論文の概要: A Capability-Aware Backup-Recoverability Filter for Heterogeneous Multi-Robot Navigation
- arxiv url: http://arxiv.org/abs/2610.41188v1
- Date: Fri, 30 Oct 2026 03:11:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.603192
- Title: A Capability-Aware Backup-Recoverability Filter for Heterogeneous Multi-Robot Navigation
- Title（参考訳）: 不均一なマルチロボットナビゲーションのための能力認識型バックアップ・リカバリ性フィルタ
- Abstract要約: マルチロボットチームにおける安全なナビゲーションのための機能認識型バックアップ・リカバリ性フィルタ(CA-BRF)を提案する。
まず、ロボットが休息するまで、所定のバックアップ操作がペアワイズ安全を維持しているかどうかを評価する。
第2に、CA-BRFは、同時相互作用間の選択を調整しながら、許容可能な制御を選択することで、候補制御をフィルタリングする。
- 参考スコア（独自算出の注目度）: 19.794822517328654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe navigation in heterogeneous multi-robot teams faces two coupled challenges: differences in robots' braking and turning capabilities limit how each robot can respond to an approaching neighbor, while simultaneous interactions require a single control action to satisfy multiple collision-avoidance constraints. Together, these challenges can make local safety constraints incompatible with a robot's admissible controls, leaving a decentralized safety controller without a feasible action. We propose a Capability-Aware Backup-Recoverability Filter (CA-BRF), based on the insight that navigation actions should preserve access to a certified recovery maneuver. First, we construct a backup-recoverable set in a shared Cartesian operational space by evaluating whether prescribed backup maneuvers maintain pairwise safety until the robots come to rest. Each maneuver respects the corresponding robot's kinematic and actuation constraints, making the recovery certificate capability-dependent. Second, CA-BRF filters candidate controls by selecting admissible interpolations between candidate and backup actions while coordinating the selection across simultaneous interactions. This preserves backup recoverability while retaining as much of the candidate action as possible and ensures that all pairwise recovery conditions are satisfied by a single executable control for each robot. Together, we establish recursive feasibility and safety for the discrete-time closed-loop system even when the nominal safety-constrained optimization becomes infeasible. The validity and effectiveness of the proposed CA-BRF are validated in simulations with up to 30 heterogeneous robots and experiments of robots with five different kinematic classes.
- Abstract（参考訳）: ロボットのブレーキと回転能力の違いは、ロボットが接近する隣人にどのように反応するかを制限する一方、同時操作は、複数の衝突回避制約を満たすために単一の制御アクションを必要とする。
これらの課題が相まって、局所的な安全制約をロボットの許容可能なコントロールと互換性なくし、分散化された安全コントローラを実行不可能なアクションなしで残すことができる。
本稿では、航法動作が認証された回復操作へのアクセスを維持するべきであるという知見に基づいて、CA-BRF(Capability-Aware Backup-Recoverability Filter)を提案する。
まず,ロボットが休息するまで,所定のバックアップ操作が相互に安全を維持しているかどうかを評価することで,共有カルテ運用空間にバックアップ回収可能なセットを構築する。
各操作は、対応するロボットの運動と運動の制約を尊重し、回復証明書を依存させる。
第2に、CA-BRFは、同時相互作用間の選択を調整しながら、候補とバックアップ動作の間の許容可能な補間を選択することで、候補制御をフィルタリングする。
