핵심 개념
본 논문에서는 적응형 안전 중요 제어 상황에서 온라인 파라미터 추정 및 불확실성 정량화를 위한 프레임워크를 제시한다. 연속 시간 재귀 최소 제곱(RLS) 알고리즘을 통해 얻은 파라미터 추정치가 초기 추정치에 대한 선형 변환이라는 핵심 통찰을 바탕으로, 이러한 추정치를 선형 변환에 대해 폐쇄적인 객체(예: 조노토프)로 매개변수화하여 시간에 따른 불확실성 전파를 효율적으로 수행할 수 있다.
초록
본 논문은 적응형 안전 중요 제어 상황에서 온라인 파라미터 추정 및 불확실성 정량화를 위한 프레임워크를 제시한다.
재귀 최소 제곱(RLS) 알고리즘을 기반으로 한 온라인 파라미터 추정:
RLS 알고리즘의 핵심 통찰: 특정 시점의 파라미터 추정치가 초기 추정치에 대한 선형 변환이라는 점
이를 활용하여 선형 변환에 대해 폐쇄적인 객체(예: 조노토프)로 추정치를 매개변수화하고, 시간에 따른 불확실성 전파를 효율적으로 수행
불확실성 정량화:
초기 추정치를 포함하는 조노토프를 사용하여 시간에 따른 파라미터 추정의 불확실성 범위 계산
이를 통해 적응형 제어 바리어 함수(aCBF)를 활용한 안전 중요 제어기 합성 가능
예시를 통한 접근법의 효용성 입증
통계
파라미터 추정 오차 ∥˜θ(t)∥2의 상한 바운드:
∥˜θ(t)∥2 ≤ γ2e−βt∥P(ˆθ0 − θ)∥2 + γ2 ¯w/β
여기서 ¯w는 Φ(t)⊤W(t)의 상한값