基于模型预测控制与Hamilton-Jacobi可达性分析实现自主系统的安全与高性能部署

尽管我们在 enabling autonomous systems 执行复杂任务的算法方面取得了显著进展，但它们仍难以在安全有效之间取得平衡。现有方法要么未提供任何 safety assurances，要么在 ensuring safety 时大幅牺牲 task performance。本 work 我们基于 model predictive control (MPC) 和 Hamilton-Jacobi (HJ) 可达性，开发了一个 framework，在保证 safety constraints 的同时优化 task performance。我们的 framework 保证 MPC 控制器的 recursive feasibility，并且 scalable to high-dimensional systems。我们使用 4D Dubins Car 和 6 Dof Kuka iiwa manipulator 进行 two simulation studies，实验表明我们的 framework 在满足 safety constraints 方面显著优于 baselines。