Lyapunov 神经网络：面向动力学系统安全学习的自适应稳定性认证
系统与控制
2018-10-02 v2 机器学习
机器人学
摘要
学习算法在仿真中展现出相当强的能力，使机器人能够适应不确定环境并提升性能。然而，此类算法很少在实际的安全关键系统中使用，因为所学策略通常不能提供任何安全性保证。也就是说，所需的探索可能对机器人或其环境造成物理伤害。本文中，我们提出一种为非线性闭环动力学系统学习精确安全性证书的方法。具体而言，我们构造一个神经网络 Lyapunov 函数以及一种将其自适应调整为状态空间中最大安全区域形状的训练算法。该算法仅依赖动力学输入与输出的知识，而不依赖任何特定的模型结构。我们通过学习模拟倒立摆的安全吸引域来演示我们的方法。此外，我们讨论了如何将我们的方法用于安全学习算法以及动力学系统的统计模型。
引用
@article{arxiv.1808.00924,
title = {The Lyapunov Neural Network: Adaptive Stability Certification for Safe Learning of Dynamical Systems},
author = {Spencer M. Richards and Felix Berkenkamp and Andreas Krause},
journal= {arXiv preprint arXiv:1808.00924},
year = {2018}
}
备注
Proc. of the 2nd Conference on Robot Learning (CoRL 2018)