メモリ付き学習バリア関数によるロバストな安全ナビゲーション
Learning Barrier Functions with Memory for Robust Safe Navigation
未知環境での安全なナビゲーションのため、距離センサからオンラインで制御バリア関数を構築し、リプレイメモリ付きでニューラルネットの符号付き距離関数を学習する手法を提案した論文。
著者: Kehan Long, Cheng Qian, Jorge Cortés, Nikolay Atanasov
分類: cs.RO
原文アブストラクト
Control barrier functions are widely used to enforce safety properties in robot motion planning and control. However, the problem of constructing barrier functions online and synthesizing safe controllers that can deal with the associated uncertainty has received little attention. This paper investigates safe navigation in unknown environments, using onboard range sensing to construct control barrier functions online. To represent different objects in the environment, we use the distance measurements to train neural network approximations of the signed distance functions incrementally with replay memory. This allows us to formulate a novel robust control barrier safety constraint which takes into account the error in the estimated distance fields and its gradient. Our formulation leads to a second-order cone program, enabling safe and stable control synthesis in a priori unknown environments.
関連論文
- 先読み安全コリドーによるバリア状態ベースの複雑環境安全ナビゲーション安全ナビゲーション
- 音リスク認識を組み込んだ制御バリア関数による建設現場でのロボット安全ナビゲーション安全ナビゲーション
- 動的環境における安全なロボットナビゲーションのための動的対数ガウス過程制御バリア関数安全ナビゲーション
- 未知環境における安全なナビゲーションのための局所占有格子地図からの制御バリア関数のオンライン合成安全ナビゲーション
- 多面体間の安全なナビゲーションのためのミンコフスキー演算に基づく制御バリア関数安全ナビゲーション
- 認定アクター・クリティック：制御バリア関数を用いた安全ナビゲーションのための階層強化学習安全ナビゲーション
