論文の概要: Adaptive Cost-Sensitive Machine Learning for Autonomous Robot Navigation Failure Prediction: When Not All Errors Are Equal

• arxiv url: http://arxiv.org/abs/2609.05593v1
• Date: Fri, 04 Sep 2026 17:45:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.099496
• Title: Adaptive Cost-Sensitive Machine Learning for Autonomous Robot Navigation Failure Prediction: When Not All Errors Are Equal
• Title（参考訳）: 自律ロボットナビゲーション失敗予測のための適応的コスト感性機械学習:すべてのエラーが等しくない場合
• Abstract要約: 信頼感下での低速度での近距離距離は、急速運動、近接障害物アプローチ、劣化知覚において同じ事象と等価ではない。 本稿では、ナビゲーション障害予測を結果に敏感な予測として再設定する。 エピソードレベルのグループKFoldを用いて,2000回のディファレンシャルドライブエピソードの評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous robot navigation failures differ not only in categorical severity but also in the physical context in which they occur. A near-miss at low speed under reliable sensing is not equivalent to the same event during rapid motion, close obstacle approach or degraded perception. This paper reframes navigation failure prediction as consequence-sensitive forecasting. We first establish a fixed baseline in which training weights are modulated by categorical severity, then introduce an adaptive extension defining a state-dependent consequence function combining severity with normalised velocity, obstacle proximity and sensing uncertainty, together with a risk-sensitivity term that rises as conditions deteriorate. We evaluate on 2,000 simulated differential-drive episodes (~1,000,000 timesteps) using episode-level GroupKFold, with external validation on the UCI SCITOS G5 dataset. Fixed weighting raises Logistic Regression high-severity recall from 0.851 to 0.985 and reduces missed consequence cost from 1,940 to 313; the adaptive extension reaches 0.998 and 82. Under matched false-positive conditions, however, the discriminative advantage is modest (0.986 versus 0.984), so most of the gain reflects a more conservative operating point rather than better ranking. The effect is consistent across all five folds and stable across a threefold span of context coefficients. Because the primary simulation produced no collisions, we add a controlled extension in which 108 of 600 episodes terminate in contact: collision recall rises from 0.850 to 0.966 (fixed) and 0.984 (adaptive), with missed collision cost falling from 1,000 to 105, at false-positive rates of 0.413 and 0.799, respectively. Context-dependent consequence modelling thus provides a principled mechanism for allocating conservatism by physical risk.
• Abstract（参考訳）: 自律型ロボットナビゲーションの障害は、分類上の重大さだけでなく、それらが起こる物理的な文脈でも異なる。 信頼感下での低速度での近距離距離は、急速運動、近接障害物アプローチ、劣化知覚において同じ事象と等価ではない。 本稿では、ナビゲーション障害予測を結果に敏感な予測として再設定する。 まず、訓練重量をカテゴリー的重大度によって調節する固定ベースラインを構築し、次に、重大度と正規化速度、障害物近接および感度不確実性とを組み合わせた状態依存帰結関数を定義する適応拡張と、条件が悪化するにつれて上昇するリスク感受性項を導入する。 UCI SCITOS G5データセットの外部検証を行い,2000回分の差動エピソード(約1000,000回)をエピソードレベルGKFoldを用いて評価した。 固定重み付けにより、ロジスティック回帰高重度リコールは0.851から0.985に増加し、1,940から313に減少し、適応拡張は0.998と82に達する。 しかし、一致した偽陽性条件下では、差別的優位性は控えめである(0.986対0.984)。 この効果は5つの折りたたみ線で一致し、コンテキスト係数の3倍の幅で安定である。 主シミュレーションは衝突を発生しないため,600回中108回が接触終了する制御拡張を加え,衝突リコールは0.850から0.966(固定)と0.984(適応)に増加し,衝突コストは1,000から105に低下し,それぞれ0.413と0.799が誤陽性となった。 したがって、コンテキスト依存的な結果モデリングは、物理的リスクによって保守主義を割り当てるための原則化されたメカニズムを提供する。

