用于仿射模型判别的最优输入设计及其在意图感知车辆中的应用
最优化与控制
2019-01-03 v3 系统与控制
摘要
本文考虑用于在一组具有无控输入和噪声的有限个仿射模型之间进行判别的输入信号的最优设计。每个仿射模型代表一种不同的系统运行模式，对应于其他驾驶员或机器人的未观测意图，或故障类型或攻击策略等。输入设计问题旨在寻找最优分离/判别（受控）输入，使得尽管初始条件与无控输入存在不确定性，且存在过程与测量噪声，所有仿射模型的输出轨迹仍能保证彼此可区分。我们提出了一种求解该问题的新公式，侧重于模型判别与最优性的保证，这与之前使用鲁棒优化的保守公式形成对比。这一新公式可被重新表述为一个双层优化问题，并进一步重构为一个混合整数线性规划（MILP）。此外，我们相当一般的问题设定允许纳入理性智能体之间的目标和/或责任。例如，每个驾驶员必须遵守交通规则，同时优化安全性、舒适性与能源效率。最后，我们展示了我们的方法在若干驾驶场景中识别其他车辆意图的有效性。
引用
@article{arxiv.1702.01112,
title = {Optimal Input Design for Affine Model Discrimination with Applications in Intention-Aware Vehicles},
author = {Yuhao Ding and Farshad Harirchi and Sze Zheng Yong and Emil Jacobsen and Necmiye Ozay},
journal= {arXiv preprint arXiv:1702.01112},
year = {2019}
}