Improved Exploration for Safety-Embedded Differential Dynamic Programming Using Tolerant Barrier States

要約

この論文では、強化された探索機能を備えた軌道最適化のための新しい安全埋め込み技術である Tolerant Discrete Barrier States (T-DBaS) を紹介します。
提案されたアプローチは、安全性の保証を近似しながら、最適化プロセス中の一時的な制約違反に対応することにより、標準離散バリア状態 (DBaS) 法を一般化します。
その結果、提案されたアプローチは、DBaS の安全な名目上の軌道の仮定を排除すると同時に、極小値を回避するための探索の有効性を高めます。
T-DBaS を安全性が重要な自律ロボットに適用するために、私たちは T-DBaS を差動動的計画法 (DDP) と組み合わせ、ソルバーの収束性とスケーラビリティ特性を継承する安全な軌道最適化手法 T-DBaS-DDP を提案します。
T-DBaS アルゴリズムの有効性は、差動駆動ロボットとクアッドローターのシミュレーションで検証されています。
さらに、古典的な DBaS-DDP および拡張ラグランジアン DDP (AL-DDP) と広範な数値比較を行い、提案された方法の競争上の利点を示します。
最後に、提案されたアプローチの適用可能性が、ジョージア工科大学ロボタリウム プラットフォームでのハードウェア実験を通じて検証されます。

要約(オリジナル)

In this paper, we introduce Tolerant Discrete Barrier States (T-DBaS), a novel safety-embedding technique for trajectory optimization with enhanced exploratory capabilities. The proposed approach generalizes the standard discrete barrier state (DBaS) method by accommodating temporary constraint violation during the optimization process while still approximating its safety guarantees. Consequently, the proposed approach eliminates the DBaS’s safe nominal trajectories assumption, while enhancing its exploration effectiveness for escaping local minima. Towards applying T-DBaS to safety-critical autonomous robotics, we combine it with Differential Dynamic Programming (DDP), leading to the proposed safe trajectory optimization method T-DBaS-DDP, which inherits the convergence and scalability properties of the solver. The effectiveness of the T-DBaS algorithm is verified on differential drive robot and quadrotor simulations. In addition, we compare against the classical DBaS-DDP as well as Augmented-Lagrangian DDP (AL-DDP) in extensive numerical comparisons that demonstrate the proposed method’s competitive advantages. Finally, the applicability of the proposed approach is verified through hardware experiments on the Georgia Tech Robotarium platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google