論文の概要: A Barrier Certificate-based Simplex Architecture for Systems with Approximate and Hybrid Dynamics

• arxiv url: http://arxiv.org/abs/2202.09710v3
• Date: Thu, 07 Nov 2024 22:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:52:47.994285
• Title: A Barrier Certificate-based Simplex Architecture for Systems with Approximate and Hybrid Dynamics
• Title（参考訳）: 近似とハイブリッドのダイナミクスを持つシステムのためのバリア認証に基づくシンプルなアーキテクチャ
• Authors: Amol Damare, Shouvik Roy, Roshan Sharma, Keith DSouza, Scott A. Smolka, Scott D. Stoller,
• Abstract要約: Bb-Simplexは、連続力学系の実行時保証のための新しい設計である。 バリア証明書は、ベースラインコントローラが安全を保証することを証明するために使用される。 Bb-Simplexは、複雑な連続時間とハイブリッドシステムのスイッチング条件を自動的に導出することができる。
• 参考スコア（独自算出の注目度）: 3.254402439041394
• License:
• Abstract: We present Barrier-based Simplex (Bb-Simplex), a new, provably correct design for runtime assurance of continuous dynamical systems. Bb-Simplex is centered around the Simplex control architecture, which consists of a high-performance advanced controller that is not guaranteed to maintain safety of the plant, a verified-safe baseline controller, and a decision module that switches control of the plant between the two controllers to ensure safety without sacrificing performance. In Bb-Simplex, Barrier certificates are used to prove that the baseline controller ensures safety. Furthermore, Bb-Simplex features a new automated method for deriving, from the barrier certificate, the conditions for switching between the controllers. Our method is based on the Taylor expansion of the barrier certificate and yields computationally inexpensive switching conditions. We also propose extensions to Bb-Simplex to enable its use in hybrid systems, which have multiple modes each with its own dynamics, and to support its use when only approximate dynamics (not exact dynamics) are available, for both continuous-time and hybrid dynamical systems. We consider significant applications of Bb-Simplex to microgrids featuring advanced controllers in the form of neural networks trained using reinforcement learning. These microgrids are modeled in RTDS, an industry-standard high-fidelity, real-time power systems simulator. Our results demonstrate that Bb-Simplex can automatically derive switching conditions for complex continuous-time and hybrid systems, the switching conditions are not overly conservative, and Bb-Simplex ensures safety even in the presence of adversarial attacks on the neural controller when only approximate dynamics (with an error bound) are available.
• Abstract（参考訳）: 本稿では,連続力学系の実行時保証のための新しい,確実に正しい設計法であるバリアベースのSimplex(Bb-Simplex)を提案する。 Bb-Simplexは、プラントの安全性を維持することが保証されていない高性能の先進的なコントローラと、安全確認されたベースラインコントローラと、2つのコントローラ間でプラントの制御を切り替え、性能を犠牲にすることなく安全性を確保する決定モジュールで構成されるSimplex制御アーキテクチャを中心に構成されている。 Bb-Simplexでは、ベースラインコントローラが安全を保証することを証明するためにバリアー証明書が使用される。 さらに、Bb-Simplexは、バリア証明書からコントローラ間の切り替え条件を導出する新しい自動メソッドを備えている。 本手法は,バリア証明書のTaylor拡張に基づいて,計算コストの低いスイッチング条件を生成する。 また,Bb-Simplexの拡張により,複数のモードをそれぞれ独自の動的に持つハイブリッドシステムでの利用が可能となり,連続時間系とハイブリッドシステムの両方において,近似力学(正確なダイナミクスではない)が利用可能である場合にのみ,Bb-Simplexの利用がサポートされる。 本稿では,Bb-Simplexのマイクログリッドへの応用について考察する。 これらのマイクログリッドは、業界標準の高忠実でリアルタイムな電力システムシミュレータRTDSでモデル化されている。 以上の結果から,Bb-Simplexは複雑な連続時間とハイブリッドシステムのスイッチング条件を自動的に導出し,スイッチング条件は過度に保守的ではなく,Bb-Simplexは近似力学(エラーバウンド付き)しか利用できない場合のみ,ニューラルコントローラに対する逆アタックがあっても安全であることがわかった。

関連論文リスト

• Lyapunov-stable Neural Control for State and Output Feedback: A Novel Formulation [67.63756749551924]
  学習ベースのニューラルネットワーク(NN)制御ポリシは、ロボット工学と制御の幅広いタスクにおいて、印象的な経験的パフォーマンスを示している。 非線形力学系を持つNNコントローラのトラクション領域(ROA)に対するリアプノフ安定性の保証は困難である。 我々は、高速な経験的ファルシフィケーションと戦略的正則化を用いて、Lyapunov証明書とともにNNコントローラを学習するための新しいフレームワークを実証する。
  論文  参考訳（メタデータ） (2024-04-11T17:49:15Z)
• A Neurosymbolic Approach to the Verification of Temporal Logic Properties of Learning enabled Control Systems [0.0]
  本稿では,一般的なSTL仕様に対するニューラルネットワーク(NN)コントローラの検証モデルを提案する。 また、一般的なアクティベーション機能を持つニューラルネットワークコントローラに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-07T04:08:33Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)
• Using Simulation Optimization to Improve Zero-shot Policy Transfer of Quadrotors [0.14999444543328289]
  実世界データを用いて微調整を行うことなく,シミュレーションで完全に強化学習を施した低レベルの制御ポリシを訓練し,四足歩行ロボットに展開することが可能であることを示す。 私たちのニューラルネットワークベースのポリシーは、オンボードセンサーデータのみを使用し、組み込みドローンハードウェアで完全に動作します。
  論文  参考訳（メタデータ） (2022-01-04T22:32:05Z)
• Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp [4.350434044677268]
  本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。 また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
  論文  参考訳（メタデータ） (2021-10-01T20:48:43Z)
• Neural Network Based Model Predictive Control for an Autonomous Vehicle [3.222802562733787]
  本研究では,自律走行車制御のためのモデル予測コントローラ(MPC)の代替として,学習ベースコントローラについて検討する。 教師あり学習と強化学習による学習を比較した。 本研究の目的は,リアルタイムプラットフォームに組み込み,形式的手法による検証が可能なコントローラの開発である。
  論文  参考訳（メタデータ） (2021-07-30T12:11:31Z)
• Online-Learning Deep Neuro-Adaptive Dynamic Inversion Controller for Model Free Control [1.3764085113103217]
  ニュートラル適応コントローラは、新しい重み更新法則に基づいて訓練されたディープニューラルネットワークを特徴とする実装である。 制御器は、非線形プラントを迅速に学習することができ、追従制御問題において優れた性能を示す。
  論文  参考訳（メタデータ） (2021-07-21T22:46:03Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)
• Deluca -- A Differentiable Control Library: Environments, Methods, and Benchmarking [52.44199258132215]
  我々は、微分可能な物理学とロボティクス環境のオープンソースライブラリを提示する。 ライブラリには,OpenAI Gymの古典的なコントロール設定など,いくつかのポピュラーな環境がある。 ライブラリを使用して得られた新しい科学的結果のいくつかのユースケースを提供します。
  論文  参考訳（メタデータ） (2021-02-19T15:06:47Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。