論文の概要: Runtime Safety Filtering for Learned Small UAS Separation Policies under GNSS Degradation

• arxiv url: http://arxiv.org/abs/2607.10014v1
• Date: Fri, 10 Jul 2026 22:33:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.275538
• Title: Runtime Safety Filtering for Learned Small UAS Separation Policies under GNSS Degradation
• Title（参考訳）: GNSS劣化下での学習型小型UAS分離のための実行時安全フィルタリング
• Authors: Alex Zongo, Peng Wei,
• Abstract要約: 小型無人航空機システムの学習に基づく分離保証は都市環境において失敗する。 これにより、ナビゲーションの劣化の下で学習された分離ポリシーをデプロイするための根本的な疑問が提起される。 本研究は,敵対的制約下でのマルチエージェントsUAS分離に対する両方のアプローチを評価する。
• 参考スコア（独自算出の注目度）: 3.719121868494767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning-based separation assurance for small Unmanned Aircraft Systems (sUAS) achieves near-zero collision rates in simulation, but assumes accurate position and velocity information from Global Navigation Satellite Systems (GNSS). This assumption fails in urban environments, where multipath propagation, signal blockage, and intentional interference degrade navigation integrity. This raises a fundamental architectural question for deploying learned separation policies under GNSS degradation: should runtime safety mechanisms filter the policy's actions or its observations? This work evaluates both approaches for multi-agent sUAS separation under adversarial GNSS degradation. Both architectures first estimate a worst-case traffic state consistent with bounded observation uncertainty, then diverge: action filtering constrains policy outputs via discrete-time control barrier functions evaluated at the worst-case state, while observation filtering presents the worst-case state directly to the policy as corrected input. Experimental results show that action filtering provides negligible safety improvement, while observation filtering reduces near mid-air collisions by 90% and remains robust to the barrier function's tradeoff between separation distance and closing rate. These results suggest that, for policies with learned safety behaviors, preserving the policy's decision authority outperforms overriding its actions with hand-designed constraints.
• Abstract（参考訳）: 小型無人航空機システム(SUAS)の学習に基づく分離保証は、シミュレーションにおいてほぼゼロに近い衝突率を達成するが、GNSS(Global Navigation Satellite Systems)からの正確な位置と速度情報を仮定する。 この仮定は、マルチパス伝搬、信号遮断、意図的な干渉がナビゲーションの整合性を低下させる都市環境では失敗する。 これにより、GNSS分解の下で学習された分離ポリシーをデプロイする上で、基本的なアーキテクチャ上の問題が発生する。 本研究は, 逆GNSS劣化下でのマルチエージェントsUAS分離の両手法について評価する。 アクションフィルタリングは、最悪のケースで評価された離散時間制御バリア関数を介してポリシー出力を制約し、観察フィルタリングは、修正された入力としてポリシーに直接最悪のケース状態を提示する。 実験結果から, 動作フィルタリングは大気中近傍の衝突を90%低減し, 分離距離と閉鎖速度とのトレードオフに頑健であることがわかった。 これらの結果は、学習した安全行動を持つ政策において、政策の決定権限は、手作業による制約により過度に上回ることを示唆している。

関連論文リスト

• Closed-loop vs. Open-loop Kalman Filter Architectures in Airborne Aided Inertial Navigation [0.0]
  一般消費者からナビゲーショングレードシステムに至るまで,様々な慣性センサ誤差特性を用いたシミュレーションでは,オープンループフィルタを用いたハイエンドIMUのスムーズな情報融合と,閉ループアーキテクチャの固有の長期安定性とのトレードオフが示されている。
  論文  参考訳（メタデータ） (2026-07-03T13:55:17Z)
• Shield-Loco: Shielding Locomotion Policies with Predictive Safety Filtering [10.242244578585897]
  大規模オフライン安全な学習は、すべてのエッジケースをカバーするには実用的ではない。 本稿では,RLポリシーに従属する名目接触位置をポストホックフィルタでフィルタする安全フィルタを提案する。 密集した散らばった環境下での四足ロボットのフィルタの有効性を検証する。
  論文  参考訳（メタデータ） (2026-06-05T11:59:43Z)
• Trust, Geometry, and Rules: A Credibility-Aware Reinforcement Learning Framework for Safe USV Navigation under Uncertainty [32.34854002457735]
  本稿では,信頼性を意識した学習,幾何的安全遮蔽,連続ルール認識の埋め込みを組み込んだフレームワークを提案する。 本研究は,直観的不整合に対するトレーニングの堅牢性の向上と衝突回避性の向上,およびベースラインに対するCOLREGのコンプライアンスについて述べる。
  論文  参考訳（メタデータ） (2026-05-26T12:59:43Z)
• 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)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing [21.870113057418447]
  小型無人航空機システム(sUAS)のGPS劣化とスプーフィング下でのロバストな分離保証について検討する。 この式は,2次精度で,真に最悪の逆方向の摂動を近似することを示す。 高密度sUASシミュレーションでは, 破壊レベルが最大35%に達するとほぼゼロに近い衝突速度が観測され, 対向的摂動を伴わない基本方針よりも優れていた。
  論文  参考訳（メタデータ） (2026-03-30T18:26:59Z)
• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• Safe Deep Reinforcement Learning by Verifying Task-Level Properties [84.64203221849648]
  コスト関数は、安全深層強化学習(DRL)において一般的に用いられる。 このコストは通常、国家空間における政策決定のリスクの定量化が難しいため、指標関数として符号化される。 本稿では,ドメイン知識を用いて,そのような状態に近接するリスクを定量化するための代替手法について検討する。
  論文  参考訳（メタデータ） (2023-02-20T15:24:06Z)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)

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。