論文の概要: Distilling Privileged Control Barrier Functions into RGB-Only Safety Filters for Dynamic Visual Navigation

• arxiv url: http://arxiv.org/abs/2609.36520v1
• Date: Tue, 29 Sep 2026 02:12:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.112725
• Title: Distilling Privileged Control Barrier Functions into RGB-Only Safety Filters for Dynamic Visual Navigation
• Title（参考訳）: ダイナミックビジュアルナビゲーションのためのRGB専用安全フィルタにおける予備制御バリア関数の蒸留
• Abstract要約: そこで本稿では,特権的CBF教師の安全行動を動的環境のためのRGBのみの学生フィルタに伝達する教師学習型視覚蒸留フレームワークを提案する。 生徒は、短いRGB履歴、ロボットの速度、名目上の制御動作を直接安全なアクションにマッピングし、教師は、現実からシミュレートされた動的ガウススティング環境において、接地型ロボットと障害物状態を使用する。 実験により,提案手法は視覚的CBFベースラインよりも優れ,動的障害物運動下でのRGBベースのナビゲーションポリシーの安全性が向上することが示された。
• 参考スコア（独自算出の注目度）: 21.42632747599771
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-only end-to-end visual navigation policies remain vulnerable to collisions in real-world dynamic environments, motivating a dedicated safety layer. Existing visual Control Barrier Function (CBF) approaches seek to provide safety from RGB observations, but often rely on real-time rendering or explicit scene reconstruction and are primarily designed for static scenes, limiting their practicality for onboard deployment. We propose a teacher-student visual distillation framework that transfers the safety behavior of a privileged CBF teacher to an RGB-only student filter for dynamic environments. The student maps a short RGB history, robot velocity, and a nominal control action directly to a safe action, while the teacher uses ground-truth robot and obstacle states in a real-to-sim dynamic Gaussian Splatting environment. To reduce the teacher-student information gap, the teacher constructs safety constraints only from obstacles observable within the student's RGB history. It also accounts for obstacle-velocity uncertainty to improve robustness to motion variations, while action augmentation exposes the student to diverse safe and unsafe nominal actions to better capture the safety boundary. At deployment, the student requires only RGB observations and robot velocity, without explicit 3D reconstruction or online rendering. Experiments show that the proposed method outperforms visual CBF baselines and improves the safety of RGB-based navigation policies under dynamic obstacle motion. Project page: https://syeon-yoo.github.io/distill-cbf-site/.
• Abstract（参考訳）: RGBのみのエンド・ツー・エンドのビジュアルナビゲーションポリシーは、現実世界の動的環境における衝突に対して脆弱であり、専用の安全層を動機付けている。 既存のビジュアルコントロールバリア機能(CBF)アプローチは、RGB観測から安全性を提供することを目指しているが、しばしばリアルタイムレンダリングや明示的なシーン再構築に依存し、主に静的なシーン用に設計されており、オンボード展開の実用性に制限がある。 そこで本稿では,特権的CBF教師の安全行動を動的環境のためのRGBのみの学生フィルタに伝達する教師学習型視覚蒸留フレームワークを提案する。 生徒は、短いRGB履歴、ロボットの速度、名目上の制御動作を直接安全なアクションにマッピングし、教師は、現実からシミュレートされた動的ガウススティング環境において、接地型ロボットと障害物状態を使用する。 教師と学生の情報ギャップを減らすため、教師は学生のRGB履歴の中で観察可能な障害物からのみ安全制約を構築する。 また、運動の変動に対する堅牢性を改善するために障害物速度の不確実性も説明し、アクション強化により、学生は安全境界をよりよく捉えるために、多様な安全で安全でない名目的行動に晒される。 配置にはRGBの観察とロボットの速度しか必要とせず、明示的な3D再構成やオンラインレンダリングは必要ない。 実験により,提案手法は視覚的CBFベースラインよりも優れ,動的障害物運動下でのRGBベースのナビゲーションポリシーの安全性が向上することが示された。 プロジェクトページ: https://syeon-yoo.github.io/distill-cbf-site/。

関連論文リスト

• RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation [55.07260698542592]
  我々は,1枚のRGB画像をシミュレーション可能なシーンに変換する,リアル・トゥ・シミュレート・フレームワークであるRoboSnapを紹介した。 DROIDシーンと実ロボットタスクの実験は、復元されたシーンでRoboSnapが信頼できる軌道再生を実現することを示している。 DROIDのリアルワールドシーン564から構築したリアル・トゥ・シムデータセットであるDROID-Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T18:19:10Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning [1.9269719158344503]
  視覚に基づくナビゲーションモデルは、RGB観測だけで実行可能な軌道を生成する。 微調整により構造を直接ポリシーに組み込むナビゲーションモデルを提案する。 本手法は,目標達成性能を維持しつつ,ViNT,NoMaD,およびCARE拡張型に対する衝突頻度を低減させる。
  論文  参考訳（メタデータ） (2026-06-10T03:56:33Z)
• Dynamic Control Barrier Function Regulation with Vision-Language Models for Safe, Adaptive, and Realtime Visual Navigation [5.268770735910558]
  我々は、エゴセントリックなRGB入力を用いてCBF安全フィルタの保守性をリアルタイムで適応する視覚制御ナビゲーションフレームワークAlphaAdjを提案する。 その結果、AlphaAdjは衝突のないナビゲーションを維持しつつ、(パスの長さとゴールまでの時間の観点から)効率を最大18.5%改善していることがわかった。
  論文  参考訳（メタデータ） (2026-03-22T09:35:18Z)
• Contextual Safety Reasoning and Grounding for Open-World Robots [79.98924225712668]
  COREは、環境に関する事前の知識なしに、オンラインのコンテキスト推論、接地、執行を可能にする安全フレームワークである。 知覚の不確実性を考慮したCOREの確率論的安全性保証を提供する。 シミュレーションと実世界の実験を通じて、COREは目に見えない環境において、文脈的に適切な振る舞いを強制することを示した。
  論文  参考訳（メタデータ） (2026-02-23T15:51:23Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• 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)
• NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics via Novel-View Synthesis [50.93065653283523]
  SPARTN(Synthetic Perturbations for Augmenting Robot Trajectories via NeRF)は、ロボットポリシーを改善するための完全なオフラインデータ拡張スキームである。 提案手法はニューラルレイディアンス場(NeRF)を利用して,視覚的デモンストレーションに補正ノイズを合成注入する。 シミュレーションされた6-DoF視覚的把握ベンチマークでは、SPARTNは精度を2.8$times$で改善する。
  論文  参考訳（メタデータ） (2023-01-18T23:25:27Z)

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。