論文の概要: A Risk-Sensitive and Uncertainty-Aware Decision-Making and Control Framework for Safe and Robust Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.09650v1
• Date: Wed, 09 Sep 2026 03:03:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.879812
• Title: A Risk-Sensitive and Uncertainty-Aware Decision-Making and Control Framework for Safe and Robust Autonomous Driving
• Title（参考訳）: 安全かつロバストな自動運転のためのリスク感性と不確実性を考慮した意思決定・制御フレームワーク
• Abstract要約: 本稿では,安全かつ堅牢な自律運転のためのリスク感受性・不確実性を考慮した意思決定・制御(RUDC)フレームワークを提案する。 不確実性を考慮した高次制御バリア機能(HOCBF)に基づく安全補正機構は、政策の不確実性に応じて制約厳密度を適応的に調整する。
• 参考スコア（独自算出の注目度）: 17.14182217508567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning (RL) has demonstrated considerable potential for autonomous driving decision-making. However, its deployment in urban autonomous driving, particularly at highly interactive unsignalized intersections, remains challenging, as learned policies may struggle to maintain both safety and robust decision-making in complex traffic situations. Conventional safety-filtering approaches typically employ fixed conservative constraints, which may improve safety at the cost of excessive intervention and degraded traffic efficiency. To address these limitations, we propose a Risk-sensitive and Uncertainty-aware Decision-making and Control (RUDC) framework for safe and robust autonomous driving. RUDC couples risk-sensitive distributional RL with ensemble-based policy uncertainty quantification, jointly accounting for tail risks in return distributions and uncertainty in learned policies. An uncertainty-aware high-order control barrier function (HOCBF)-based safety correction mechanism adaptively adjusts constraint strictness according to policy uncertainty, while a learnable residual predictor compensates for CBF model mismatches and discretization errors. Extensive simulations at unsignalized intersections demonstrate that RUDC achieves a favorable balance among safety, efficiency, and robustness, outperforming representative safe RL baselines under both nominal and challenging OOD and long-tail scenarios while satisfying real-time requirements.
• Abstract（参考訳）: 強化学習(Reinforcement Learning, RL)は、自律運転意思決定において大きな可能性を証明している。 しかし、複雑な交通状況下での安全と堅牢な意思決定の両立に苦慮しているため、特に高度に対話的な無人交差点での都市自動運転への展開は依然として困難である。 従来の安全フィルタリング手法では、固定された保守的な制約を採用しており、過度な介入と交通効率の低下を犠牲にして安全性を向上させることができる。 これらの制約に対処するため,安全かつ堅牢な自律運転のためのリスク感受性・不確実性を考慮した意思決定・制御(RUDC)フレームワークを提案する。 RUDCはリスクに敏感な分布RLと、アンサンブルに基づく政策の不確実性定量化、リターン分布におけるテールリスクと学習ポリシにおける不確実性とを結合する。 不確実性を考慮した高次制御バリア機能(HOCBF)に基づく安全補正機構は、ポリシーの不確実性に応じて制約厳密度を適応的に調整する一方、学習可能な残留予測器はCBFモデルのミスマッチと離散化誤差を補償する。 信号のない交差点での広範囲なシミュレーションにより、RUDCは安全、効率、ロバストさのバランスを良好に達成し、名目上かつ挑戦的なOODシナリオとロングテールシナリオの両方で代表的安全RLベースラインを上回っ、リアルタイム要件を満たした。

