基于高斯过程和神经控制收缩度量的不确定性安全勘探规划
Dawei Sun、Mohammad Javad Khojasteh、Shubhanshu Shekhar、Chuchu Fan
第三届动力学和控制学习会议记录,PMLR 144:728-7412021年。
摘要
在非结构化、复杂和不断变化的现实世界环境中操作的机器人应在收集有关其环境的数据并更新其模型动力学的同时导航并保持安全。在本文中,我们考虑使用机器人探索对动力学和禁区具有未知、状态相关干扰的环境的问题。机器人的目标是安全地收集扰动的观测值,并对潜在功能进行准确估计。我们使用高斯过程从回归误差具有高置信界的数据中估计干扰。此外,基于对扰动的估计,我们使用神经收缩度量来推导跟踪控制器以及围绕机器人规划的标称轨迹的相应高置信不确定度管。根据收缩度量的鲁棒性,可以预先计算误差边界,并由运动规划器使用,从而保证实际轨迹是安全的。
引用本文
相关材料