論文の概要: BIG-CBF: Behavior-Imagination-Guided Control Barrier Function with Shared Uncertainty for Mobile Robot Navigation
- arxiv url: http://arxiv.org/abs/2609.14343v1
- Date: Sun, 13 Sep 2026 07:05:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.797072
- Title: BIG-CBF: Behavior-Imagination-Guided Control Barrier Function with Shared Uncertainty for Mobile Robot Navigation
- Title（参考訳）: BIG-CBF:移動ロボットナビゲーションのための共有不確実性を有する行動イマジネーション誘導制御バリア機能
- Abstract要約: 本稿では,BIG-CBF,BIG-Imagination-Guided Control Barrier関数を提案する。
BIG-CBFは、全体的なタスク成功率99.78%を達成し、下流CBFの介入を大幅に減少させる。
BIG-CBFは、Jetson Orin Nano計算を搭載した物理的全方位ロボット上で、記録された接触イベントなしで15回の評価を実行する。
- 参考スコア（独自算出の注目度）: 10.164953732323463
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Control barrier functions (CBFs) provide a mathematically grounded framework for enforcing local collision-avoidance constraints in autonomous mobile robots, commonly through optimization-based safety filters. However, a minimum-intervention CBF filter lacks task-level maneuver awareness and may fail to select a productive avoidance direction when multiple distinct maneuvers are locally viable, leading to safe but stalled behavior in geometrically ambiguous environments. This paper presents BIG-CBF, Behavior-Imagination-Guided Control Barrier Function with shared uncertainty, a two-rate navigation architecture that separates low-rate maneuver selection from high-rate safety filtering. Over a short horizon, six closed-loop feedback behaviors are imagined and evaluated using analytic CBF compatibility together with a lightweight objective accounting for task progress, freezing, smoothness, and switching. To reduce planning-execution mismatch, the imagination and execution layers share consistent uncertainty sources for relative-motion delay, obstacle prediction, zero-order-hold motion, and command-execution residuals, while a hard CBF remains the final safety authority. In a 3,600-episode comparative benchmark across nine scenarios, BIG-CBF achieves the highest overall task success rate of 99.78% while substantially reducing downstream CBF intervention. On a physical omnidirectional robot with onboard Jetson Orin Nano computation, BIG-CBF completes all 15 evaluation runs without a recorded contact event. Matched hardware comparisons against the non-shared variant further show lower CBF intervention energy and activation frequency, supporting improved consistency between maneuver selection and safety-critical execution.
- Abstract（参考訳）: 制御障壁関数(CBF)は、自律移動ロボットにおける局所衝突回避制約を、一般に最適化ベースの安全フィルタを通じて強化するための数学的基盤となるフレームワークを提供する。
しかし、最小干渉CBFフィルタはタスクレベルの操作意識を欠き、複数の異なる操作が局所的に実行可能である場合、生産的な回避方向を選択することができず、幾何学的に曖昧な環境では安全だが停止する。
本稿では、BIG-CBF, Behavior-Imagination-Guided Control Barrier Function with shared uncertainty, a two-rate navigation architecture that a low-rate maneuver selection from High-rate safety filteringについて述べる。
短期的には、6つの閉ループフィードバック行動が,タスクの進行,凍結,滑らかさ,切り替えの軽量な客観的説明とともに,解析的CBF整合性を用いて予測され評価される。
計画実行ミスマッチを低減するために、イマジネーション層と実行層は相対動作遅延、障害物予測、ゼロオーダーホールド運動、コマンド実行残差の一貫性のある不確実性源を共有し、ハードCBFは最終的な安全権限を維持している。
BIG-CBFは9つのシナリオで3600回比較ベンチマークを行い、全体のタスク成功率は99.78%に達し、ダウンストリームCBFの介入を大幅に削減した。
BIG-CBFは、Jetson Orin Nano計算を搭載した物理的全方位ロボットにおいて、記録された接触イベントなしで15回の評価の実行を完了させる。
整合したハードウェア比較では、CBF干渉エネルギーとアクティベーション周波数が低下し、操作選択と安全クリティカルな実行の整合性が向上した。
関連論文リスト
- Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - ReactiveBFM: Reactive Closed-Loop Motion Planning Towards Universal Humanoid Whole-Body Control [54.267632784131415]
ReactiveBFMは、ヒューマノイドのためのリアルタイムループ計画制御フレームワークである。
定期的なプレフィックスサンプリングカリキュラムを通じて、致命的な累積露光バイアスを軽減する。
これは、テキスト条件付きクローズドループ運動の膨大なレパートリーにおいて、前例のない物理的機敏さを示す。
論文 参考訳（メタデータ） (2026-06-29T14:27:27Z) - Safety-Critical Whole-Body Control for Humanoid Robots via Input-to-State Safe Control Barrier Functions [6.59514190732471]
本稿では,ヒューマノイドロボットのための階層型安全クリティカル全身制御フレームワークを提案する。
提案アーキテクチャは,キネマティック・ボディー・コントローラ(KinWBC),ISSf-CBFセーフティフィルタ,ダイナミック・ボディー・コントローラ(DynWBC)を統合している。
論文 参考訳（メタデータ） (2026-05-25T08:02:30Z) - 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) - CN-CBF: Composite Neural Control Barrier Function for Safe Robot Navigation in Dynamic Environments [2.7458654644827134]
動的環境下での安全なロボットナビゲーションのための,シンプルで効果的なニューラルネットワークCBF設計法を提案する。
我々は、複数の神経CBFを1つのCBFに結合する複合CBFの考え方を採用する。
個々のCBFはハミルトン-ヤコビ到達可能性フレームワークを介して訓練され、単一の移動障害物に対する最適安全セットを近似する。
論文 参考訳（メタデータ） (2026-03-06T22:44:10Z) - Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters [18.386652442201665]
本稿では,ロバストで信頼性の高い層状安全フィルタを構築するための汎用的なエンドツーエンドフレームワークを提案する。
ロボット中心の点雲が与えられた場合、我々は、ポアソン安全関数(PSF)を合成するために使用される占有マップを構築することから始める。
PSFは2つの異なる安全濾過段階において制御バリア機能(CBF)として使用される。
論文 参考訳（メタデータ） (2026-02-27T22:19:45Z) - Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments [4.788163807490197]
制御バリア関数(CBF)の制約パラメータを実行時に適用するためのソフトアクタ・クリティカル(SAC)ベースのポリシーを提案する。
我々は,本フレームワークがCBF制約を効果的に適用し,ロボットが安全性を損なうことなく最終目標に達することを実証した。
論文 参考訳（メタデータ） (2025-03-11T14:33:55Z) - Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。
逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。
その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
論文 参考訳（メタデータ） (2024-10-05T18:45:19Z) - ASMA: An Adaptive Safety Margin Algorithm for Vision-Language Drone Navigation via Scene-Aware Control Barrier Functions [9.645098673995317]
VLNを運用するドローンプラットフォームについて検討し、新しいシーン認識CBFを定式化することによって安全性を向上させる。
CBFのないベースラインシステムは、コマンドを順序づけられたランドマークのシーケンスに変換するために、モーダルな注意を持つビジョンランゲージを使用する。
ASMAは移動物体を追跡し、シーン認識CBF評価をオンザフライで実行し、追加の制約として機能する。
論文 参考訳（メタデータ） (2024-09-16T13:44:50Z) - Safe Neural Control for Non-Affine Control Systems with Differentiable
Control Barrier Functions [58.19198103790931]
本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。
制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。
我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
論文 参考訳（メタデータ） (2023-09-06T05:35:48Z) - Online Control Barrier Functions for Decentralized Multi-Agent
Navigation [15.876920170393168]
制御バリア関数(CBF)は、連続領域における安全なマルチエージェントナビゲーションを可能にする。
伝統的なアプローチでは、パラメータが Apriori にチューニングされる固定CBF を考える。
オンラインCBFを提案し、ハイパーパラメータをリアルタイムに調整する。
論文 参考訳（メタデータ） (2023-03-08T01:28:18Z) - BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。
本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
論文 参考訳（メタデータ） (2021-11-22T15:38:11Z)
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。