論文の概要: Efficient Hybrid Hard--Soft Signal Temporal Logic MPC for Driving under Multimodal Uncertainty

• arxiv url: http://arxiv.org/abs/2610.15934v1
• Date: Sun, 11 Oct 2026 21:36:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 08:27:02.615914
• Title: Efficient Hybrid Hard--Soft Signal Temporal Logic MPC for Driving under Multimodal Uncertainty
• Title（参考訳）: マルチモーダル不確かさ下での運転のためのハイブリッドハード-ソフト信号時間論理MPC
• Abstract要約: 対話型交通における自動車両の動作計画には、安全を確保し、交通ルールを尊重し、マルチモーダルな動作の不確実性の下で快適な進捗を維持する必要がある。 これらすべての要件をハード制約として実施することで実現可能性が低下する一方、コストとして扱うことで、安全クリティカルな要件が進捗に対してトレードされることが可能になる。 本稿では,1つの共有エゴ軌道を,保持されたすべての行動仮説に対して最適化する,ハイブリッドなハードソフト信号テンポラル論理(STL) MPC フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.3965477771846408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion planning for automated vehicles in interactive traffic has to simultaneously ensure safety, respect traffic rules, and maintain comfortable progress under multi-modal behavior uncertainty. Imposing all these requirements as hard constraints reduces feasibility, whereas treating them all as costs allows safety-critical requirements to be traded against progress. We propose a hybrid hard--soft Signal Temporal Logic (STL) MPC framework that optimizes a single shared ego trajectory against every retained behavior hypothesis: minimum-distance and speed predicates are imposed as explicit hard constraints, while soft STL robustness terms shape clearance, comfort, and interaction quality within the resulting feasible driving corridor. This retains robustness to discrete interaction modes without branch-specific contingent ego policies. We further identify substantial symbolic graph-construction overhead and introduce reachability-certified relevance screening and vectorized symbolic construction to reduce computational cost while preserving the feasible set and objective. Closed-loop Monte Carlo evaluation over six highway and intersection scenarios shows the highest strict success rate among the compared planners with no observed collisions or rule violations, at roughly a quarter of the planning latency of the unoptimized formulation. An ablation study separates the two layers: the hard constraints define the safety envelope, while the soft terms improve clearance and motion quality within it.
• Abstract（参考訳）: 対話型交通における自動車両の動作計画には、安全を同時に確保し、交通ルールを尊重し、マルチモーダルな動作の不確実性の下で快適な進捗を維持する必要がある。 これらすべての要件をハード制約として実施することで実現可能性が低下する一方、コストとして扱うことで、安全クリティカルな要件が進捗に対してトレードされることが可能になる。 本稿では,各動作仮説に対して単一共用エゴ軌道を最適化するハイブリッド・ハードソフト信号テンポラル・ロジック(STL) MPCフレームワークを提案する。 これは分岐特異なエゴポリシーを使わずに、離散的な相互作用モードに頑健さを保っている。 さらに,実現可能な集合と目的を保ちながら計算コストを削減すべく,グラフ構築の実質的なオーバーヘッドを同定し,到達性確認された関連性スクリーニングとベクトル化されたシンボル構築を導入する。 6つの高速道路と交差点のシナリオに対する閉ループモンテカルロの評価は、最適化されていない定式化の計画遅延のおよそ4分の1において、観測された衝突や規則違反のない比較プランナーの間で最も厳密な成功率を示している。 硬い制約は安全エンベロープを定義し、柔らかい条件はクリアランスと運動品質を改善する。

関連論文リスト

• Safe Overtaking for Autonomous Racing Using Hierarchical Optimization and Learning-Based Control [14.05083688629287]
  本稿では,安全確認軌道制御から操作レベルの意思決定を分離する階層的オーバーテイクフレームワークを提案する。 強化学習ポリシは、離散時間CBF減衰パラメータをオンラインで適応し、車両入力を直接制御することなく、コンテキスト依存の安全マージンの変調を可能にする。
  論文  参考訳（メタデータ） (2026-07-15T00:19:14Z)
• Parsimonious disturbance-aware minimum-time planning with parametric uncertainty [0.0]
  本研究は、モータースポーツ応用のための最小ラップタイム計画フレームワークを提示し、検証する。 この手法は、車両のダイナミクスを短い地平線上で伝播させる、事前の障害対応フレームワークの上に構築されている。 我々は、キーカーパラメータの不確実性を考慮した定式化を拡張した。
  論文  参考訳（メタデータ） (2026-07-14T22:32:35Z)
• World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning [60.88859946006306]
  Adversa World Modeling(英語版)は理論上基礎を成すマルチエージェント・セルフプレイ・ファインチューニングフレームワークである。 内的最小化においては、プランナーの予測世界モデルは、スパースでシーン適応的なアタック・アタック・アライアンスを学ぶロール条件の敵に変換される。 nuPlan と InterPlan のベンチマーク実験により,本手法が伝達可能な対角相互作用を生成することを示す。
  論文  参考訳（メタデータ） (2026-07-12T07:44:16Z)
• Branch-Stochastic Model Predictive Control for Motion Planning under Multi-Modal Uncertainty with Scenario Clustering [4.456206353869196]
  本稿では,SMPCと分岐構造を組み合わせた新しい手法を提案する。 高レベルの決定類似性に基づいて予測シナリオをマージし,リアルタイムのトラクタビリティを確保するために,新たなシナリオクラスタリングを提案する。 高速道路のシナリオにおけるシミュレーション研究は,提案手法が安全性を向上し,保守性を低下させ,リアルタイムな計算性能を実現することを実証している。
  論文  参考訳（メタデータ） (2026-05-21T15:15:16Z)
• Beyond Self-Play: Hierarchical Reasoning for Continuous Motion in Closed-Loop Traffic Simulation [8.157621070273736]
  本稿では,ハイレベルなマルチエージェント相互作用推論と低レベルな連続軌道実現を組み合わせた階層型アーキテクチャを提案する。 SUMOをベースとした都市ネットワーク上での実験により,提案手法は自己再生や受動的模倣のベースラインと比較して,スムーズな制御と安全性を実現することが示された。
  論文  参考訳（メタデータ） (2026-05-09T20:31:34Z)
• Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
  本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。 提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。 我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
  論文  参考訳（メタデータ） (2026-05-05T04:49:38Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Real-time Cooperative Vehicle Coordination at Unsignalized Road Intersections [7.860567520771493]
  信号のない道路交差点での協調作業は、連結車両と自動車両の安全運転交通スループットを向上させることを目的としている。 我々はモデルフリーなマルコフ決定プロセス(MDP)を導入し、深層強化学習フレームワークにおける双遅延Deep Deterministic Policy(TD3)に基づく戦略によりそれに取り組む。 提案手法は, 準定常調整シナリオにおいて, ほぼ最適性能を達成し, 現実的な連続流れの制御を大幅に改善できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-03T02:56:02Z)

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。