Safe Reach Set Computation via Neural Barrier Certificates

要約

我々は、自律システムのオンライン安全性検証のための新しい技術を紹介します。この技術は、ニューラルバリア証明書を使用して、有界と非有界の両方のホライズンに対して到達可能性分析を効率的に実行します。
私たちのアプローチでは、特定の初期セット、安全でないセット、および時間軸に依存するパラメーター化されたニューラル ネットワークによって与えられるバリア証明書を使用します。
このようなネットワークは、状態空間の領域からサンプリングされたシステム シミュレーションを使用して、オフラインで効率的にトレーニングされます。
次に、メタニューラル ネットワークを使用して、トレーニング セットの外側にある状態空間領域に対するバリア証明書を一般化します。
これらの証明書は、到達可能な状態を適切に過剰近似したものとしてオンラインで生成および検証されるため、システムの安全性が確保されるか、安全でないシナリオで適切な代替アクションがアクティブ化されます。
オンライン自動運転シナリオの線形モデルから制御依存の非線形モデルまでのケーススタディで当社の技術を実証します。

要約(オリジナル)

We present a novel technique for online safety verification of autonomous systems, which performs reachability analysis efficiently for both bounded and unbounded horizons by employing neural barrier certificates. Our approach uses barrier certificates given by parameterized neural networks that depend on a given initial set, unsafe sets, and time horizon. Such networks are trained efficiently offline using system simulations sampled from regions of the state space. We then employ a meta-neural network to generalize the barrier certificates to state space regions that are outside the training set. These certificates are generated and validated online as sound over-approximations of the reachable states, thus either ensuring system safety or activating appropriate alternative actions in unsafe scenarios. We demonstrate our technique on case studies from linear models to nonlinear control-dependent models for online autonomous driving scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google