基于参数化控制障碍函数的异构自主车辆自适应安全合流控制
机器人学
2022-02-22 v1
摘要
随着对机器人安全自主性的日益重视，基于模型的安全控制方法（如控制障碍函数）被广泛研究，以保证机器人交互过程中的可证明安全性。本文引入参数化控制障碍函数（Parametric-CBF），它是传统控制障碍函数的一种新变体，以扩展其在描述异构机器人间不同安全行为时的表达能力。与假设使用相同安全控制器的协作同质机器人不同， ego 机器人能够通过观测数据以不同的参数化 CBF 对邻近机器人的底层安全控制器进行建模。在给定学习到的参数化-CBF 且证明了前向不变性后，它为 ego 机器人提供了更大的灵活性，以在享有形式化可证明安全保证的同时，更高效地与其他异构机器人协调。我们在自动驾驶应用的匝道合流场景中展示了参数化-CBF 在行为预测与自适应安全控制中的使用。与传统 CBF 相比，参数化-CBF 在安全控制背景下通过对机器人行为更丰富的描述，具有捕捉不同驾驶者特征的优点。数值仿真验证了所提方法的有效性。
引用
@article{arxiv.2202.09936,
title = {Adaptive Safe Merging Control for Heterogeneous Autonomous Vehicles using Parametric Control Barrier Functions},
author = {Yiwei Lyu and Wenhao Luo and John M. Dolan},
journal= {arXiv preprint arXiv:2202.09936},
year = {2022}
}