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arXiv:2601.21297

Deep QP安全フィルタ:到達可能性に基づく安全フィルタのためのモデルフリー学習

Deep QP Safety Filter: Model-free Learning for Reachability-based Safety Filter

シェア:XThreadsFacebookLINEはてブBluesky

ハミルトン・ヤコビ到達可能性とモデルフリー学習を組み合わせ、モデル未知のブラックボックス力学系に対してQP安全フィルタを学習する手法を提案。

詳しい要約

1. どんなもの?

- 黒箱動的システム向けの完全データ駆動型安全層 - Quadratic-Program (QP) 安全フィルタをモデル知識なしで学習 - Hamilton-Jacobi (HJ) reachability と model-free learning を組み合わせ - 安全価値とその導関数のための contraction-based losses を構築 - 2つのニューラルネットワークを訓練 - 多様な動的システム(ハイブリッドシステム含む)とRLタスクで検証

2. 先行研究と比べてどこがすごい?

- 従来のQP安全フィルタはモデル知識を必要とするが、本手法は完全データ駆動型 - HJ reachability と model-free learning の組み合わせが新しい - 非平滑な価値関数でも学習したcriticがviscosity solutionに収束 - 強力なベースラインと比較して、収束前の失敗を大幅に削減し、より高いリターンへ学習を加速

3. 技術・手法の肝は?

- Hamilton-Jacobi (HJ) reachability に基づく安全価値とその導関数を学習 - contraction-based losses を安全価値と導関数の両方に構築 - 2つのニューラルネットワークを訓練:1つは安全価値、もう1つはその導関数 - 学習したcriticをQP安全フィルタに組み込む - モデルフリー学習により黒箱システムに適用可能

4. どうやって有効だと検証した?

- 多様な動的システム(ハイブリッドシステムを含む)で評価 - 複数のRLタスクで検証 - 強力なベースラインと比較して、収束前の失敗を大幅に削減 - より高いリターンへの学習加速を確認 - 正確な設定では、学習したcriticが非平滑な価値でもviscosity solution(とその導関数)に収束

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- Hamilton-Jacobi (HJ) reachability に関する研究 - Quadratic-Program (QP) 安全フィルタに関する研究 - model-free learning を用いた安全制御 - 強化学習における安全層 - 同分野の定番:safe reinforcement learning, control barrier functions

※ 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: Byeongjun Kim, H. Jin Kim

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

We introduce Deep QP Safety Filter, a fully data-driven safety layer for black-box dynamical systems. Our method learns a Quadratic-Program (QP) safety filter without model knowledge by combining Hamilton-Jacobi (HJ) reachability with model-free learning. We construct contraction-based losses for both the safety value and its derivatives, and train two neural networks accordingly. In the exact setting, the learned critic converges to the viscosity solution (and its derivative), even for non-smooth values. Across diverse dynamical systems -- even including a hybrid system -- and multiple RL tasks, Deep QP Safety Filter substantially reduces pre-convergence failures while accelerating learning toward higher returns than strong baselines, offering a principled and practical route to safe, model-free control.

関連論文

  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI