基于分布鲁棒 CVaR 的安全滤波用于不确定环境中的运动规划

安全性是自主机器人运动规划的核心挑战，尤其在存在动态和不确定障碍物的情况下。许多近期成果使用基于学习和深度学习的运动规划器与预测模块来预测多种可能的障碍物轨迹并生成感知障碍物的自车机器人规划。然而，忽略此类预测中固有不确定性的规划器会带来碰撞风险且缺乏形式化安全保证。在本文中，我们提出一种计算高效的安全滤波方案，利用障碍物轨迹预测的多个样本来降低自车机器人运动规划的碰撞风险。所提方法通过使用分布鲁棒优化（DRO）技术基于障碍物样本轨迹计算安全半空间，重新表述了碰撞避免问题。这些安全半空间用于类模型预测控制（MPC）的安全滤波器中，以对参考自车轨迹进行修正，从而促进更安全的规划。我们通过数值仿真展示了我们方法的效能与计算效率。