未知环境中的安全反馈运动规划：一种瞬时局部控制障碍函数方法
系统与控制
2024-11-05 v3 系统与控制
摘要
移动机器人需要具备韧性，以安全地与先验未知环境交互并最终完成给定任务。本文利用瞬时局部传感数据激发安全反馈运动规划（SFMP）策略，其可适应多样先验未知环境而无需构建全局地图。这通过带约束的数值优化实现，所述约束称为瞬时局部控制障碍函数（IL-CBF）与目标驱动控制 Lyapunov 函数（GD-CLF），从感知信号中学习得到。具体而言，反映潜在碰撞的 IL-CBF 与编码渐进发现的子目标的 GD-CLF 首先从局部感知数据在线学习。随后，将学习到的 IL-CBF 与 GD-CLF 在二次规划（QP）框架下结合，以生成安全反馈运动规划策略。尤为重要的是，对 IL-CBF 的可容许控制空间进行优化以提升 QP 解的可行性。所开发的 SFMP 策略在理论上保证避碰与收敛至目的地。数值仿真揭示了所提 SFMP 策略的有效性，其能驱动移动机器人在多样先验未知环境中渐进安全地抵达目的地。
引用
@article{arxiv.2106.05341,
title = {Safe Feedback Motion Planning in Unknown Environments: An Instantaneous Local Control Barrier Function Approach},
author = {Cong Li and Zengjie Zhang and Ahmed Nesrin and Qingchen Liu and Fangzhou Liu and Martin Buss},
journal= {arXiv preprint arXiv:2106.05341},
year = {2024}
}