核心概念
複雑で不確実なロボットシステムにおいて、データ駆動型安全フィルタの実用性と効率性を大幅に向上させるための効率的なオンラインデータ選択アルゴリズムを提案する。
摘要
本研究では、モデルベースの証明関数ベースの手法とガウシアンプロセス回帰を組み合わせた、データ駆動型の安全フィルタを提案している。特に、システムの制約を満たすために重要なデータポイントを効率的に選択するオンラインデータ選択アルゴリズムを開発した。
具体的には以下の通り:
- 証明関数ベースの手法とガウシアンプロセス回帰を統合し、データ駆動型の安全フィルタを設計
- 証明関数の制約を満たすために重要なデータポイントを効率的に選択するオンラインアルゴリズムを提案
- このアルゴリズムにより、データ駆動型安全フィルタの時間複雑度を二次から線形に改善
- シミュレーションと実験により、提案手法の有効性を実証
提案手法により、複雑で不確実なロボットシステムにおいても、データ駆動型安全フィルタの実用性と効率性が大幅に向上した。
統計資料
制約条件を満たすために重要なデータポイントを効率的に選択することで、データ駆動型安全フィルタの時間複雑度を二次から線形に改善した。
引述
"データ駆動型安全フィルタの実用性と効率性を大幅に向上させるための効率的なオンラインデータ選択アルゴリズムを提案する。"
"提案手法により、複雑で不確実なロボットシステムにおいても、データ駆動型安全フィルタの実用性と効率性が大幅に向上した。"