Forward Invariance in Trajectory Spaces for Safety-critical Control

要約

有用なロボット制御アルゴリズムは、性能目標を達成するだけでなく、厳しい安全上の制約を遵守する必要があります。
コントロール バリア機能 (CBF) は、前方不変性を通じてシステムの安全性を実証的に確保するために開発されました。
ただし、純粋に反応性であるため、安全性のためにパフォーマンスが不必要に犠牲になることがよくあります。
一方、後退地平線制御 (RHC) では、システムの将来の進化を考慮して計画された軌道を考慮します。
この研究は、軌道空間における前方不変性 (FITS) を導入することにより、セーフティ クリティカルな制御に関する新しい視点を提供します。
我々は、安全な RHC の問題を軌道空間に取り上げ、制御された動的システムとして計画された軌道の進化を説明します。
状態に対して定義された安全制約は、CBF フレームワークを介して前方不変としてレンダリングされる軌道空間内のセットに変換できます。
安全性の制約を証明できる軌道を合成するための効率的な二次計画法 (QP) を導出します。
私たちの実験は、FITS が代替の CBF および NMPC メソッドと比べてパフォーマンスを犠牲にすることなく、安全仕様への準拠を向上させることを裏付けています。

要約(オリジナル)

Useful robot control algorithms should not only achieve performance objectives but also adhere to hard safety constraints. Control Barrier Functions (CBFs) have been developed to provably ensure system safety through forward invariance. However, they often unnecessarily sacrifice performance for safety since they are purely reactive. Receding horizon control (RHC), on the other hand, consider planned trajectories to account for the future evolution of a system. This work provides a new perspective on safety-critical control by introducing Forward Invariance in Trajectory Spaces (FITS). We lift the problem of safe RHC into the trajectory space and describe the evolution of planned trajectories as a controlled dynamical system. Safety constraints defined over states can be converted into sets in the trajectory space which we render forward invariant via a CBF framework. We derive an efficient quadratic program (QP) to synthesize trajectories that provably satisfy safety constraints. Our experiments support that FITS improves the adherence to safety specifications without sacrificing performance over alternative CBF and NMPC methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google