これにより、候補動作をできるだけ多く保持しつつ、バックアップ回復性を保持し、各ロボットに対して単一の実行可能な制御によって全てのペアの回復条件が満たされることを保証する。
本研究は,有意な安全制約付き最適化が実現不可能になった場合でも,離散時間閉ループシステムの再帰的実現可能性と安全性を確立する。
提案したCA-BRFの有効性と有効性は,最大30個の異種ロボットを用いたシミュレーションと,5種類の運動学クラスのロボット実験において検証された。
関連論文リスト
- Capability-Conditioned Graph Control Barrier Functions for Zero-Shot Safe Navigation of Heterogeneous Mobile Robot Teams [18.772596708199]
マルチロボットシステムは、様々なキネマティックおよびアクティベーション能力を持つ異種艦隊としてますます展開されている。
本稿では,共有2次参照点演算空間で定義された機能制約付き不均一グラフ制御バリア関数 (CC-HGCBF) を提案する。
我々は、積極的に安全ラベル付けと神経CBF-QP監視を用いてバリアとポリシーを共同で訓練し、見知らぬロボットモデルと見えないロボットモデルの両方を含む混合チームでそれらを評価する。
論文 参考訳（メタデータ） (2026-10-30T03:52:02Z) - CoopUQ: Robust Multi-Robot Social Navigation via Uncertainty-Aware Cooperative Forecasting [51.001180841180506]
CoopUQは、不確実性を認識した協調的占有率予測と堅牢な意思決定を橋渡しするマルチロボットソーシャルナビゲーションフレームワークである。
本研究は,代表ベースラインよりも予測性能と安全性が向上したことを示す。
論文 参考訳（メタデータ） (2026-10-19T17:59:49Z) - CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance [81.4342222387133]
凍結VLAポリシーを強化するために設計されたデュアルループハーネスであるCarryOnを提案する。
計画ループは、持続的なユーザレベルとシーンレベルのコンテキストを維持し、新しい観察に対して継続的に基礎を置いている。
実行が失敗すると、システムは再利用可能な制御ベースのリカバリスキルを起動し、タスクの進捗を回復し、以前の障害に対するリフレクションによって洗練される。
論文 参考訳（メタデータ） (2026-10-15T07:54:39Z) - Distributed Safe Cooperative Vector Field for Trajectory Curvature Constrained Multi-Robot Systems [33.11742595438937]
軌道曲率の制約は、実用マルチロボットシステムに固有のものである。
これらの制約を適切に考慮しなければ、ロボットは割り当てられたタスクを達成できないかもしれない。
本稿では,マルチロボットシステムのための分散セーフコラボレーティブベクトル場アプローチを提案する。
論文 参考訳（メタデータ） (2026-09-14T09:26:39Z) - Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
この介入点付近で成長した保護パラダイムについて検討する。
ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。
我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
論文 参考訳（メタデータ） (2026-08-05T00:46:50Z) - Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳（メタデータ） (2026-07-22T16:37:05Z) - Safety-Critical Whole-Body Control for Humanoid Robots via Input-to-State Safe Control Barrier Functions [6.59514190732471]
本稿では,ヒューマノイドロボットのための階層型安全クリティカル全身制御フレームワークを提案する。
提案アーキテクチャは,キネマティック・ボディー・コントローラ(KinWBC),ISSf-CBFセーフティフィルタ,ダイナミック・ボディー・コントローラ(DynWBC)を統合している。
論文 参考訳（メタデータ） (2026-05-25T08:02:30Z) - Capability-Aware Heterogeneous Control Barrier Functions for Decentralized Multi-Robot Safe Navigation [19.794822517328654]
既存の分散化手法では、ロボットの同質性を仮定し、異種エージェント間で共有された安全要件を不均一に解釈する。
本稿では、一貫した安全対策と機能意識調整のための分散型フレームワークであるCA-HCBF(Capability-Aware Heterogeneous Control Barrier Function)を提案する。
論文 参考訳（メタデータ） (2026-04-14T19:21:46Z) - Uncertainty Aware-Predictive Control Barrier Functions: Safer Human Robot Interaction through Probabilistic Motion Forecasting [13.020006323600251]
不確かさを意識した予測制御バリア関数は、制御バリア関数の正式な安全性を保証することで、確率的手の動き予測を融合させる。
UA-PCBFは、将来の人間の状態をより深く理解した協力型ロボットに力を与える。
最先端のHRIアーキテクチャとは対照的に、UA-PCBFはタスククリティカルなメトリクスでより良いパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-08-28T14:11:26Z) - 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) - 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)
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。