論文の概要: Unified Overview of Safety Certificate Functions: Techniques from Hamilton--Jacobi Reachability and Control Barrier Functions
- arxiv url: http://arxiv.org/abs/2611.07537v1
- Date: Thu, 05 Nov 2026 06:47:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.572169
- Title: Unified Overview of Safety Certificate Functions: Techniques from Hamilton--Jacobi Reachability and Control Barrier Functions
- Title（参考訳）: 安全認定機能の統一的概要:ハミルトン-ヤコビの到達可能性と制御バリア機能
- Abstract要約: 本チュートリアルは、ハミルトン-ヤコビ(HJ)リーチビリティ解析と制御バリア関数(CBF)を中心にした安全証明書合成の全体的処理を提供する。
各手法群に対して、まず、証明書合成のための古典的および学習的ツールとともに、その一般的な定式化を導入する。
次に、異なる複雑な車両システムからなる2つのベンチマーク問題を導入し、異なる合成手法の認証品質と安全性クリティカル制御におけるそれらの有効性を評価する。
- 参考スコア（独自算出の注目度）: 26.592086993831387
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety is a central concern in modern autonomous systems. Safety certificates---functions whose existence guarantees that a system meets its safety specification---have long been used as a principled tool for rigorously reasoning about safety. Methods for synthesizing such certificates are scattered across research areas, with little guidance on when to use a particular approach. This tutorial provides a holistic treatment of safety certificate synthesis centered on two widely used families: Hamilton--Jacobi (HJ) reachability analysis and control barrier functions (CBFs). For each family of methods, we first introduce its general formulation, along with classical and learning-based tools for certificate synthesis. Next, we introduce two benchmark problems consisting of vehicle systems of differing complexity to assess the certificate quality of different synthesis methods and their effectiveness in safety-critical control. We use these benchmarks to compare various methods and provide practical guidance for selecting an approach.
- Abstract（参考訳）: 安全は現代の自律システムにおいて中心的な関心事である。
安全証明書-システムが安全仕様を満たしていることを保証する機能-は、安全を厳格に推論するための原則ツールとして長年使われてきた。
このような証明書を合成する方法は研究領域に散らばっており、特定の手法をいつ使うかについてのガイダンスはほとんどない。
本チュートリアルでは,ハミルトン・ヤコビ(HJ)到達可能性解析と制御バリア関数(CBF)を中心に,安全証明書の総合的な合成処理を行う。
各手法群に対して、まず、証明書合成のための古典的および学習的ツールとともに、その一般的な定式化を導入する。
次に、異なる複雑な車両システムからなる2つのベンチマーク問題を導入し、異なる合成手法の認証品質と安全性クリティカル制御におけるそれらの有効性を評価する。
これらのベンチマークを用いて、様々な手法を比較し、アプローチを選択するための実践的なガイダンスを提供する。
関連論文リスト
- Safe Online Dynamics Learning with Initially Unknown Models and
Infeasible Safety Certificates [45.72598064481916]
本稿では、制御バリア関数(CBF)2次コーンプログラムに基づく、堅牢な安全証明書を備えた学習ベースの設定について考察する。
制御バリア関数証明書が実現可能ならば,その安全性を確保するため,本手法では,データ収集と制御バリア関数制約の実現可能性の回復のために,システムダイナミクスを探索する。
論文 参考訳（メタデータ） (2023-11-03T14:23:57Z) - Value Functions are Control Barrier Functions: Verification of Safe
Policies using Control Theory [46.85103495283037]
本稿では,制御理論から学習値関数への検証手法の適用方法を提案する。
我々は値関数と制御障壁関数の間の関係を確立する原定理を定式化する。
我々の研究は、RLベースの制御システムの汎用的でスケーラブルで検証可能な設計のための公式なフレームワークに向けた重要な一歩である。
論文 参考訳（メタデータ） (2023-06-06T21:41:31Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳（メタデータ） (2022-12-12T06:30:17Z) - 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) - Joint Differentiable Optimization and Verification for Certified
Reinforcement Learning [91.93635157885055]
安全クリティカル制御システムのためのモデルベース強化学習では,システム特性を正式に認定することが重要である。
本稿では,強化学習と形式検証を共同で行う枠組みを提案する。
論文 参考訳（メタデータ） (2022-01-28T16:53:56Z) - Joint Synthesis of Safety Certificate and Safe Control Policy using
Constrained Reinforcement Learning [7.658716383823426]
有効な安全証明書は、安全状態が低エネルギーであることを示すエネルギー関数である。
既存の学習に基づく研究は、安全証明書と安全管理ポリシーを、相互に学ぶための事前知識として扱う。
本稿では、エネルギー機能に基づく安全証明書を同時に合成し、CRLによる安全制御ポリシーを学習する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-11-15T12:05:44Z) - Safety-aware Policy Optimisation for Autonomous Racing [17.10371721305536]
ハミルトン・ヤコビ(HJ)到達可能性理論を制約付きマルコフ決定過程(CMDP)フレームワークに導入する。
我々は,HJの安全性を視覚的文脈で直接学習できることを実証した。
我々は、最近リリースされた高忠実な自律走行環境であるSafety GymやLearning-to-Race (L2R)など、いくつかのベンチマークタスクにおいて、本手法の評価を行った。
論文 参考訳（メタデータ） (2021-10-14T20:15:45Z)
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。