論文の概要: TrajEdit: Real-Time Flow-Matching Trajectory Adaptation via FlowEdit and CBF Safety Filter
- arxiv url: http://arxiv.org/abs/2610.24256v1
- Date: Fri, 16 Oct 2026 21:30:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 02:52:03.520293
- Title: TrajEdit: Real-Time Flow-Matching Trajectory Adaptation via FlowEdit and CBF Safety Filter
- Title（参考訳）: TrajEdit: FlowEditとCBFセーフティフィルタによるリアルタイムフローマッチング軌道適応
- Abstract要約: TrajEditは追跡回避のための階層的な軌道プランナーである。
フローマッチング、軌道編集、安全フィルタリングを組み合わせている。
静的障害物を用いた2次元追従回避におけるTrajEditの評価を行った。
- 参考スコア（独自算出の注目度）: 3.1965482926781843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe, real-time motion planning is especially difficult when a dynamic obstacle actively pursues the ego agent, requiring rapid adaptation as the environment changes. We present TrajEdit, a hierarchical trajectory planner for pursuit-evasion that combines flow matching, trajectory editing, and safety filtering. Rather than regenerating trajectories from scratch at every step, TrajEdit follows the current plan under nominal conditions and adapts its remaining portion through FlowEdit as the pursuer approaches, and falls back to a control barrier function safety filter if the adversarial agent is within a safety threshold. Our use of FlowEdit for trajectory editing reduces computation time while maintaining a comparable success rate. We evaluate TrajEdit in 2D pursuit-evasion with static obstacles and an adversarial pursuer, demonstrating high success rates with low capture and collision rates, while achieving computational time savings over full replanning baselines.
- Abstract（参考訳）: 動的障害物がエゴ剤を積極的に追求し、環境の変化に応じて迅速に適応する必要がある場合、特に安全でリアルタイムな運動計画が困難である。
本稿では,フローマッチング,トラジェクトリ編集,安全フィルタリングを組み合わせた追跡回避のための階層的トラジェクトリプランナーTrajEditを提案する。
TrajEditは、各ステップでスクラッチからトラジェクトリを再生するのではなく、名目上の条件の下で現在の計画に従い、追従者が近づくにつれてFlowEditを通じて残りの部分を適応し、敵エージェントが安全閾値内にある場合、制御バリア機能安全フィルタにフォールバックする。
トラジェクトリ編集にFlowEditを使用することで、同等の成功率を維持しながら計算時間を短縮できる。
そこで我々は,TrajEditを2次元追従回避のための静的障害物と対向追従器を用いて評価し,低捕捉率,衝突速度で高い成功率を示すとともに,完全な計画ベースラインよりも計算時間を節約できることを示した。
関連論文リスト
- Time-Efficient Iterative Learning Planning for Safety-Critical Dynamic Obstacle Avoidance [49.35246226163005]
本稿では、予測リスクブレンド制御バリア機能(ARB-CBF)を統合することにより、動的環境における安全クリティカルなナビゲーションに反復学習計画(ILP)を拡張する。
総合的なシミュレーションと実世界の実験により、最適化ベースのベースラインに比べて計算オーバーヘッドが低く、時間効率と安全性が優れていることが証明された。
論文 参考訳（メタデータ） (2026-09-17T14:12:36Z) - Data-Driven Time-Varying Control Barrier Functions for Adaptive Safe-Set Learning with Online Decremental Support Vector Machines [2.676349883103404]
システム能力が変化するにつれて、名目上の条件下での安全証明書は無効になる可能性がある。
本稿では,データから安全な集合を学習し,それをオンラインで更新し,得られた障壁を強制する,データ駆動型安全フィルタリングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-19T18:35:03Z) - RiskFlow: Fast and Faithful Safety-Critical Traffic Scenario Generation [17.00557757061364]
RiskFlowはクローズドループ安全クリティカルなマルチエージェントトラフィック生成フレームワークである。
将来の軌道生成を作用空間の輸送として定式化する。
競争力のある安全クリティカルな生成能力を維持しながら、リアリズムを継続的に改善する。
論文 参考訳（メタデータ） (2026-06-04T17:28:42Z) - Online Safety Filter for Deformable Object Manipulation with Horizon Agnostic Neural Operators [25.931880819916643]
変形可能なオブジェクト操作のための制約駆動型オンライン安全フィルタを提案する。
このフィルタは、名目制御ポリシーを最小限に修正することで、タスクレベルの安全性の制約をリアルタイムで実施する。
提案手法はFluidLabにおいて,フィルタがフィルタされていない基本方針に対して,安全な軌道速度を最大22%向上させる。
論文 参考訳（メタデータ） (2026-05-01T20:06:54Z) - Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。
シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。
高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
論文 参考訳（メタデータ） (2026-02-17T15:10:44Z) - FlowBypass: Rectified Flow Trajectory Bypass for Training-Free Image Editing [10.304374060580828]
トレーニング不要の画像編集は、その効率性とトレーニングデータからの独立性に注目が集まっている。
この問題に対処する以前の試みでは、一般的にバックボーン固有の機能操作を採用し、一般的な適用性を制限していた。
本稿では, インバージョンと再構成軌道を直接接続するバイパスを構成する, 整形流れを基盤とした, 新規かつ解析的なフレームワークであるFlowBypassを提案する。
論文 参考訳（メタデータ） (2026-02-02T08:37:00Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - FlowAlign: Trajectory-Regularized, Inversion-Free Flow-based Image Editing [47.908940130654535]
FlowAlignは、最適な制御ベースの軌道制御による一貫した画像編集のためのインバージョンフリーなフローベースフレームワークである。
我々の終点正規化は、編集プロンプトとのセマンティックアライメントのバランスと、軌道に沿ったソース画像との構造的整合性を示す。
FlowAlignは、ソース保存と編集の制御性の両方において、既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2025-05-29T06:33:16Z)
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。