基于有限理性与差分隐私的不确定性鲁棒控制
最优化与控制
2021-09-20 v1 机器人学
系统与控制
系统与控制
摘要
廉价紧凑的高保真传感器（如相机与 LIDAR）的快速发展使机器人能够构建对其状态与环境的高精度估计。然而，此类丰富传感器信息的可用性带来了两项技术挑战：（i）缺乏解析感知模型，难以设计对传感器故障鲁棒的控制器；（ii）实时处理高维传感器信息的计算开销。本文利用差分隐私理论应对这些挑战，使我们能够（i）设计对状态估计误差具有有界敏感性的控制器；（ii）限定用于控制的状态信息量（即施加有限理性）。所得框架近似分离原理，并允许我们根据三个量推导使用故障状态估计器所产生代价的上界：使用完美状态估计器的代价、状态估计误差的大小以及差分隐私水平。我们在不同机器人问题（包括非线性系统镇定与运动规划）上以数值方式证明了框架的有效性。
引用
@article{arxiv.2109.08262,
title = {Robust Control Under Uncertainty via Bounded Rationality and Differential Privacy},
author = {Vincent Pacelli and Anirudha Majumdar},
journal= {arXiv preprint arXiv:2109.08262},
year = {2021}
}
备注
12 pages, 2 figures, submitted to ICRA 2022