Safe Decentralized Multi-Agent Control using Black-Box Predictors, Conformal Decision Policies, and Control Barrier Functions

要約

私たちは、エージェントが不確実なブラックボックス モデルを使用して他のエージェントの軌道を予測する、分散型マルチエージェント ロボット設定における安全な制御の課題に取り組みます。
我々は、最近提案された等角決定理論を使用して、観察された予測誤差に基づいて制御バリア機能に基づく安全性制約の制限性を適応させます。
これらの制約を使用して、予測誤差にもかかわらず、安全性の目的とタスクの達成のバランスをとるコントローラーを合成します。
予測された軌道に基づく安全制約とグランドトゥルースの制約に基づく制約との差の単調関数の値の時間の経過に伴う平均の上限を提供します。
スタンフォード ドローン データセットのマルチエージェント シーンでロボットを操作するときのコントローラーのパフォーマンスを示す実験結果を通じて理論を検証します。

要約(オリジナル)

We address the challenge of safe control in decentralized multi-agent robotic settings, where agents use uncertain black-box models to predict other agents’ trajectories. We use the recently proposed conformal decision theory to adapt the restrictiveness of control barrier functions-based safety constraints based on observed prediction errors. We use these constraints to synthesize controllers that balance between the objectives of safety and task accomplishment, despite the prediction errors. We provide an upper bound on the average over time of the value of a monotonic function of the difference between the safety constraint based on the predicted trajectories and the constraint based on the ground truth ones. We validate our theory through experimental results showing the performance of our controllers when navigating a robot in the multi-agent scenes in the Stanford Drone Dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google