論文の概要: CoCoNav: Conformal Control for Safe Robot Navigation in Crowds
- arxiv url: http://arxiv.org/abs/2608.07751v1
- Date: Fri, 07 Aug 2026 20:34:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.496769
- Title: CoCoNav: Conformal Control for Safe Robot Navigation in Crowds
- Title（参考訳）: CoCoNav: 群衆の安全ロボットナビゲーションのためのコンフォーマルコントロール
- Abstract要約: オンラインコンフォメーションキャリブレーションと実行時認証計画を組み合わせたクラウドナビゲーションフレームワークであるtextitCoNavを提案する。
水平比例比例制御器は軌道誤差境界に適応し、長期の経験的カバレッジを調節する。
textitrelax-then-verify Plannerは、ソフト制約されたMPCで名目軌道を生成することにより、ソルバ実現性を維持する。
- 参考スコア（独自算出の注目度）: 12.172167017799502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe and efficient robot navigation in crowds requires anticipating pedestrian motion despite uncertain and potentially shifting prediction errors. Existing reactive methods can produce oscillatory behavior, while predictive planners often treat forecasts as exact or rely on restrictive error models. Incorporating conservative uncertainty sets as hard constraints can also render model predictive control (MPC) infeasible. We propose \textit{CoCoNav}, a crowd-navigation framework that combines online conformal calibration with runtime-certified planning. A horizon-specific conformal proportional--integral controller adapts trajectory-error bounds to regulate long-run empirical coverage, enabling the framework to respond to changing prediction errors. A \textit{relax-then-verify} planner preserves solver feasibility by generating nominal trajectories with soft-constrained MPC and separately certifying them, together with contingency maneuvers, against the calibrated bounds before execution. Simulations and quadruped experiments show that CoCoNav achieves a favorable balance among collision avoidance, task success, and navigation efficiency relative to the evaluated baselines.
- Abstract（参考訳）: 群衆の安全で効率的なロボットナビゲーションには、不確実で潜在的な予測エラーにもかかわらず、歩行者の動きを予測する必要がある。
既存のリアクティブメソッドは振動的な振る舞いを生成できるが、予測プランナーは予測を正確か制限的なエラーモデルに依存しているかとして扱うことが多い。
厳密な制約として保守的不確実性セットを組み込むことで、モデル予測制御(MPC)が実現不可能になる可能性がある。
我々は,オンラインコンフォメーションキャリブレーションと実行時認証プランニングを組み合わせたクラウドナビゲーションフレームワークである‘textit{CoCoNav} を提案する。
水平比例比例制御器は軌道誤差境界に適応し、長期の経験的カバレッジを制御し、フレームワークが予測誤差の変化に対応できるようにする。
textit{relax-then-verify}プランナーは、ソフト制約されたMPCで名目トラジェクトリを生成し、実行前の校正境界に対して同時操作とともに個別に認証することにより、ソルバ実現性を維持する。
シミュレーションと4つの実験により、CoCoNavは、評価ベースラインに対する衝突回避、タスク成功、ナビゲーション効率のバランスが良好であることが示されている。
関連論文リスト
- Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking [0.0]
本研究は, ドッキングタスクを外乱状態が拡張された低次非線形モデルに基づいて, 有限水平最適制御問題として定式化する。
その結果, 動的に実現可能なドッキング軌道を生成するために, 後退水平フレームワーク内での逐次凸プログラミングを用いて問題を解く。
論文 参考訳（メタデータ） (2026-08-11T06:27:45Z) - AI-Augmented Model Predictive Control for Safe and Adaptive Rendezvous and Proximity Operations [2.787067333542931]
本研究は,多エージェント対逆シナリオにおける自律宇宙船RPOのための適応型モデル予測制御(MPC)フレームワークを提案する。
このフレームワークは、モンテカルロシミュレーションにより、公式のKSPDG(Kerbal Space Program Differential Game)で評価された。
論文 参考訳（メタデータ） (2026-07-18T04:20:23Z) - From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
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。
論文 参考訳（メタデータ） (2026-07-01T11:02:51Z) - GroundControl: Anticipating Navigation Failures in Vision-Language Agents via Trajectory-Consistent Uncertainty Estimates [3.7267095596919053]
視覚言語ナビゲーションエージェントは、ベンチマークタスクで平均的な競合的な成功を達成するが、予測可能な軌道レベルのブレークダウンによって失敗が発生することが多い。
信頼性の高いデプロイメントには、即時的なアクションエントロピーのみを反映するのではなく、実行中に発生する障害のダイナミクスを予測する不確実性信号が必要である。
本稿では,各エピソードに集約された目標方向距離-ゴール間距離の統計的偏差として定義される軌道整合不確実性推定器であるemphGroundControlを紹介する。
論文 参考訳（メタデータ） (2026-06-18T16:56:20Z) - 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) - PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。
我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。
本手法は,結合予測システムの長期安定性を著しく向上させる。
論文 参考訳（メタデータ） (2026-05-09T13:12:33Z) - Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。
このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。
また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
論文 参考訳（メタデータ） (2026-03-13T02:38:17Z) - Gaussian Mixture-Based Inverse Perception Contract for Uncertainty-Aware Robot Navigation [14.159772216001954]
逆知覚契約(IPC)は、信頼度の高い基底真理を含む集合に推定値をマッピングすることでそのような接続を提供する。
本稿では,ガウス混合に基づく逆知覚契約(GM-IPC)を導入する。
この不確実性の特徴は、下流の計画フレームワークでリアルタイム安全なナビゲーションに活用できることが示されている。
論文 参考訳（メタデータ） (2026-03-04T17:48:18Z) - Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。
本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
論文 参考訳（メタデータ） (2025-03-14T17:59:41Z) - Model Predictive Control with Gaussian-Process-Supported Dynamical
Constraints for Autonomous Vehicles [82.65261980827594]
本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。
マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
論文 参考訳（メタデータ） (2023-03-08T17:14:57Z) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳（メタデータ） (2022-04-28T07:37:21Z) - Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。
最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。
私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
論文 参考訳（メタデータ） (2020-04-07T12:29:06Z)
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。