存在扰动时利用控制障碍函数训练神经网络控制器
最优化与控制
2020-01-23 v1 机器学习
系统与控制
系统与控制
机器学习
摘要
控制障碍函数（CBF）近来被用于设计非线性系统可证明安全的反馈控制律。这些反馈控制方法通常通过求解在线二次规划（QP）来计算下一控制输入。对资源受限系统而言，实时求解QP可能是计算代价高昂的过程。本工作中，我们提出使用模仿学习来学习满足CBF约束的基于神经网络的反馈控制器。在此过程中，我们还针对受外部扰动系统发展了一类新的高阶CBF。我们在受外部扰动（如风或水流）的单轮车模型上展示了该框架。
引用
@article{arxiv.2001.08088,
title = {Training Neural Network Controllers Using Control Barrier Functions in the Presence of Disturbances},
author = {Shakiba Yaghoubi and Georgios Fainekos and Sriram Sankaranarayanan},
journal= {arXiv preprint arXiv:2001.08088},
year = {2020}
}