불확실성 하에서 안전성을 보장하는 실시간 가능한 프레임워크를 제안하여 로봇 궤적을 생성합니다.
제어 장벽 함수 기반 신경 제어기(CBF-INC)를 활용하여 샘플링 기반 동작 계획 알고리즘의 효율성과 안전성을 향상시킴
확산 모델을 활용하여 이전 성공적인 동작 계획을 학습하고, 이를 새로운 동작 계획 문제에 활용함으로써 동작 계획 최적화를 가속화할 수 있다.
신경 상미분 방정식을 이용하여 복잡한 비선형 및 주기적 동작을 소수의 데모로부터 학습하고, 제어 리아푸노프 함수와 제어 장벽 함수를 통해 안정성과 안전성을 보장하는 동작 계획 방법을 제안한다.