מושגי ליבה
APF設計されたコントローラーは、CBF-QP安全フィルターから導出可能である。
תקציר
人工ポテンシャルフィールド(APFs)と制御バリア関数二次プログラム(CBF-QP)安全フィルターの比較研究を行った。
APF情報をCBF-QPフレームワークに統合することで、APF設計されたコントローラーがCBF-QP安全フィルターから導出可能であることを示した。
単一整数型ダイナミカルモデルに特別なCBF-QP安全フィルターを提案し、広範な制御アフィンダイナミカルモデルに適した一般的なAPFソリューションを導出した。
リーチ・回避ナビゲーション例を通じて、開発手法の効果を示した。
I. 導入
ロボット自律性の基本的側面である動作計画に焦点を当てる。
APFsは障害物回避シナリオで特に単純性、汎用性、および計算効率性が高いため重要。
II. 人工ポテンシャルフィールド(APFs)
障害物は反発力を生成し、目標位置は引力力を発生させる。
引力ポテンシャル場と斥力ポテンシャル場が組み合わさり、ロボットは最小エネルギーパスに沿って移動する。
III. 制御バリア関数(CBFs)およびRCBFs
CBFsは非線形システムの処理に有効であり、高次制約条件も管理可能。
RCBFsは前方不変性とセキュリティ保証を提供する。
IV. APFs対CBF-QP安全フィルター
APFs設計されたコントローラーがCBF-QP安全フィルターから導出可能であることを示す。
特別なCBF-QP安全フィルターや一般的なAPFソリューションが提案された。
V. シミュレーション研究
特別なCBF-QP安全フィルターや一般的なAPF設計されたコントローラーがリーチ・回避課題に有効であることが示された。
סטטיסטיקה
この論文では特定の数字や重要な指標は使用されていません。
ציטוטים
この論文から引用:
"APFs represent a particular case of CBFs: given an APF, one can derive a CBF, while the reverse is not necessarily true."
"Efficient anytime CLF reactive planning system for a bipedal robot on undulating terrain."