論文の概要: From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning
- arxiv url: http://arxiv.org/abs/2607.00776v1
- Date: Wed, 01 Jul 2026 11:02:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.863861
- Title: From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning
- Title（参考訳）: 安全運動計画のための予測不確かさから整形距離場へ
- Authors: Jaeuk Shin, Yoonseok Ra, Insoon Yang,
- Abstract要約: 既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。
代わりに、予測距離場全体を同時に整列する。
この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
- 参考スコア（独自算出の注目度）: 9.50741434664352
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Safe motion planning in dynamic environments requires reasoning about the uncertainty in predicted obstacle motion without sacrificing real-time performance. Existing conformal approaches conformalize a scalar score that aggregates per-obstacle prediction errors, losing spatial coherence and scaling poorly with scene density. We instead conformalize the entire predicted distance field at once. This functional conformal prediction (FCP) framework yields a distribution-free, field-level lower bound, from which safety follows uniformly: any trajectory satisfying the resulting constraint is certified safe, independent of how the control space is sampled. The key enabler is that the residual distance field is empirically low-rank and approximately time-invariant, which makes the bound decomposable in coefficient space. An envelope is fitted offline via functional PCA and a Gaussian-mixture inductive conformal procedure, then refined online by a lightweight adaptive functional conformal (AFCP) update on a low-dimensional vector. This keeps the per-step cost largely insensitive to obstacle count and retains long-run field coverage under distribution shift. We embed the envelope as a tightened safety constraint in a sampling-based model predictive controller, FCP-MPC. On the ETH--UCY pedestrian benchmarks and a dense 3D quadrotor task with up to 280 dynamic obstacles, FCP-MPC attains a favorable balance of safety, feasibility, and efficiency, reaching goals where pointwise and egocentric conformal baselines become too conservative or too expensive, while keeping per-step computation far below online uncertainty-reasoning baselines.
- Abstract（参考訳）: 動的環境における安全な運動計画には、リアルタイム性能を犠牲にすることなく予測された障害物運動の不確実性について推論する必要がある。
既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集約し、空間的コヒーレンスを失い、シーン密度に悪影響を及ぼすスカラースコアに適合する。
代わりに、予測距離場全体を同時に整列する。
この機能的共形予測(FCP)フレームワークは、制御空間のサンプリング方法とは無関係に、結果の制約を満たす任意の軌道が安全であると保証される。
鍵となるイネーブルは、残差距離場が経験的に低ランクであり、ほぼ時間不変であり、係数空間において境界が分解可能であることである。
封筒は機能的PCAとガウス混合誘導型コンフォメーションプロシージャを介してオフラインに取り付け、低次元ベクトル上の軽量適応機能コンフォメーション(AFCP)更新によりオンラインで洗練される。
これにより、ステップ当たりのコストは障害物数に大きく依存せず、分散シフト下での長時間のフィールドカバレッジを保持することができる。
サンプルベースモデル予測制御器(FCP-MPC)にエンベロープを密着型安全制約として組み込む。
ETH-UCYの歩行者ベンチマークと最大280のダイナミック障害を持つ高密度の3Dクアロータタスクでは、FCP-MPCは安全性、実現可能性、効率のバランスを良好に達成し、オンラインの不確実性推論ベースラインよりはるかに低いステップ計算を維持しながら、ポイントワイドでエゴセントリックな整列ベースラインが保守的あるいは高すぎる目標に達する。
関連論文リスト
- Robust Operational Space Control with Conformal Disturbance Bounds for Safe Redundant Manipulation [4.337275843491041]
制約のある人間間環境で動作する冗長なロボットマニピュレータは、正確なタスク空間追跡を必要とする。
本稿では,拡張状態オブザーバ(ESO)と共形予測を統合したOSCTCフレームワークを提案する。
7-DoF Franka Research 3 マニピュレータの実験では、様々な障害の下で1kHzでミリレベルの追跡精度とリアルタイム安全な制御が実証された。
論文 参考訳（メタデータ） (2026-07-01T04:33:39Z) - Predicted-Flow Control Barrier Functions for Real-Time Safe Optimal Control [0.0]
制御障壁関数(CBF)は、状態のポイントワイズ条件を通じてリアルタイムの安全保証を提供する。
本稿では,予測フロー制御バリア関数(P-CBF)を紹介する。
安全のために、P-CBFは予測フローが予測水平線全体にわたって安全なセットにあることを証明できる。
論文 参考訳（メタデータ） (2026-05-29T19:27:24Z) - CMP: Robust Whole-Body Tracking for Loco-Manipulation via Competence Manifold Projection [64.65196237023754]
Manifold Competence Projectionは、アウト・オブ・ディストリビューションの摂動に対する堅牢性を改善する。
我々は、無限水平安全制約を計算効率の良い単段多様体包含に変換するフレーム-ワイズ安全スキームを用いる。
実験により、CMPは典型的なOODシナリオで最大10倍の生存率向上を達成することが示された。
論文 参考訳（メタデータ） (2026-04-08T18:00:39Z) - Staggered Integral Online Conformal Prediction for Safe Dynamics Adaptation with Multi-Step Coverage Guarantees [5.395687668363633]
本稿では、積分スコア関数を用いて、乱れと学習誤差のラップ効果を定量化するアルゴリズムであるStaggered Integral Online Conformal Prediction (SI-OCP)を提案する。
提案手法は,全層ディープニューラルネットワーク(DNN)適応クアッドコプターの数値シミュレーションにより検証する。
論文 参考訳（メタデータ） (2026-04-07T16:44:06Z) - PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner [15.914164951048614]
PC-Diffuserは、拡散計画のデノイングループに直接パス一貫性のあるバリア関数構造を組み込む安全強化フレームワークである。
車両形状をよりよく反映するカプセル距離バリア関数を用いて衝突リスクを評価する。
自転車の車体モデルの下で、識別されたウェイポイントを動的に実現可能な運動に変換する。
論文 参考訳（メタデータ） (2026-03-11T01:52:56Z) - SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System [3.5382023072762188]
本稿では, バラバラな環境下でペイロードを輸送する四重極子に対して, 安定性と安全性を保証した安全促進型MPC (SEP-NMPC) を提案する。
安定化は、適応減衰を持つ形状のエネルギー貯蔵関数から導かれる厳密な通過率の不等式を埋め込むことによって実施される。
安全は、ユーザ定義クリアランスセットを前方不変にレンダリングする高次制御バリア関数(HOCBF)によって保証され、静的および動的障害と相互作用しながら分離を維持するために、クオータと揺動ペイロードの両方を義務付けている。
論文 参考訳（メタデータ） (2026-03-09T19:20:08Z) - LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。
本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。
texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
論文 参考訳（メタデータ） (2026-02-19T16:45:38Z) - Revisiting Robustness for LLM Safety Alignment via Selective Geometry Control [55.366871033602145]
我々は、ロバストネスの失敗はデータ中心の手法だけでは対処できないと主張している。
幾何を考慮した選好最適化フレームワークShaPOを提案する。
ShaPOはアライメントクリティカルパラメータ部分空間を選択的に制御することで、最悪のアライメント目的を強制する。
論文 参考訳（メタデータ） (2026-02-07T03:46:33Z) - Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。
B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。
実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
論文 参考訳（メタデータ） (2025-09-30T03:38:20Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-06-13T23:08:49Z)
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。