基于分层神经网络规划器的物理感知安全保证设计
机器人学
2022-01-25 v1
摘要
神经网络在赋能网络物理系统（LE-CPS）的规划、控制及一般决策中展现出巨大潜力，尤其在复杂场景下提升性能方面。然而，形式化分析基于神经网络的规划器行为以确保系统安全极具挑战性，这严重阻碍其在自动驾驶等安全关键领域的应用。本工作中，我们提出一种基于分层神经网络的规划器，其分析系统的底层物理场景，并学习具有多种场景特定运动规划策略的系统级行为规划方案。随后我们开发一种高效验证方法，结合系统状态可达集的过近似以及新颖的分割与并集技术，以在我们物理感知规划器下形式化确保系统安全。通过理论分析，我们表明考虑不同物理场景并基于此分析构建分层规划器可提升系统安全性与可验证性。我们还在无保护左转与高速汇入这两个自动驾驶中常见且具有挑战性的安全关键任务的实用案例研究中，实证展示了方法的有效性及其相对于其他基线的优势。
引用
@article{arxiv.2201.09140,
title = {Physics-Aware Safety-Assured Design of Hierarchical Neural Network based Planner},
author = {Xiangguo Liu and Chao Huang and Yixuan Wang and Bowen Zheng and Qi Zhu},
journal= {arXiv preprint arXiv:2201.09140},
year = {2022}
}