論文の概要: CSF: Contextual Safety Filtering for Motion Generators

• arxiv url: http://arxiv.org/abs/2610.12467v1
• Date: Thu, 08 Oct 2026 17:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.273525
• Title: CSF: Contextual Safety Filtering for Motion Generators
• Title（参考訳）: CSF:モーションジェネレータのコンテキスト安全フィルタリング
• Abstract要約: テキストコンディショニングされたモーションジェネレータは、トラッキング可能な全身運動を生成するが、シーン依存の安全性の概念は持っていない。 我々は、安全かつ安全でない参照軌跡に自然言語の安全ルールを根拠とする、トレーニング不要なフィルタである文脈安全フィルタリング(CSF)を導入する。 CSFは、明示的でシーントリガーされた安全でないすべてのケースで意図されたルールを活性化し、危険発生率を最大90%削減する。
• 参考スコア（独自算出の注目度）: 20.96697263279493
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-conditioned motion generators produce trackable whole-body motion, but they have no notion of scene-dependent safety: the same action may target an object or a person. Existing safeguards either inspect the prompt, require labeled motion data, or enforce geometric constraints; therefore, they do not directly account for how scene context changes a motion's meaning. We introduce contextual safety filtering (CSF), a training-free filter that grounds natural-language safety rules in safe and unsafe reference trajectories produced by the generator. For each active rule, safe and unsafe reference trajectories define an affine safety value that a safe reference tracking CBF-QP enforces. Across four pretrained generators with different architectures, CSF activates the intended rules in all explicit and scene-triggered unsafe cases and reduces the danger-event rate by up to 90%, while preserving 88-100% of benign motions. We demonstrate the complete system on a real-world Unitree G1, where it successfully prevents unsafe motions in a variety of scenarios, including interactions with humans and objects.
• Abstract（参考訳）: テキストコンディショニングされたモーションジェネレータは、追跡可能な全身の動きを生成するが、シーン依存の安全性の概念は持っていない。 既存のセーフガードは、プロンプトを検査するか、ラベル付きモーションデータを必要とするか、幾何学的制約を強制するかのいずれかである。 筆者らは, 安全かつ安全でない基準軌跡に自然言語の安全ルールを根拠として, 学習不要なフィルタである文脈安全フィルタリング(CSF)を導入する。 各アクティブルールに対して、安全かつ安全でない参照トラジェクトリは、安全な参照追跡CBF-QPが強制するアフィン安全値を定義する。 異なるアーキテクチャを持つ4つの事前訓練されたジェネレータの中で、CSFは、明示的でシーントリガーされた安全でないすべてのケースにおいて意図されたルールを活性化し、危険事象率を最大90%削減し、88-100%の良性運動を保存する。 実世界のUnitree G1上では,人間や物体とのインタラクションを含む,さまざまなシナリオにおける安全でない動作の防止に成功している。

関連論文リスト

• Do Models Share Safety Representations? Cross-Model Steering for Safe Visual Generation [52.122731171289665]
  クロスモデル安全ステアリングのための最初のフレームワークを紹介する。 私たちのパイプラインは、ターゲット側の安全でないデータにアクセスしません。 多様なソース・ターゲット・モデル・ペア間のテキスト・ツー・イメージとテキスト・ツー・ビデオ生成におけるアプローチを評価する。
  論文  参考訳（メタデータ） (2026-06-03T18:00:04Z)
• VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring [60.53395558502203]
  Vision-Language Embodied Safety Agent (VLESA)は、自我中心のビデオから人間の活動を監視する。 VLESAは、コンテキストに応じて同一のアクションが安全または危険である意図に依存した安全性に対処する。 目標を共同で推測し,映像から将来の行動を予測するための意図-行動予測エージェントを提案する。
  論文  参考訳（メタデータ） (2026-06-02T17:42:17Z)
• Discovering Agentic Safety Specifications from 1-Bit Danger Signals [6.599344783327054]
  EPO-Safeは、エージェントが反復的にアクションプランを生成し、スパースバイナリ警告を受け取り、リフレクションを通じて自然言語の振る舞い仕様を進化させるフレームワークである。 EPO-Safeは、構造化された低次元環境において、厳格に貧弱な信号から安全推論を行うことができることを示す。 標準的な報酬駆動リフレクションは安全性を積極的に低下させ、リフレクションを専用の安全チャンネルと組み合わせなければならないことを示す。
  論文  参考訳（メタデータ） (2026-04-25T08:35:36Z)
• 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)
• Shape it Up! Restoring LLM Safety during Finetuning [65.75757313781104]
  大型言語モデル(LLM)の微調整は、ユーザ固有のカスタマイズを可能にするが、重大な安全性リスクをもたらす。 動的安全整形(DSS)は,不安全コンテンツを抑えつつ,応答の安全な部分からの学習を強化するための,きめ細かい安全信号を用いたフレームワークである。 STARスコアによって導かれるSTAR-DSSは、微調整リスクを堅牢に軽減し、多様な脅威、データセット、モデルファミリーにまたがる大幅な安全性の向上を提供する。
  論文  参考訳（メタデータ） (2025-05-22T18:05:16Z)
• 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)

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。