日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

安全制御/オフラインRLarXiv:2512.10822

V-OCBF: オフラインデータから価値誘導型制御バリア関数を学習する安全フィルタ

V-OCBF: Learning Safety Filters from Offline Data via Value-Guided Offline Control Barrier Functions

シェア:XThreadsFacebookLINEはてブBluesky

オフラインデモンストレーションのみからニューラル制御バリア関数を学習し、モデルなしで安全な制御を合成するフレームワークを提案。

詳しい要約

1. どんなもの?

- 本論文は V-OCBF(Value-Guided Offline Control Barrier Functions)というフレームワークを提案する。 - オフラインのデモンストレーションのみから neural CBF を学習し、安全フィルタを構築する手法。 - 学習した barrier を QP(Quadratic Program)と組み合わせ、リアルタイムの安全制御を合成する。 - オンライン相互作用や手設計の barrier、動力学モデルへのアクセスを必要としない。

2. 先行研究と比べてどこがすごい?

- 既存の Safe Offline RL は soft な expected-cost 制約を課すが、厳密な state-wise safety の保証が難しい。 - 従来の CBF は forward invariance を原理的に強制できるが、専門家設計の barrier やシステム動力学の知識に依存する。 - V-OCBF は動力学モデルを仮定せず、オフラインデータのみから neural CBF を学習する点が新しい。 - out-of-distribution な行動での barrier 評価を避け、データセットが支持する行動集合に更新を制限する。

3. 技術・手法の肝は?

- 再帰的な finite-difference barrier update を導出し、モデルフリーに barrier を学習する。 - これにより安全情報を時間方向に伝播させる barrier を獲得する。 - expectile-based な目的関数を導入し、OOD 行動での barrier クエリを回避する。 - 更新をデータセット支持の行動集合に制限する。 - 学習した barrier を QP 定式化と組み合わせ、リアルタイム安全制御を合成する。

4. どうやって有効だと検証した?

- 複数の case study で評価を実施。 - V-OCBF は baseline 手法と比較して安全性違反が大幅に少ない結果を示す。 - 同時に強いタスク性能を維持することを報告。 - オンライン相互作用や手設計 barrier なしでのオフライン安全制御合成のスケーラビリティを示唆。

5. 議論はある?

- オンライン相互作用や手設計 barrier を必要とせず、オフラインで安全-critical な制御器を合成できる可能性を議論。 - 厳密な state-wise safety と soft な expected-cost 制約の違いに着目。 - 動力学モデル非依存の barrier 学習の利点を主張。 - 具体的な限界や失敗ケース、理論保証の詳細は要旨からは不明。

6. 次に読むべき論文は?

- Safe Offline RL(soft expected-cost 制約を扱う既存手法) - Control Barrier Functions(CBF)および forward invariance に関する研究 - neural CBF の学習手法 - QP ベースの安全フィルタ - expectile-based 目的関数を用いるオフライン RL 手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mumuksh Tayal, Manan Tayal, Aditya Singh, Shishir Kolathaya, Ravi Prakash

分類: cs.AI, cs.RO

原文アブストラクト

Ensuring safety in autonomous systems requires controllers that aim to satisfy state-wise constraints without relying on online interaction.While existing Safe Offline RL methods typically enforce soft expected-cost constraints, they struggle to ensure strict state-wise safety. Conversely, Control Barrier Functions (CBFs) offer a principled mechanism to enforce forward invariance, but often rely on expert-designed barrier functions or knowledge of the system dynamics. We introduce Value-Guided Offline Control Barrier Functions (V-OCBF), a framework that learns a neural CBF entirely from offline demonstrations. Unlike prior approaches, V-OCBF does not assume access to the dynamics model; instead, it derives a recursive finite-difference barrier update, enabling model-free learning of a barrier that propagates safety information over time. Moreover, V-OCBF incorporates an expectile-based objective that avoids querying the barrier on out-of-distribution actions and restricts updates to the dataset-supported action set. The learned barrier is then used with a Quadratic Program (QP) formulation to synthesize real-time safe control. Across multiple case studies, V-OCBF yields substantially fewer safety violations than baseline methods while maintaining strong task performance, highlighting its scalability for offline synthesis of safety-critical controllers without online interaction or hand-engineered barriers.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI