論文の概要: Timed Rule-Based Supervision of an End-to-End Autonomous Parking Policy

• arxiv url: http://arxiv.org/abs/2609.31773v1
• Date: Thu, 24 Sep 2026 15:55:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 12:55:18.141245
• Title: Timed Rule-Based Supervision of an End-to-End Autonomous Parking Policy
• Title（参考訳）: 時間ルールに基づくエンドツーエンドの自律駐車政策のスーパービジョン
• Abstract要約: 固定CARLA駐車場における既存の終端駐車ポリシーの繰り返し障害を,手動で特定した実行時スーパーバイザーが修正できるかどうかを検討する。 私たちのコントリビューションは、その制御出力に適用される、タイムドなルールベースのパラメトリック安全シールド(PSS)です。
• 参考スコア（独自算出の注目度）: 31.899677621064228
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study whether a manually specified runtime supervisor can correct recurring failures of an existing end-to-end parking policy in a fixed CARLA parking lot. The vision-based Transformer architecture is inherited from Yang et al.; our contribution is a timed, rule-based Parametric Safety Shield (PSS) applied to its control outputs. The PSS uses hand-calibrated speed, position, and duration thresholds to intervene in observed failure modes, including boundary exits, delayed braking, and stalled or oscillatory control. In the reported closed-loop evaluation, 16 held-out target slots and six initial poses are each evaluated in four rounds (384 attempts per configuration). Target success increases from 327/384 (85.16%) for the retrained policy to 375/384 (97.66%) with the PSS; mean position and orientation errors among successful attempts are 0.21m and 0.33 degrees. These results show an improvement within this simulator setup. The repeated attempts share one map, vehicle, and sensor configuration, and the PSS uses simulator world coordinates; thus the results do not establish generalization to other lots or real vehicles, or a formal safety guarantee.
• Abstract（参考訳）: 固定CARLA駐車場における既存の終端駐車ポリシーの繰り返し障害を,手動で特定した実行時スーパーバイザーが修正できるかどうかを検討する。 ビジョンベースのトランスフォーマーアーキテクチャは、Yangらから受け継がれており、我々の貢献は、その制御出力に適用される、タイムドなルールベースのパラメトリック安全シールド(PSS)である。 PSSは、境界出口、遅延ブレーキ、停止または発振制御を含む観測された障害モードに介入するために、手動校正速度、位置、持続時間しきい値を使用する。 報告されたクローズドループ評価では、16のホールドアウトターゲットスロットと6つの初期ポーズが4ラウンド (384 回構成) で評価される。 目標達成率は327/384 (85.16%) から375/384 (97.66%) に増加し、成功試験の平均位置と方位誤差は0.21mと0.33度である。 これらの結果は,シミュレータのセットアップにおいて改善されている。 繰り返し試みは1つの地図、車両、センサーの構成を共有し、PSSはシミュレーター世界座標を使用しており、その結果は他のロットや実際の車両への一般化や正式な安全保証が確立されない。

関連論文リスト

• Efficient Bezier Velocity Optimization for Free-Floating Space Manipulators [15.834928755345757]
  FAVORは、無人の宇宙船で衝突のない到達、追跡、所定の時間前のインターセプションのためのプランナーである。 ポイント・ツー・ポイントで99.8%成功し、1.779 sの平均計算は62.9%、50.270 sはIK-dの位置スプラインベースラインである。
  論文  参考訳（メタデータ） (2026-09-25T18:17:44Z)
• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• Guardrailed Meta-Agent Loops: Stress-Testing Policy Pinning, Budget Bounds, and Crash Recovery [7.414694666903067]
  GuardrailLoopはシミュレーションベースのテストベッドで、3つの運用契約を共同でテスト可能にする。 ハッシュピン付ポリシーは、目標、スコープ、評価アイデンティティ、予算、リリース条件を修正します。 有用な適応、状態回復、反復実行を分離する。
  論文  参考訳（メタデータ） (2026-09-10T21:22:08Z)
• SUN: Persistent Programs For Language-Grounded Control-to-Learning-to-Real Policies [61.941546372624686]
  既存のプロトコルはタスクのセマンティクスを廃止し、手作りの報酬と制御が検証したものから逸脱する振る舞いを残している。 本稿では,SUN (Semantically UNified Programs) を導入し,幾何関係と接触関係が一度定義され,整列したモデル予測制御にコンパイルされる型付き実行プログラムについて述べる。 我々のシステムであるKuafuは、言語やシーンのセマンティクスからSUNプログラムを自動で合成し、MPCによる画面表示を実現し、ステージ条件付きポリシーのトレーニング中にセマンティクスを保持する。
  論文  参考訳（メタデータ） (2026-08-31T17:59:16Z)
• HetGPS: Scalable Graph Multi-Agent Reinforcement Learning with Physics-Anchored Adaptive Safety for EV Charging [5.264722105217776]
  HetGPSは、学習したグラフリスクと物理アンコール補正を相乗化するためのグラフ制御フレームワークである。 電気自動車の充電では、パラメータ共有した異種グラフソフトアクター批判ポリシーでこのフィルタを結合する。
  論文  参考訳（メタデータ） (2026-08-01T13:59:49Z)
• Reliability-Asymmetric Spacecraft Autonomy: Co-Designing a Capable Learned GNC Stack with a Verified, Adaptation-Aware Runtime Shield [2.28438857884398]
  ルールベースの自律性は認証可能であるが不安定であり、学習された自律性は能力があるが検証するのは難しい。 AMPLE-GNCは3層誘導、ナビゲーション、制御スタックである。 文法制約付き復号化による事前訓練された360Mモデルの微調整は、ハードな出力値保証を与える。 我々は,有能な制御器であっても,ラッチングセーフホールドシールドが抑制可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-24T03:55:21Z)
• CoPark: Learning Reactive Parking via Self-Play [14.401678604179116]
  CoParkは、残余の政治アーキテクチャ上に構築されたマルチエージェントのセルフプレイRLアプローチである。 我々は,Dragon Lake Parking(DLP)とDeep Open 3D(DSC3D)にまたがる新しいリアクティブパーキングベンチマークで,6つの駐車場でポリシーをトレーニングし,ゼロショットを評価する。 CoParkは70～85%の成功を達成し、衝突速度はわずか3～6%で、古典的、模倣学習、大規模RLベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2026-06-02T19:16:05Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving [55.88697462014118]
  CorrectionPlannerは自己補正を備えた自動回帰プランナーである。 Waymaxでは衝突率を20%以上削減し、nuPlanでは最先端の計画スコアを達成している。
  論文  参考訳（メタデータ） (2026-03-16T18:03:21Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)

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。