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:2606.28995

HJ-SafeDMP: ハミルトン・ヤコビ到達可能性に基づく動的運動プリミティブによる証明可能な安全なロボット動作

HJ-SafeDMP: Hamilton-Jacobi Reachability-Guided Dynamic Movement Primitives for Provably Safe Robot Motion

シェア:XThreadsFacebookLINEはてブBluesky

動的運動プリミティブ(DMP)にハミルトン・ヤコビ到達可能性解析を統合し、安全性を保証しつつ計算効率の高いロボット動作を実現するフレームワークを提案した。

詳しい要約

1. どんなもの?

- DMPsとHJ Reachabilityを統合したHJ-SafeDMPを提案 - 安全クリティカル環境でのロボット運動を対象 - 証明可能な安全性とロバスト性を両立 - 計算効率の高い実時間制御を実現 - 7-DOFマニピュレータで検証

2. 先行研究と比べてどこがすごい?

- DMPsは安定性・時間柔軟性・一般化に優れるが安全証明なし - HJ Reachabilityは安全保証を与えるが次元の呪いで実時間困難 - 従来のCBF-QPは最適化求解が必要で計算負荷大 - 本手法はオンラインQP不要で安全性フィルタを実現 - 桁違いに高速な実行を達成

3. 技術・手法の肝は?

- オフラインデモデータからCBVFを学習 - モデルフリー有限差分HJ再帰を使用 - 閉形式制御則でDMP出力を調整する安全フィルタ - expectileベースのオフライン学習目的でOOD行動回避 - conformal predictionで有限サンプル確率的保証を校正

4. どうやって有効だと検証した?

- 7-DOFロボットマニピュレータで実験評価 - 形式的安全保証を達成 - 最適化ベースラインより桁違いに高速実行 - DMPsのロバスト性と適応性を維持 - 人間-ロボットインタラクションで検証

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- DMPs (Dynamic Movement Primitives) - Hamilton-Jacobi (HJ) Reachability - Control Barrier Functions (CBFs) - CBF-QP - Conformal Prediction - Expectile Regression

※ 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: Siddhanth Ramesh, Ravi Prakash

分類: cs.RO

原文アブストラクト

Robots deployed in safety-critical environments must execute motions that are simultaneously robust to disturbances and provably safe from collisions. Dynamic Movement Primitives (DMPs) offer inherent stability, temporal flexibility, and efficient trajectory generalization from single demonstrations, but they lack formal safety certificates. Conversely, Hamilton-Jacobi (HJ) Reachability analysis provides a principled framework for computing worst-case safety margins and forward-invariant safe sets, but classical grid-based methods suffer from the curse of dimensionality and are impractical for real-time control. This paper introduces HJ-SafeDMP, a framework that integrates DMPs with learned HJ Reachability-based safety value functions to achieve provably safe, robust, and computationally efficient robot motion. We learn a Control Barrier Value Function (CBVF) from offline demonstration data using a model-free, finite-difference HJ recursion and deploy it as a real-time safety filter via a closed-form control law that modulates the DMP output. Unlike optimization-based CBF-QP approaches, our method achieves safety filtering without online quadratic program solves, preserving the computational efficiency of DMPs. We further incorporate an expectile-based offline learning objective that avoids querying out-of-distribution actions, and a conformal prediction calibration step that provides finite-sample probabilistic safety coverage. Experimental evaluation on a 7-DOF robot manipulator demonstrates that HJ-SafeDMP achieves formal safety guarantees with orders-of-magnitude faster execution than optimization-based baselines, while maintaining the robustness and adaptability of DMPs for human-robot interaction.

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

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