Safety Under Uncertainty: Tight Bounds with Risk-Aware Control Barrier Functions
Safety Under Uncertainty: Tight Bounds with Risk-Aware Control Barrier Functions
复制标题
不确定性下的安全：具有风险意识控制屏障功能的严格界限
DOI：
10.1109/icra48891.2023.10161379
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Dimitra Panagou
中科院分区：
文献类型：
--
作者：
Mitchell Black;Georgios Fainekos;Bardh Hoxha;D. Prokhorov;Dimitra Panagou
提出了一类新的风险感知控制障碍函数（RA-CBF）用于随机安全关键系统的控制。利用随机水平交叉文献的结果，我们偏离了鞅理论，目前使用的随机CBF技术，并证明了一个RA-CBF为基础的控制合成赋予一个更严格的上限的概率系统变得不安全在有限的时间间隔内比现有的方法。通过对移动机器人实例的比较研究，我们强调了我们所提出的方法相对于最先进方法的优势，并进一步证明了其在密集交通中自动驾驶汽车高速公路合并问题上的可行性。
We propose a novel class of risk-aware control barrier functions (RA-CBFs) for the control of stochastic safety-critical systems. Leveraging a result from the stochastic level-crossing literature, we deviate from the martingale theory that is currently used in stochastic CBF techniques and prove that a RA-CBF based control synthesis confers a tighter upper bound on the probability of the system becoming unsafe within a finite time interval than existing approaches. We highlight the advantages of our proposed approach over the state-of-the-art via a comparative study on an mobile-robot example, and further demonstrate its viability on an autonomous vehicle highway merging problem in dense traffic.
使用随机屏障函数的风险有界控制
影响因子：
3
作者：
Yaghoubi, Shakiba;Majd, Keyvan;Fainekos, Georgios;Yamaguchi, Tomoya;Prokhorov, Danil;Hoxha, Bardh
通讯作者：
Hoxha, Bardh
影响因子：
3
作者：
Yuxiao Chen;Andrew W. Singletary;A. Ames
通讯作者：
Yuxiao Chen;Andrew W. Singletary;A. Ames
测量鲁棒控制屏障函数：安全的确定性和状态的不确定性
DOI：
10.1109/iros51168.2021.9636584
发表时间：
2021
期刊：
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS
影响因子：
--
作者：
Cosner, Ryan K.;Singletary, Andrew W.;Taylor, Andrew J.;Molnar, Tamas G.;Bouman, Katherine L.;Ames, Aaron D.
通讯作者：
Ames, Aaron D.