Centrala begrepp
ロボットシステムの安全性を確保するための新しいクラスのCBFであるFT-NCBFの開発と合成に焦点を当てた研究。
Sammanfattning
本研究は、ロボットシステムがセンサー障害や攻撃に耐えるための新しいクラスの制御バリア機能であるFT-NCBFを開発し、合成することに焦点を当てています。NCBFsはニューラルネットワークを使用して表現され、高次元複雑なシステムに適用可能です。提案手法はデータ駆動型であり、学習されたFT-NCBFを使用して安全性保証付きの制御入力を合成します。2つのケーススタディ(自律移動ロボットの障害回避問題および宇宙船ランデブー問題)で提案手法を評価しました。結果は、提案手法が安全性を保証する一方、既存手法では失敗したことを示しています。
Statistik
FT-NCBFsに関連する条件が導出されました。
データ駆動型方法がFT-NCBFsを学習しました。
安全性保証が形式的に証明されました。
Citat
"Control barrier function (CBF)-based approaches have been proposed to guarantee the safety of robotic systems."
"Inspired by the universal approximation power of neural networks, there is a growing trend toward representing CBFs using neural networks."
"Our main contribution is the development and synthesis of a new class of CBFs that we term fault tolerant neural control barrier function (FT-NCBF)."
"We demonstrate our proposed approach using two case studies: obstacle avoidance problem for an autonomous mobile robot and spacecraft rendezvous problem."
"Our approach guarantees the robot to satisfy the safety constraint regardless of the faults and attacks, whereas the baseline employing the existing NCBFs fails."