Operator Splitting Covariance Steering for Safe Stochastic Nonlinear Control

要約

通常、ほとんどのロボット アプリケーションには、不確実性のある環境であっても高い信頼性を持って満たされる必要がある安全上の制限が伴います。
システムの状態分布を制御し、分布制約などの仕様を強制することは、そのような要件を満たすための有望なアプローチです。
この方向において、共分散ステアリング (CS) は、システム共分散に対する明示的な制約を介して安全なコントローラーを設計するための確率的最適制御 (SOC) フレームワークとして、ますます人気が高まっています。
それにもかかわらず、ロボット工学で一般的な非線形ダイナミクスと偶然の制約を持つシステムに CS 手法を適用する際の大きな課題は、必要な近似が保守的であり、近似点に対して非常に敏感であることです。
これにより、逐次凸計画法が不十分な極小値に収束したり、制約がシフトするために問題が実行不可能であると誤って報告されたりする可能性があります。
この論文では、この課題に直接対処する、確率制約のある非線形 CS 問題を解決するための新しいアルゴリズムを紹介します。
具体的には、主要な問題を並行して解決できるサブ問題に一時的に分割する演算子分割アプローチを提案します。
この緩和の利点は、収束前にすべての反復ですべての制約を同時に満たす必要がないため、より良い解決策を見つけるためのアルゴリズムの探索能力が強化されることです。
シミュレーション結果は、さまざまなロボット システムの標準的な方法よりも厳しい安全制約の下で、提案された方法が高品質のソリューションを見つける能力を検証します。
最後に、ハードウェアのデモンストレーションを通じて、アルゴリズムが実際のシステムに適用できるかどうかを確認します。

要約(オリジナル)

Most robotics applications are typically accompanied with safety restrictions that need to be satisfied with a high degree of confidence even in environments under uncertainty. Controlling the state distribution of a system and enforcing such specifications as distribution constraints is a promising approach for meeting such requirements. In this direction, covariance steering (CS) is an increasingly popular stochastic optimal control (SOC) framework for designing safe controllers via explicit constraints on the system covariance. Nevertheless, a major challenge in applying CS methods to systems with the nonlinear dynamics and chance constraints common in robotics is that the approximations needed are conservative and highly sensitive to the point of approximation. This can cause sequential convex programming methods to converge to poor local minima or incorrectly report problems as infeasible due to shifting constraints. This paper presents a novel algorithm for solving chance-constrained nonlinear CS problems that directly addresses this challenge. Specifically, we propose an operator-splitting approach that temporarily separates the main problem into subproblems that can be solved in parallel. The benefit of this relaxation lies in the fact that it does not require all iterates to satisfy all constraints simultaneously prior to convergence, thus enhancing the exploration capabilities of the algorithm for finding better solutions. Simulation results verify the ability of the proposed method to find higher quality solutions under stricter safety constraints than standard methods on a variety of robotic systems. Finally, the applicability of the algorithm on real systems is confirmed through hardware demonstrations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google