論文の概要: Humanoid Safe Stop via Learned Stoppability Value

• arxiv url: http://arxiv.org/abs/2609.02358v1
• Date: Wed, 02 Sep 2026 09:29:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.216377
• Title: Humanoid Safe Stop via Learned Stoppability Value
• Title（参考訳）: 学習したストッパビリティ値によるヒューマノイド安全停止
• Abstract要約: 本稿では,学習した停止ポリシーと学習した停止可能性推定器を組み合わせたタスク非依存のフレームワークを提案する。 推定器は、固定された停止ポリシーの実際の結果によって監督される停止確率推定器と、ハミルトン・ヤコビの物理的状態に対するバックアップによって監督される到達回避推定器である。
• 参考スコア（独自算出の注目度）: 61.25464390942355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid robots responding to emergency stop commands typically execute a fixed maneuver, without reasoning about whether a safe stop is actually feasible from the current state. We cast emergency stopping as a reach-avoid problem and propose Safe-Stop, a task-agnostic framework that pairs a learned stop policy with learned stoppability estimators. The estimators are complementary: a stop-probability estimator supervised by the actual outcomes of the fixed stop policy, and a reach-avoidance estimator supervised by a Hamilton-Jacobi backup over physical state. The first captures emergent stopping behavior of the learned controller; the second provides a complementary recoverability signal. Because the stop policy and estimators do not depend on the behavior policy that preceded the stop command, they transfer across diverse upstream tasks without retraining. At deployment, the two estimates are combined: Safe-Stop commits to the stop only when both estimators indicate that stopping remains feasible, otherwise it hands off to a fall policy, instantiated as a damping fallback. This agreement check yields decisions that are robust without sacrificing reactivity.
• Abstract（参考訳）: 緊急停止命令に応答するヒューマノイドロボットは、通常、現在の状態から安全な停止が実際に可能かどうかを判断することなく、固定的な操作を実行する。 我々は、緊急停止を到達回避問題とみなし、学習した停止ポリシーと学習した停止可能性推定器を組み合わせたタスク非依存のフレームワークであるSafe-Stopを提案する。 推定器は、固定された停止ポリシーの実際の結果によって監督される停止確率推定器と、ハミルトン・ヤコビの物理的状態に対するバックアップによって監督される到達回避推定器である。 第1は学習したコントローラの緊急停止動作をキャプチャし、第2は補完的な回復性信号を提供する。 停止ポリシーと推定者は、停止命令に先立つ行動ポリシーに依存しないので、再訓練することなく、様々な上流タスクを移動させる。 配置時に2つの見積もりが組み合わされる: セーフストップは、両方の推定者が停止が引き続き可能であることを示す場合にのみ停止をコミットし、そうでなければ、減衰するフォールバックとしてインスタンス化されるフォールポリシーにハンドオフする。 この合意は、反応性を犠牲にすることなく堅牢な決定を下す。

関連論文リスト

• StochSIPP: Safe Interval Path Planning in Stochastic Dynamic Environments [5.420427804064936]
  StochSIPPは、時間的ロードマップの正確な初期プランナーである。 認定された安全マクロアクションを生成し、次の観察またはゴールで終了する。 ロードマップと地平線内での到着時間を最小限にします。
  論文  参考訳（メタデータ） (2026-08-01T17:49:37Z)
• What Can Be Enforced? A Theory of Certified Runtime Safety for Tool-Using Agents [0.0]
  ガードレールは不可逆のツールコールの前に動作しますが、その保証は、どのポリシー状態が表現可能であるかによって異なります。 ピアソン表現攻撃はマージンを増すので、良性校正だけでは移動しない。 実験は静的診断、制御モデル列挙、表現書き直し、ペア化された閉ループ再実行を通じてこれらの区別を目標とする。
  論文  参考訳（メタデータ） (2026-07-24T19:14:26Z)
• When Can Safe Controllers Adapt? Information before Commitment [26.556002437630426]
  本研究では,学習経路自体の安全保証の下で,安全な適応制御について検討する。 パフォーマンスは、実際のモデルを知っている安全なオラクルに対して測定されます。 我々は,特殊事例の回復を証明し,決定論的線形ガウス系に対する半定値上の証明を導出する。
  論文  参考訳（メタデータ） (2026-07-18T17:30:41Z)
• 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)
• Learning Safe-Stoppability Monitors for Humanoid Robots [11.850318870435265]
  我々は,ヒューマノイドの緊急停止を政策依存型安全性問題として定式化する。 我々はPRISMを紹介した。PRISMはシミュレーション駆動のフレームワークで、状態レベルのストッパビリティのための神経予測器を学習する。 以上の結果から,政策依存的停止性としての安全性のモデル化により,積極的な安全監視が可能であり,ヒューマノイドロボットのフェールセーフ動作のスケーラブルな認証を支援することが示唆された。
  論文  参考訳（メタデータ） (2026-03-24T01:51:32Z)
• Pro2Guard: Proactive Runtime Enforcement of LLM Agent Safety via Probabilistic Model Checking [8.970702398918924]
  大規模言語モデル(LLM)エージェントは、ロボット工学、仮想アシスタント、Webオートメーションといった分野にまたがる強力な自律能力を示す。 AgentSpecのような既存のルールベースの執行システムは、リアクティブな安全ルールの開発に重点を置いている。 本稿では,確率的到達可能性解析に基づくプロアクティブ実行時実行フレームワークPro2Guardを提案する。
  論文  参考訳（メタデータ） (2025-08-01T10:24:47Z)
• 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)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)
• Safety Margins for Reinforcement Learning [53.10194953873209]
  安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。 Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-07-25T16:49:54Z)
• Doubly Robust Off-Policy Value and Gradient Estimation for Deterministic Policies [80.42316902296832]
  本研究では,行動継続時の非政治データから決定論的政策の政策値と勾配を推定する。 この設定では、密度比が存在しないため、標準重要度サンプリングとポリシー値と勾配の2倍の頑健な推定が失敗する。 異なるカーネル化アプローチに基づく2つの新しい頑健な推定器を提案する。
  論文  参考訳（メタデータ） (2020-06-06T15:52:05Z)

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。