Wasserstein Distributionally Robust Motion Control for Collision Avoidance Using Conditional Value-at-Risk
Wasserstein Distributionally Robust Motion Control for Collision Avoidance Using Conditional Value-at-Risk
复制标题
Wasserstein 使用条件风险值避免碰撞的分布式鲁棒运动控制
DOI：
10.1109/tro.2021.3106827
复制
发表时间：
2020
影响因子：
7.8
通讯作者：
Insoon Yang
中科院分区：
文献类型：
--
作者：
A. Hakobyan;Insoon Yang
在本文中，考虑了一种具有风险意识的运动控制方案，用于移动机器人在不确定性的真实概率分布未知的情况下避开随机移动的障碍物。我们提出了一种新颖的模型预测控制（MPC）方法，即使障碍物运动的真实分布在模糊集内偏离使用有限数量样本数据获得的经验分布，该方法也能限制不安全风险。通过选择模糊集为一个以瓦瑟斯坦度量衡量半径的统计球，我们实现了对样本外风险的概率保证，该风险是使用独立于训练数据生成的新样本数据进行评估的。为了解决分布鲁棒MPC问题中固有的无穷维问题，我们基于康托罗维奇对偶原理，使用现代分布鲁棒优化技术将其重新表述为一个有限维非线性规划。为了在仿射动力学和输出方程的情况下找到全局最优解，利用麦考密克松弛设计了一种空间分支定界算法。通过使用非线性动力学和运动学车辆模型以及线性化的四旋翼模型进行仿真研究，对所提方法的性能进行了演示和分析。仿真结果表明，即使样本量较小，所提方法也能在保证样本外风险的情况下成功避开随机移动的障碍物，而其样本平均近似方法则无法做到这一点。
In this article, a risk-aware motion control scheme is considered for mobile robots to avoid randomly moving obstacles when the true probability distribution of uncertainty is unknown. We propose a novel model-predictive control (MPC) method for limiting the risk of unsafety even when the true distribution of the obstacles’ movements deviates, within an ambiguity set, from the empirical distribution obtained using a limited amount of sample data. By choosing the ambiguity set as a statistical ball with its radius measured by the Wasserstein metric, we achieve a probabilistic guarantee of the out-of-sample risk, evaluated using new sample data generated independently of the training data. To resolve the infinite-dimensionality issue inherent in the distributionally robust MPC problem, we reformulate it as a finite-dimensional nonlinear program using modern distributionally robust optimization techniques based on the Kantorovich duality principle. To find a globally optimal solution in the case of affine dynamics and output equations, a spatial branch-and-bound algorithm is designed using McCormick relaxation. The performance of the proposed method is demonstrated and analyzed through simulation studies using nonlinear dynamic and kinematic vehicle models and a linearized quadrotor model. The simulation results indicate that, even when the sample size is small, the proposed method can successfully avoid randomly moving obstacles with a guarantee of out-of-sample risk, while its sample average approximation counterpart fails to do so.
登录
查看更多内容
DOI：
10.1016/j.orl.2018.01.011
发表时间：
2018-03
期刊：
Oper. Res. Lett.
影响因子：
--
作者：
Chaoyue Zhao;Yongpei Guan
通讯作者：
Chaoyue Zhao;Yongpei Guan
使用条件风险值的随机系统的安全意识最优控制
DOI：
10.23919/acc.2018.8430957
发表时间：
2018
期刊：
2018 Annual American Control Conference (ACC
影响因子：
--
作者：
Samuelson, Samantha;Yang, Insoon
通讯作者：
Yang, Insoon
影响因子：
3
作者：
Insoon Yang
通讯作者：
Insoon Yang
DOI：
10.1016/j.automatica.2018.04.022
发表时间：
2017-01
期刊：
Autom.
影响因子：
--
作者：
Insoon Yang
通讯作者：
Insoon Yang