論文の概要: Model-Informed Safe Reinforcement Learning for Bipedal Locomotion via Step-to-Step Prediction
- arxiv url: http://arxiv.org/abs/2609.34486v1
- Date: Mon, 28 Sep 2026 07:39:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 13:10:26.026535
- Title: Model-Informed Safe Reinforcement Learning for Bipedal Locomotion via Step-to-Step Prediction
- Title（参考訳）: ステップ・ツー・ステップ予測による二足歩行のモデルインフォームドセーフ強化学習
- Abstract要約: 解析的Angular Momentum Linear Inverted Pendulumテンプレートに固定されたモデルインフォームド強化学習フレームワークを提案する。
離散的な指数関数制御バリア関数を介してALIPステップのステップツーステップ安全証明書を提供する。
提案手法は, 制約のないベースラインと比較して, 報告外乱試験における安全違反事象を低減する。
- 参考スコア（独自算出の注目度）: 3.3302293148249125
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humanoid robots promise versatile mobility in cluttered, human-centric environments, but real deployment demands principled safety. Classical model-based gait generators yield interpretable motions but often lack the robustness and adaptability of modern reinforcement learning (RL) based approaches. We propose a model-informed reinforcement learning framework anchored to the analytical Angular Momentum Linear Inverted Pendulum (ALIP) template. We provide a step-to-step safety certificate for ALIP stepping via a discrete exponential control barrier function (DECBF) and use it as (i) a training-time shaping signal and (ii) a runtime action filter that minimally adjusts swing-foot placement to satisfy template-level constraints. Full-order safety is evaluated empirically on the Digit humanoid in MuJoCo with a whole-body controller stack. Compared to an unconstrained baseline, our approach reduces safety-violation events in the reported external-disturbance trial, while larger lateral-velocity transients reveal a safety-tracking tradeoff.
- Abstract（参考訳）: 人間型ロボットは、散らばった人間中心の環境で多目的移動を約束するが、実際の展開は安全を原則とする。
古典的モデルに基づく歩行生成器は解釈可能な動きを生じるが、現代の強化学習(RL)に基づくアプローチの堅牢性と適応性に欠けることが多い。
解析的Angular Momentum Linear Inverted Pendulum (ALIP)テンプレートに固定されたモデルインフォームド強化学習フレームワークを提案する。
我々は、離散指数制御障壁関数(DECBF)を介してALIPステッピングをステップツーステップで保証し、それを使用するための安全証明書を提供する。
(i)訓練時の整形信号及び
(ii)テンプレートレベルの制約を満たすために、スイングフット配置を最小限に調整するランタイムアクションフィルタ。
フルオーダー安全性は、全身コントローラスタックを備えた MuJoCo の Digit ヒューマノイド上で実証的に評価される。
提案手法は,非拘束ベースラインと比較して,外乱試験における安全違反イベントを減少させる一方,より大きい横速度トランジェントは安全追跡トレードオフを示す。
関連論文リスト
- Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance [49.35246226163005]
本稿では、予測リスクブレンド制御バリア機能(ARB-CBF)を統合することにより、動的環境における安全クリティカルなナビゲーションに反復学習計画(ILP)を拡張する。
総合的なシミュレーションと実世界の実験により、最適化ベースのベースラインに比べて計算オーバーヘッドが低く、時間効率と安全性が優れていることが証明された。
論文 参考訳（メタデータ） (2026-09-17T14:12:36Z) - 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) - Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models [57.006252510102506]
強化学習(Reinforcement Learning, RL)は、最適な意思決定と制御のための強力なフレームワークである。
本稿では,未知および非線形連続力学系に対する安全性を低くした安全RLを実現するための新しい回復型遮蔽フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-12T22:03:35Z) - Efficiently Learning Robust Torque-based Locomotion Through Reinforcement with Model-Based Supervision [14.246416873754905]
モデルに基づく二足歩行と残留強化学習を統合した制御フレームワークを提案する。
提案手法は, ランダム化条件におけるロバスト性の向上と一般化を実証する。
論文 参考訳（メタデータ） (2026-01-22T16:56:52Z) - BEEAR: Embedding-based Adversarial Removal of Safety Backdoors in Instruction-tuned Language Models [57.5404308854535]
大型言語モデル(LLM)における安全バックドア攻撃は、正常な相互作用中の検出を回避しながら、安全でない振る舞いをステルス的に引き起こすことができる。
モデル埋め込み空間において,バックドアトリガーが比較的均一なドリフトを引き起こすという知見を活かした緩和手法であるBEEARを提案する。
両レベル最適化手法は、不要な振る舞いを誘発する普遍的な埋め込み摂動を特定し、モデルパラメータを調整し、これらの摂動に対する安全な振舞いを強化する。
論文 参考訳（メタデータ） (2024-06-24T19:29:47Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Responsive Safety in Reinforcement Learning by PID Lagrangian Methods [74.49173841304474]
ラグランジアン法は振動とオーバーシュートを示し、安全強化学習に適用すると制約違反行動を引き起こす。
制約関数の微分を利用する新しいラグランジュ乗算器更新法を提案する。
我々はPIDラグランジアン法を深部RLに適用し、安全RLベンチマークであるSafety Gymにおける新しい技術状態を設定する。
論文 参考訳（メタデータ） (2020-07-08T08:43:14Z)
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。