論文の概要: Distribution-Transfer Safe-Horizon MPC under Mode Uncertainty

• arxiv url: http://arxiv.org/abs/2610.07277v1
• Date: Mon, 05 Oct 2026 19:16:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.613179
• Title: Distribution-Transfer Safe-Horizon MPC under Mode Uncertainty
• Title（参考訳）: モード不確かさ下における分布移動型安全なMPC
• Abstract要約: サンプリングベース手法として、シナリオベースのMPCは分布ミスマッチに敏感である。 本稿では,安全・水平衝突リスク証明書を信頼度セットのすべての法則に転送する乗法支配境界を提案する。 結果として得られた証明書は、配布ミスマッチで必要となる追加の締め付けを明示的に定量化する。
• 参考スコア（独自算出の注目度）: 1.0828616610785522
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scenario-based MPC is an attractive strategy for chance-constrained motion planning that approximates uncertainty via a finite set of sampled scenarios. As a sampling-based method, scenario-based MPC is sensitive to distribution mismatch. We address this problem in the context of Safe-Horizon Model Predictive Control (SH-MPC) with obstacles governed by switching dynamic modes. From finite mode observations, we construct a confidence set for the unknown categorical mode law and derive a multiplicative domination bound that transfers a Safe-Horizon collision-risk certificate from a selected scenario-sampling distribution to every law in the confidence set. Wasserstein geometry is used to regularize probability reallocation among modes according to the similarity of their induced trajectory predictions, while a collision-risk surrogate biases sampling toward dangerous modes. The resulting certificate explicitly quantifies the additional tightening required under distribution mismatch and exposes the multiplicative conservatism that arises when several obstacle-wise transfer factors are combined
• Abstract（参考訳）: シナリオベースのMPCは、有限個のサンプルシナリオを通して不確実性を近似する確率制約運動計画のための魅力的な戦略である。 サンプリングベース手法として、シナリオベースのMPCは分布ミスマッチに敏感である。 本稿では,動的モードの切り替えによる障害を伴う安全水平モデル予測制御(SH-MPC)の文脈でこの問題に対処する。 有限モード観測から、未知のカテゴリーモード法則に対する信頼セットを構築し、選択されたシナリオサンプリング分布から安全-水平衝突リスク証明を信頼セット内の各法則に転送する乗法支配境界を導出する。 ワッサーシュタイン幾何は、それらの誘導された軌道予測の類似性に応じてモード間の確率再配置を規則化するために使用され、衝突リスクの代理バイアスは危険なモードに向かってサンプリングされる。 結果として得られた証明書は、分布ミスマッチで必要となる追加の締め付けを明示的に定量化し、いくつかの障害性伝達因子が組み合わされたときに生じる乗法的保守性を公開する。

関連論文リスト

• Stochastic Multi-Objective Kinodynamic Planning Against Adversaries [4.800861909357391]
  本稿では,エゴ状態に基づく多目的キノダイナミック計画法について述べる。 確率的完全性を証明するための多目的RT(SMO-RRT)を導入し,次に多目的安定RT(SMO-SST)を紹介する。 どちらのアルゴリズムに対しても、ガウス的でない状態依存不確実性を持つ系に対して、確率制約違反の確率に基づいて有限サンプルを導出する。
  論文  参考訳（メタデータ） (2026-07-21T16:56:34Z)
• Behavioural Signatures of Risk-Sensitive Decision-Making in Large Language Models [121.70781851874035]
  大規模言語モデル(LLM)は、意思決定支援にますます使われている。 不確実性の下での選択が安定かつ解釈可能な行動規則性を示すかどうかを理解することが重要である。 本稿では,無制限テキサスホールドエムに基づく制御型マルチモデルフレームワークを用いて,この問題について検討する。
  論文  参考訳（メタデータ） (2026-07-11T10:33:39Z)
• MMD-Balls as Credal Sets: A PAC-Bayesian Framework for Epistemic Uncertainty in Test-Time Adaptation [0.0]
  テスト時間適応法は分布シフト時のモデル性能を向上させる。 テスト時間適応法は、シフトグレードと予測信頼性を接続する正式な保証を欠いている。 PAC-Bayesian framework yielding bounds explicit parameterized by the maximum mean discrepancy (MMD) between source and target distributions。
  論文  参考訳（メタデータ） (2026-05-20T22:22:20Z)
• Bridging Conformal Prediction and Scenario Optimization: Discarded Constraints and Modular Risk Allocation [0.0]
  本稿では,システム・アンド・コントロールの観点から,その接続を直接検討する。 ブロックワイドキャリブレーション証明書を1つのジョイント保証に組み合わせた,単純なモジュラ構成規則を導入する。
  論文  参考訳（メタデータ） (2026-03-19T18:37:58Z)
• MDP Planning as Policy Inference [1.7259824817932294]
  我々は, _policies_に対するベイズ推定として, エピソードマルコフ決定過程(MDP)を立案した。 ポリシーは潜在変数として扱われ、期待されたリターンにおいて単調な最適性の非正規化確率が割り当てられる。 グリッド・ワールド、ブラックジャック、トライアングル・タイアワールド、アカデミック・アドバイザリングを網羅し、推定された政策分布の構造を分析し、その結果の振る舞いを個別のソフト・アクター・クリティカルと比較する。
  論文  参考訳（メタデータ） (2026-02-19T13:56:31Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• Tailoring to the Tails: Risk Measures for Fine-Grained Tail Sensitivity [10.482805367361818]
  予測されるリスクアレンジメント(ERM)は、マシンラーニングシステムの中核にある。 本稿では,所望のテール感度を示すリスク対策を構築するための一般的な手法を提案する。
  論文  参考訳（メタデータ） (2022-08-05T09:51:18Z)
• Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
  本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。 既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。 経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T03:49:04Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)

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。