May, 2019

一个高效的基于可达性的框架，用于在未知环境下证明安全的自主导航

PDF
TL;DR本研究提出了一种基于 Hamilton-Jacobi 可达性的实时安全分析方法，该方法可以在未知的环境下为自主车辆提供强有力的安全保障。
autonomous vehiclessafety analysisenvironment uncertaintyreal-timehamilton-jacobi reachability
发现论文，激发创造
  • 关于在基于概率规划框架下注入可达性安全保证以应对人机交互的研究

    本文提出了一种最小干预的安全控制器，通过使用到达性分析构建实时控制器，实现单车道场景中无碰撞互动的自动驾驶汽车交通合作，并验证其有效性及安全性。

    Dec, 2018

  • 带障碍物不确定性的可证明安全机器人导航

    研究如何保证机器人在不完美的环境观测下的行动安全性并设计了一种安全性检查的算法实现

    May, 2017

  • 面向不确定机器人系统的基于学习的控制一般安全框架

    这篇研究论文就如何在机器人系统的学习过程中保证安全性提出了一种新的框架，综合运用了学习控制方法、Hamilton-Jacobi 可达性方法和贝叶斯机制，通过概率和最坏情况分析提供了理论安全保障，并在四旋翼飞行器上实验室验证了其有效性。

    May, 2017

  • 高维可达性形式化安全保证生成

    提供自治系统的正式安全性和性能保证变得越来越重要，本文提出一种提供可达管的可证安全近似解的方法，该方法可以通过计算 DeepReach 解的误差界来进行可达管的修正，并通过基于情景优化的方法来推导 DeepReach 解的误差界等.

    Sep, 2022

  • 面向敏捷自主机器人在未知环境中的导航与恢复的基于 GP 的鲁棒运动规划框架

    提出了一种基于高斯过程（GP）的模型，用于主动检测未来运动规划失败的风险，并在风险超过阈值时触发恢复行为来从事实现目标的安全状态。该方法仅在仿真环境中进行训练，并可以泛化到不同机器人平台的实际环境中。仿真和物理实验证明了该框架既能预测规划器的失败，又能将机器人恢复到可能成功规划的状态，并以敏捷的运动方式进行操作。

    Feb, 2024

  • 通过控制和感知的不确定性最小化，在非结构化环境中进行安全导航

    该研究介绍了一种最小化控制和感知不确定性以确保安全可靠的自主车辆导航的框架，由两个不确定性感知模型组成：基于机器学习的车辆动力学模型和自我监督遍历估计模型。

    Jun, 2023

  • 基于预测的公路碰撞风险评估的可达性分析

    本文介绍了一种基于预测的高速公路碰撞风险评估方法，利用点动态系统建立了双向概率分布运动的随机正向可达集，提出了加速度预测模型，以及对车辆状态进行推广的多模态概率加速度分布和碰撞概率计算方法，模拟结果表明该预测模型在车辆位置误差方面具有优秀的性能，该碰撞检测方法在切入事件中识别碰撞的能力敏捷且有效。

    May, 2022

  • 计算可到达状态密度的安全自主运动规划案例研究

    本研究探讨了通过学习密度分布来计算无人系统前向可达状态的数据驱动方法，在结合模型预测控制的基础上，有效地应对系统的不确定性来进行可验证的安全路径规划。通过在自动驾驶和气垫船控制方面进行两个有挑战性的场景，证明了该方法在处理不确定性和复杂动态的系统中的优异性能。

    Sep, 2022

  • 学习感知交互式自主安全性

    为了确保机器人等自主车辆的广泛部署，本文提出了一种新的闭环范式用于综合安全控制策略，明确考虑系统在可能的未来情景下的演变不确定性，通过物理动力学和机器人的学习算法共同推理，利用对抗深度强化学习进行放大，展示了该框架能够处理贝叶斯信念传播和大规模预训练神经轨迹预测模型引起的隐式学习。

    Sep, 2023

  • 层次性应急规划在随机的、部分可观测的环境下实现更安全的自主驾驶

    本篇论文提出了一种针对自主导航任务的端到端方法，包括学习强有力的应急计划以及将其与分层规划器相结合，以应对其信念突然改变的情况。研究表明，该方法能够在部分可观察的随机环境中实现健壮性安全行为，并能很好地推广至训练过程中未见过的环境动态。

    Apr, 2022