Core Concepts
連続時間の再帰最小二乗法アルゴリズムによるパラメータ推定は、初期推定値のアフィン変換であることから、セットベースの推定を可能にし、不確実性の効率的な伝播を実現する。
Abstract
論文では、適応安全性制御におけるオンラインパラメータ推定と不確実性量化の枠組みが提案されている。
パラメータ推定はセットベースで行われ、アフィン変換を利用して効率的な計算が可能。
安全性重視のコントローラー合成や非線形システムに対する有用性が示されている。
イントロダクション
複雑な環境で展開される自律システムにおいて、適応能力を持たせることが重要。
適応制御は主に系統的な安定化を目指すが、安全性への拡張が必要。
不確実性量化技術
セットベースのパラメータ推定手法や同時学習技術が紹介されており、加算的な摂動も考慮されている。
最適化問題を解くことでセットベースのパラメータ推定が行われている。
再帰バッチ最小二乗回帰
履歴スタックを使用したバッチと再帰最小二乗法の組み合わせアプローチが提案されている。
有限励起条件下でパラメータ収束を保証するために歴史スタックHが導入されている。
Stats
aCBFsでは不確実性量化がSMID技術を使用して達成されています。
制約数は時間軸方向で無限大に増加する可能性があります。
Quotes
"セットベースのパラメータ見積もりは、点ごとの見積もりよりも不確実性をよりよく表現します。"
"連続時間の再帰最小二乗法はカルマンフィルターとして解釈できます。"