Safe and Stable Control Synthesis for Uncertain System Models via Distributionally Robust Optimization

要約

この論文では、モデルの不確実性が存在する場合に動的システムの安全性と安定性を強化することを検討します。
安全性と安定性の制約は、それぞれコントロール バリア関数 (CBF) とコントロール リアプノフ関数 (CLF) を使用して指定できます。
モデルの不確実性を考慮に入れるために、制約のロバストで偶然の定式化が一般的に考慮されます。
ただし、これにはモデルの不確実性の既知の誤差範囲または既知の分布が必要であり、結果として得られる定式化は過度の保守主義または過信に苦しむ可能性があります。
このホワイト ペーパーでは、モデル パラメトリック不確実性サンプルの有限セットのみが利用可能であると仮定し、CBF 安全性と CLF 安定性を保証する制御合成のための分布的にロバストな確率制約付きプログラム (DRCCP) を定式化します。
オンライン実行中の制御入力の効率的な計算を容易にするために、DRCCP の再定式化を二次円錐プログラム (SOCP) として提示します。
私たちの定式化は、1) ベースラインの CLF-CBF 二次計画法アプローチ、2) システムの不確実性の既知の誤差範囲を仮定するロバストなアプローチ、および 3)
不確実性の既知のガウス過程分布。

要約(オリジナル)

This paper considers enforcing safety and stability of dynamical systems in the presence of model uncertainty. Safety and stability constraints may be specified using a control barrier function (CBF) and a control Lyapunov function (CLF), respectively. To take model uncertainty into account, robust and chance formulations of the constraints are commonly considered. However, this requires known error bounds or a known distribution for the model uncertainty, and the resulting formulations may suffer from over-conservatism or over-confidence. In this paper, we assume that only a finite set of model parametric uncertainty samples is available and formulate a distributionally robust chance-constrained program (DRCCP) for control synthesis with CBF safety and CLF stability guarantees. To facilitate efficient computation of control inputs during online execution, we present a reformulation of the DRCCP as a second-order cone program (SOCP). Our formulation is evaluated in an adaptive cruise control example in comparison to 1) a baseline CLF-CBF quadratic programming approach, 2) a robust approach that assumes known error bounds of the system uncertainty, and 3) a chance-constrained approach that assumes a known Gaussian Process distribution of the uncertainty.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google