Soft Actor-Critic-based Control Barrier Adaptation for Robust Autonomous Navigation in Unknown Environments

要約

自律的なナビゲーション中のモーション計画の障害は、安全性の制約が保守的すぎて、デッドロックにつながるか、リベラルすぎて衝突を引き起こす場合にしばしば発生します。
堅牢性を向上させるには、ロボットは安全性とパフォーマンスの測定値のバランスをとりながら、その目標に到達するために安全性の制約を動的に適応させる必要があります。
この目的のために、実行時に制御バリア関数（CBF）制約パラメーターを適応させるためのソフトアクタークリティック（SAC）ベースのポリシーを提案し、安全でありながら保守的な動きを確保します。
提案されたアプローチは、一般的な高レベルモーションプランナー、低レベルコントローラー、およびターゲットシステムモデル向けに設計されており、シミュレーションのみでトレーニングされています。
広範なシミュレーションと物理実験により、フレームワークがCBF制約を効果的に適応させ、ロボットが安全性を損なうことなく最終目標を達成できるようにすることを実証します。

要約(オリジナル)

Motion planning failures during autonomous navigation often occur when safety constraints are either too conservative, leading to deadlocks, or too liberal, resulting in collisions. To improve robustness, a robot must dynamically adapt its safety constraints to ensure it reaches its goal while balancing safety and performance measures. To this end, we propose a Soft Actor-Critic (SAC)-based policy for adapting Control Barrier Function (CBF) constraint parameters at runtime, ensuring safe yet non-conservative motion. The proposed approach is designed for a general high-level motion planner, low-level controller, and target system model, and is trained in simulation only. Through extensive simulations and physical experiments, we demonstrate that our framework effectively adapts CBF constraints, enabling the robot to reach its final goal without compromising safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google