論文の概要: Robust Safety Assurance for Robotic Swarms Using Decentralized Collision Verification
- arxiv url: http://arxiv.org/abs/2611.01081v1
- Date: Sat, 31 Oct 2026 16:17:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-13 08:07:40.043293
- Title: Robust Safety Assurance for Robotic Swarms Using Decentralized Collision Verification
- Title(参考訳): 分散衝突検証を用いたロボット群に対するロバスト安全性保証
- Abstract要約: 本研究では,屋外環境における実行時の衝突を防止するために,ロボット群に分散型安全検証アルゴリズムを提案する。
提案手法は,複数のUAVの安全性をリアルタイムで効率よく検証できることを示す。
- 参考スコア(独自算出の注目度): 0.6805575417034367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we present the methodologies, results, and analysis used to deploy a decentralized safety verification algorithm on a robotic swarm to prevent collisions at runtime in an outdoor environment. Typically, approaches toward verification of swarms of cyber-physical systems (CPS) are evaluated solely in numerical simulations or in highly controlled, noiseless indoor environments. Our efforts to implement collision avoidance on a real swarm system outdoors have revealed that the underlying algorithmic assumptions juxtaposed against the implementation details of the target system are critical factors in a method's efficacy in the real world. Here we modify, enhance, and analyze a decentralized reachability-based method for collision avoidance on a size, weight, and power-constrained uncrewed aerial vehicle (UAV) swarm with the objective of illustrating the challenges of real-world CPS deployments as well as provide guidance for researchers in this space. Verification performance, resource utilization, and timing data were gathered over the course of 140 total outdoor vehicle flights, including 6 swarm flights composed of 8 UAVs, and used to improve collision-avoidance performance as experimentation progressed. Our extensive experiments show that the proposed decentralized runtime verification approach can efficiently verify the safety of multiple UAVs in real-time and help all agents take safe actions to avoid collisions. On average, each agent, using our open-source safety_checker library, takes approximately 500-520 ms to verify its safety for the next 4 s into the future, in which the reachable set broadcast time dominates the total verification time (~300-500 ms).
- Abstract(参考訳): 本稿では,ロボット群に分散型安全検証アルゴリズムを配置し,屋外環境での衝突を防止する手法,結果,分析について述べる。
典型的には、サイバー物理システム(CPS)の群集の検証へのアプローチは、数値シミュレーションや高度に制御されたノイズのない屋内環境でのみ評価される。
実際のSwarmシステムに対する衝突回避を屋外で実施するための取り組みは,対象システムの実装詳細に対して近似されたアルゴリズム的仮定が,実世界での手法の有効性において重要な要因であることを明らかにした。
ここでは、現実のCPS展開の課題を解明し、この分野の研究者のためのガイダンスを提供するとともに、サイズ、重量、電力制約のない無人航空機(UAV)群における衝突回避のための分散化到達可能性に基づく手法を修正、拡張、分析する。
8機のUAVからなる6機のSwarm飛行を含む140回のアウトドアカー飛行を通して、検証性能、資源利用、タイミングデータを収集し、実験が進むにつれて衝突回避性能を向上させるために使用した。
提案手法は,複数のUAVの安全性をリアルタイムに検証し,すべてのエージェントが衝突を避けるために安全な行動を取るのに役立つことを示す。
平均して、我々のオープンソースのSafety_checkerライブラリを使用する各エージェントは、今後4秒間の安全性を検証するのに約500~520msを要し、到達可能なセットの放送時間が全検証時間(約300~500ms)を支配する。
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) - 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) - On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
既存の安全アライメント信号は、主に応答レベルまたは政治外である。
FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。
FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
論文 参考訳(メタデータ) (2026-05-12T09:56:28Z) - 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) - Runtime Stealthy Perception Attacks against DNN-based Adaptive Cruise Control Systems [8.561553195784017]
本稿では,実行時認識攻撃下での深層ニューラルネットワークを用いたACCシステムのセキュリティ評価を行う。
攻撃を誘発する最も重要な時間を選択するための文脈認識戦略を提案する。
提案攻撃の有効性を,実車,公用運転データセット,現実的なシミュレーションプラットフォームを用いて評価した。
論文 参考訳(メタデータ) (2023-07-18T03:12:03Z) - Approximate Shielding of Atari Agents for Safe Exploration [83.55437924143615]
遮蔽の概念に基づく安全な探索のための原理的アルゴリズムを提案する。
本稿では,我々の近似遮蔽アルゴリズムが安全違反率を効果的に低減することを示す予備的な結果を示す。
論文 参考訳(メタデータ) (2023-04-21T16:19:54Z) - Channel Boosting Feature Ensemble for Radar-based Object Detection [6.810856082577402]
レーダーベースの物体検出は、悪天候下でデプロイおよび使用される対応するセンサーモダリティを提供する。
提案手法の有効性をCOCO評価指標を用いて広く評価する。
論文 参考訳(メタデータ) (2021-01-10T12:20:58Z) - Chance-Constrained Trajectory Optimization for Safe Exploration and
Learning of Nonlinear Systems [81.7983463275447]
学習に基づく制御アルゴリズムは、訓練のための豊富な監督を伴うデータ収集を必要とする。
本稿では,機会制約付き最適制御と動的学習とフィードバック制御を統合した安全な探索による最適動作計画のための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2020-05-09T05:57:43Z)
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。