高斯控制障碍函数：一种非参数的安全范式
系统与控制
2022-08-03 v2 机器学习
系统与控制
最优化与控制
摘要
受控制障碍函数（CBFs）在解决安全性问题方面成功的启发，以及数据驱动函数建模技术的兴起，我们提出一种利用高斯过程（GPs）在线合成CBFs的非参数方法。诸如CBFs之类的数学构造通过事先设计候选函数来实现安全。然而，设计这样的候选函数可能具有挑战性。此类场景的一个实际例子是在灾害恢复情境中设计CBF，其中需要确定安全和可通行区域。该例子中安全的决策边界未知且无法事先设计。在我们的方法中，我们利用安全样本或观测来构造CBF，通过对这些样本假设灵活的GP先验在线构建，并将我们的公式称为高斯CBF。GP除具有非参数特性外，还具备解析可处理性和鲁棒不确定性估计等良好性质。这允许通过结合方差估计以高安全保证实现后验分量，同时以闭式计算相关偏导数以实现安全控制。此外，我们方法合成的安全函数允许根据数据任意改变相应安全集，从而允许非凸安全集。我们在四旋翼上通过实验验证了我们的方法，展示了针对固定但任意安全集的安全控制，以及在线构造安全集的碰撞避免。最后，我们将高斯CBFs与常规CBFs在含噪声状态下进行对比，以凸显其对噪声的灵活性与鲁棒性。实验视频可见：https://youtu.be/HX6uokvCiGk。
引用
@article{arxiv.2203.15474,
title = {Gaussian Control Barrier Functions : A Non-Parametric Paradigm to Safety},
author = {Mouhyemen Khan and Tatsuya Ibuki and Abhijit Chatterjee},
journal= {arXiv preprint arXiv:2203.15474},
year = {2022}
}