論文の概要: Temporal Difference Learning of Probabilistic Reach-Avoid Value Functions

• arxiv url: http://arxiv.org/abs/2610.28106v1
• Date: Tue, 20 Oct 2026 12:18:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.802455
• Title: Temporal Difference Learning of Probabilistic Reach-Avoid Value Functions
• Title（参考訳）: 確率的リーチ回避関数の時間差学習
• Abstract要約: Hamilton-Jacobi Reachability (HJR) は、境界集合から最悪のケース外乱の下で設定されたリーチエイドを計算することによって、障害を逆向きに処理する。 本研究では,確率的リーチアビド値関数 (PVF) を提案する。
• 参考スコア（独自算出の注目度）: 7.062571793473588
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reach-avoid sets, defining the states from which a task can be completed while avoiding unsafe regions, are fundamental tools for deploying robots in environments subject to disturbances and uncertainty, as well as for runtime task-feasibility monitoring, allowing prediction of whether a state is safe and will lead to successful task completion. Classical Hamilton-Jacobi Reachability (HJR) and its recent neural extensions (e.g., Lipschitz Continuous Reachability Learning, DeepReach) treat disturbances adversarially, computing the reach-avoid set under worst-case disturbances from a bounded set. This guarantees safety but can yield overly conservative sets when disturbances are stochastic rather than adversarial, and additionally requires the disturbance set to be known or specified in advance. We propose Probabilistic reach-avoid Value Function (PVF), a self-supervised method, applicable to black-box systems, for computing reach-avoid sets as the states with a certain reach-avoid probability under stochastic, potentially unbounded disturbances. We evaluate our approach against HJR-based baselines on systems of increasing complexity, up to a Hopper locomotion task, and show that our probabilistic sets are less conservative and more accurate than adversarial HJR sets when disturbances are non-adversarial.
• Abstract（参考訳）: 安全でない領域を回避しながらタスクが完了できる状態を定義するリーチアビドセットは、障害や不確実性にさらされた環境にロボットを配置するための基本的なツールであり、実行時のタスク実行可能性監視のためのツールであり、状態が安全かどうかを予測し、タスク完了を成功させる。 古典的ハミルトン・ヤコビ到達可能性(HJR)とその最近の神経拡張(例えば、リプシッツ連続到達可能性学習(英語版)、ディープリーチ)は障害を逆向きに扱い、境界集合から最悪のケース障害を受けたリーチアビド集合を演算する。 これにより安全性が保証されるが、外乱が逆境ではなく確率的である場合、過度に保守的な集合を得ることができ、また、外乱集合を事前に知るか特定する必要がある。 本研究では,確率的,潜在的に有界な外乱の下で,ある程度のリーチアビド確率を持つ状態として,ブラックボックスシステムに適用可能な自己教師型リーチアビド値関数(PVF)を提案する。 我々は,HJR ベースラインに対するアプローチを,ホッパー移動タスクまで複雑化するシステムのベースラインとして評価し,外乱が非逆である場合,我々の確率集合は,敵対的 HJR 集合よりも保守的でなく,より正確であることを示す。

関連論文リスト

• ORN-CBF: Learning Observation-conditioned Residual Neural Control Barrier Functions via Hypernetworks [2.7458654644827134]
  制御障壁関数 (CBF) は自律システムの安全クリティカル制御の有効な方法として実証されている。 ハミルトン・ヤコビ(HJ)の到達可能性解析に基づく観測条件付きニューラルCBFを提案する。
  論文  参考訳（メタデータ） (2025-09-20T10:29:36Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Real-Time Tube-Based Non-Gaussian Risk Bounded Motion Planning for Stochastic Nonlinear Systems in Uncertain Environments via Motion Primitives [9.088960941718]
  不確実な環境下での非線形システムの動作計画問題を考える。 [1]とは異なり、リアルタイムなオンライン動作計画アルゴリズムを提案する。 総和二乗プログラミングを用いた決定論的リスクに対する管の安全性を検証する。
  論文  参考訳（メタデータ） (2023-03-02T23:36:26Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
  本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。 本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
  論文  参考訳（メタデータ） (2022-08-17T13:38:31Z)
• Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning [27.411127773300468]
  無限水平リーチアビドゼロサムゲーム問題を考えると、ゴールはリーチアビド集合と呼ばれる状態空間内の集合を見つけることである。 本稿では, 値関数が非負であると評価された状態の集合である超零レベル集合がリーチアビド集合を復元する, ベルマンバックアップを用いた新しい値関数を設計することで, この問題に対処する。 提案手法は,ニューラルネットワーク近似においても,リーチエイドセットと最適制御ポリシーを確実に学習できることを示す。
  論文  参考訳（メタデータ） (2022-03-18T19:48:19Z)
• Learning to Be Cautious [45.06179623100775]
  強化学習の分野における重要な課題は、新しい状況下で慎重に行動するエージェントを開発することである。 注意深い行動がますます不要になるタスクのシーケンスと、システムが注意深いことを学習できることを実証するアルゴリズムを提示する。
  論文  参考訳（メタデータ） (2021-10-29T16:52:45Z)
• Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
  自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。 相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。 本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
  論文  参考訳（メタデータ） (2021-05-28T09:23:05Z)
• On Lower Bounds for Standard and Robust Gaussian Process Bandit Optimization [55.937424268654645]
  有界ノルムを持つ関数のブラックボックス最適化問題に対するアルゴリズム非依存な下界を考える。 本稿では, 単純さ, 汎用性, エラー確率への依存性の向上など, 後悔の下位境界を導出するための新しい証明手法を提案する。
  論文  参考訳（メタデータ） (2020-08-20T03:48:14Z)

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。