論文の概要: A Safety-Driven Architectural Framework for Fail-Operational Drone Swarms in Critical Missions

• arxiv url: http://arxiv.org/abs/2608.20906v1
• Date: Fri, 21 Aug 2026 09:26:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.487643
• Title: A Safety-Driven Architectural Framework for Fail-Operational Drone Swarms in Critical Missions
• Title（参考訳）: 臨界ミッションにおけるフェール・オペレーショナル・ドローン群のための安全駆動型アーキテクチャ・フレームワーク
• Abstract要約: 耐空性標準は決定論的信頼性を必要とするが、マルチエージェント調整アルゴリズムは非決定論的モデルを実行する。 本稿では,ARP4754B法をSwarm再構成に適用した複合臨界アーキテクチャフレームワークを提案する。
• 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: The certification of Unmanned Aerial Vehicle (UAV) swarms for safety-critical operations requires verifiable design assurance. Airworthiness standards demand deterministic reliability, whereas multi-agent coordination algorithms execute non-deterministic models. This paper proposes a mixed-criticality architectural framework that applies SAE ARP4754B methods to swarm reconfiguration. First, a hardware-isolated Safety Monitor functions as a Run-Time Assurance (RTA) gateway, decoupling the flight-critical core from the non-deterministic Swarm Manager. Second, the monitor enforces formal safety contracts based on agent Health Vectors derived systematically from a Functional Hazard Assessment (FHA). Third, the framework propagates these Health Vectors to the collective planner to trigger fail-operational task reallocation, enabling intelligent swarm behaviors without compromising flight-critical isolation. Markov reliability modeling demonstrates that the $10^{-7}$ failures per flight hour Hazardous target is theoretically achievable for our SAIL IV scenario, provided the Safety Monitor meets $C_{monitor}>0.9991$, consistent with DAL B CMD/MON implementations.
• Abstract（参考訳）: 無人航空機(UAV)の安全クリティカルな運用に対する認証は、検証可能な設計保証を必要とする。 耐空性標準は決定論的信頼性を必要とするが、マルチエージェント調整アルゴリズムは非決定論的モデルを実行する。 本稿では,SAE ARP4754B法をSwarm再構成に適用した複合臨界アーキテクチャフレームワークを提案する。 まず、ハードウェアアイソレーションされたセーフティモニターがランタイム保証(RTA)ゲートウェイとして機能し、飛行クリティカルコアを非決定論的Swarm Managerから分離する。 第2に、このモニターは、機能的ハザードアセスメント(FHA)から体系的に派生したエージェントヘルスベクターに基づいて、正式な安全契約を実施する。 第3に、これらのHealth Vectorsを集団プランナーに伝播させ、フェール・オペレーショナルなタスク再配置をトリガーし、飛行クリティカルな隔離を損なうことなくインテリジェントなスワム動作を可能にする。 マルコフ信頼性モデリングは、安全モニターがDAL B CMD/MON実装と整合した$C_{monitor}>0.9991$を満たせば、飛行時間当たりの10^{-7}$の障害が理論的に私たちのSAIL IVシナリオで達成可能であることを示した。

関連論文リスト

• Managed Autonomy at Runtime: Gear-Based Safety and Governance for Single- and Multi-Agent Cyber-Physical Systems [0.0]
  我々は5つの実行装置とユーティリティゲートディスパッチとイベント駆動型フォールバックを組み合わせた離散時間制御システムを開発した。 単エージェントの場合、単調安定性、実行安全性、最終的な安定化、フォールバック完全性、およびギア制約されたマルコフ決定過程の等価性を証明する。 NIST emphDegradation Measurement of Robot Arm Position Accuracy dataset を用いて,3エージェントのUR5ロボット組立セル上での動作時間の評価を行った。
  論文  参考訳（メタデータ） (2026-07-01T02:21:38Z)
• Memory-Efficient Meta-Reinforcement Learning for Adaptive Safety-Critical Control in Adversarial Spacecraft Proximity Operations [42.47287159687486]
  本稿では,3つの繰り返しネットワークアーキテクチャ (LSTM, Gated Recurrent Unit (GRU), Selective State Space Model (Mamba)) と2つのトレーニングアルゴリズム (Proximal Policy Optimization (PPO) とSoft Actor Critic (SAC)) の性能を調べた。 以上の結果から, PPOを用いた場合のMambaのような状態空間モデルは, 他のアーキテクチャと比較して, タスク完了, 安全性, 省エネ性が優れていることが示唆された。
  論文  参考訳（メタデータ） (2026-06-16T01:53:54Z)
• 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)
• CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation [68.53387633351484]
  有害な行為に対する統計的保証を提供するポスト・ポリティクス・プレアクション保護フレームワークであるCORA(Conformal Risk-control GUI Agent)を提案する。 CORAは、安全を選択的行動実行として再定義する:我々は、提案されたステップごとに行動条件リスクを推定するためにガーディアンモデルを訓練する。 このパラダイムを厳格に評価するために、ステップレベルのハーモラベルを持つモバイル安全違反の新しいベンチマークであるPhone-Harmを紹介する。
  論文  参考訳（メタデータ） (2026-04-10T09:41:21Z)
• DRAFT: Task Decoupled Latent Reasoning for Agent Safety [59.46137757545185]
  DRAFT(Task Decoupled Latent Reasoning for Agent Safety)を提案する。 エクストラクターは、完全な軌跡をコンパクトな連続的な潜伏ドラフトに蒸留し、リゾナーはドラフトと元の軌跡に共同で参加して安全性を予測する。 DRAFTの精度は63.27%(LoRA)から91.18%に向上した。
  論文  参考訳（メタデータ） (2026-02-11T07:45:14Z)
• CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
  AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。 CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。 このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
  論文  参考訳（メタデータ） (2026-01-14T23:06:35Z)
• RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
  視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。 しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。 提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
  論文  参考訳（メタデータ） (2025-12-24T15:01:26Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• Anomalous State Sequence Modeling to Enhance Safety in Reinforcement Learning [0.0]
  本稿では,RLの安全性を高めるために,異常状態列を利用した安全強化学習(RL)手法を提案する。 自動運転車を含む複数の安全クリティカルな環境の実験において、我々のソリューションアプローチはより安全なポリシーをうまく学習する。
  論文  参考訳（メタデータ） (2024-07-29T10:30:07Z)
• ISAACS: Iterative Soft Adversarial Actor-Critic for Safety [0.9217021281095907]
  この研究は、ロボットシステムのための堅牢な安全維持コントローラのスケーラブルな合成を可能にする新しいアプローチを導入する。 安全を追求するフォールバックポリシーは、モデルエラーの最悪のケースの実現を促進するために、敵の「混乱」エージェントと共同で訓練される。 学習した制御ポリシーは本質的に安全性を保証するものではないが、リアルタイムの安全フィルタを構築するために使用される。
  論文  参考訳（メタデータ） (2022-12-06T18:53:34Z)
• Runtime Safety Assurance Using Reinforcement Learning [37.61747231296097]
  本稿では,安全でない状況を高精度に識別できるメタコントローラを設計することを目的とする。 我々は,RTSAの設計をマルコフ決定プロセス(MDP)と組み合わせ,強化学習(RL)を用いて解決する。
  論文  参考訳（メタデータ） (2020-10-20T20:54:46Z)

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。