利用幅度正则化合成基于学习的安全控制的高效安全证书
机器人学
2022-09-27 v1
摘要
基于能量函数的安全证书能够为复杂机器人系统的安全控制任务提供可证明的安全保证。然而，近期所有关于基于学习的能量函数合成的研究仅考虑了可行性，这可能导致过度保守并造成控制器效率低下。在本工作中，我们提出幅度正则化技术，在保持可靠可证明安全保证的同时，通过降低能量函数内部的保守性来提升安全控制器的效率。具体而言，我们通过能量函数的幅度来量化保守性，并通过在合成损失中添加幅度正则化项来降低保守性。我们提出SafeMR算法，该算法利用强化学习(RL)进行合成，以统一安全控制器与能量函数的学习过程。实验结果表明，所提方法确实降低了能量函数的保守性，并在保证安全的前提下，在控制器效率方面优于基线方法。
引用
@article{arxiv.2209.11787,
title = {Synthesize Efficient Safety Certificates for Learning-Based Safe Control using Magnitude Regularization},
author = {Haotian Zheng and Haitong Ma and Sifa Zheng and Shengbo Eben Li and Jianqiang Wang},
journal= {arXiv preprint arXiv:2209.11787},
year = {2022}
}
备注
8 pages, 6 figures