测量鲁棒控制障碍函数：状态不确定下的安全确定性
系统与控制
2021-04-30 v1 系统与控制
摘要
现代机器人系统及其运行环境的日益复杂，使得在存在不完美测量的情况下对安全性进行形式化考量成为必要。本文针对具有错误状态估计的系统，提出了一种安全关键控制的严格框架。我们通过利用控制障碍函数（CBFs）并将用于综合控制不变集与鲁棒性需求的备份集方法相统一来构建该框架——最终成果是测量鲁棒控制障碍函数（MR-CBFs）的综合。这在不完美测量存在的情况下提供了安全行为的理论保证，并相较于标准CBF方法提升了鲁棒性。我们在仿真中以及在使用机载立体视觉相机进行状态估计的Segway平台上通过实验证明了该框架的有效性。
引用
@article{arxiv.2104.14030,
title = {Measurement-Robust Control Barrier Functions: Certainty in Safety with Uncertainty in State},
author = {Ryan K. Cosner and Andrew W. Singletary and Andrew J. Taylor and Tamas G. Molnar and Katherine L. Bouman and Aaron D. Ames},
journal= {arXiv preprint arXiv:2104.14030},
year = {2021}
}
备注
6 pages, 4 figures