A Learning-Based Framework for Safe Human-Robot Collaboration with Multiple Backup Control Barrier Functions

要約

複雑な環境でロボットの安全性を確保することは、トルク限界などの作動制限があるため、困難な作業です。
この論文では、複数のバックアップ コントローラー間の学習ベースの切り替えを活用して、ドライバーの意図を満たしながら、制限された制御入力の下で安全性を正式に保証する、セーフティ クリティカルな制御フレームワークを紹介します。
安全性と入力制約を維持するように設計されたバックアップ コントローラーを活用することで、バックアップ制御バリア関数 (BCBF) は、実行可能な二次計画法 (QP) を介して暗黙的に定義された制御不変セットを構築します。
ただし、BCBF のパフォーマンスは、特にオフロードなどの複雑な条件における人間が運転する車両の設定では、選択したバックアップ コントローラーの設計と保守性に大きく依存します。
複数のバックアップ コントローラーを使用することで保守性を軽減できますが、いつ切り替えるかを決定することは未解決の問題です。
その結果、ドライバーの意図を推定し、人間とロボットの対話のための複数のバックアップ戦略と BCBF を統合するブロードキャスト スキームを開発します。
LSTM 分類器は、ロボット、人間、および安全アルゴリズムからのデータ入力を使用して、バックアップ コントローラーをリアルタイムで継続的に選択します。
障害物回避シナリオにおける二重軌道ロボットに対する私たちの方法の有効性を実証します。
私たちのフレームワークは、ドライバーの意図を守りながらロボットの安全性を保証します。

要約(オリジナル)

Ensuring robot safety in complex environments is a difficult task due to actuation limits, such as torque bounds. This paper presents a safety-critical control framework that leverages learning-based switching between multiple backup controllers to formally guarantee safety under bounded control inputs while satisfying driver intention. By leveraging backup controllers designed to uphold safety and input constraints, backup control barrier functions (BCBFs) construct implicitly defined control invariance sets via a feasible quadratic program (QP). However, BCBF performance largely depends on the design and conservativeness of the chosen backup controller, especially in our setting of human-driven vehicles in complex, e.g, off-road, conditions. While conservativeness can be reduced by using multiple backup controllers, determining when to switch is an open problem. Consequently, we develop a broadcast scheme that estimates driver intention and integrates BCBFs with multiple backup strategies for human-robot interaction. An LSTM classifier uses data inputs from the robot, human, and safety algorithms to continually choose a backup controller in real-time. We demonstrate our method’s efficacy on a dual-track robot in obstacle avoidance scenarios. Our framework guarantees robot safety while adhering to driver intention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google