Feb, 2023

动态 Simplex：在自主物理网络系统中平衡安全性和性能

HTML
PDF
TL;DR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。
发现论文，激发创造
  • Lyapunov神经网络：自适应稳定性认证用于动态系统的安全学习

    本文提出了一种基于神经网络构建Lyapunov函数并通过训练算法将其适应到状态空间中最大安全区域形状的方法，以学习非线性闭环动力系统的准确安全证明，并在模拟倒立摆中演示了该方法的应用，讨论了如何将该方法与动态系统的统计模型一起用于安全学习算法。

    Aug, 2018

  • 基于障碍函数的端到端安全强化学习在安全关键型连续控制任务中的应用

    本文提出了一种控制器架构，该架构将模型自由的强化学习控制器与利用控制屏障函数和未知系统动态的模型控制器相结合，以确保学习过程中的安全，并利用高斯过程对系统动态进行建模和不确定性分析。

    Mar, 2019

  • 基于数据驱动的高度并行化最小干预共享控制MPC

    本研究提出了一种基于数据驱动的联合人机系统的共享控制范式，旨在不限制用户的能力以实现未指定的行为，大幅提高系统安全性和用户满意度。

    Jun, 2019

  • 从自整定调节器到强化学习再回归

    本文介绍了机器学习和强化学习在控制和规划自主系统行为方面的应用，同时强调在安全关键的环境下要特别注意算法的可靠性和安全性，为控制理论家们提供一个学习该领域的起点。

    Jun, 2019

  • 结合机器学习和基于规则的算法的安全关键决策制定和控制框架

    本文提出了一个决策控制框架，将基于规则的技术和基于机器学习的技术结合起来，解决了安全性和多重要求的问题，在自动驾驶中得到了应用。

    Jan, 2022

  • 安全过滤器: 自主系统中安全关键控制的统一视角

    安全过滤器方法综述，提供了一个统一的技术框架，以理解、比较和结合现有技术，为下一代自主机器人的部署提供更可扩展的综合、鲁棒性监测和高效干预的方向。

    Sep, 2023

  • 安全海洋导航的模块化控制架构：强化学习和预测性安全过滤器

    自主系统安全性挑战，预测性安全过滤器在航海导航中与强化学习结合，保证了安全性，同时提高了学习速率和性能。

    Dec, 2023

  • 学习混合系统安全控制的本地控制阻碍函数

    本文提出一种基于学习的方法，通过构建基于神经网络的Control Barrier Functions (CBFs)来确保广泛类别的非线性混合动力系统的安全，从而解决现有方法的计算效率低、对系统性能不利或仅适用于小规模系统的问题。

    Jan, 2024

  • 学习辨别超平面的黑盒动态系统安全过滤器

    基于学习的方法成为黑盒动态系统安全过滤的有效途径，本研究提出了一种以约束为中心的方法，通过定义一个判别超平面，对控制输入的半空间约束进行建模，从而实现对安全性的保障。该方法有助于简化安全过滤器的设计，并可用于学习新任务而无需重新训练。

    Feb, 2024

  • 通过差分动态逻辑证明安全的神经网络控制器

    通过使用差分动态逻辑（dL）和神经网络验证相结合的方法，我们引入了VerSAILLE（通过逻辑链接的包络来确保安全的人工智能）来解决神经网络控制系统（NNCS）的安全性验证问题，同时提出了Mosaic来处理多项式实数算术性质在分段线性神经网络上的验证问题。我们的方法支持无限时间范围的安全性认证以及详尽枚举反例区域，并且在关闭环路的NNV中明显胜过现有的工具。

    Feb, 2024