Safe Navigation in Dynamic Environments Using Data-Driven Koopman Operators and Conformal Prediction

要約

Koopmanオペレーターの理論をコンフォーマル予測と統合することにより、動的環境での安全なナビゲーションのための新しいフレームワークを提案します。
私たちのアプローチは、データ駆動型のKoopman近似を活用して非線形ダイナミクスを学習し、不確実性を定量化するためのコンフォーマル予測を採用し、近似誤差の統計的保証を提供します。
この不確実性は、制約の締め付けによりモデル予測コントローラー（MPC）の定式化に効果的に組み込まれ、堅牢な安全保証が確保されます。
安全なナビゲーションのウェイポイントを提供するリファレンスジェネレーターを使用して、階層制御アーキテクチャを実装します。
メソッドの有効性は、シミュレーションで検証されています。

要約(オリジナル)

We propose a novel framework for safe navigation in dynamic environments by integrating Koopman operator theory with conformal prediction. Our approach leverages data-driven Koopman approximation to learn nonlinear dynamics and employs conformal prediction to quantify uncertainty, providing statistical guarantees on approximation errors. This uncertainty is effectively incorporated into a Model Predictive Controller (MPC) formulation through constraint tightening, ensuring robust safety guarantees. We implement a layered control architecture with a reference generator providing waypoints for safe navigation. The effectiveness of our methods is validated in simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google