RAT iLQR：一种最优处理随机模型失配的风险自动调节控制器
机器人学
2021-01-19 v3
摘要
机器人在随机环境中的成功运行依赖于对潜在概率分布的准确刻画，然而由于知识有限，这常不完美。本工作提出一种能处理此类分布失配的控制算法。具体而言，我们提出一种用于分布鲁棒控制的新型非线性 MPC，其针对给定 KL 散度界内距高斯分布的最坏情况分布规划局部最优反馈策略。利用分布鲁棒控制与风险敏感最优控制间的数学等价性，我们的框架还提供了一种在线动态调整风险敏感水平的算法以用于风险敏感控制。分布鲁棒性以及风险敏感自动调节的益处在一个预测的人体运动分布有误的动态避碰场景中得到了展示。
引用
@article{arxiv.2010.08174,
title = {RAT iLQR: A Risk Auto-Tuning Controller to Optimally Account for Stochastic Model Mismatch},
author = {Haruki Nishimura and Negar Mehr and Adrien Gaidon and Mac Schwager},
journal= {arXiv preprint arXiv:2010.08174},
year = {2021}
}
备注
To appear in IEEE Robotics and Automation Letters