論文の概要: KEPT: Conformal Keepouts Kept in Planning for Enclosed-Space Navigation in Degraded Sensing

• arxiv url: http://arxiv.org/abs/2610.37217v2
• Date: Wed, 04 Nov 2026 08:29:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-05 20:19:46.869985
• Title: KEPT: Conformal Keepouts Kept in Planning for Enclosed-Space Navigation in Degraded Sensing
• Title（参考訳）: KEPT: 劣化検知における閉鎖空間ナビゲーション計画におけるコンフォーマルキープ
• Abstract要約: コンフォーマル予測は、選択された確率で真の安全でないセットをカバーする、マッピングされた壁の周囲のキープアウトを校正する。 本報告では, 観測方向毎のラベルなし重大度推定値に対するコンフォメーションマージンの条件を定め, 劣化が変化するにつれて, クラス毎のカバレッジを目標付近で保持する。 提案方式は, 両キャリブレーション方式の展開パターンよりも, 霧対策への参入を著しく減らし, 数値的にキャリブレーション目標に達する。
• 参考スコア（独自算出の注目度）: 0.6918282834668528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles in enclosed spaces such as tunnels and mines rely on range maps that smoke, dust and fog degrade. Conformal prediction calibrates a keepout around the mapped walls that covers the true unsafe set at a chosen probability. In narrow passages this margin and the planner's buffer close the route, and existing remedies recover reach by relaxing the coverage level. This paper conditions the conformal margin on a label-free severity estimate per viewing direction and sweep, holding per-class coverage near its target as degradation varies. A planning and control layer enforces one braking-distance condition on the keepout at plan time and at every command, takes the measured tracking residual as its only margin and never alters the keepout. The keepout is validated on ground-robot smoke recordings and the closed loop on simulated quadrotor flights in a foggy tunnel. The proposed system substantially reduces entries into the calibrated keepout and reaches numerically more goals than the deployment pattern in both calibration regimes. The per-class keepout holds its coverage near the target on held-out recordings.
• Abstract（参考訳）: トンネルや鉱山などの囲まれた空間における自律車両は、煙、塵、霧を分解するレンジマップに依存している。 コンフォーマル予測は、選択された確率で真の安全でないセットをカバーする、マッピングされた壁の周囲のキープアウトを校正する。 狭い通路では、このマージンとプランナーのバッファーがルートを閉じ、既存の修復はカバレッジレベルを緩和することでリーチを回復する。 本報告では, 観測方向毎のラベルのない重大度推定値にコンフォメーションマージンを定め, 劣化が変化するにつれて, クラス毎のカバレッジを目標付近に保持する。 計画制御層は、計画時及び各コマンドにおいて1つの制動距離条件を強制し、測定されたトラッキング残余をその唯一のマージンとして取り、保持条件を変更しない。 クリーニングアウトは、地中ロボットの煙の記録と、霧のトンネル内の擬似四極子飛行のクローズドループで検証される。 両キャリブレーション方式では, キャリブレーション方式の展開パターンよりも, キャリブレーション方式のキャリブレーション方式へのエントリを著しく削減し, 展開パターンよりも数値的に多くの目標を達成する。 クラス毎のキープアウトは、ホールドアウト録音のターゲット付近でカバーされる。

関連論文リスト

• Planning under Noise with Neural Operators [69.53338532337057]
  不確実な制御実行ノイズの下での計画には、多様な環境における信頼性の高いフィードバックポリシーが必要である。 本研究では,未知の測地における計画のための雑音認識値場を学習するニューラル演算子であるプランニング・アンダーノイズ(PUN)を紹介する。
  論文  参考訳（メタデータ） (2026-10-20T17:58:30Z)
• AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
  間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。 AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
  論文  参考訳（メタデータ） (2026-09-21T03:29:45Z)
• Rethinking Learned Occupancy in Autonomous Active Mapping with Observation-Gated Filtering [17.872923588416846]
  アクティブマッピングでは、ナビゲーションに必要なジオメトリを構築しながら、どこに感知するかを選択するために、宇宙ロボットが必要である。 サポートされていない乗員は、ロボットの見た目と移動可能な場所の両方を歪めることができる。 我々は,この結合インタフェースを,アクティブマッピングシステムを固定し,平面面の占有率だけを変化させることで,制御されたクローズドループベンチマークで検討した。
  論文  参考訳（メタデータ） (2026-09-08T17:23:37Z)
• SCORE: Shape-Conforming Regions for Flight in Enclosed, Degraded Environments [0.6918282834668528]
  コンフォーマル予測は、知覚誤差を吸収するために障害回避がどこまで拡大する必要があるかを校正することで、分布のない保証を提供する。 知覚が低下するにつれて、バルジが狭い通路を消費する既存のキープアウトプリミティブが成長する。 我々の主な貢献は、障害物幾何学に従い、等辺凸領域の不要な膨らみを避ける非整合性維持を定義することである。
  論文  参考訳（メタデータ） (2026-08-15T15:43:53Z)
• Control-Informed Constraint Adaptation in Minimum-Time Trajectory Planning for Autonomous Racing [41.40585589054522]
  軌道プランナーは完全な追跡を前提とし、実行エラーを無視する。 制御インフォームドオンライン軌道計画フレームワークを導入し,実行エラーから学習する。 計算負荷を増大させることなくラップタイムを1.8秒短縮できることを示す。
  論文  参考訳（メタデータ） (2026-08-14T16:32:12Z)
• From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
  既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。 代わりに、予測距離場全体を同時に整列する。 この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
  論文  参考訳（メタデータ） (2026-07-01T11:02:51Z)
• CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving [55.88697462014118]
  CorrectionPlannerは自己補正を備えた自動回帰プランナーである。 Waymaxでは衝突率を20%以上削減し、nuPlanでは最先端の計画スコアを達成している。
  論文  参考訳（メタデータ） (2026-03-16T18:03:21Z)
• PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner [15.914164951048614]
  PC-Diffuserは、拡散計画のデノイングループに直接パス一貫性のあるバリア関数構造を組み込む安全強化フレームワークである。 車両形状をよりよく反映するカプセル距離バリア関数を用いて衝突リスクを評価する。 自転車の車体モデルの下で、識別されたウェイポイントを動的に実現可能な運動に変換する。
  論文  参考訳（メタデータ） (2026-03-11T01:52:56Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)

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。