関連論文リスト

• Toward Reliable Railway-Bogie Response Prediction Using Multifidelity TDNN and Physics-Informed Residual Learning [9.679297769625286]
  鉄道技術者は、徹底的にテストできない運用シナリオにまたがる車両の応答を予測するシミュレーションモデルを必要としている。 本稿では,多体シミュレーション履歴を低忠実度情報として扱い,ローラーリグ測定を高忠実度証拠として扱う多忠実鉄道ボギー応答補正法を提案する。
  論文  参考訳（メタデータ） (2026-09-10T07:56:53Z)
• K/V-Cache Interventions Dissociate Representation Alignment from Persona Expression in Decoder-Only Language Models [32.7114174898989]
  我々は,デコーダのみの言語モデルにおけるペルソナ制御のための構造化曲面として,K/V-cacheの介入について検討する。 表現レベルのアライメントと行動表現の間には2つの一貫した普遍性があり,また位置摂動下での共通の失敗も報告する。
  論文  参考訳（メタデータ） (2026-09-10T02:56:50Z)
• Drift and Dependence: Layer-wise Information-Theoretic Bounds for Replay-Based Continual Learning [41.371439825328544]
  継続的な学習は、古いタスクを消去することなく新しいタスクを吸収し、リプレイ — 過去の例の小さなバッファを現在のトレーニングに混ぜる — 破滅的な忘れ方に対する最も効果的な治療法のひとつです。 我々は、各深さでこれらの効果を分離するレイヤワイド情報理論フレームワークを開発する。 制御およびベンチマーク実験により、予測されたメモリスケーリング、内部ファンネル、およびアライメント信号の忘れへのリンクを確認する。
  論文  参考訳（メタデータ） (2026-08-12T06:01:49Z)
• SevDiff: Severity-Conditioned Diffusion for Long-Tail Conflict Trajectory Generation [0.0]
  本稿では、重度条件付きdenoising diffusion probabilistic model(DDPM)であるSevDiffを紹介する。 衝突の重大度が要求と一致し、ヒットレートメトリックで評価された、ペア化された車両の相互作用軌跡を生成する。 TTCで0.5-1.5秒、2.0-2.5秒で97-99%、TTC = 5.0秒で39%と優雅に劣化する。
  論文  参考訳（メタデータ） (2026-07-13T22:17:48Z)
• Evaluation Awareness Is Not One Capability: Evidence from Open Language Models [1.758143872501506]
  安全ベンチマークは、テスト条件の振る舞いがデプロイメントの振る舞いを予測すると仮定する。 これにより、ベンチマークパフォーマンスとデプロイメントの動作のギャップが開ける。 我々は、37のオープンウェイトモデルと7つのファミリーにわたる8つの実験を通して、この評価意識を特徴づける。
  論文  参考訳（メタデータ） (2026-06-22T16:48:43Z)
• FASE : A Fairness-Aware Spatiotemporal Event Graph Framework for Predictive Policing [0.0]
  予測犯罪リスクのみに基づいてパトロール資源を割り当てる予測的警察システムは、フィードバック駆動データを通じて意図せずに人種格差を増幅することができる。 本稿では,犯罪予測と公正な制約付きパトロールアロケーションと閉ループ展開フィードバックシミュレータを組み合わせた,時間的イベントグラフフレームワークFASEを提案する。 割り当てレベルの公平性だけでは、データの再トレーニングにおけるフィードバック誘起バイアスを排除せず、完全なパイプライン全体にわたる公平な介入の必要性を強調します。
  論文  参考訳（メタデータ） (2026-04-19T21:22:45Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• Pedestrian Crossing Intent Prediction via Psychological Features and Transformer Fusion [6.689013818004752]
  歩行者意図予測のための軽量・社会的情報アーキテクチャを提案する。 ハイウェイエンコーダ、コンパクト 4-token Transformer、グローバル セルフアテンション プーリングを使って、4つの行動ストリーム(アテンション、位置、状況、相互作用)を融合する。 提案手法は、モダリティに依存しない、ビジョン言語パイプラインとの統合が容易で、リソース制約のあるプラットフォーム上でのリスク認識の意図予測に適している。
  論文  参考訳（メタデータ） (2026-03-20T00:19:34Z)
• Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
  ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。 到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。 本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:06Z)
• Benchmarking IoT Time-Series AD with Event-Level Augmentations [34.864214444544565]
  実世界の問題をシミュレートする統合されたイベントレベル拡張による評価プロトコルを提案する。 5つの公開異常データセット上で14の代表的なモデルを評価する。
  論文  参考訳（メタデータ） (2026-02-17T09:45:44Z)
• Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
  マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。 検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。 本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
  論文  参考訳（メタデータ） (2026-01-28T08:33:10Z)

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。