Risk-aware Control for Robots with Non-Gaussian Belief Spaces
Risk-aware Control for Robots with Non-Gaussian Belief Spaces
复制标题
非高斯置信空间机器人的风险感知控制
DOI：
10.48550/arxiv.2309.12857
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Jana Tumova
中科院分区：
文献类型：
--
作者：
Matti Vahs;Jana Tumova
本文讨论了自主机器人的安全关键控制问题，考虑了由未建模的动力学和噪声传感器引起的普遍不确定性。为了考虑到这些不确定性，通常部署概率状态估计器来获得对可能状态的信念。也就是说，粒子滤波器（PFs）可以处理机器人状态下的任意非高斯分布。在此工作中，我们定义了连续离散PFs的信念状态和信念动力学，并在基础信念空间中构造了安全集。我们设计了一个控制器，可以证明机器人的信念状态保持在这个安全集合内。因此，我们确保未知机器人的状态违反安全规范（例如避开危险区域）的风险是有限的。我们提供了一个开源的实现作为一个ROS2包，并在涉及高维信念空间的仿真和硬件实验中评估了解决方案。
This paper addresses the problem of safety-critical control of autonomous robots, considering the ubiquitous uncertainties arising from unmodeled dynamics and noisy sensors. To take into account these uncertainties, probabilistic state estimators are often deployed to obtain a belief over possible states. Namely, Particle Filters (PFs) can handle arbitrary non-Gaussian distributions in the robot's state. In this work, we define the belief state and belief dynamics for continuous-discrete PFs and construct safe sets in the underlying belief space. We design a controller that provably keeps the robot's belief state within this safe set. As a result, we ensure that the risk of the unknown robot's state violating a safety specification, such as avoiding a dangerous area, is bounded. We provide an open-source implementation as a ROS2 package and evaluate the solution in simulations and hardware experiments involving high-dimensional belief spaces.
完全和不完全信息随机系统的控制屏障函数
DOI：
10.23919/acc.2019.8814901
发表时间：
2019
期刊：
American Control Conference (ACC
影响因子：
--
作者：
Clark, A.
通讯作者：
Clark, A.
部分已知环境中的风险感知运动规划
DOI：
--
发表时间：
2021
期刊：
--
影响因子：
--
作者：
Barbosa F
通讯作者：
Barbosa F