安全关键系统微分凸优化策略的递归可行性引导最优参数自适应
最优化与控制
2022-06-17 v2 机器人学
摘要
基于二次规划(QP)的状态反馈控制器，其不等式约束以这些函数的class-函数将控制障碍函数(CBFs)和Lyapunov函数的变化率限定在其值的范围内，对这类class-函数的参数十分敏感。然而，有效CBFs的构造并不简单，且对于任意选取的QP参数，系统轨迹可能进入这样的状态：QP最终变得不可行，或可能无法达到期望性能。在这项工作中，我们将控制综合问题表述为一种微分策略，其参数在高层针对一段时间范围内的性能进行优化，从而形成一个双层优化例程。在缺乏可行参数集知识的情况下，我们开发了递归可行性引导梯度下降方法来更新QP参数，使新解至少与先前解表现一样好。通过将动力系统视为随时间的有向图，本工作提出了一种在多个CBF下优化QP控制器时间范围内性能的新方法：(1) 通过敏感性分析利用解相对于其参数的梯度；(2) 反向传播这些梯度以及系统动力学梯度以更新参数，同时保持QP的可行性。
引用
@article{arxiv.2109.10949,
title = {Recursive Feasibility Guided Optimal Parameter Adaptation of Differential Convex Optimization Policies for Safety-Critical Systems},
author = {Hardik Parwana and Dimitra Panagou},
journal= {arXiv preprint arXiv:2109.10949},
year = {2022}
}
备注
This paper was accepted to and presented at ICRA 2022. Details will be out soon