基于认证神经Hamilton-Jacobi可达性的情境感知规划

Kasidit Muenprasitivej; Derya Aksaray

基于认证神经Hamilton-Jacobi可达性的情境感知规划

机器人学 2026-03-19 v1 系统与控制系统与控制

作者: Kasidit Muenprasitivej , Derya Aksaray

摘要

Hamilton-Jacobi (HJ) 可达性为动力系统提供形式化安全保证，但求解高维HJ偏微分方程限制了其在实时规划中的应用。本文提出了一种集成学习型可达性与未知环境中基于抽样的规划的情境感知多目标导航框架。我们使用傅里叶神经算子 (FNO) 近似Hamilton-Jacobi-Isaacs变分不等式的数值解算子，以不同障碍配置为变量。我们首先提供了安全后向可达-避免集的保守近似保证，从而实现对学习得到的可达集的形式化安全认证。然后，我们将已认证的可达集与增量式多目标规划器集成，该规划器强制执行可达集约束并实现一种保证在安全区域内有限时间返回的恢复策略。总体而言，我们证明了所提出的框架实现了具有可证明情境行为的渐进最优导航，并通过在Webots仿真中在KUKA youBot上的实时部署验证了其性能。

关键词

Hamilton-Jacobi可达性神经近似认证安全多目标规划情境感知导航

引用

@article{arxiv.2603.17022,
  title  = {Contingency-Aware Planning via Certified Neural Hamilton-Jacobi Reachability},
  author = {Kasidit Muenprasitivej and Derya Aksaray},
  journal= {arXiv preprint arXiv:2603.17022},
  year   = {2026}
}

备注

9 pages, 4 figures

基于认证神经Hamilton-Jacobi可达性的情境感知规划

摘要

关键词

引用

备注

相关论文