Risk-aware Control for Robots with Non-Gaussian Belief Spaces

要約

この論文では、モデル化されていないダイナミクスやノイズの多いセンサーから生じる普遍的な不確実性を考慮して、自律型ロボットのセーフティクリティカルな制御の問題に取り組みます。
これらの不確実性を考慮に入れるために、多くの場合、可能性のある状態に対する確信を得るために、確率的状態推定器が導入されます。
つまり、粒子フィルター (PF) は、ロボットの状態で任意の非ガウス分布を処理できます。
この研究では、連続離散 PF の信念状態と信念ダイナミクスを定義し、基礎となる信念空間に安全なセットを構築します。
私たちは、ロボットの信念状態をこの安全なセット内に確実に維持するコントローラーを設計します。
その結果、未知のロボットの状態が危険領域の回避などの安全仕様に違反するリスクが限定されることが保証されます。
私たちはオープンソース実装を ROS2 パッケージとして提供し、高次元信頼空間を含むシミュレーションやハードウェア実験でソリューションを評価します。

要約(オリジナル)

This paper addresses the problem of safety-critical control of autonomous robots, considering the ubiquitous uncertainties arising from unmodeled dynamics and noisy sensors. To take into account these uncertainties, probabilistic state estimators are often deployed to obtain a belief over possible states. Namely, Particle Filters (PFs) can handle arbitrary non-Gaussian distributions in the robot’s state. In this work, we define the belief state and belief dynamics for continuous-discrete PFs and construct safe sets in the underlying belief space. We design a controller that provably keeps the robot’s belief state within this safe set. As a result, we ensure that the risk of the unknown robot’s state violating a safety specification, such as avoiding a dangerous area, is bounded. We provide an open-source implementation as a ROS2 package and evaluate the solution in simulations and hardware experiments involving high-dimensional belief spaces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google