基于形式化风险推理与规划的机器人风险感知

本文提出一种形式化的机器人运动风险推理框架，并开发了最小化所提风险的风险感知路径规划器。机器人在非结构化或受限环境中运动面临多种风险，而现有风险研究仅关注与障碍物碰撞。此类风险目前仅以特设方式处理。缺乏形式化定义时，便简单假定一些无充分支撑的性质，如可加性或马尔可夫性。基于不完整且不精确的风险表示，风险感知规划器使用特设风险函数或机会约束来最小化风险。前者在建模风险时不可避免地保真度低，后者则在概率界内保守地生成可行路径。利用命题逻辑与概率论，所提运动风险推理框架是形式化的。基于感兴趣的风险元素全集，引入了三类主要风险：依赖于位置、依赖于动作与依赖于遍历的风险。还开发了风险感知规划器，基于新提出的风险框架规划最小风险路径。风险推理与规划的结果在真实世界非结构化或受限环境的物理实验中得到验证。借助所提出的基础风险推理框架，机器人运动的安全性可被显式推理、量化与比较。该风险感知规划器依据新提出的风险框架寻找安全路径，并使机器人在非结构化或受限环境中表现出更强的风险感知行为。