論文の概要: Learning Reachability-Based Safety Representations for Real-Time Robot Navigation in Unknown and Dynamic Environments
- arxiv url: http://arxiv.org/abs/2610.16522v2
- Date: Tue, 20 Oct 2026 10:22:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.192265
- Title: Learning Reachability-Based Safety Representations for Real-Time Robot Navigation in Unknown and Dynamic Environments
- Title（参考訳）: 未知・動的環境におけるリアルタイムロボットナビゲーションのための到達可能性に基づく安全表現の学習
- Abstract要約: この論文は、この情報をリアルタイムで最適化ベースのコントローラに与えるために、到達性ソリューションでオフラインで神経暗黙の表現を訓練する。
この補正のみを学習することは、近似誤差にもかかわらず、予測された安全セットの外の障害を表現し続ける。
地上・空中ロボットのシミュレーションとハードウェア実験により、幾何学的・手動設計のベースラインよりも衝突回避性が向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safe robot navigation in unknown, dynamic environments requires more than geometric collision checking: a robot still far from an obstacle may be unable to avoid it because of its speed, orientation, or the obstacle's motion. Hamilton--Jacobi (HJ) reachability analysis captures this in a value function whose sign separates states that admit a safe continuation from those where collision is unavoidable, but computing it online for every newly observed environment is too expensive. This dissertation trains neural implicit representations offline on reachability solutions to give optimization-based controllers this information in real time. Since the value function never exceeds the constraint, it equals a directly computed constraint, such as a signed distance, minus a nonnegative dynamics correction. Learning only this correction keeps represented obstacles outside the predicted safe set despite approximation errors. The first two of five methods use the learned function as a terminal constraint in model predictive control, for static local environments and predicted obstacle motion. The next two use it as a barrier candidate in control barrier function safety filters, for static environments and, through pairwise barriers in relative coordinates, for a varying number of moving obstacles. Simulations and hardware experiments on ground and aerial robots show better collision avoidance than geometric and hand-designed baselines, especially for short horizons and moving obstacles. The fifth method replaces the grid-based offline solver, which limits the first four to low-dimensional models. For control-affine dynamics with polytopic inputs, the HJ Hamiltonian is maximized at a vertex, so a parallelizable tree search over vertex inputs can generate training labels. With a loss from the HJ variational inequality, these labels yield barrier candidates for systems with up to 13 states.
- Abstract（参考訳）: 障害物から遠く離れたロボットは、その速度、方向、障害物の動きのためにそれを避けることができないかもしれない。
Hamilton--Jacobi (HJ) の到達可能性解析は、衝突が避けられないものから安全な継続を認めるというサインを区別した値関数でこれをキャプチャするが、新しく観測された環境ごとにオンラインに計算するには高すぎる。
この論文は、この情報をリアルタイムで最適化ベースのコントローラに与えるために、到達性ソリューションでオフラインで神経暗黙の表現を訓練する。
値関数は制約を超えないので、符号付き距離のような直接計算された制約と等しく、非負のダイナミクス補正を無視する。
この補正のみを学習することは、近似誤差にもかかわらず、予測された安全セットの外の障害を表現し続ける。
5つの手法の最初の2つは、学習した関数をモデル予測制御の終端制約として、静的局所環境と予測障害物運動に使用する。
次の2つは、制御バリア機能安全フィルタのバリア候補として、静的環境や相対座標におけるペアワイズバリアを通じて、さまざまな移動障害物に対して使用する。
地上・空中ロボットのシミュレーションとハードウェア実験により、特に短地平線や移動障害物に対して、幾何学的・手動設計のベースラインよりも衝突回避性が向上した。
第5の方法は、グリッドベースのオフラインソルバを置き換えるもので、最初の4つのモデルから低次元モデルに制限される。
ポリトープ入力を持つ制御-アフィンダイナミクスでは、HJハミルトニアンは頂点で最大化されるので、頂点入力を並列化可能な木探索は訓練ラベルを生成することができる。
HJの変量不等式が失われると、これらのラベルは最大13の状態のシステムの障壁候補となる。
関連論文リスト
- Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles [49.315843050082925]
本稿では,最小時間移動計画凸障害物に対して,収束が保証されるバイアプローチを提案する。
提案手法は,変数の最先端分解を生成するために,時間とともに高品質な軌道を生成する。
論文 参考訳（メタデータ） (2026-08-03T19:48:24Z) - A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。
これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。
VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
論文 参考訳（メタデータ） (2026-07-16T14:16:19Z) - Geometry-Aware Control Barrier Functions for Collision Avoidance via Bernstein Polynomial Approximations [8.629680427261542]
本稿では,Bernstein-Polynomial Signed Distance Fields(BPSDF)に基づく新しい幾何学的制御バリア関数(CBF)を提案する。
本研究では,異なる環境下でのシミュレーションにより,単一ロボットナビゲーションと異種マルチロボット衝突回避の効率と性能を検証する。
論文 参考訳（メタデータ） (2026-05-29T00:42:33Z) - Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。
本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
論文 参考訳（メタデータ） (2026-05-21T10:15:39Z) - Composable Model-Free RL for Navigation with Input-Affine Systems [3.2917282915992883]
自律型ロボットが複雑でダイナミックな現実世界の環境に移動するとき、彼らはリアルタイムで安全にナビゲートすることを学ぶ必要がある。
本研究では,各環境要素の値関数と最適ポリシーを学習する構成可能なモデルフリー強化学習手法を提案する。
論文 参考訳（メタデータ） (2026-02-13T00:19:35Z) - NeuPAN: Direct Point Robot Navigation with End-to-End Model-based Learning [67.53972459080437]
乱雑で未知の環境で非ホロノミックロボットをナビゲートするには、リアルタイム衝突回避のための正確な認識と正確な動きが必要である。
本稿では, リアルタイム, 高精度, 地図のない, 展開が容易で, 環境によらないロボットモーションプランナであるNeuPANについて述べる。
論文 参考訳（メタデータ） (2024-03-11T15:44:38Z) - Unified Control Framework for Real-Time Interception and Obstacle Avoidance of Fast-Moving Objects with Diffusion Variational Autoencoder [2.5642257132861923]
動的環境におけるロボットアームによる高速移動物体のリアルタイムインターセプションは、非常に困難な課題である。
本稿では,動的オブジェクトを同時にインターセプトし,移動障害を回避することで,課題に対処する統一的な制御フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-27T18:46:52Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - First Steps: Latent-Space Control with Semantic Constraints for
Quadruped Locomotion [73.37945453998134]
従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。
これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。
この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。
深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。
実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
論文 参考訳（メタデータ） (2020-07-03T07:04:18Z)
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。