基于条件风险价值与可微凸规划的 Wasserstein 分布鲁棒控制障碍函数
机器人学
2023-09-19 v1 机器学习
系统与控制
系统与控制
摘要
控制障碍函数（CBFs）因能为现实世界安全关键系统设计安全控制器而受到广泛关注。然而，对周围环境的感知常受随机性影响，并进一步偏离标称分布。本文提出分布鲁棒 CBF（DR-CBF），以在分布偏移下实现弹性，同时保持 CBF 的优势，如计算高效性和前向不变性。为实现该目标，我们首先提出一个单层凸重构来估计在安全约束下、由 Wasserstein 度量度量的分布偏移中的条件风险价值（CVaR），这本质上是三层规划。此外，为构建强制 CVaR 前向不变性的控制障碍条件，应用可微凸规划技术以通过 CVaR 估计的优化层实现微分。我们还为高阶系统提供了 DR-CBF 的近似变体。仿真结果验证了在一阶和二阶系统下分布偏移中的机会约束安全保证。
引用
@article{arxiv.2309.08700,
title = {Wasserstein Distributionally Robust Control Barrier Function using Conditional Value-at-Risk with Differentiable Convex Programming},
author = {Alaa Eddine Chriat and Chuangchuang Sun},
journal= {arXiv preprint arXiv:2309.08700},
year = {2023}
}