾何学的表現に依存し、しばしば単純化される。 スーパークワッドリックは、いくつかのプリミティブを使って複雑な形状をモデル化する表現力のある方法を提供する。
  論文  参考訳（メタデータ） (2026-02-11T17:19:43Z)
• Rethinking Safety in LLM Fine-tuning: An Optimization Perspective [56.31306558218838]
  我々は、本質的にトレードオフではなく、最適化の貧弱な選択が、しばしば安全上の問題を引き起こすことを示し、敵のプロンプトに対する有害な応答として測定する。 安全性能を保ったパラメータ空間における簡易指数移動平均(EMA)運動量法を提案する。 複数のデータセットにまたがるLlamaファミリーに関する実験は、安全性の問題が特別な介入なしに回避できることを実証している。
  論文  参考訳（メタデータ） (2025-08-17T23:46:36Z)
• Enhanced Safety in Autonomous Driving: Integrating Latent State Diffusion Model for End-to-End Navigation [5.928213664340974]
  本研究は自動運転の制御最適化問題における安全性問題に対処する。 本稿では,条件付きバリュー・アット・リスクに基づくソフトアクター批判を利用して,ポリシー最適化のための新しいモデルベースアプローチを提案する。 本手法では, 安全探索を誘導する最悪のアクターを導入し, 予測不可能なシナリオにおいても, 安全要件の厳密な遵守を確保する。
  論文  参考訳（メタデータ） (2024-07-08T18:32:40Z)
• 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)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• 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)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)

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。