用于基于学习的赛车控制的一种预测式安全滤波器
系统与控制
2021-02-25 v1 系统与控制
摘要
在自动驾驶等安全关键应用中，对高性能控制器的日益增长的需求推动了形式化安全验证技术的发展。本文中，我们设计并实现了一个预测式安全滤波器，当其与任何潜在不安全的控制信号（例如基于学习的方法中所发现的）配合使用时，能够维持车辆相对于赛道边界的安全性。我们采用模型预测控制（MPC）框架来创建一种最小侵入式算法，该算法判定期望的控制输入是否安全并可施加于车辆，或者提供替代输入以使车辆保持在边界内。为此，我们给出了一种使用高效凸近似技术为非线性动态自行车模型计算安全不变集的系统性步骤。为了在不保守的安全干预下完全支持激进的赛车性能，该安全集通过预测控制备份轨迹被实时扩展。在微型遥控车辆上的辅助手动驾驶和深度模仿学习应用展示了该安全滤波器在激进机动期间确保车辆安全的能力。
引用
@article{arxiv.2102.11907,
title = {A predictive safety filter for learning-based racing control},
author = {Ben Tearle and Kim P. Wabersich and Andrea Carron and Melanie N. Zeilinger},
journal= {arXiv preprint arXiv:2102.11907},
year = {2021}
}