論文の概要: Adaptive Safety Filtering for Frozen ACC Policies via Conformal Residual Calibration

• arxiv url: http://arxiv.org/abs/2609.35415v1
• Date: Mon, 28 Sep 2026 15:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:42:19.579541
• Title: Adaptive Safety Filtering for Frozen ACC Policies via Conformal Residual Calibration
• Title（参考訳）: コンフォーマル残効校正による冷凍ACCポリシーの適応型安全フィルタリング
• Abstract要約: アダプティブRACFは94.3%のエピソード安全性を獲得し、評価されたCBF-QPベースラインよりも19.9ポイント向上した。 我々は,一段階の残留範囲を制約満足度に結びつける条件を特徴付けるとともに,観測された安全計算トレードオフを定量化する。
• 参考スコア（独自算出の注目度）: 3.164099552205972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frozen adaptive cruise control (ACC) policies can violate constraints when deployment dynamics differ from their training conditions. We propose residual-aware conformal action filtering (RACF), which calibrates residuals of a fixed nominal predictor and converts their quantile into an operating margin for finite-model action projection. Completed transitions update margins and candidate selection without retraining the policy. In a registered comparison over 2,400 controller-trial units, Adaptive RACF achieves 94.3% episode safety, improving by 19.9 percentage points over the evaluated nominal CBF-QP baseline while reducing projection frequency from 8.11% to 6.63%. A controlled study isolates a 4.54-point improvement from residual-margin injection. In a separate matched-hardware evaluation, Adaptive reduces mean amortized rollout time by 21.2% relative to Robust CBF-QP, with 161/180 versus 170/180 safe episodes. We characterize conditions linking one-step residual coverage to constraint satisfaction and quantify the observed safety-computation trade-offs.
• Abstract（参考訳）: フリーズ・アダプティブ・クルーズ・コントロール(ACC)ポリシは、デプロイメントのダイナミクスがトレーニング条件と異なる場合、制約に違反する可能性がある。 本稿では, 有限モデル動作投影の操作限界に量子化を変換するRACFを提案する。 完全な移行は、ポリシーを再トレーニングすることなく、マージンと候補の選択を更新する。 登録された2400以上のコントローラ・トライアル・ユニットの比較では、Adaptive RACFは94.3%のエピソード安全性を獲得し、評価されたCBF-QPベースラインよりも19.9ポイント改善され、投影周波数は8.11%から6.63%に削減された。 コントロールされた研究は、残留マージン注射による4.54ポイントの改善を分離する。 マッチしたハードウェアの評価では、アダプティブはロバストCBF-QPと比較して平均償却ロールアウト時間を21.2%削減する。 我々は,一段階の残留範囲を制約満足度に結びつける条件を特徴付けるとともに,観測された安全計算トレードオフを定量化する。

関連論文リスト

• CereVLA: Cerebellum-Inspired Consequence-Aware Residual Governance for Efficient Vision-Language-Action Execution [53.635273213001796]
  アクションチャンクされた視覚言語アクション(VLA)ポリシーは推論効率を改善するが、コミットされたアクションチャンク内の限られたフィードバックは、実行エラーの蓄積につながる。 本稿では,軽量残効改善と予測結果評価を冷凍VLA実行に統合した統合フレームワークであるCereVLAについて述べる。
  論文  参考訳（メタデータ） (2026-09-23T07:30:58Z)
• Risk-Aware Online Conformal State Probing [65.02200443982082]
  オンライン整合状態探索(オンライン整合状態探索、OCSP)は、分布仮定に頼ることなく最悪のケースの信頼性レベルを認定する行動・探索政策である。 OCSPは、リトレーニングや微調整を必要とせずに、既存のバリューベースのコントロールポリシーに適用することができる。
  論文  参考訳（メタデータ） (2026-09-22T08:55:09Z)
• Bilinear Optimization Divergence: Diagnosing Factor-Constrained LoRA Continual Learning [9.210432526729507]
  本稿では,選択した歴史的特徴に対する有効更新応答のアンカー相対的診断を定式化する。 共用アダプタにおいて、ルーティング変位を保護すると、変化した共役因子を介して学習アンカー残余が残る。 新たなゼロ出力ブロックでは、実行可能なルーティング状態が、両方の現在の要因がトレーニング可能である間、構成された更新を保護することができる。
  論文  参考訳（メタデータ） (2026-09-20T12:26:14Z)
• Behavioral Cloning Outperforms Entropy-Regularized RL: Critic-Driven Failure of Actor-Critic Methods on Adaptive Tumor Treatment [46.644955105516466]
  そこで, 最適制御解析により良好なスケジュールの形状を定式化する3つの腫瘍制御ODEについて検討した。 コンパレータに対して、微調整されたポリシーは、失敗ではなく、有能なコントローラとして読むだろう。
  論文  参考訳（メタデータ） (2026-09-06T15:18:25Z)
• Barrier Function Conformal Safety Clearance Certification with CVaR for Driving Trajectory Selection [0.0]
  この枠組みは、アリプランナーが選択した軌道を評価し、そのプランタイムマージンと安全クリアランスのギャップを校正する。 評価されたすべての統計の中で、正確なクリアランスのカバレッジは93.3-96.7%の目標よりも高い。
  論文  参考訳（メタデータ） (2026-08-27T02:11:43Z)
• Adaptive Finite-Budget Training for CVaR Risk-Aware Q-Learning [7.373349445059511]
  リスク対応Q-ラーニング(RaQL)は、動的リスク目標に対するモデルフリーで2時間スケールの推定手段を提供する。 本稿では,CVaR(Conditional Value-at-Risk) RaQLの適応型トレーニングコントローラを提案し,これを日々のBitcoin取引タスクで評価する。
  論文  参考訳（メタデータ） (2026-08-05T00:26:22Z)
• Distribution-Free Uncertainty Quantification for Continuous AI Agent Evaluation [1.2299000423193074]
  我々は、連続AIエージェント評価に分割共形予測と適応共形推論を適用した。 その結果, 年齢ごとの条件付きカバレッジは, 名目レベルを中心に, 十分に集中していることがわかった。 円形制御されたバリデーションにより、フレームワークはベンチマークを超えて信号をキャプチャする。
  論文  参考訳（メタデータ） (2026-05-19T12:47:21Z)
• Residual Control for Fast Recovery from Dynamics Shifts [1.9446811955039964]
  観測不能なダイナミクスシフトは、ロボットシステムにおいてかなり過渡的なパフォーマンス劣化を経験することができる。 そこで本稿では,名目力学の下で訓練された強化学習ポリシーをデプロイ時に固定した,安定性に整合した残留制御アーキテクチャを提案する。 提案手法は, ほぼ最小の定常状態性能を維持しつつ, 凍結・オンライン適応ベースラインに対する回復時間を一定に短縮することを示す。
  論文  参考訳（メタデータ） (2026-03-08T19:33:33Z)
• Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
  バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。 B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。 実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
  論文  参考訳（メタデータ） (2025-09-30T03:38:20Z)
• ACL-QL: Adaptive Conservative Level in Q-Learning for Offline Reinforcement Learning [46.67828766038463]
  本稿では,Q-Learning(ACL-QL)における適応保守レベル(Adaptive Conservative Level in Q-Learning, ACL-QL)を提案する。 ACL-QLは、各状態-作用ペアに対する保守的なレベルの適応的な制御を可能にする。 理論解析により,2つの学習可能な適応重み関数を用いて各遷移の保守レベルを制御する新しいアルゴリズム ACL-QL を提案する。
  論文  参考訳（メタデータ） (2024-12-22T04:18:02Z)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)

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。