論文の概要: Predictive Zonotope Reduction: Precise Runtime Monitoring under Uncertainty
- arxiv url: http://arxiv.org/abs/2609.03699v1
- Date: Thu, 03 Sep 2026 11:36:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.042881
- Title: Predictive Zonotope Reduction: Precise Runtime Monitoring under Uncertainty
- Title（参考訳）: 予測的ゾノトープ低減:不確実性下での高精度監視
- Abstract要約: 本稿では,予測的ゾノトープ低減 (PZR) 手法を提案する。
最適制御問題として還元器選択をフレーム化し、ビームサーチモデル予測制御を用いて解決する。
本手法をRLolaランタイム監視フレームワークに実装し,MuJoCoを模擬した5自由度ロボットアーム上で評価する。
- 参考スコア（独自算出の注目度）: 4.199844472131923
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots operating in physical environments make control decisions based on uncertain sensor measurements, which can lead to unsafe or suboptimal actions. Runtime monitors that check their behavior against safety specifications must represent this uncertainty soundly. Zonotopes are a widely used representation, but continuously incorporating new measurements grows their order unboundedly, so monitors must periodically apply an over-approximating reduction. The choice of the reduction method substantially affects the zonotope's precision, yet existing approaches typically utilize a fixed method throughout the run, even though the optimal choice depends on the current state. This paper presents a Predictive Zonotope Reduction (PZR) approach, which frames reducer selection as an optimal control problem and solves it using beam-search model predictive control. Policy distillation into a small neural policy further provides substantially higher execution speed than model predictive control while maintaining improved performance, enabling uncertainty-aware runtime monitoring on resource-constrained real-time systems. We implement our approach in the RLola runtime monitoring framework and evaluate it on a 5-degree-of-freedom robotic arm simulated in MuJoCo, with sensor uncertainty modeled according to ISO 5725. Experiments on a Raspberry Pi 5 show that dynamic reduction significantly lowers false-positive rates in monitoring compared with static reduction strategies.
- Abstract（参考訳）: 物理的な環境で動作しているロボットは、不確実なセンサ測定に基づいて制御決定を行う。
安全仕様に対して動作をチェックするランタイムモニタは、この不確実性を正しく表現しなければなりません。
ゾノトープは広く使われている表現であるが、新しい測定を継続的に組み込むと順序が無拘束に増加するため、モニターは定期的に過酸化還元を適用しなければならない。
削減法の選択はゾノトープの精度に大きく影響するが、既存の手法では現在の状態に依存しているにもかかわらず、実行中は固定法を用いるのが一般的である。
本稿では、最適制御問題として還元器選択をフレーム化し、ビームサーチモデル予測制御を用いてそれを解決する予測的ゾノトペ低減(PZR)手法を提案する。
小さなニューラルポリシーへのポリシーの蒸留により、改善されたパフォーマンスを維持しながらモデル予測制御よりも実行速度が大幅に向上し、リソース制約のあるリアルタイムシステム上での不確実性を考慮したランタイム監視が可能になる。
本手法をRLolaランタイム監視フレームワークに実装し,ISO 5725に基づいてセンサの不確かさをモデル化し,MuJoCoでシミュレートした5自由度ロボットアーム上で評価する。
Raspberry Pi 5の実験では、動的リダクションは、静的リダクション戦略と比較して、モニタリングにおける偽陽性率を著しく低下させる。
関連論文リスト
- Anomaly-Informed Confidence Calibration for Vision-Based Safety Prediction [1.0981335059631014]
既存の異常信号における臨界知覚-力学ギャップを同定する。
本研究では,世界モデルから抽出した2つの異常スコアを融合する異常情報オンライン手法を提案する。
論文 参考訳（メタデータ） (2026-05-20T12:43:09Z) - When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。
トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-03-04T22:21:54Z) - Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization [41.15414881730464]
VLM(Vision-Language Models)は、この目標に対して、一般的なパーセプティブ・レアソン・アクティベート・フレームワークを提供する。
従来のアプローチは、ノイズの多い予見予測から状態値の非効率で、しばしば不正確な暗黙の学習に依存していた。
動作生成から状態評価を分離する新しいテスト時間計算フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-22T22:53:16Z) - HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。
我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。
安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
論文 参考訳（メタデータ） (2026-01-29T07:15:39Z) - 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) - Safe Beyond the Horizon: Efficient Sampling-based MPC with Neural Control Barrier Functions [23.693610702522236]
モデル予測制御(MPC)を実際に使用する場合の一般的な問題は、予測地平線を超えた安全仕様の満足度である。
本稿では、推定最適制御のばらつきを大幅に低減し、サンプル効率を向上し、CPU上でのリアルタイム計画を可能にする新しいサンプリング戦略を提案する。
論文 参考訳（メタデータ） (2025-02-20T19:59:11Z) - Can we Defend Against the Unknown? An Empirical Study About Threshold Selection for Neural Network Monitoring [6.8734954619801885]
実行時モニタリングは、推論中に安全でない予測を拒否するために必須である。
安全と安全でない予測の分布の分離性を最大化する拒絶スコアを確立するために様々な技術が出現している。
実世界のアプリケーションでは、効果的なモニターは、これらのスコアを意味のあるバイナリ決定に変換するための適切なしきい値を特定する必要がある。
論文 参考訳（メタデータ） (2024-05-14T14:32:58Z) - Growing Q-Networks: Solving Continuous Control Tasks with Adaptive Control Resolution [51.83951489847344]
ロボット工学の応用において、スムーズな制御信号はシステム摩耗とエネルギー効率を減らすために一般的に好まれる。
本研究では,離散的な動作空間を粗い状態から細かい制御分解能まで拡大することにより,この性能ギャップを埋めることを目的とする。
我々の研究は、値分解とアダプティブ・コントロール・リゾリューションが組み合わさることで、単純な批判のみのアルゴリズムが得られ、連続制御タスクにおいて驚くほど高い性能が得られることを示唆している。
論文 参考訳（メタデータ） (2024-04-05T17:58:37Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。
非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文 参考訳（メタデータ） (2021-06-22T23:14:21Z)
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。