Sensor-Based Distributionally Robust Control for Safe Robot Navigation in Dynamic Environments

要約

我々は、オンボードセンシングと分布的にロバストな最適化を活用して、確率論的な安全制約を課す、動的で未知の環境における移動ロボットのナビゲーションのための新しい方法を紹介します。
私たちの方法では、ノイズの多いセンサーの測定値と状態推定を直接統合して安全制約を定義する、分布的にロバストな制御バリア関数 (DR-CBF) を導入しています。
このアプローチは、広範囲の制御アフィン ダイナミクスに適用でき、複雑な形状を持つロボットに一般化でき、リアルタイム制御周波数で動作できます。
提案された CLF-DR-CBF 制御合成手法は、経路追従のための制御リアプノフ関数 (CLF) と組み合わせることで、困難な環境において安全で堅牢かつ効率的なナビゲーションを実現します。
私たちは、差動駆動ロボットを用いたシミュレーションと実世界の実験において、不確実性の下での安全な自律航行のためのアプローチの有効性と堅牢性を実証します。

要約(オリジナル)

We introduce a novel method for mobile robot navigation in dynamic, unknown environments, leveraging onboard sensing and distributionally robust optimization to impose probabilistic safety constraints. Our method introduces a distributionally robust control barrier function (DR-CBF) that directly integrates noisy sensor measurements and state estimates to define safety constraints. This approach is applicable to a wide range of control-affine dynamics, generalizable to robots with complex geometries, and capable of operating at real-time control frequencies. Coupled with a control Lyapunov function (CLF) for path following, the proposed CLF-DR-CBF control synthesis method achieves safe, robust, and efficient navigation in challenging environments. We demonstrate the effectiveness and robustness of our approach for safe autonomous navigation under uncertainty in simulations and real-world experiments with differential-drive robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google