多步模型预测安全滤波器：通过增加预测时域减少抖振
机器人学
2023-09-21 v1 机器学习
系统与控制
系统与控制
摘要
基于学习的控制器已在多种任务中展现出优于经典控制器的性能。然而，提供安全性保证并非易事。安全性，即状态与输入约束的满足，可通过为习得控制策略增补安全滤波器来保证。模型预测安全滤波器（MPSF）是一种基于模型预测控制（MPC）的常用安全滤波方法。MPSF力求保证安全，同时最小化在紧接的下一步中所提议输入与应用输入之间的差异。这种有限的预见可能导致靠近约束边界的急动运动与不期望的振荡，即所谓抖振（chattering）。在本文中，我们通过考虑更长时域上的输入修正来减少抖振。在模型不确定性有界的假设下，我们利用鲁棒MPC技术证明了递归可行性。我们在广泛仿真与四旋翼实验中验证了所提方法。在使用Crazyflie 2.0无人机的实验中，我们表明，除保持期望的安全保证外，所提MPSF相较先前MPSF表述将抖振减少了超过4倍。
引用
@article{arxiv.2309.11453,
title = {Multi-Step Model Predictive Safety Filters: Reducing Chattering by Increasing the Prediction Horizon},
author = {Federico Pizarro Bejarano and Lukas Brunke and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2309.11453},
year = {2023}
}
备注
8 pages, 9 figures. Accepted to IEEE CDC 2023. Code is publicly available at https://github.com/Federico-PizarroBejarano/safe-control-gym/tree/smooth_mpsc_paper