論文の概要: From Optical Flow to Safety: Visual Safety Certification via Scale-Free Relative Motion
- arxiv url: http://arxiv.org/abs/2610.21374v2
- Date: Mon, 19 Oct 2026 04:16:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 06:32:45.310451
- Title: From Optical Flow to Safety: Visual Safety Certification via Scale-Free Relative Motion
- Title（参考訳）: 光フローから安全へ:スケールフリー相対運動による視覚安全認定
- Abstract要約: 本報告では, 衝突リスク認定の表現として, モノクロ光流によって符号化されたスケールフリー, 深度正規化相対運動を用いた視覚的安全認証パラダイムを提案する。
回避行動を形成するために画像の動きに依存する従来の光フローベースのナビゲーション手法とは異なり、提案手法は衝突円錐形状と安全制約を直接符号化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Safe autonomous navigation using monocular vision remains challenging because explicit obstacle states are not directly observable. This letter introduces a visual safety-certification paradigm that uses scale-free, depth-normalized relative motion encoded by monocular optical flow as the representation for collision-risk certification, without reconstructing obstacle position, velocity, geometry, or a metric world model. Unlike conventional optical-flow-based navigation approaches that rely on image motion to shape avoidance behavior, the proposed framework directly encodes collision-cone geometry and safety constraints in this relative-motion representation. An online Concurrent Learning observer estimates the normalized relative velocity and provides a computable estimation-error bound. This uncertainty is propagated into the collision cone through angular inflation and a monocular robot-footprint margin, yielding a Robust Vision-Based Collision Cone Control Barrier Function (RV-C$^3$BF). An optimal-decay CBF quadratic program minimally modifies the nominal control input to enforce the resulting robust safety constraint under the stated assumptions. Extensive simulation and real-world experiments on a TurtleBot3 in cluttered environments with static and dynamic obstacles demonstrate collision avoidance using only monocular vision and onboard proprioception, with the estimation-error bound containing the measured error in $98.3\%$ of simulation samples and the robot achieving collision-free navigation in $93$ of $100$ real-world trials.
- Abstract（参考訳）: 明示的な障害物状態が直接観測できないため、単眼視を用いた安全な自律ナビゲーションは依然として困難である。
本論文では, 衝突リスク認定の表現として, 障害物位置, 速度, 幾何, あるいは距離世界モデルを再構成することなく, モノクロ光流によって符号化された, スケールフリーで, 深度正規化された相対運動を利用する視覚的安全認証パラダイムを紹介する。
回避行動を形成するために画像の動きに依存する従来の光フローベースのナビゲーション手法とは異なり、この相対運動表現において衝突円錐形状と安全制約を直接符号化する。
オンライン並行学習オブザーバは、正規化された相対速度を推定し、計算可能な推定エラー境界を提供する。
この不確実性は、角インフレーションと単分子ロボットフットプリントマージンを通じて衝突円錐に伝播し、ロバスト・ビジョンベース衝突円錐制御バリア関数(RV-C$^3$BF)を生成する。
最適デカイCBF二次プログラムは、記述された仮定の下で、結果の堅牢な安全制約を強制するために、名目制御入力を最小限に修正する。
静的障害物と動的障害物が混在した混在した環境におけるTurtleBot3の大規模なシミュレーションと実世界実験は、モノクラービジョンとオンボードプロブレセプションのみを用いた衝突回避を実証し、測定誤差を含む推定誤差は9,8.3 %のシミュレーションサンプルで、ロボットは9,3 ドル以上の実世界実験で衝突のないナビゲーションを達成している。
関連論文リスト
- Memory-Aware Multi-Sensor Perception for Efficient and Safe Navigation in Dynamic Environments [8.668532160811655]
我々は、LiDARとRGBの認識、オンライン距離場表現学習、ステージ適応型制御バリア準プログラム(MCBF-QP)を統合したメモリ対応マルチセンサナビゲーションフレームワークを提案する。
複雑な屋内および屋外環境での実験では、狭い通路や動的障害物の衝突回避を維持しながら、航法効率と目標到達性能が改善された。
論文 参考訳（メタデータ） (2026-09-24T19:33:28Z) - SemSafe-3DGS: Semantic Risk-Aware Active Navigation in Uncertain 3D Gaussian Splatting Maps [0.0]
属性付き3次元ガウス地図におけるナビゲーションのための安全行動認識フレームワークについて述べる。
セマンティック属性は、クラス依存リスク重みを通して平均値-アット・リスク衝突クリアランスモデルを変調する。
実験では、効率的な安全制約、アクティブな知覚によるナビゲーションの改善、意味依存的な軌道適応、そしてアッカーマン力学による実ロボット実行が示されている。
論文 参考訳（メタデータ） (2026-09-16T18:56:13Z) - 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) - Reactive Robot-Centric Safety for Autonomous Navigation in Constrained and Dynamic Environments [14.321190258774358]
本稿では,3次元LIDAR認識に基づく複合制御バリア関数を統合したリアルタイム制御アーキテクチャを提案する。
地下環境における複数フィールド実験を通してシステムを検証する。
論文 参考訳（メタデータ） (2026-05-15T09:42:13Z) - Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。
既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。
イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
論文 参考訳（メタデータ） (2026-04-27T04:36:41Z) - Dynamic Control Barrier Function Regulation with Vision-Language Models for Safe, Adaptive, and Realtime Visual Navigation [5.268770735910558]
我々は、エゴセントリックなRGB入力を用いてCBF安全フィルタの保守性をリアルタイムで適応する視覚制御ナビゲーションフレームワークAlphaAdjを提案する。
その結果、AlphaAdjは衝突のないナビゲーションを維持しつつ、(パスの長さとゴールまでの時間の観点から)効率を最大18.5%改善していることがわかった。
論文 参考訳（メタデータ） (2026-03-22T09:35:18Z) - Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。