Buchumschlag

SafePilot: A Framework for Assuring LLM-enabled Cyber-Physical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Weizhe, Liu, Mengyu, Kong, Fanxin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SafeGen-LLM: Enhancing Safety Generalization in Task Planning for Robotic Systems
von: Fan, Jialiang, et al.
Veröffentlicht: (2026)

The SET Perceptual Factors Framework: Towards Assured Perception for Autonomous Systems
von: Williams, Troi
Veröffentlicht: (2025)

Enhancing LLM-Based Test Generation by Eliminating Covered Code
von: Xu, WeiZhe, et al.
Veröffentlicht: (2026)

An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework
von: Wang, Zeyu, et al.
Veröffentlicht: (2025)

Demonstrating ViSafe: Vision-enabled Safety for High-speed Detect and Avoid
von: Kapoor, Parv, et al.
Veröffentlicht: (2025)

SafeEmbodAI: a Safety Framework for Mobile Robots in Embodied AI Systems
von: Zhang, Wenxiao, et al.
Veröffentlicht: (2024)

Simplex-enabled Safe Continual Learning Machine
von: Cao, Hongpeng, et al.
Veröffentlicht: (2024)

A Physics-Informed Machine Learning Framework for Safe and Optimal Control of Autonomous Systems
von: Tayal, Manan, et al.
Veröffentlicht: (2025)

Deep UAV Path Planning with Assured Connectivity in Dense Urban Setting
von: Oh, Jiyong, et al.
Veröffentlicht: (2024)

SafeMind: A Risk-Aware Differentiable Control Framework for Adaptive and Safe Quadruped Locomotion
von: Zhang, Zukun, et al.
Veröffentlicht: (2026)

MAD-PINN: A Decentralized Physics-Informed Machine Learning Framework for Safe and Optimal Multi-Agent Control
von: Tayal, Manan, et al.
Veröffentlicht: (2025)

Statistically Assuring Safety of Control Systems using Ensembles of Safety Filters and Conformal Prediction
von: Tabbara, Ihab, et al.
Veröffentlicht: (2025)

Assuring the Safety of Reinforcement Learning Components: AMLAS-RL
von: Imrie, Calum Corrie, et al.
Veröffentlicht: (2025)

SafeCast: Risk-Responsive Motion Forecasting for Autonomous Vehicles
von: Liao, Haicheng, et al.
Veröffentlicht: (2025)

A Study on Prompt Injection Attack Against LLM-Integrated Mobile Robotic Systems
von: Zhang, Wenxiao, et al.
Veröffentlicht: (2024)

Enhancing Reliability in LLM-Integrated Robotic Systems: A Unified Approach to Security and Safety
von: Zhang, Wenxiao, et al.
Veröffentlicht: (2025)

SAGE-LLM: Towards Safe and Generalizable LLM Controller with Fuzzy-CBF Verification and Graph-Structured Knowledge Retrieval for UAV Decision
von: Zhao, Wenzhe, et al.
Veröffentlicht: (2026)

GSAM: A Generalizable and Safe Robotic Framework for Articulated Object Manipulation
von: Shao, Beichen, et al.
Veröffentlicht: (2026)

RoboInspector: Unveiling the Unreliability of Policy Code for LLM-enabled Robotic Manipulation
von: Ying, Chenduo, et al.
Veröffentlicht: (2025)

An Intent Modeling and Inference Framework for Autonomous and Remotely Piloted Aerial Systems
von: Kaza, Kesav, et al.
Veröffentlicht: (2024)

HERMES: A Holistic End-to-End Risk-Aware Multimodal Embodied System with Vision-Language Models for Long-Tail Autonomous Driving
von: Tang, Weizhe, et al.
Veröffentlicht: (2026)

SafeAgentBench: A Benchmark for Safe Task Planning of Embodied LLM Agents
von: Yin, Sheng, et al.
Veröffentlicht: (2024)

A Contact-Safe Reinforcement Learning Framework for Contact-Rich Robot Manipulation
von: Zhu, Xiang, et al.
Veröffentlicht: (2022)

Cyber-Physical Steganography in Robotic Motion Control
von: Chang, Ching-Chun, et al.
Veröffentlicht: (2025)

Extreme dynamic symmetry enables omnidirectional and multifunctional robots
von: Liu, Jiaxun, et al.
Veröffentlicht: (2026)

LeAD: The LLM Enhanced Planning System Converged with End-to-end Autonomous Driving
von: Zhang, Yuhang, et al.
Veröffentlicht: (2025)

Adaptive Relative Pose Estimation Framework with Dual Noise Tuning for Safe Approaching Maneuvers
von: Candan, Batu, et al.
Veröffentlicht: (2025)

A Safe and Efficient Self-evolving Algorithm for Decision-making and Control of Autonomous Driving Systems
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

Hybrid LLM-based Intelligent Framework for Robot Task Scheduling
von: Saha, Swayamjit, et al.
Veröffentlicht: (2026)

Safe Bayesian Optimization for Complex Control Systems via Additive Gaussian Processes
von: Wang, Hongxuan, et al.
Veröffentlicht: (2024)

Towards Safe Maneuvering of Double-Ackermann-Steering Robots with a Soft Actor-Critic Framework
von: Deflesselle, Kohio, et al.
Veröffentlicht: (2025)

SafeBimanual: Diffusion-based Trajectory Optimization for Safe Bimanual Manipulation
von: Deng, Haoyuan, et al.
Veröffentlicht: (2025)

Safe Explicable Planning
von: Hanni, Akkamahadevi, et al.
Veröffentlicht: (2023)

A Design Co-Pilot for Task-Tailored Manipulators
von: Külz, Jonathan, et al.
Veröffentlicht: (2025)

SafeMimic: Towards Safe and Autonomous Human-to-Robot Imitation for Mobile Manipulation
von: Bahety, Arpit, et al.
Veröffentlicht: (2025)

Fairness risk and its privacy-enabled solution in AI-driven robotic applications
von: Liu, Le, et al.
Veröffentlicht: (2026)

Statistical Reachability Analysis of Stochastic Cyber-Physical Systems under Distribution Shift
von: Hashemi, Navid, et al.
Veröffentlicht: (2024)

NEXUS: Continual Learning of Symbolic Constraints for Safe and Robust Embodied Planning
von: Cui, Tiehan, et al.
Veröffentlicht: (2026)

Implicit Safe Set Algorithm for Provably Safe Reinforcement Learning
von: Zhao, Weiye, et al.
Veröffentlicht: (2024)

Green Resilience of Cyber-Physical Systems: Doctoral Dissertation
von: Rimawi, Diaeddin
Veröffentlicht: (2025)