論文の概要: Robust Safety Filtering for Input-Constrained Underactuated Linear Systems

• arxiv url: http://arxiv.org/abs/2608.10872v1
• Date: Tue, 11 Aug 2026 12:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.043045
• Title: Robust Safety Filtering for Input-Constrained Underactuated Linear Systems
• Title（参考訳）: 入力制約付き不動線形システムのロバスト安全性フィルタ
• Abstract要約: 入力制約のない不動線形系に対するロバストな安全フィルタリングフレームワークを提案する。 スカラー・インプット・システムでは、正確な入力間隔からポイントワイズ・フェーザビリティを判定し、間隔幅がファーザビリティ・マージンを定義する。 有限ホライゾン H-$infty$ 性能バランスは、ベースライン H-$infty$ ポリシーからの入力の累積偏差を説明できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a robust safety-filtering framework for input-constrained underactuated linear systems subject to unknown disturbances. A baseline H-$\infty$ input is derived from a zero-sum differential game, while a disturbance observer supplies an estimate and a transient error bound. The baseline input is adjusted using the disturbance estimate, while the estimate and its error bound are used to define robust high-order control barrier function constraints; forward invariance holds as long as the admissible-input set remains nonempty. For scalar-input systems, pointwise feasibility is determined from an exact input interval, and the interval width defines the feasibility margin. A finite-horizon H-$\infty$ performance balance accounts for the accumulated deviation of the applied input from the baseline H-$\infty$ policy. Simulations on a linearized two-wheeled balancing robot show how position and body-pitch constraints compete for the same bounded wheel-torque input.
• Abstract（参考訳）: 本研究では,未知の乱れを受ける入力制約不動線形系に対するロバストな安全フィルタリングフレームワークを提案する。 ベースラインH-$\infty$入力はゼロサム微分ゲームから導出され、外乱オブザーバは推定値と過渡誤差境界を提供する。 ベースライン入力は外乱推定値を用いて調整され、推定値とその誤差境界値を用いて堅牢な高次制御障壁関数の制約を定義する。 スカラー・インプット・システムでは、正確な入力間隔からポイントワイズ・フェーザビリティを判定し、間隔幅がファーザビリティ・マージンを定義する。 有限ホライゾン H-$\infty$ 性能バランスは、ベースライン H-$\infty$ ポリシーからの入力の累積偏差を説明できる。 線形化された二輪バランスロボットのシミュレーションでは、位置と体-ピッチの制約が、同じ境界の車輪-トルク入力とどのように競合するかが示される。

関連論文リスト

• Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
  一般的な実現可能性の下では、我々のLEDGERアルゴリズムは、期待される損失$O(sqrt T)と期待される予算違反$O(sqrtTlog(eT))を達成します。 スレーター条件、フィードバックチャネル間の独立性、絶対的制約値境界は不要である。
  論文  参考訳（メタデータ） (2026-09-07T01:38:41Z)
• Admissibility-Preserving Control for Strict-Feedback Nonlinear Systems with Asymmetric Actuator Constraints [1.4477778415264126]
  Admissibility-Preserving Control (APC)は、厳格なフィードバックシステムのための、実現中心の安全クリティカルな制御フレームワークである。 APIRは、所定の非対称アクチュエータを前方不変にレンダリングしながら、物理プラント入力を動的に生成する。 このフレームワークは、スムーズな非対称対数障壁座標を介して、時間的に変化する出力セーフなトラッキングに拡張される。
  論文  参考訳（メタデータ） (2026-08-15T19:09:47Z)
• 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)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• 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)
• Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
  入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。 逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。 その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
  論文  参考訳（メタデータ） (2024-10-05T18:45:19Z)
• Stability Bounds for Learning-Based Adaptive Control of Discrete-Time Multi-Dimensional Stochastic Linear Systems with Input Constraints [3.8004168340068336]
  本研究では,有界制御入力制約と非有界障害を有する離散時間多次元システムの適応安定化問題について考察する。 本稿では,オンラインパラメータ推定と飽和線形制御を組み合わせた等価制御手法を提案する。
  論文  参考訳（メタデータ） (2023-04-02T16:38:13Z)
• Learning-Based Adaptive Control for Stochastic Linear Systems with Input Constraints [3.8004168340068336]
  そこで本研究では,加法的対象であるスカラー線形系の適応制御のための確実な等価性スキームを提案する。 系が極端に安定であると仮定すると、閉ループ系状態の平均二乗有界性は証明される。
  論文  参考訳（メタデータ） (2022-09-15T04:49:06Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)
• Reinforcement Learning for Safety-Critical Control under Model Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
  強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。 RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
  論文  参考訳（メタデータ） (2020-04-16T10:51:33Z)

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。