核心概念
本論文では、確率的環境下での連続時間ニューラル制御障壁関数(SNCBF)を単一ステップで合成するアルゴリズムを提案する。提案手法では、ニューラルネットワークのリプシッツ境界を課すことで、有限個のデータポイントでも全状態空間にわたる有効性を保証する。
要約
本論文では、確率的環境下での連続時間制御システムに対して、形式的に検証された制御障壁関数(CBF)をニューラルネットワークで表現したSNCBFを合成するアルゴリズムを提案している。
まず、問題を頑健最適化問題として定式化し、その近似問題として場合最適化問題(SOP)を導出する。SOPの最適解を用いて、SNBCFが全状態空間で有効であることを保証する条件を示した(定理1)。
次に、SNBCFの合成手法を提案した。ニューラルネットワークの出力、ヤコビアン、ヘシアンのリプシッツ境界を課すことで、SNBCFの有効性を保証する(定理2)。提案手法では、これらの境界条件を満たすようにニューラルネットワークを学習する。
最後に、倒立振子システムと自律走行車の障害物回避の2つのケーススタディを通して、提案手法の有効性を示した。提案手法は、より広い安全領域を確保できることを確認した。
統計
倒立振子システムの質量m = 1 kg、長さl = 10 m、外乱σ = diag(0.1, 0.1)
自律走行車の速度v = 1、外乱σ = diag(0.1, 0.1, 0.1)