SEEV：面向 ReLU 神经障碍函数的高效精确验证综合
系统与控制
2024-10-29 v1 机器人学
系统与控制
摘要
神经控制障碍函数（NCBF）在为非线性自治系统施加安全约束方面展现出巨大潜力。验证基于 NCBF 控制器安全性的最先进精确方法利用了 ReLU 神经网络的分段线性结构，然而此类方法仍需枚举安全边界附近网络的所有激活区域，从而产生高昂的计算成本。在本文中，我们提出了一个高效精确验证综合框架（SEEV）。我们的框架包含两个组件：(i) 一种 NCBF 综合算法，引入了一种新型正则化项以减少安全边界处的激活区域数量；(ii) 一种验证算法，利用安全条件的紧密过近似来降低验证每个分段线性段的成本。仿真表明，SEEV 在保持 CBF 质量的同时，显著提高了跨各种基准系统和神经网络结构的验证效率。我们的代码可在 https://github.com/HongchaoZhang-HZ/SEEV 获取。
引用
@article{arxiv.2410.20326,
title = {SEEV: Synthesis with Efficient Exact Verification for ReLU Neural Barrier Functions},
author = {Hongchao Zhang and Zhizhen Qin and Sicun Gao and Andrew Clark},
journal= {arXiv preprint arXiv:2410.20326},
year = {2024}
}