論文の概要: Safety-aware Skill Adaptation for Reinforcement Learning in Dynamic Environments

• arxiv url: http://arxiv.org/abs/2609.11433v1
• Date: Thu, 10 Sep 2026 12:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.320895
• Title: Safety-aware Skill Adaptation for Reinforcement Learning in Dynamic Environments
• Title（参考訳）: 動的環境における強化学習のための安全対応スキル適応
• Abstract要約: Dist-GPRLは、構造化ロボットスキル適応のための遠隔認識および安全誘導型強化学習フレームワークである。 ガウス過程(GP)に基づくスキルパラメタライゼーションを基盤として,スパーストラジェクトリの局所窓の重なり合いを逐次適応する。 シミュレーションにおける2つの動的オブジェクト操作タスクの枠組みを評価し,実世界のロボットに学習方針を伝達する。
• 参考スコア（独自算出の注目度）: 2.9923891863939946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skill adaptation frameworks based on reinforcement learning often require restrictive assumptions to maintain stability, such as fixed observations or tightly controlled exploration schedules. In cluttered and dynamic environments, however, unrestricted exploration can lead to unsafe behaviour and unstable learning, particularly when task-relevant observations lie near obstacles or involve moving objects. In this work, we present Dist-GPRL, a distance-aware and safety-guided reinforcement learning framework for structured robot skill adaptation. Building upon Gaussian Process (GP)-based skill parameterisation, our framework sequentially adapts overlapping local windows of sparse trajectory via-points rather than modifying the complete skill at every policy step. Raw policy outputs are correlated through the GP covariance structure, producing temporally coherent trajectory updates while reducing the action-space and credit-assignment difficulties associated with global trajectory adaptation. Safety is incorporated through two complementary forms of guidance. A safe-subspace prior derived from the Hausdorff Approximation Planner (HAP) biases policy exploration toward feasible regions, while dynamically updated distance field clearance and gradient rewards provide local obstacle awareness. A trajectory-kinematics similarity regulariser further preserves the demonstrated velocity and acceleration characteristics during adaptation. We evaluate the framework on two dynamic object-manipulation tasks in simulation and transfer the learned policy to real-world robot execution. Experimental results demonstrate higher task success, lower collision frequency, and more stable learning than the baselines, while preserving the kinematic characteristics of the demonstrated skill.
• Abstract（参考訳）: 強化学習に基づくスキル適応フレームワークは、固定された観測や厳格に制御された探索スケジュールのような安定性を維持するために制限的な仮定を必要とすることが多い。 しかし、乱雑でダイナミックな環境では、制限のない探索は、特にタスク関連観測が障害物の近くにある場合や、動く物体を巻き込む場合、安全でない行動や不安定な学習につながる可能性がある。 本研究では,構造化ロボットスキル適応のための遠隔認識・安全誘導型強化学習フレームワークであるDist-GPRLを提案する。 GP(Gaussian Process)ベースのスキルパラメタライゼーションを基盤として、我々のフレームワークは、すべてのポリシーステップにおいて、完全なスキルを変更するのではなく、スパーストラジェクトリのローカルウィンドウの重なり合うように順応する。 生政策の出力はGP共分散構造を通して相関し、時間的コヒーレントな軌跡更新を発生させ、グローバルな軌跡適応に伴う行動空間とクレジット割り当ての困難を低減させる。 安全は2つの補完的なガイダンスによって実現される。 Hausdorff Approximation Planner (HAP) から派生したセーフサブスペースは、実行可能な領域へのポリシー探索をバイアスし、動的に更新された距離フィールドクリアランスと勾配報酬は、局所的な障害物認識を提供する。 軌道動力学的類似性正規化器は、適応時の実証速度と加速度特性をさらに保存する。 シミュレーションにおける2つの動的オブジェクト操作タスクの枠組みを評価し,実世界のロボットに学習方針を伝達する。 実験により, 作業成功率, 衝突頻度の低下, ベースラインよりも安定した学習が可能であり, 実技の運動特性は保たれている。

