Core Concepts
本論文では、システムの動特性と状態推定の不確かさを考慮したロバストな出力制御バリア関数(ROCBF)を提案し、安全な専門家デモンストレーションからROCBFを学習する手法を示す。提案手法により、安全な制御則を自動的に構築できる。
Abstract
本論文では、システムの動特性と状態推定の不確かさを考慮したロバストな出力制御バリア関数(ROCBF)を提案している。ROCBFは、安全集合を制御可能前向き不変にすることで安全性を保証する。
まず、ROCBFの定義と、ROCBFを満たす制御則が安全集合を制御可能前向き不変にすることを示す。
次に、安全な専門家デモンストレーションからROCBFを学習する最適化問題を定式化する。この最適化問題は一般に非凸であるが、特定の条件の下で凸問題となることを示す。
さらに、実用的な制御アルゴリズムを得るため、提案理論的枠組みのアルゴリズム実装を行う。具体的には、安全データと不安全データの生成、非凸最適化問題の緩和、リプシッツ定数の推定などを行う。
最後に、自動運転シミュレータCARLAを用いて提案手法の有効性を検証する。カメラ画像から車線維持制御を学習し、未知の走行コースでも安全性を維持できることを示す。
Stats
車両の動特性と状態推定誤差の上界は既知であり、それぞれ∆F(x,t)と∆X(y)で表される。
出力測定マップYとその逆マップXは未知だが、それらの近似モデル ˆ
Xと誤差上界∆Xが与えられている。
Quotes
専門家デモンストレーションは、安全な制御入力uiを含んでおり、それらの入力は安全集合内の状態xiから外れないように選択されている。