基于投影到状态安全的 episodic 学习控制屏障视角
系统与控制
2020-11-20 v1 系统与控制
摘要
本文中，我们试图量化学习增强由控制屏障函数（CBFs）所提供安全保证的能力。具体而言，我们研究CBF时间导数中的模型不确定性如何通过学习得以降低，以及这如何导致关于系统安全行为的更强论断。为此，我们基于输入到状态安全（ISSf）的思想定义投影到状态安全（PSSf），其以投影扰动来刻画安全性的退化。这使得直接量化学习如何改善安全保证，以及学习误差界如何转化为安全性退化界成为可能。我们证明一种实用的episodic学习方法可利用PSSf在仿真与实验中降低不确定性并改善安全保证。
引用
@article{arxiv.2003.08028,
title = {A Control Barrier Perspective on Episodic Learning via Projection-to-State Safety},
author = {Andrew J. Taylor and Andrew Singletary and Yisong Yue and Aaron D. Ames},
journal= {arXiv preprint arXiv:2003.08028},
year = {2020}
}
备注
6 pages, 2 figures, submitted to L-CSS + CDC 2020