腿式机器人的数据驱动安全验证

为腿式机器人规划安全运动需要复杂的安全验证工具。然而，由于此类系统动力学具有非线性和高维特性，为这类复杂系统设计此类工具具有挑战性。在本通讯中，我们提出一个针对腿式系统的概率验证框架，该框架通过从闭环系统收集的轨迹中学习一个评估函数来评估规划轨迹的安全性。我们的方法不需要闭环动力学的解析表达式，从而能够对具有复杂模型与控制器的系统进行安全验证。我们的框架包括一个离线阶段（通过模拟标称模型初始化安全评估函数）和一个在线阶段（调整该函数以解决仿真到现实的差距）。所提安全验证方法的性能通过四足平衡任务和人形到达任务得到展示。结果表明，我们的框架在规划阶段准确预测系统安全性以生成鲁棒轨迹，并在执行阶段检测意外外部扰动。