関連論文リスト

• Safe Overtaking for Autonomous Racing Using Hierarchical Optimization and Learning-Based Control [14.05083688629287]
  本稿では,安全確認軌道制御から操作レベルの意思決定を分離する階層的オーバーテイクフレームワークを提案する。 強化学習ポリシは、離散時間CBF減衰パラメータをオンラインで適応し、車両入力を直接制御することなく、コンテキスト依存の安全マージンの変調を可能にする。
  論文  参考訳（メタデータ） (2026-07-15T00:19:14Z)
• Reinforcement Learning for Risk Adaptation via Differentiable CVaR Barrier Functions [14.67494440368097]
  障害物運動の不確実性下での群集ナビゲーションのためのエンドツーエンドのリスク適応フレームワークを提案する。 このフレームワークは強化学習(RL)と微分可能な二次プログラム安全層を組み合わせたものである。 提案手法は, 不確実性下での安全性, 効率, 一般化において, 最強の総合性能を実現するものである。
  論文  参考訳（メタデータ） (2026-05-20T14:45:15Z)
• 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)
• Risk-Constrained Belief-Space Optimization for Safe Control under Latent Uncertainty [5.99447754429793]
  多くの安全クリティカル制御システムは、センサーが決定時に直接解決できないという遅延不確実性の下で動作しなければならない。 標準的な手法は期待されたパフォーマンスを最適化し、稀だが深刻な結果に対する限定的な保護を提供する。 本稿では, 力学, コスト, 安全性の制約が, 信念分布として維持される潜在パラメータに依存する, 部分的に観察された力学系について考察する。
  論文  参考訳（メタデータ） (2026-04-04T21:22:44Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Controllable risk scenario generation from human crash data for autonomous vehicle testing [13.3074428571403]
  制御可能なリスクエージェント生成(CRAG)は、支配的な名目的行動と稀な安全クリティカルな行動のモデリングを統合するために設計されたフレームワークである。 CRAGは、正常およびリスク関連挙動を歪め、限られたクラッシュデータの効率的な利用を可能にする構造付き潜在空間を構築する。
  論文  参考訳（メタデータ） (2025-11-27T04:53:18Z)
• SafeGRPO: Self-Rewarded Multimodal Safety Alignment via Rule-Governed Policy Optimization [79.14563283347773]
  マルチモーダルな大言語モデル (MLLM) は印象的な推論と命令追従能力を示した。 クロスモーダル結合は、個々の入力が良性である場合でも、安全でないセマンティクスを生成する。 自己回帰型マルチモーダル安全アライメントフレームワークであるSafeGRPOを提案する。
  論文  参考訳（メタデータ） (2025-11-17T05:09:49Z)
• Uniformly Safe RL with Objective Suppression for Multi-Constraint Safety-Critical Applications [73.58451824894568]
  広く採用されているCMDPモデルは予測のリスクを制約しており、長い尾の州で危険な行動を起こす余地がある。 安全クリティカルな領域では、そのような行動は破滅的な結果をもたらす可能性がある。 本稿では,目標を最大化するタスク報酬を適応的に抑制する新しい手法であるObjective Suppressionを提案する。
  論文  参考訳（メタデータ） (2024-02-23T23:22:06Z)
• Enforcing Hard Constraints with Soft Barriers: Safe Reinforcement Learning in Unknown Stochastic Environments [84.3830478851369]
  本研究では,環境を協調的に学習し,制御ポリシーを最適化する安全な強化学習手法を提案する。 本手法は, 安全性の制約を効果的に適用し, シミュレーションにより測定したシステム安全率においてCMDPベースのベースライン法を著しく上回っている。
  論文  参考訳（メタデータ） (2022-09-29T20:49:25Z)
• Lyapunov-based uncertainty-aware safe reinforcement learning [0.0]
  InReinforcement Learning (RL)は、様々なシーケンシャルな意思決定タスクに対して最適なポリシーを学ぶ上で、有望なパフォーマンスを示している。 多くの現実世界のRL問題において、主な目的を最適化する以外に、エージェントは一定のレベルの安全性を満たすことが期待されている。 これらの制約に対処するために,リャプノフに基づく不確実性を考慮した安全なRLモデルを提案する。
  論文  参考訳（メタデータ） (2021-07-29T13:08:15Z)
• Closing the Closed-Loop Distribution Shift in Safe Imitation Learning [80.05727171757454]
  模倣学習問題において,安全な最適化に基づく制御戦略を専門家として扱う。 我々は、実行時に安価に評価でき、専門家と同じ安全保証を確実に満足する学習されたポリシーを訓練する。
  論文  参考訳（メタデータ） (2021-02-18T05:11:41Z)

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。