論文の概要: A Temporal Barrier Framework for Collision Avoidance in Multi-Agent Autonomous Aerial Vehicles
- arxiv url: http://arxiv.org/abs/2608.14239v1
- Date: Fri, 14 Aug 2026 12:15:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.373886
- Title: A Temporal Barrier Framework for Collision Avoidance in Multi-Agent Autonomous Aerial Vehicles
- Title（参考訳）: 多機関自律飛行車における衝突回避のための時空バリア・フレームワーク
- Authors: Benedikt Barthel Sorensen, Mitchell Black, Erfaun Noorani, Themistoklis Sapsis,
- Abstract要約: 我々は,あるエージェントに対して,敵意を仮定して,周囲のエージェントがどの程度早く敵意に到達できるかを定量化するためのリスク指標である,敵の時間対衝突(aTTC)を導入する。
制御バリア関数(CBF)フレームワークにATTCを組み込み,距離や速度ではなく,時間内で直接バリアを定義する。
微分可能なニューラルネットワークサロゲートは、標準CBF二次プログラム内でATTCをリアルタイムに計算できる。
- 参考スコア（独自算出の注目度）: 2.4131606362791334
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Operating teams of autonomous aircraft in dynamic, uncertain, and potentially adversarial environments requires safety protocols that are reliable yet selective, and allow agents to fly in close proximity while making progress toward mission objectives. We introduce adversarial time-to-collision (aTTC), a risk metric that quantifies, for a given agent, how quickly any surrounding agent could reach it assuming adversarial intent. We embed aTTC into the control barrier function (CBF) framework, defining the barrier directly in time rather than distance or velocity. The resulting aTTC-CBF is inherently anticipatory: agents modulate their own velocity based not on whether a peer is on a collision course, but on how quickly one could reach collision given its dynamical constraints. A differentiable neural-network surrogate makes the aTTC computable in real time within a standard CBF quadratic program. Across long time-horizon simulations of 3D independent-pursuit and formation-flight scenarios, the aTTC-CBF achieves up to twice the waypoint progress at half the collision rate of a higher-order distance-based CBF baseline.
- Abstract（参考訳）: 自律航空機の運用チームは、動的で不確実で、潜在的に敵対的な環境で運用するには、信頼性が高く選択的な安全プロトコルが必要であり、エージェントはミッション目標に向かって前進しながら近接して飛行することができる。
我々は,あるエージェントに対して,敵意を仮定して,周囲のエージェントがどの程度早く敵意に到達できるかを定量化するためのリスク指標である,敵の時間対衝突(aTTC)を導入する。
制御障壁関数(CBF)フレームワークにATTCを組み込み、距離や速度ではなく、時間内で直接バリアを定義する。
エージェントは、仲間が衝突コースにいるかどうかではなく、そのダイナミックな制約からどれだけ早く衝突に達するかに基づいて、自身の速度を変調する。
微分可能なニューラルネットワークサロゲートは、標準CBF二次プログラム内でATTCをリアルタイムに計算できる。
ATTC-CBFは3次元独立空間と成層飛行シナリオの時間-水平シミュレーションにおいて,高次距離に基づくCBFベースラインの衝突速度の最大2倍の進路を達成している。
関連論文リスト
- Predictive Relative-Velocity Steering for Safe Robotic Manipulator Teleoperation in Dynamic Environments [7.297209090323272]
本稿では,衝突回避のための軽量でモジュラーなフレームワークを提案する。
このフレームワークはまず、オーバーシュート保護を統合した時間対衝突に基づく潜在的な衝突を予測する。
偏向はその大きさを保ちながら相対速度の方向だけを変える。
論文 参考訳（メタデータ） (2026-08-13T14:17:12Z) - Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。
微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。
E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
論文 参考訳（メタデータ） (2026-07-21T02:13:25Z) - CCFM: Collision-Constrained Flow Matching for Safety-Critical Scenario Generation [12.01753684349527]
ハード物理制約による正確な衝突制御を保証する新しいフレームワークであるCCFM(Collision-Constrained Flow Matching)を紹介する。
CCFMの衝突速度は nuScenes で46.4%、nuPlan で83.1% まで上昇し、現実的な運転行動を維持しながらベースラインを著しく上回っている。
論文 参考訳（メタデータ） (2026-07-05T18:26:14Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Multi UAVs Preflight Planning in a Shared and Dynamic Airspace [4.802862639452379]
本稿では,インクリメンタルかつ反復的な紛争解決を伴うデリバリ・タイム・アウェア・プライオリティライズ・プランニング手法DTAPP-IICRを提案する。
当社のフレームワークは,緊急性に基づくミッションの優先順位付けによって,まず最初のソリューションを生成する。
SFIPP-STは、新しい4Dシングルエージェントプランナーである。
時空NFZのベンチマークでは、DTAPP-IICRは最大1000機のUAVでほぼ100%の成功を達成している。
論文 参考訳（メタデータ） (2026-02-12T15:18:46Z) - Attention in Motion: Secure Platooning via Transformer-based Misbehavior Detection [0.6999740786886536]
車両小隊は、多車編成の調整を通じて、輸送効率と安全性の変革的な改善を約束する。
確率チェックや統計的手法に依存する従来の誤動作検出手法は、偽陽性(FP)率が高い。
Intention In Motion (AIMformer) は、車体プラトンにおけるリアルタイムな誤動作検出に適したトランスフォーマーベースのフレームワークである。
論文 参考訳（メタデータ） (2025-12-17T14:45:33Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Learned Risk Metric Maps for Kinodynamic Systems [54.49871675894546]
本研究では,高次元力学系のコヒーレントリスクメトリクスをリアルタイムに推定するための学習型リスクメトリクスマップを提案する。
LRMMモデルは設計と訓練が簡単で、障害セットの手続き的生成、状態と制御のサンプリング、および関数近似器の教師付きトレーニングのみを必要とする。
論文 参考訳（メタデータ） (2023-02-28T17:51:43Z)
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。