基于高斯过程的隐式曲面作为安全阻挡函数用于安全机器人导航

等值集方法支撑着现代安全技术如控制阻挡函数 (CBFs)，同时也作为隐式曲面表示用于几何形状的距离场。灵感来自这两种范式，我们提出了一个统一框架，其中隐式曲面本身充当 CBF。我们利用高斯过程 (GP) 隐式曲面 (GPIS) 表示安全边界，使用由传感器测量导出的安全样本来条件化 GP。GP 后验均值定义隐式安全曲面 (安全信念)，而后验方差提供了稳健的安全裕度。尽管 GP 拥有不确定性估计和解析可塑性等优势，但随数据规模的增大而变差。为缓解此问题，我们发展出一种稀疏方案，称为稀疏高斯 CBF。到我们知识为止，GPIS 尚未被明确用于合成 CBF。我们在两个实际场景中验证了该方法：一个 7 自由度的操作臂围绕 Stanford bunny 进行碰撞规避，以及一架四旋翼机在 3D 空间中围绕实体椅子进行导航。在两种情况下，Gaussian CBF（带或不带稀疏化）都能够实现安全交互和碰撞自由的轨迹执行，这些轨迹本会与物体相交。