未知欠驱动随机系统反馈运动规划的统计安全性与鲁棒性保证
机器人学
2022-12-15 v1 机器学习
摘要
我们提出一种方法，为一类具有未知非线性随机欠驱动动力学的系统的集成规划与控制提供运行时安全性与目标可达性的统计保证。具体而言，给定动力学数据集，我们的方法联合学习一个均值动力学模型、一个捕获噪声与模型失配影响的空间变化扰动界，以及一个基于收缩理论稳定所学动力学的反馈控制器。我们提出一种基于采样的规划器，其使用均值动力学模型并通过所学扰动界同时界定闭环跟踪误差。我们采用极值理论（EVT）的技术，以指定置信水平估计若干表征所学组件并支配跟踪误差界大小的常数。这确保了规划在运行时被保证安全跟踪。我们在10维四旋翼的仿真中，以及在物理 CrazyFlie 四旋翼和 Clearpath Jackal 机器人上验证了我们的保证转化为经验安全性，而忽略模型误差与随机性的基线方法是不安全的。
引用
@article{arxiv.2212.06874,
title = {Statistical Safety and Robustness Guarantees for Feedback Motion Planning of Unknown Underactuated Stochastic Systems},
author = {Craig Knuth and Glen Chou and Jamie Reese and Joe Moore},
journal= {arXiv preprint arXiv:2212.06874},
year = {2022}
}
备注
Submitted to ICRA 2023