ReachLipBnB：一种利用利普希茨界进行神经网络自主系统可达性分析的分支定界方法
系统与控制
2023-04-20 v3 机器人学
系统与控制
摘要
我们提出了一种新颖的分支定界(Branch-and-Bound)方法，用于开环和闭环设置下神经网络的可达性分析。我们的思路是首先利用凸规划离线计算神经网络在感兴趣特定方向上的利普希茨常数的精确界。然后我们利用这些界，通过利普希茨连续性论证获得可达集的瞬时但保守的多面体近似。为降低保守性，我们将边界算法纳入分支策略中，以在任意精度内减小过近似误差。随后我们将方法扩展到带有神经网络控制器的控制系统的可达性分析。最后，为尽可能准确地捕捉可达集形状，我们使用样本轨迹借助主成分分析(Principal Component Analysis, PCA)来指导可达集过近似的方向。我们在多个开环和闭环设置中评估了所提方法的性能。
引用
@article{arxiv.2211.00608,
title = {ReachLipBnB: A branch-and-bound method for reachability analysis of neural autonomous systems using Lipschitz bounds},
author = {Taha Entesari and Sina Sharifi and Mahyar Fazlyab},
journal= {arXiv preprint arXiv:2211.00608},
year = {2023}
}