関連論文リスト

• Gradient-Free Neural Hamilton-Jacobi Reachability for Scalable Safety-Critical Control [6.387263468033964]
  Hamilton-Jacobi (HJ) の到達性は、安全証明書と安全クリティカルなロボットシステムのための堅牢なコントローラを合成するための原則化されたフレームワークを提供する。 高次元非線形系への到達可能性解析の適用は依然として困難である。 本稿では,制御分散アフィンシステムのための離散時間ニューラルリーチビリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-12T18:03:51Z)
• Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning [14.620999662200795]
  局所的なオプティマトラップ、スパース報酬、エージェント間の不均衡の学習、クロスシナリオの一般化が不十分である。 本稿では,これらの課題を協調探索,実証利用,安全なカリキュラムスケジューリング,構造認識の一般化を通じて解決する多エージェント深層強化学習フレームワークを提案する。 シミュレーションの結果、コラボレーションの成功率、ナビゲーションの堅牢性、ゼロショットのクロスシナリオの一般化、動的環境適応性などにおいて、強い性能が確認された。
  論文  参考訳（メタデータ） (2026-07-28T14:16:11Z)
• RoboNav-Arm: Agentic AI-Driven Navigation and Obstacle Avoidance for Robotic Manipulator in Cluttered Environments [1.1638921255130017]
  本稿では,効果的な障害回避を伴う安全なタスク実行のためのフレームワークを提案する。 提案手法はGazebo Classicで評価され,動的シナリオにおけるロバスト性を示す。
  論文  参考訳（メタデータ） (2026-06-25T07:29:11Z)
• Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking [78.30338456206984]
  本稿では,汎用3D足場追跡ポリシーをトレーニングするための新しいフレームワークを提案する。 本手法は, 目標検層による足場支援を動的に行うことにより, 学習方針を特定の地形に依存しないものにする。 我々の新しいターゲット表現は、雑音や不正確なポーズ推定や足の接触推定といった現実の課題を効果的に緩和する。
  論文  参考訳（メタデータ） (2026-06-06T16:44:56Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense [51.736723807086385]
  本稿では,この課題に対処する上で,強化学習の実践的メリットを示すケーススタディを提案する。 本研究では,現実的な運用制約を捉えた高忠実度シミュレーション環境を提案する。 エージェントは最適なインターセプション優先順位付けのために複数のエフェクターを調整することを学ぶ。 我々は、何百ものシミュレートされた攻撃シナリオにおいて、手作りルールベースのベースラインに対する学習ポリシーを評価する。
  論文  参考訳（メタデータ） (2025-08-01T13:55:39Z)
• RISE: Robust Imitation through Stochastic Encoding [0.764671395172401]
  本稿では,環境パラメータの誤った測定をポリシー学習に明示的に対応させる,新しい模倣学習フレームワークを提案する。 我々のフレームワークは、障害状態、向き、速度などのパラメータを潜在空間にエンコードし、テスト時間を改善する。 我々は,2つのロボットプラットフォームに対するアプローチを検証するとともに,目標達成性能をベースライン法と比較し,安全性の向上を図っている。
  論文  参考訳（メタデータ） (2025-03-15T19:52:16Z)
• SATA: Safe and Adaptive Torque-Based Locomotion Policies Inspired by Animal Learning [10.138425472807368]
  SATAは、動物の移動で観察される重要な生体力学的原理と適応学習機構を模倣する生体に触発されたフレームワークである。 本手法は,早期探索を著しく改善し,トルクベースの政策を学習する上での課題を効果的に解決する。 実験結果から,SATAは,挑戦的環境においても,顕著なコンプライアンスと安全性を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-18T09:25:37Z)
• COMBO-Grasp: Learning Constraint-Based Manipulation for Bimanual Occluded Grasping [56.907940167333656]
  集積ロボットグルーピングは、表面衝突などの環境制約により、所望のグルーピングポーズが運動的に不可能な場所である。 従来のロボット操作アプローチは、人間が一般的に使用する非包括的または双対的戦略の複雑さに苦しむ。 本稿では,2つの協調ポリシーを活用する学習ベースアプローチであるCOMBO-Grasp(Constraint-based Manipulation for Bimanual Occluded Grasping)を紹介する。
  論文  参考訳（メタデータ） (2025-02-12T01:31:01Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Learning Robust Policy against Disturbance in Transition Dynamics via State-Conservative Policy Optimization [63.75188254377202]
  深層強化学習アルゴリズムは、ソースとターゲット環境の相違により、現実世界のタスクでは不十分な処理を行うことができる。 本研究では,前もって乱れをモデル化せずにロバストなポリシーを学習するための,モデルフリーなアクター批判アルゴリズムを提案する。 いくつかのロボット制御タスクの実験では、SCPOは遷移力学の乱れに対する堅牢なポリシーを学習している。
  論文  参考訳（メタデータ） (2021-12-20T13:13:05Z)

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。