Risk-Averse Receding Horizon Motion Planning for Obstacle Avoidance using Coherent Risk Measures

要約

この論文は、確率的で動的な障害物の存在下で、ダイナミクスが不確実なエージェントに対するリスク回避的な後退地平線運動計画の問題を研究します。
我々は、一貫したリスク尺度を使用して障害物回避制約を定式化するモデル予測制御 (MPC) スキームを提案します。
状態ダイナミクスにおける外乱またはプロセス ノイズを処理するために、リスクを認識した方法で状態の制約が強化され、外乱フィードバック ポリシーが提供されます。
また、離散分布に対して提案された MPC スキームを使用するウェイポイント追跡アルゴリズムを提案し、有限時間タスクの完了を保証しながらリスクに敏感な再帰的実現可能性を証明します。
我々は、一般的に使用されるいくつかの首尾一貫したリスク指標、すなわち、条件付きバリューアットリスク（CVaR）、エントロピーバリューアットリスク（EVaR）、およびgエントロピーリスク尺度をさらに調査し、MPC内に扱いやすい組み込みを提案します。
シミュレーション研究を通じてフレームワークを説明します。

要約(オリジナル)

This paper studies the problem of risk-averse receding horizon motion planning for agents with uncertain dynamics, in the presence of stochastic, dynamic obstacles. We propose a model predictive control (MPC) scheme that formulates the obstacle avoidance constraint using coherent risk measures. To handle disturbances, or process noise, in the state dynamics, the state constraints are tightened in a risk-aware manner to provide a disturbance feedback policy. We also propose a waypoint following algorithm that uses the proposed MPC scheme for discrete distributions and prove its risk-sensitive recursive feasibility while guaranteeing finite-time task completion. We further investigate some commonly used coherent risk metrics, namely, conditional value-at-risk (CVaR), entropic value-at-risk (EVaR), and g-entropic risk measures, and propose a tractable incorporation within MPC. We illustrate our framework via simulation studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google