Feb, 2022

基于障碍证明的单纯形架构及其在微电网中的应用

PDF
TL;DR提出基于屏障证明的 Simplex（BC-Simplex）算法，旨在同时保证连续动态系统的安全和性能；算法采用屏障证明来证明基线控制器确保安全，基于屏障证明的泰勒展开式推导出了控制器切换的条件，并针对一个包含神经网络控制器的微电网进行了实验验证，结果表明该算法能够自动导出控制器切换条件，且还可以在神经控制器被攻击的情况下仍然保证系统安全。
barrier certificate-based simplexcontinuous dynamical systemsadvanced controllerbaseline controllersafety
发现论文，激发创造
  • 动态 Simplex：在自主物理网络系统中平衡安全性和性能

    该论文提出了一种动态单纯形策略和在线控制器切换逻辑的方法，通过使用代理模型来平衡安全性和性能，实现了双向控制器切换，并在 CARLA 模拟器中使用自动驾驶汽车案例研究证明其结果比现有的替代方案更加安全且性能更高。

    Feb, 2023

  • 有限时间随机系统的障碍函数方法进行验证和控制

    研究 stochastic dynamical system 在 finite-time horizon 下的安全性问题，提出基于 stochastic control barrier functions 的 barrier certificate condition 以量化系统在有限时间内退出给定的安全区域的概率，并将该条件表述为 sum-of-squares 优化问题进行高效的数值计算，在保证 expected value 的发展的状态相关的上限的前提下，提供了连续时间和离散时间系统的解决方案，针对控制的仿射动力学系统，提出了合成多项式状态反馈控制器以实现指定的安全概率，使用实例研究连续时间和离散时间领域中验证和控制方法的性能。

    Sep, 2019

  • 带概率安全屏障证书的不确定多机器人碰撞避免

    本文提出了一种针对多机器人系统中的碰撞回避问题所设计的方法，该方法需要考虑测量和运动的不确定性，使用概率安全障碍证书 (PrSBC) 和控制障碍函数 (Control Barrier Functions) 来定义可接受的控制操作空间，并通过最小化现有控制器来确定替代安全控制器。该方法不需要对不确定性形式做任何假设，同时适用于最坏情况下的保证。最后，作者通过实验验证了该方法的有效性。

    Dec, 2019

  • SABLAS: 黑箱动态系统安全控制学习

    本文提出了一种新的方法，用于从黑盒动态系统中学习安全控制策略和屏障证书，无需精确的系统模型，并证明了安全证书在黑盒系统上成立。

    Jan, 2022

  • 基于数据驱动的带屏障证书容许安全控制

    通过使用障碍证明方法，结合高斯过程回归，本文介绍了一种从具备未知动力学的随机系统数据中鉴定出一组最大安全策略的方法。通过学习系统动力学并得到该预估的概率误差，我们开发了一种算法来构建分段随机障碍函数，从而利用学习到的高斯过程模型找到一组最大允许的策略集，该集合通过有序地剔除最糟糕的控制策略直至得到最大集合，保证了真实系统的概率安全性。这对于学习能力系统而言尤为重要，因为丰富的策略空间不仅可以增加数据采集，还能保持安全性并展现复杂行为。线性和非线性系统的案例研究表明，扩大用于学习系统的数据集大小能够增加最大允许的策略集。

    Apr, 2024

  • 具有障碍认证的自适应强化学习及其在 Brushbot 导航中的应用

    本文提出了一个安全学习框架，该框架采用自适应模型学习算法以及障碍证书，用于具有可能非平稳智能体动态的系统。本文使用稀疏优化技术提取模型的动态结构，并结合控制障碍证书来保持安全。在一定条件下，保证了违反安全性后的 Lypunov 稳定恢复。最终证明了该框架通过仿真和测试的方式，在具有未知、高度复杂和非平稳动态的机器人系统中是有效的。

    Jan, 2018

  • 使用障碍证明实现四旋翼动力学的安全学习

    该论文提出基于高斯过程的数据驱动方法，学习部分未知环境下四旋翼的模型，采用屏障证明方法确保学习过程的安全，并设计了学习控制器以及递归高斯过程预测方法，模拟结果表明该方法的有效性。

    Oct, 2017

  • 通过学习深度逆动力学模型进行安全控制器的转移

    通过将源系统的控制障碍证书与目标系统的逆动力学神经网络进行整合，我们提出了一种验证控制器正确性的新方法，并通过三个案例研究证明了其有效性。

    May, 2024

  • 基于数据的安全证书的可伸缩合成及其在基于学习的控制中的应用

    本文提出了有效的技术来综合安全集合和控制律，通过基于凸优化问题的近似来提供改进的可伸缩性质，其中一种方法仅需要近似的线性系统模型和 Lipschitz 连续的未知非线性动力学，展示了数字示例，包括一个自主车队。

    Nov, 2017

  • 利用 BarrierNet 从信号时间逻辑规范中学习稳健且正确的控制器

    这篇论文研究了学习神经网络控制器以满足信号时间逻辑（STL）规范的问题，提出了一种使用可训练高阶控制障碍函数的方法，结合 BarrierNet 进行控制的方案，并证明了该方法的鲁棒性优于现有算法。

    Apr, 2023