日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

安全性解析arXiv:2606.16022

λ-Reachability: ヒューマノイド安全性のための幾何学的ホライズン安全ベルマン方程式

$\lambda$-Reachability: Geometric-Horizon Safety Bellman Equations for Humanoid Safety

シェア:XThreadsFacebookLINEはてブBluesky

高次元ロボットシステムの安全性解析をスケーラブルに行うため、割引なしの到達可能性目標を学習できる新しい安全価値推定法λ-Reachabilityを提案し、実機ヒューマノイドで有効性を示した。

詳しい要約

1. どんなもの?

- 高次元ロボットシステムのためのHamilton--Jacobi安全解析のスケーラブルなアプローチであるλ-Reachabilityを提案。 - 固定1ステップBellman更新に依存する従来の割引定式化とは異なり、安全価値の確率的マルチステップ推定器を採用。 - 幾何分布に従うロールアウトホライズンとランダムに吸収される終端を用いる。 - TD(λ)に概念的に類似し、局所自己整合更新と長ホライズン最大軌道安全目標の間を解釈可能なホライズン制御パラメータで補間。 - シミュレーションおよび実機ヒューマノイドロボットのバランスと衝突回避制約下での安全学習問題に適用。

2. 先行研究と比べてどこがすごい?

- 従来の割引定式化は固定1ステップBellman更新に依存していたが、λ-Reachabilityは確率的マルチステップ推定器を用いる。 - TD(λ)では終端価値が常に学習目標に組み込まれるのに対し、λ-Reachabilityでは終端安全価値はパラメータδで制御される確率でのみ使用される。 - 単一ステップ時間差ベースラインと比較して、安全集合境界分類と安全マージン推定の両方を大幅に改善。 - 高次元安全学習問題に適用可能なスケーラブルな手法を提供。

3. 技術・手法の肝は?

- 安全価値の確率的マルチステップ推定器を採用。 - 幾何分布に従うロールアウトホライズンとランダムに吸収される終端を使用。 - ホライズン制御パラメータλにより、局所自己整合更新と長ホライズン最大軌道安全目標を補間。 - 終端安全価値はパラメータδで制御される確率でのみ使用。 - δ<1の場合、更新が収縮写像を誘導し時間差学習を可能にすることを形式的に示す。 - λ→1で推定器が非割引到達可能性目的を回復する。

4. どうやって有効だと検証した?

- シミュレーションおよび実機ヒューマノイドロボットのバランスと衝突回避制約下での高次元安全学習問題に適用。 - 実験結果は、単一ステップ時間差ベースラインと比較して、安全集合境界分類と安全マージン推定の両方を大幅に改善することを示す。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- TD(λ)(関連手法として言及) - Hamilton--Jacobi安全解析(関連分野) - 単一ステップ時間差ベースライン(比較対象)

※ 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: Rui Chen, Shangtao Li, Yifan Sun, Changliu Liu

分類: cs.RO

原文アブストラクト

We introduce $\lambda$-Reachability, a scalable approach to Hamilton--Jacobi safety analysis for high-dimensional robotic systems. Unlike prior discounted formulations that rely on fixed one-step Bellman updates, $\lambda$-Reachability employs a stochastic multi-step estimator of the safety value, using a geometrically distributed rollout horizon together with a randomly absorbed terminal. Conceptually analogous to TD($\lambda$), $\lambda$-Reachability interpolates between local self-consistency updates and long-horizon max-over-trajectory safety targets via an interpretable horizon-control parameter. Unlike TD($\lambda$), where the terminal value is always incorporated in learning targets, the terminal safety value in $\lambda$-Reachability is only used at a probability controlled by parameter $\delta$. We formally show that for $\delta<1$, the update induces a contraction mapping that allows temporal-difference learning; as $\lambda \to 1$, the estimator recovers the undiscounted reachability objective. We apply $\lambda$-Reachability to high-dimensional safety learning problems with both simulated and real humanoid robots under balance and collision avoidance constraints. Experimental results demonstrate that $\lambda$-Reachability significantly improves both safe-set boundary classification and safety margin estimation compared to single-step temporal-difference baselines.

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