論文の概要: LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control

• arxiv url: http://arxiv.org/abs/2609.22075v1
• Date: Fri, 18 Sep 2026 17:57:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.240852
• Title: LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control
• Title（参考訳）: LIMBO: アジャイルと安全な全身制御のためのモデルフリーバリアオブジェクトの学習と内部化
• Abstract要約: LIMBOは、状態制御バリア関数を合成し、その安全構造をタスクポリシーに蒸留するためのフレームワークである。 合成中、学習された安全性値は、推定された回復可能性の境界付近でリスク誘導サンプリングを駆動する。 リスク誘導型境界サンプリングは,回復可能性のエッジを理論的に基礎的に探究する手段であることを示す。
• 参考スコア（独自算出の注目度）: 24.8778953452851
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Safe whole-body control requires coordinating collision avoidance and balance under high-dimensional, nonlinear dynamics--making safety certificates difficult to design and reuse across behaviors. We present LIMBO, a framework for synthesizing a state-action control barrier function and distilling its safety structure into a task policy. LIMBO learns the safety certificate from black-box transitions and a state-based failure specification over residual actions around a frozen base controller, making Q-CBF synthesis tractable in the full control dimension while placing the certificate in the task policy's control space. During synthesis, the learned safety value drives risk-guided sampling near the estimated boundary of recoverability; during task learning, it serves as a teacher that provides action-level safety feedback, yielding a robust task policy and alleviating the need for an online safety filter at deployment. We demonstrate LIMBO on a 29-degree-of-freedom humanoid performing dodgeball avoidance and locomotion beneath low obstacles. Beyond scaling learned Q-CBFs to whole-body control, we show that risk-guided boundary sampling provides a theoretically grounded way to explore the edge of recoverability. Under the same safety specification, ceteris paribus, varying the sampling concentration produces strategies ranging from crouching to a novel backward-leaning limbo maneuver. In both settings, the learned policies transfer to hardware without online safety filtering, showing that learned safety synthesis scales to agile whole-body control.
• Abstract（参考訳）: 安全な全身制御には、高次元の非線形力学の下で衝突回避とバランスを調整する必要がある。 状態制御バリア関数を合成し,その安全構造をタスクポリシに蒸留するフレームワークであるLIMBOを提案する。 LIMBOは、冷凍ベースコントローラ周辺の残留動作に関するブラックボックス遷移と状態ベースの障害仕様から安全証明書を学習し、Q-CBF合成をタスクポリシーの制御空間に証明書を配置しながら、完全な制御次元で引き出すことができる。 学習された安全値は、予測された回復可能性の境界付近でリスク誘導サンプリングを駆動し、タスク学習の間は、アクションレベルの安全フィードバックを提供し、堅牢なタスクポリシーを提供し、デプロイ時のオンライン安全フィルタの必要性を軽減する教師として機能する。 LIMBOを29自由度ヒューマノイドで低障害物下でのドッジボール回避と移動を実証した。 学習したQ-CBFを全身制御にスケールする以外に、リスク誘導境界サンプリングは、回復可能性のエッジを理論的に基礎的に探究する方法を提供する。 同じ安全仕様の下では、サンプリング濃度の異なるセテリスパリバスは、しゃがみ込みから新しい後方傾き手足操作まで幅広い戦略を生み出している。 どちらの設定でも、学習したポリシーは、オンラインの安全フィルタリングなしでハードウェアに移行し、学習した安全合成がアジャイル全体のコントロールにスケールすることを示した。

関連論文リスト

• Safe Reinforcement Learning using Ideas from Model Predictive Control [0.40831821256838124]
  強化学習は、データから直接制御ポリシーを合成することを可能にする。 永続的な課題は、アクティブな学習フェーズにおける厳格で厳しい安全性の制約を保証することです。 本稿では,深層強化学習の適応的かつ高性能な性質と,モデル予測制御の形式的安全性を保証する枠組みを提案する。
  論文  参考訳（メタデータ） (2026-07-08T10:35:04Z)
• Online Safety Filter for Deformable Object Manipulation with Horizon Agnostic Neural Operators [25.931880819916643]
  変形可能なオブジェクト操作のための制約駆動型オンライン安全フィルタを提案する。 このフィルタは、名目制御ポリシーを最小限に修正することで、タスクレベルの安全性の制約をリアルタイムで実施する。 提案手法はFluidLabにおいて,フィルタがフィルタされていない基本方針に対して,安全な軌道速度を最大22%向上させる。
  論文  参考訳（メタデータ） (2026-05-01T20:06:54Z)
• 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)
• UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
  大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。 安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。 この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
  論文  参考訳（メタデータ） (2025-10-02T16:43:33Z)
• SCANS: Mitigating the Exaggerated Safety for LLMs via Safety-Conscious Activation Steering [56.92068213969036]
  悪意のある命令から脅威を守るために、LLM(Large Language Models)には安全アライメントが不可欠である。 近年の研究では、過大な安全性の問題により、安全性に配慮したLCMは、良質な問い合わせを拒否する傾向にあることが明らかになっている。 過大な安全性の懸念を和らげるために,SCANS法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T10:01:34Z)
• Sampling-based Safe Reinforcement Learning for Nonlinear Dynamical Systems [15.863561935347692]
  非線形力学系の制御のための安全かつ収束性のある強化学習アルゴリズムを開発した。 制御とRLの交差点における最近の進歩は、ハードセーフティ制約を強制するための2段階の安全フィルタアプローチに従っている。 我々は,古典的な収束保証を享受するRLコントローラを学習する,一段階のサンプリングに基づくハード制約満足度へのアプローチを開発する。
  論文  参考訳（メタデータ） (2024-03-06T19:39:20Z)
• Modular Control Architecture for Safe Marine Navigation: Reinforcement Learning and Predictive Safety Filters [0.0]
  強化学習は複雑なシナリオに適応するためにますます使われていますが、安全性と安定性を保証するための標準フレームワークは欠如しています。 予測安全フィルタ(PSF)は、明示的な制約処理を伴わずに、学習ベースの制御における制約満足度を確保する、有望なソリューションを提供する。 この手法を海洋航法に適用し,シミュレーションされたCybership IIモデル上でRLとPSFを組み合わせた。 その結果, PSF が安全維持に有効であることは, RL エージェントの学習速度と性能を損なうことなく示され, PSF を使用せずに標準 RL エージェントに対して評価された。
  論文  参考訳（メタデータ） (2023-12-04T12:37:54Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)

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。