Feb, 2024

未知动态多障环境下移动机器人的在线高效安全关键控制

PDF
TL;DR基于 LiDAR 的目标寻找和探索框架，解决了在不规则环境中在线避障的效率问题，并通过利用缓冲区域进行动态障碍的在线构建以及安全导航，实现了机器人在多障碍动态环境中高效、安全地达到目标位置。
发现论文，激发创造
  • 基于视觉端到端自动驾驶的可微控制屏障函数

    本文介绍了一种基于感知的学习系统的安全保障框架，该系统采用可微控制屏障函数，与常规神经网络结构组合使用，可在有限训练数据下实现优异的测试性能，在自动驾驶情境下保障安全，包括实现车道保持和避障等功能，并在模拟和真实无人车上进行了测试。

    Mar, 2022

  • 四旋翼无人机动态障碍轨迹预测的更安全基于视觉的自主规划系统及其在 LLMs 中的应用

    针对智能四旋翼无人机，本文提出了一种稳健可靠的自主规划系统，结合动态障碍物的跟踪和轨迹预测实现高效可靠的自主飞行，采用轻量级目标检测算法识别动态障碍物，利用卡尔曼滤波跟踪和估计其运动状态，在规划阶段不仅考虑静态障碍物而且考虑动态障碍物的潜在移动，使用基于 B 样条的轨迹搜索算法生成轨迹，并通过各种约束进一步优化以提高安全性和与无人机运动特征的一致性，在仿真和实际环境中进行实验，结果表明我们的方法能够实时检测和避开动态环境中的障碍物，相较现有方法在可靠性上有更大优势。此外，在自然语言处理（NLP）技术展示出卓越的零样本泛化能力的进展下，更友好的人机交互变得可行，本研究还探索了自主规划系统与大型语言模型（LLMs）的集成。

    Nov, 2023

  • 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

  • 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

  • 可扩展动态避障的顺序神经障碍物

    基于时序神经控制屏障模型的组合学习方法，在动态障碍物导航方面具有可扩展性和效果优于其他方法的实用性。

    Jul, 2023

  • 使用控制李雅普诺夫障碍函数进行安全机器人控制的强化学习

    本文研究使用控制李亚普诺夫壁函数（CLBF）来分析安全性和可达性，使用 Lyapunov 壁演员 - 评论家（LBAC）算法进行数据驱动寻找控制器，以实现无模型的强化学习在机器人控制中的广泛应用。在模拟实验和真实机器人控制实验中，实验结果显示了该方法在可达性和安全性方面的优异表现。

    May, 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

  • 基于安全学习的自动驾驶最优运动规划

    本文提出了使用机器学习的启发式搜索方法来实现城市道路自动驾驶的优化路径规划，以解决动态障碍物对路线规划的影响问题。

    May, 2018

  • 基于梯度的 B 样条轨迹优化的视觉辅助无人机导航及动态避障

    该论文提出了一种基于梯度的 B 样条轨迹优化算法，利用机器人的视觉感知，可以在动态环境中快速、安全地生成避障轨迹。

    Sep, 2022

  • 用 RGB-D 相机实时跟踪和映射动态障碍物的无人机导航和避碰系统

    提出了一种基于 RGB-D 相机的实时动态障碍物跟踪和建图系统，该系统使用 “占用格子图” 生成动态障碍物区域，应用卡尔曼滤波和连续滤波来跟踪每个动态障碍物，并提出了一种基于 Markov 链的环境感知轨迹预测方法。实验结果表明，该方法可以在动态环境中实时成功跟踪和避免障碍物。

    Sep, 2022