Model Predictive Path Integral Methods with Reach-Avoid Tasks and Control Barrier Functions

要約

ロボット工学の急速な進歩には、動的で不確実な環境において安全な制御アーキテクチャを開発およびテストするための堅牢なツールが必要です。
ロボット工学、特に安全性が重要なアプリケーションにおいて安全性と信頼性を確保することは極めて重要であり、産業界および学術界における多大な取り組みが推進されています。
これに関連して、Python/ROS2 ツールボックスである CBFkit を拡張します。これには、コスト関数としてリーチ回避仕様を使用するプランナーが組み込まれています。
このモデル予測パス積分 (MPPI) コントローラーとの統合により、ツールボックスは、コントロール バリア機能 (CBF) を使用してさまざまな不確実性源の下で正式な安全保証を確保しながら、複雑なタスクを実行できるようになります。
CBFkit は、自動微分に JAX を使用し、二次計画法の解法に jaxopt を使用して速度が最適化されています。
このツールボックスは、自律ナビゲーション、人間とロボットの対話、複数ロボットの調整など、さまざまなロボット アプリケーションをサポートします。
このツールボックスは、プランナー、コントローラー、センサー、および推定器の実装の包括的なライブラリも提供します。
一連の例を通じて、さまざまなロボット シナリオにおける CBFkit の強化された機能を示します。

要約(オリジナル)

The rapid advancement of robotics necessitates robust tools for developing and testing safe control architectures in dynamic and uncertain environments. Ensuring safety and reliability in robotics, especially in safety-critical applications, is crucial, driving substantial industrial and academic efforts. In this context, we extend CBFkit, a Python/ROS2 toolbox, which now incorporates a planner using reach-avoid specifications as a cost function. This integration with the Model Predictive Path Integral (MPPI) controllers enables the toolbox to satisfy complex tasks while ensuring formal safety guarantees under various sources of uncertainty using Control Barrier Functions (CBFs). CBFkit is optimized for speed using JAX for automatic differentiation and jaxopt for quadratic program solving. The toolbox supports various robotic applications, including autonomous navigation, human-robot interaction, and multi-robot coordination. The toolbox also offers a comprehensive library of planner, controller, sensor, and estimator implementations. Through a series of examples, we demonstrate the enhanced capabilities of CBFkit in different robotic scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google