Belief Control Barrier Functions for Risk-aware Control

要約

現実世界のロボット システムで安全性を確保することは、モデル化されていない外乱やノイズの多いセンサー測定により、多くの場合困難です。
このような確率的不確実性を考慮するために、多くのロボット システムはカルマン フィルターなどの確率的状態推定器を利用して、ロボットの信念、つまり可能な状態にわたる確率分布を取得します。
私たちは、状態推定器によって提供されるすべての情報を活用して、リスクを認識した制御合成を可能にする信念制御バリア関数 (BCBF) を提案します。
これにより、ロボットは、これらの確率的不確実性の下でも、望ましい信頼性を持って事前に定義された安全領域に留まることができます。
BCBF は一般的なもので、状態推定器として拡張カルマン フィルターを使用するさまざまなロボット システムに適用できます。
外部外乱やさまざまなセンシング条件にさらされるクアッドローター上で BCBF を実証します。
私たちの結果は、最大 1kHz の制御周波数を可能にしながら、従来の状態ベースのアプローチと比較して安全性が向上していることを示しています。

要約(オリジナル)

Ensuring safety in real-world robotic systems is often challenging due to unmodeled disturbances and noisy sensor measurements. To account for such stochastic uncertainties, many robotic systems leverage probabilistic state estimators such as Kalman filters to obtain a robot’s belief, i.e. a probability distribution over possible states. We propose belief control barrier functions (BCBFs) to enable risk-aware control synthesis, leveraging all information provided by state estimators. This allows robots to stay in predefined safety regions with desired confidence under these stochastic uncertainties. BCBFs are general and can be applied to a variety of robotic systems that use extended Kalman filters as state estimator. We demonstrate BCBFs on a quadrotor that is exposed to external disturbances and varying sensing conditions. Our results show improved safety compared to traditional state-based approaches while allowing control frequencies of up to 1kHz.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google