日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2603.06921

複合ニューラル制御バリア関数による動的環境下でのロボットナビゲーション

CN-CBF: Composite Neural Control Barrier Function for Robot Navigation in Dynamic Environments

シェア:XThreadsFacebookLINEはてブBluesky

動的環境での安全なロボットナビゲーションのため、複数のニューラルCBFを組み合わせた複合CBFを提案し、オフラインの到達可能性解析で訓練して安全な動作を実現した。

詳しい要約

1. どんなもの?

- 動的環境でのロボットナビゲーションのための安全フィルタリング手法。 - Control Barrier Functions (CBFs) をベースに、複数のニューラルCBFを合成したComposite Neural CBF (CN-CBF) を提案。 - 地上ロボットとクアッドロータのシミュレーションおよびハードウェア実験で評価。

2. 先行研究と比べてどこがすごい?

- 既存の学習ベースおよびモデルベース手法の欠点を克服。 - 単一の移動障害物に対する最適安全集合を近似するために、Hamilton-Jacobi reachabilityフレームワークを用いてオフラインで生成したデータで個々のCBFを訓練。 - 残差ニューラルアーキテクチャを採用し、推定安全集合が失敗集合と交差しないことを保証。 - 最強のベースラインと比較して成功率を最大18%向上。

3. 技術・手法の肝は?

- 複数のニューラルCBFを合成して単一のCBFを構成。 - 個々のCBFはHamilton-Jacobi reachabilityフレームワークでオフライン生成したデータを用いて訓練。 - 残差ニューラルアーキテクチャにより、安全集合と失敗集合の非交差を保証。

4. どうやって有効だと検証した?

- 地上ロボットとクアッドロータのシミュレーション実験で、複数のベースライン手法と比較。 - 成功率、経路長、運動時間を評価。 - 両ロボットタイプのハードウェア実験も実施。

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 reachabilityフレームワークに関する論文。 - ニューラルCBFに関する研究。 - 安全フィルタリングのベースライン手法。

※ 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: Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

分類: cs.RO, cs.LG, cs.SY, eess.SY

原文アブストラクト

Safe navigation of autonomous robots remains one of the core challenges in the field, especially in dynamic and uncertain environments. One prevalent approach is safety filtering based on control barrier functions (CBFs), which are easy to deploy but difficult to design. Motivated by the shortcomings of existing learning- and model-based methods, we propose a simple yet effective neural CBF design method for safe robot navigation in dynamic environments. We employ the idea of a composite CBF, where multiple neural CBFs are combined into a single CBF. Individual CBFs are trained using data generated offline via the Hamilton-Jacobi reachability framework to approximate the optimal safe set for single moving obstacles. Additionally, we use a residual neural architecture, ensuring that the estimated safe set does not intersect with the corresponding failure set. The method is extensively evaluated in simulation experiments for a ground robot and a quadrotor, comparing it against several baseline methods. The proposed method improves success rates by up to 18\% over the strongest baseline, while maintaining comparable or lower path lengths and motion times. The method is also demonstrated in hardware experiments for both types of robots.

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. 2GXO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
  3. 3newmo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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI