使用控制障碍函数的具有安全保证的端到端模仿学习
系统与控制
2022-12-23 v1 系统与控制
摘要
模仿学习（IL）是一种学习范式，可用于为复杂系统合成控制器，以模仿由专家（用户或控制算法）展示的行为。尽管 IL 方法很流行，但通常缺乏安全保证，这限制了它们在复杂安全关键系统中的实用性。在本工作中，我们考虑以集合不变性形式表述的安全性，以及由控制障碍函数赋予的相关形式化保证。我们开发了相关条件，在这些条件下，利用 CBFs 的鲁棒安全专家控制器可用于学习具有安全保证的端到端控制器（我们称之为 CBF-Compliant 控制器）。这些保证是从输入到状态安全性的角度提出的，该角度考虑了扰动背景下的安全性，其中表明，使用鲁棒安全专家演示的 IL 会产生 ISSf，且扰动直接与学习问题的属性相关。我们在倒立摆和赛道上行驶的汽车的基于视觉的端到端控制仿真中展示了这些安全保证。
引用
@article{arxiv.2212.11365,
title = {End-to-End Imitation Learning with Safety Guarantees using Control Barrier Functions},
author = {Ryan K. Cosner and Yisong Yue and Aaron D. Ames},
journal= {arXiv preprint arXiv:2212.11365},
year = {2022}
}
备注
7 pages, Presented at the IEEE Conference on Decision and Control (CDC) in 2022