How to Adapt Control Barrier Functions? A Learning-Based Approach with Applications to a VTOL Quadplane

要約

本論文では、制御障壁関数(CBF)パラメータ、すなわちCBF条件に含まれるクラスK関数の、入力制約下でのオンライン適応のための新しい理論的枠組みを提示する。南雲の定理と接円錐解析から導かれた条件に基づいて、有限水平安全性を保証するためにオンラインで適応される、局所的に有効なCBFパラメータの概念を導入する。これらのパラメータをオンラインで同定するために、ニューラルネットワーク予測に内在するエピステミックな不確実性とアレータリックな不確実性の両方を考慮する不確実性を考慮した検証プロセスと学習ベースのアプローチを統合する。本手法は、VTOLクワッドプレーンモデルを用いて、困難な遷移および着陸マヌーバにおいて実証され、安全性を維持しながら性能が向上していることを示す。

要約(オリジナル)

In this paper, we present a novel theoretical framework for online adaptation of Control Barrier Function (CBF) parameters, i.e., of the class K functions included in the CBF condition, under input constraints. We introduce the concept of locally validated CBF parameters, which are adapted online to guarantee finite-horizon safety, based on conditions derived from Nagumo’s theorem and tangent cone analysis. To identify these parameters online, we integrate a learning-based approach with an uncertainty-aware verification process that account for both epistemic and aleatoric uncertainties inherent in neural network predictions. Our method is demonstrated on a VTOL quadplane model during challenging transition and landing maneuvers, showcasing enhanced performance while maintaining safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL