面向风险感知控制的信念控制障碍函数
机器人学
2023-09-14 v1
摘要
由于未建模的干扰和噪声传感器测量，确保真实世界机器人系统的安全性通常具有挑战性。为考虑此类随机不确定性，许多机器人系统利用卡尔曼滤波等概率状态估计器来获取机器人的信念，即关于可能状态的概率分布。我们提出信念控制障碍函数（BCBFs）以实现风险感知控制综合，充分利用状态估计器提供的所有信息。这使得机器人在这些随机不确定性下能以期望的置信度停留在预定义的安全区域内。BCBFs具有通用性，可应用于使用扩展卡尔曼滤波器作为状态估计器的多种机器人系统。我们在一架受外部干扰和变化传感条件影响的四旋翼上演示了BCBFs。结果表明，与传统基于状态的方法相比安全性有所提升，同时支持高达1kHz的控制频率。
引用
@article{arxiv.2309.06499,
title = {Belief Control Barrier Functions for Risk-aware Control},
author = {Matti Vahs and Christian Pek and Jana Tumova},
journal= {arXiv preprint arXiv:2309.06499},
year = {2023}
}