Time-Varying Soft-Maximum Barrier Functions for Safety in Unmapped and Dynamic Environments

要約

以前の未知で潜在的に動的な環境で安全を保証する閉形型の最適なフィードバック制御方法を提示します。
この記事では、ローカル認識データ（LIDARなど）が定期的に取得されるシナリオを検討し、このデータを使用して、一定期間安全な将来のローカルセットをモデル化するローカルコントロールバリア関数（CBF）を構築できます。
次に、滑らかな時変ソフトマキシマム関数を使用して、最近得られたNを構成し、最近得られたnのローカルセットの近似結合をモデル化する単一のバリア関数になります。
この複合バリア関数は、安全で最適なフィードバック制御を得るために閉じた形で解決される制約された二次最適化で使用されます。
また、時間変化のソフトマキシマムバリア関数機能制御を2つのロボットシステム（非交渉不可能な慣性を備えた非ホロノミックグラウンドロボット、および四肢装置ロボット）に適用します。これにより、目的は、先験的な未知の環境を安全にナビゲートし、ターゲットの目的地に到達することです。
これらのアプリケーションでは、定期的に取得された知覚データからローカルCBFを生成するための簡単なアプローチを提示します。

要約(オリジナル)

We present a closed-form optimal feedback control method that ensures safety in an a prior unknown and potentially dynamic environment. This article considers the scenario where local perception data (e.g., LiDAR) is obtained periodically, and this data can be used to construct a local control barrier function (CBF) that models a local set that is safe for a period of time into the future. Then, we use a smooth time-varying soft-maximum function to compose the N most recently obtained local CBFs into a single barrier function that models an approximate union of the N most recently obtained local sets. This composite barrier function is used in a constrained quadratic optimization, which is solved in closed form to obtain a safe-and-optimal feedback control. We also apply the time-varying soft-maximum barrier function control to 2 robotic systems (nonholonomic ground robot with nonnegligible inertia, and quadrotor robot), where the objective is to navigate an a priori unknown environment safely and reach a target destination. In these applications, we present a simple approach to generate local CBFs from periodically obtained perception data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google