論文の概要: Predictive Safety Curricula for Robust Legged Locomotion

• arxiv url: http://arxiv.org/abs/2609.37070v1
• Date: Tue, 29 Sep 2026 09:06:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.352098
• Title: Predictive Safety Curricula for Robust Legged Locomotion
• Title（参考訳）: ロバスト脚移動の予測安全カリキュラム
• Abstract要約: 我々は,移動訓練体験をアロケートするためのフレームワークである予測安全カリキュラムを紹介した。 PSCは、ポリシーのロールアウトから配布安全評論家を訓練し、その予測を使用して、両方の地形コンテキストを優先順位付けする。 PSCは、標準的な地形の進行、アドバンテージベースのリプレイ、学習プログレスキュリキュラに対する信頼性を改善している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rare but consequential failures can persist in learned locomotion policies for legged robots even when average task performance is high, in part because standard curricula primarily adapt task difficulty rather than the distribution of safety-critical experience. We introduce Predictive Safety Curricula (PSC), a framework for allocating locomotion training experience using learned predictions of future safety cost. PSC trains a distributional safety critic from policy rollouts and uses its predictions to prioritize both terrain contexts and previously encountered randomized events. The resulting curriculum modifies the training distribution while leaving the task reward and policy-optimization loss unchanged. We evaluate PSC in controlled rough-terrain locomotion and in production locomotion systems. PSC improves reliability relative to standard terrain progression, advantage-based replay, and learning-progress curricula, with the largest gains on difficult terrain and under degraded observations. The same allocation principle transfers to two production locomotion stacks. On ANYmal-D hardware, PSC reduces shank-collision incidence by $63\%$ relative to the learning-progress curriculum across three matched training seeds, with a reduction in every seed. On a production stair-climbing platform, PSC eliminates observed shank collisions in the evaluated hardware trials. These results show that learned predictions of future safety cost can provide an effective signal for allocating training experience toward rare failure modes and improving locomotion reliability.
• Abstract（参考訳）: 通常のカリキュラムは、安全クリティカルな体験の分布よりも、主にタスクの難易度に適応するためである。 我々は,将来の安全コストの予測を学習した上で,移動訓練経験を割り当てるためのフレームワークである予測安全カリキュラム(PSC)を紹介した。 PSCは、ポリシーのロールアウトから配布安全評論家を訓練し、その予測を使用して、地形コンテキストと以前に遭遇したランダム化イベントの両方を優先順位付けする。 得られたカリキュラムは、タスク報酬とポリシー最適化損失をそのまま残しながらトレーニング分布を変更する。 制御された粗視的移動系および生産的移動系におけるPSCの評価を行った。 PSCは、標準的な地形の進行、利点に基づく再生、学習過程のカリキュラムに対する信頼性を向上し、困難な地形や劣化した観測下で最大の成果を上げている。 同じ割り当て原理は、2つのプロダクションロコモーションスタックに転送される。 ANYmal-Dハードウェアでは、PSCは、マッチした3つのトレーニングシードの学習過程のカリキュラムと比較して、シャンク衝突の発生率を6,3\%削減し、すべてのシードを減少させる。 生産段階の昇降プラットフォームでは、PSCは評価されたハードウェア試験において観測されたシャンク衝突を除去する。 これらの結果から,学習した将来の安全コストの予測は,稀な障害モードへのトレーニング経験の割り当てや移動信頼性の向上に有効なシグナルとなることが示唆された。

関連論文リスト

• Self-Aware Active Learning Enables Continual Improvement in Autonomous Driving [12.669051115615176]
  SAGE(Self-Aware Guided Exploring)は、自動運転の訓練後適応のためのアクティブな学習フレームワークである。 好奇心は、脅威に対する介入しきい値を適応的に調整し、エージェントがコンテキスト依存的な方法でリスクを規制できるようにする。 Fearは、パフォーマンスのレグレッションを減らすために、安全指向の制約としてポリシー最適化と評価に統合されている。
  論文  参考訳（メタデータ） (2026-08-30T13:01:32Z)
• From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving [56.30087557121323]
  AlignADVは学習性誘導型クローズドループ対向トレーニングフレームワークである。 敵のシナリオを解決可能で能力に整合したカリキュラムに変換する。 実験の結果、最大40.6%のトレーニングステップが短縮された。
  論文  参考訳（メタデータ） (2026-06-12T02:13:55Z)
• SLowRL: Safe Low-Rank Adaptation Reinforcement Learning for Locomotion [16.763723249971793]
  SLowRLはローランド適応(LoRA)とリカバリポリシによるトレーニング時間安全対策を組み合わせたフレームワークである。 実験結果から,本手法は微調整時間とほぼゼロの安全違反を4,6.5%削減できることがわかった。
  論文  参考訳（メタデータ） (2026-03-17T19:26:48Z)
• Post-Training and Test-Time Scaling of Generative Agent Behavior Models for Interactive Autonomous Driving [3.8612647047433217]
  グループ相対行動最適化は、行動リアリズムを維持しながら安全性を40%以上改善する。 Warm-Kは、動き選択における一貫性と多様性のバランスをとる温かいスタートのTop-Kサンプリング戦略である。
  論文  参考訳（メタデータ） (2025-12-15T12:18:50Z)
• Human-in-the-loop Online Rejection Sampling for Robotic Manipulation [55.99788088622936]
  Hi-ORSは、オンライン微調整中に負の報酬を得たサンプルをフィルタリングすることで、値推定を安定化する。 Hi-ORSは、わずか1.5時間でコンタクトリッチな操作をマスターするためのpiベースのポリシーを微調整する。
  論文  参考訳（メタデータ） (2025-10-30T11:53:08Z)
• Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling [74.41886258801209]
  本稿では,行動学習から原理的アライメントを分離する2段階の軌道計画フレームワークを提案する。 Plan-R1は計画の安全性と実現可能性を大幅に改善し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2025-05-23T09:22:19Z)
• CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
  Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。 Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。 猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
  論文  参考訳（メタデータ） (2023-10-19T02:49:31Z)
• Conservative Safety Critics for Exploration [120.73241848565449]
  強化学習(RL)における安全な探索の課題について検討する。 我々は、批評家を通じて環境状態の保守的な安全性推定を学習する。 提案手法は,破滅的故障率を著しく低く抑えながら,競争力のあるタスク性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-10-27T17:54:25Z)
• Cautious Adaptation For Reinforcement Learning in Safety-Critical Settings [129.80279257258098]
  都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。 非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。 多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
  論文  参考訳（メタデータ） (2020-08-15T01:40:59Z)

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。